L’IA brouille les frontières entre métiers et recompose l’organisation du travail

Le débat sur l’intelligence artificielle dans l’entreprise s’est longtemps concentré sur l’automatisation : combien de tâches pourront être confiées à la machine ? Quels emplois seront les plus exposés ? Quelles fonctions conserveront une forte composante humaine ?

Les données issues du rapport Work at the Frontier déplacent cette interrogation vers un autre phénomène. L’intelligence artificielle ne change pas uniquement la façon dont une tâche est réalisée. Elle modifie également la personne capable de la réaliser.

Un commercial peut désormais effectuer une première analyse financière sans solliciter systématiquement un analyste. Un responsable marketing peut produire un script informatique. Un professionnel RH peut construire un tableau de bord complexe ou préparer une première analyse juridique. Un collaborateur du service client peut diagnostiquer certaines difficultés techniques avant de contacter l’équipe informatique.

Cette évolution introduit une porosité croissante entre les métiers. Les frontières fonctionnelles restent présentes, mais elles déterminent de moins en moins strictement le champ des tâches qu’un collaborateur est capable de prendre en charge.

Les chercheurs parlent de Task Crossover, ou croisement des tâches. Derrière cette expression se dessine un changement important pour la gestion des ressources humaines : une partie du travail réel commence à sortir des limites prévues par les organigrammes et les fiches de poste.

Près d’une tâche professionnelle sur six traverse déjà les frontières des métiers

L’analyse des usages professionnels permet de distinguer deux grandes catégories de tâches.

Environ 61,5 % correspondent à des activités génériques, communes à de nombreuses professions : rédiger un courrier, synthétiser un document, préparer une présentation, organiser des informations ou structurer une réunion.

Les 38,5 % restants correspondent à des tâches plus directement associées à une profession particulière.

Or, au sein de cette deuxième catégorie, 43,5 % des tâches sont réalisées par des personnes qui n’exercent pas le métier auquel elles sont historiquement rattachées.

Rapportée à l’ensemble des usages professionnels étudiés, cette proportion représente environ 16,8 %.

Ce chiffre change la manière d’appréhender l’intelligence artificielle dans l’organisation.

Une entreprise fonctionne traditionnellement selon une division du travail relativement claire. La finance traite les sujets financiers, le marketing pilote les campagnes, l’informatique prend en charge les besoins techniques, les ressources humaines interviennent sur l’emploi et les collaborateurs, tandis que le juridique sécurise les décisions.

Cette organisation suppose que certaines compétences restent concentrées dans des départements spécialisés.

L’IA introduit un niveau intermédiaire. Elle donne au collaborateur la possibilité d’effectuer lui-même une partie du travail qui aurait auparavant nécessité l’intervention d’une autre fonction.

Il ne devient pas pour autant expert du domaine concerné. Mais il dispose d’une capacité d’action supplémentaire.

La distinction est fondamentale : l’intelligence artificielle démocratise l’accès à certaines tâches sans démocratiser automatiquement le niveau d’expertise nécessaire pour en garantir la qualité.

Les RH figurent parmi les fonctions les plus hybrides

Les différences entre professions sont particulièrement révélatrices.

Lorsque l’on observe uniquement les tâches spécifiques à un métier, 69 % de celles réalisées par les professionnels RH avec l’intelligence artificielle appartiennent historiquement à d’autres fonctions.

Cette proportion atteint 75 % dans le design et 77 % dans l’expérience client.

À l’opposé, l’ingénierie reste nettement plus concentrée sur son champ professionnel historique : seulement 28 % des tâches spécifiques réalisées par les ingénieurs appartiennent à d’autres métiers.

Fonction	Part de tâches inter-professions	Lecture organisationnelle
Expérience client	77 %	Très forte polyvalence
Design	75 %	Forte combinaison de disciplines
Ressources humaines	69 %	Fonction particulièrement hybride
Juridique	56 %	Élargissement vers plusieurs domaines connexes
Marketing	53 %	Proximité avec technologie, data et design
Ventes	40 %	Développement des capacités analytiques
Finance	40 %	Périmètre encore relativement spécialisé
Ingénierie	28 %	Forte concentration sur l’expertise d’origine

Tableau 1 : Part des tâches spécifiques provenant d’une autre profession selon les fonctions.

Le positionnement des ressources humaines s’explique en partie par la nature même du métier.

La fonction RH se trouve déjà à l’intersection de plusieurs disciplines. La rémunération implique la finance. Le recrutement mobilise le marketing et la communication. Les relations sociales exigent une expertise juridique. Le développement d’un SIRH nécessite de dialoguer avec la technologie. L’analyse des données sociales suppose des capacités statistiques et analytiques.

L’intelligence artificielle donne aux professionnels RH des moyens supplémentaires pour intervenir directement sur chacun de ces domaines.

Un responsable RH peut produire une première simulation, structurer une analyse, interpréter des données ou préparer un document avant de le transmettre au spécialiste.

Le changement ne consiste donc pas à remplacer l’expert, mais à repousser le moment auquel son intervention devient nécessaire.

Certaines compétences circulent désormais dans toute l’organisation

Les données montrent également que certains métiers constituent des « exportateurs » de compétences.

Le marketing, l’ingénierie informatique, la finance et certaines activités juridiques voient une partie de leurs tâches reprise par des collaborateurs provenant d’autres fonctions.

Les compétences informatiques figurent parmi les plus visibles. Le dépannage de premier niveau, l’analyse de code ou la génération de scripts deviennent accessibles à des collaborateurs sans formation informatique approfondie.

La finance suit une logique comparable. Des calculs ou analyses autrefois confiés directement aux fonctions financières peuvent désormais être préparés par les équipes opérationnelles.

Le marketing connaît également cette diffusion. La rédaction de contenus, la préparation de supports ou certains travaux liés à l’acquisition sont utilisés par des commerciaux, des designers ou des responsables d’autres départements.

Tâche réalisée avec l’IA	Métier historiquement associé	Diffusion observée
Calcul et analyse de données financières	Finance	Présente dans de nombreux autres groupes professionnels
Dépannage d’applications	Ingénierie / informatique	Utilisé par plusieurs fonctions, notamment le service client
Production de supports marketing	Marketing	Fréquente chez les designers et commerciaux
Communication avec les administrations	Juridique	Besoin partagé entre plusieurs métiers

Tableau 2 : Exemples de compétences spécialisées qui circulent entre les fonctions.

Cette évolution remet en question une représentation classique de la compétence.

Jusqu’ici, la capacité de réaliser une tâche était étroitement associée à la détention de la compétence correspondante. Avec l’intelligence artificielle, les deux notions commencent à se dissocier.

Un collaborateur peut produire du code sans savoir programmer au sens traditionnel du terme. Il peut obtenir une analyse statistique sans maîtriser toutes les méthodes statistiques. Il peut rédiger un premier projet contractuel sans disposer d’une formation juridique.

Le problème n’est donc plus seulement de savoir « qui peut faire quoi », mais aussi « qui peut valider quoi ».

Cette distinction devient structurante. Elle conditionne la manière dont l’entreprise doit répartir l’autonomie, le contrôle et la responsabilité.

Les petites structures sont davantage concernées

Le croisement des tâches varie également en fonction de la taille de l’organisation.

Dans les très petites équipes de deux à cinq licences, les tâches inter-professions représentent 18,9 % des usages observés. Le taux descend à 17,9 % dans les structures de six à vingt-cinq licences, puis à 17,7 % entre 26 et 100 licences.

Au-delà de 100 licences, il atteint 16,3 %.

Cette différence correspond à la réalité organisationnelle des PME et des petites équipes.

Dans une structure réduite, un collaborateur assume souvent plusieurs responsabilités. Les départements spécialisés sont moins nombreux et certaines expertises ne sont pas disponibles en permanence.

L’intelligence artificielle permet alors de traiter directement une partie des besoins qui auraient auparavant nécessité le recours à un prestataire, à un expert ou à un autre département.

Les grandes entreprises disposent, elles, de fonctions beaucoup plus spécialisées et de processus formalisés. Le réflexe consistant à transmettre un sujet au département compétent reste davantage installé.

L’IA pourrait néanmoins modifier progressivement cette organisation en donnant davantage d’autonomie aux équipes opérationnelles.

Pour les PME, cette évolution peut être particulièrement structurante. Là où les ressources sont contraintes et où la polyvalence est déjà une réalité quotidienne, l’IA permet d’étendre le spectre d’action des collaborateurs sans multiplier les fonctions spécialisées.

Mais cette autonomie supplémentaire doit être encadrée. La capacité d’exécuter une tâche ne garantit ni la qualité du résultat ni sa conformité.

La fiche de poste ne décrit plus totalement le travail réel

La première conséquence concerne directement les référentiels RH.

La fiche de poste traditionnelle repose généralement sur une liste de missions relativement stable. Cette logique devient plus difficile à maintenir lorsque les collaborateurs peuvent mobiliser rapidement des compétences provenant d’autres disciplines.

Un responsable marketing peut prendre en charge certaines analyses de données. Un professionnel RH peut intervenir sur des automatisations simples. Un commercial peut réaliser une analyse financière préalable.

La fonction officielle reste identique, mais le contenu du travail évolue.

Organisation traditionnelle	Organisation assistée par l’IA
Missions relativement figées	Missions davantage centrées sur les résultats attendus
Compétences rattachées au poste	Portefeuille de compétences mobilisables
Expertises concentrées dans les départements	Certaines compétences accessibles à plusieurs fonctions
Parcours principalement verticaux	Mobilités davantage transversales
Formation orientée vers l’exécution	Formation orientée vers l’exécution, le contrôle et le jugement
Évaluation centrée sur les missions	Évaluation davantage centrée sur la contribution et la qualité

Tableau 3 : Les principales évolutions de la gestion des emplois et des compétences.

Les entreprises devront donc continuer de conserver des descriptions de fonctions suffisamment précises tout en intégrant davantage de flexibilité dans la manière dont les objectifs sont atteints.

L’enjeu consiste à éviter un décalage croissant entre le poste tel qu’il existe dans les systèmes RH et le travail effectivement réalisé par le collaborateur.

Cette question concerne également les référentiels de compétences. Les entreprises devront progressivement distinguer les compétences maîtrisées en profondeur, les compétences utilisables avec assistance et les compétences qui nécessitent encore une validation systématique par un expert.

Cette granularité permettra de mieux refléter la réalité du travail assisté par l’IA.

Savoir vérifier devient aussi important que savoir produire

La deuxième transformation concerne la formation.

La maîtrise d’un outil d’intelligence artificielle ne suffit pas.

Lorsqu’un collaborateur utilise une IA dans son propre domaine, il dispose généralement des connaissances nécessaires pour évaluer le résultat.

La situation devient plus complexe lorsqu’il intervient sur une tâche provenant d’une autre profession.

Un professionnel RH peut obtenir une analyse juridique convaincante sans nécessairement identifier une erreur d’interprétation. Un marketeur peut générer une application fonctionnelle sans détecter une faille de sécurité. Un commercial peut produire une projection financière cohérente en apparence, mais construite sur une hypothèse erronée.

La compétence déterminante devient alors la capacité à évaluer les limites de son propre jugement.

Les plans de formation devront intégrer cette dimension. Il ne s’agira pas seulement d’apprendre à interroger efficacement les modèles, mais également de savoir identifier les situations nécessitant l’intervention d’un expert.

Une formation à l’IA qui se limite à apprendre à générer du contenu, automatiser une tâche ou produire une analyse restera donc incomplète.

Les collaborateurs devront également être formés à la vérification, à la traçabilité des informations, à l’identification des erreurs et à l’escalade vers un spécialiste lorsque le niveau de risque l’exige.

L’expert devient davantage un garant de la qualité

Cette redistribution des tâches ne signifie pas que les spécialistes perdent leur utilité.

Elle pourrait au contraire renforcer leur rôle sur les situations complexes.

Lorsque le premier niveau d’exécution devient accessible à davantage de collaborateurs, les spécialistes peuvent concentrer leur intervention sur les sujets nécessitant une réelle profondeur d’expertise.

Le développeur senior intervient sur l’architecture, la sécurité et la mise en production. Le juriste contrôle les situations engageant juridiquement l’entreprise. Le spécialiste financier vérifie les modèles importants et interprète leurs conséquences.

La valeur du spécialiste se déplace ainsi de l’exécution systématique vers la validation, le jugement et la responsabilité.

Nature de la tâche	Niveau d’autonomie possible	Niveau de contrôle
Synthèse documentaire	Élevé	Vérification par l’utilisateur
Analyse exploratoire de données	Moyen à élevé	Contrôle selon l’enjeu
Document juridique engageant	Faible	Validation juridique
Script ou automatisation interne	Moyen	Revue technique
Code destiné à la production	Faible	Validation IT et sécurité
Décision RH sensible	Assistance uniquement	Responsabilité humaine

Tableau 4 : Exemple de matrice de contrôle des tâches réalisées avec l’intelligence artificielle.

Cette matrice pourrait devenir un élément central de la gouvernance de l’IA dans les organisations.

Elle permettrait de définir clairement ce qu’un collaborateur peut réaliser de manière autonome, ce qu’il peut préparer avant validation et ce qui doit rester sous responsabilité directe d’un spécialiste.

Le principe est simple : plus une décision est sensible, engageante ou difficilement réversible, plus le niveau de validation humaine doit être élevé.

Cette logique vaut particulièrement pour les sujets juridiques, financiers, de cybersécurité, de santé, de rémunération, de recrutement ou de gestion individuelle des collaborateurs.

La rémunération devra tenir compte de la polyvalence réelle

La question de l’évolution professionnelle se posera également.

Les classifications traditionnelles reposent sur le métier, le niveau hiérarchique, l’expérience et les responsabilités.

Mais comment apprécier un collaborateur qui élargit significativement son périmètre grâce à l’intelligence artificielle ?

La simple capacité à réaliser une tâche d’un autre métier ne justifie évidemment pas une requalification automatique. Utiliser l’IA pour produire du code ne transforme pas un responsable marketing en ingénieur informatique.

En revanche, lorsqu’un collaborateur combine durablement plusieurs compétences, prend davantage de responsabilités et produit des résultats auparavant répartis entre plusieurs fonctions, le système d’évaluation doit pouvoir reconnaître cette évolution.

Les entreprises devront ainsi distinguer l’usage ponctuel d’une compétence assistée par l’IA de l’élargissement réel du rôle.

L’impact, le niveau d’autonomie, la qualité des décisions et la responsabilité assumée pourraient prendre davantage de poids dans les politiques de rémunération et de mobilité.

L’enseignement principal du Task Crossover se situe finalement là : l’intelligence artificielle ne transforme pas seulement le contenu des métiers. Elle modifie progressivement la manière dont le travail se répartit entre eux.

La spécialisation ne disparaît pas. Elle change de nature.

Une partie des compétences d’exécution devient accessible à davantage de collaborateurs, tandis que l’expertise avancée se concentre sur l’analyse, le contrôle, les situations complexes et la responsabilité.

Pour les entreprises, cette évolution impose de regarder le travail tel qu’il est réellement effectué, et non uniquement tel qu’il apparaît dans les organigrammes.

Les fiches de poste, les référentiels de compétences, la formation, les parcours professionnels et les mécanismes de validation devront progressivement intégrer cette réalité.

L’intelligence artificielle pourrait ainsi transformer l’entreprise moins en supprimant les métiers qu’en rendant leurs frontières beaucoup plus perméables.