Lecture estimée : 9 minutes ·
SYNTHÈSE INITIALE
Dans la plupart des entreprises de services du monde, le remplacement de main-d’œuvre ne s’opère plus par des licenciements massifs ni par des annonces publiques. Il survient quand un contrat n’est pas renouvelé, quand un poste vacant n’est pas pourvu, quand une tâche qui nécessitait autrefois trois personnes est désormais gérée par un système autonome en quelques minutes. Les agents d’intelligence artificielle — systèmes capables de recevoir un objectif et de l’exécuter sans supervision humaine continue — se déploient aujourd’hui dans les secteurs juridique, financier, de la traduction et de l’analyse de données à une vitesse qu’aucune projection gouvernementale n’avait anticipée. Ce qui est présenté comme des « outils d’assistance » fonctionne, dans les faits, comme un mécanisme de substitution silencieuse. Ce texte examine pourquoi cette substitution demeure invisible pour ceux qui la vivent, et pourquoi cette invisibilité est précisément ce qui la rend possible.
Il y a trois ans, les modèles de langage commettaient des erreurs élémentaires de cohérence. Il y a un an, ils rédigeaient déjà des contrats et produisaient des rapports financiers. Aujourd’hui, les agents d’IA prennent des décisions, naviguent des systèmes et délèguent des sous-tâches à d’autres agents sans intervention humaine. Le saut n’a pas été graduel. Ce fut une rupture.
La substitution a déjà eu lieu
En mars 2024, Klarna annonça que son agent gérait l’équivalent du travail de 700 employés, avec une économie projetée de 40 millions de dollars annuels. La terminologie choisie fut celle de l’« efficacité » et de la « productivité » — les euphémismes avec lesquels le capital industriel a historiquement décrit la suppression de postes. La différence avec les cycles d’automatisation précédents est que celui-ci n’affecte pas uniquement les emplois physiques ou répétitifs, mais les professions considérées jusqu’à très récemment comme immunisées contre le remplacement. Les avocats qui rédigent des documents de routine, les analystes qui consolident des données, les programmeurs qui produisent du code standard, les assistants administratifs.
Ce qui distingue les agents d’IA des outils précédents, c’est leur capacité d’enchaînement. Un agent reçoit un objectif, le décompose en étapes, consulte des sources, rédige, vérifie et livre un résultat sans intervention humaine continue. Ce qui nécessitait auparavant la coordination de plusieurs travailleurs spécialisés peut être géré par un système autonome en quelques minutes. Ce n’est pas une exagération. C’est la description opérationnelle de systèmes déjà en fonctionnement dans des centaines d’entreprises moyennes et grandes sur trois continents.
DONNÉE CLEF
Un agent d’intelligence artificielle est un programme capable de recevoir un objectif et de l’exécuter de façon autonome, étape par étape, sans intervention humaine. Il ne répond pas à des questions ; il prend des décisions, navigue des systèmes et livre un résultat. C’est, en termes pratiques, un travailleur numérique qui ne se repose pas, ne négocie pas et n’émet pas de facture.
Le grand malentendu
La grande majorité de la population qui travaille dans des bureaux, des centres d’appel, des cabinets juridiques ou des rédactions journalistiques n’a vu aucun agent d’IA. Elle a vu, peut-être, un nouvel outil sur son écran, une extension de navigateur, un assistant à la rédaction. Elle n’a pas vu le déploiement de systèmes agentifs parce que ce déploiement se produit sur les serveurs, dans les contrats d’externalisation, dans les décisions de ressources humaines prises plusieurs étages plus haut. La perception dominante reste que l’intelligence artificielle est une aide, un accélérateur, quelque chose qui complète le travailleur humain sans le déplacer.
Ce récit est activement entretenu par les entreprises technologiques qui vendent les systèmes d’automatisation, par les cabinets de conseil qui sont rémunérés pour faciliter la transition, et par des dirigeants d’entreprise qui ont des raisons financières très concrètes de retarder l’alarme publique. Le résultat est un déficit massif de compréhension dans la population active, qui n’a pas accès aux plans stratégiques de ses employeurs ni aux démonstrations commerciales que ces employeurs ont reçues au cours des douze derniers mois. Elle a accès à ses postes, qui existent encore. Cette sensation de continuité est précisément la marge de temps dont le capital a besoin pour compléter la transition sans résistance organisée.
La vitesse que personne n’avait calculée
Les projections académiques et gouvernementales sur l’impact de l’IA sur l’emploi qui circulaient entre 2020 et 2023 ont sous-estimé de façon systématique la vitesse de la transition. Elles étaient calibrées sur des modèles de diffusion technologique antérieurs, qui mettaient des décennies à pénétrer des secteurs entiers. Les modèles de langage à grande échelle, base technique des agents d’IA, n’ont pas suivi cette courbe. Ils sont passés de niche académique à outils de production d’entreprise en moins de trois ans. GPT-3.5, publié en mars 2023, fut le point d’inflexion visible.
En 2023, le McKinsey Global Institute estima que 70 % des activités laborales dans les secteurs de services pourraient être automatisées avec des systèmes déjà existants. Ce chiffre ne suscita pas de réponse politique ni syndicale proportionnée. Il suscita principalement des tables rondes lors de conférences d’innovation. Ce qui rend cette accélération inédite n’est pas seulement sa vitesse, mais son caractère transversal. Les révolutions industrielles précédentes détruisirent des emplois spécifiques et en créèrent d’autres dans des secteurs émergents. Ce que l’automatisation agentive détruit, ce sont les fonctions cognitives intermédiaires — celles qui permettaient historiquement aux classes moyennes éduquées de s’insérer dans l’économie sans capital physique propre.
« L’automatisation ne détruit pas le travail, elle détruit la négociabilité du travail », écrivait l’économiste Aaron Benanav dans Automation and the Future of Work, publié en 2020, anticipant avec précision le mécanisme aujourd’hui en opération : non la disparition immédiate de tous les emplois, mais la dégradation systématique du pouvoir de négociation de ceux qui les occupent.
Les emplois qui n’existent plus
La liste n’est pas spéculative. Le cabinet juridique Allen & Overy a implémenté en 2023 Harvey, un agent de révision contractuelle, signalant des réductions significatives dans les heures affectées aux tâches de due diligence. L’agence de traduction Lionbridge a communiqué en 2024 une réduction substantielle de ses traducteurs freelance dans les segments techniques et juridiques, remplacés par des pipelines automatiques avec post-édition minimale. Plusieurs cabinets d’audit européens ont déployé entre 2023 et 2025 des systèmes agentifs d’analyse financière qui compriment en quelques heures des tâches auparavant assignées à des équipes de deux ou trois analystes.
Ces cas ne sont pas exceptionnels. Ils sont représentatifs d’un schéma d’adoption qui se reproduit en parallèle dans des dizaines de secteurs. Le profil du travailleur en risque immédiat n’est pas l’employé non qualifié, mais le professionnel de niveau intermédiaire avec cinq à quinze ans d’expérience dans des fonctions cognitives routinières, bien rémunérées et à forte demande historique. L’assistant juridique qui examine la jurisprudence. L’analyste financière qui consolide les rapports de filiales. Le programmeur qui écrit du code bas niveau. Aucun de ces travailleurs ne se considère en danger. Ils le sont tous.
DONNÉE CLEF
Le rapport Future of Jobs 2025 du Forum économique mondial projette le déplacement de 92 millions d’emplois au niveau mondial avant 2030, avec une concentration dans les fonctions administratives, financières et de traitement de données. Le même rapport anticipe 170 millions de nouveaux postes — chiffre souvent cité comme signal d’équilibre, mais qui omet l’essentiel : les emplois détruits disparaissent en mois ; les emplois créés exigent des années de reconversion dans des secteurs que le marché du travail actuel ne forme à aucune échelle.
Le déficit de perception
Le problème central n’est pas technologique. Il est narratif. Et le principal vecteur de ce déficit, ce sont les médias. La couverture dominante de l’intelligence artificielle oscille entre l’enthousiasme technologique et le catastrophisme spéculatif, évitant presque systématiquement ce qui se passe sur le plan opérationnel : les contrats qui ne se renouvellent pas, les postes qui ne se pourvoient pas, les fonctions qui disparaissent sans communiqué de presse. Quand les médias abordent l’impact sur l’emploi, ils le font par le truchement d’experts qui parlent de « transformation » et d’« emplois du futur », non de déplacement concret. Un travailleur qui consomme cette couverture n’a aucune raison structurelle de s’alarmer. Le journalisme technologique, financé en bonne partie par les entreprises qui vendent les solutions d’automatisation, n’a pas les instruments pour rendre visible ce qui se passe loin des conférences d’innovation.
Les syndicats, quand ils existent, négocient sur des emplois qui existent encore, non sur des catégories entières en cours de suppression. Les gouvernements parlent de « reskilling » et d’« adaptation », termes qui présupposent que celui qui perd un emploi technique spécialisé peut se reconvertir dans quelque chose d’équivalent avec quelques mois de formation. Cette présomption ne trouve de soutien empirique dans aucun cycle d’automatisation précédent. Ce qui trouve un soutien empirique, ce sont les files d’attente pour les allocations chômage, les déclassements sociaux, les retraites anticipées déguisées en départs volontaires. Et dans cet intervalle, plusieurs secteurs ont déjà accompli leur transition sans que personne n’ait pris de décision collective à ce sujet.
Ce qui n’a plus de retour
Il existe des secteurs dans lesquels le débat sur la question de savoir si l’IA va affecter l’emploi est anachronique, parce que l’affectation a déjà eu lieu. La traduction professionnelle de documents techniques et juridiques standard en est un. La rédaction de contenus numériques en volume en est un autre. L’analyse préliminaire d’images médicales pour le triage diagnostique en est un troisième. Dans tous ces cas, le modèle économique qui soutenait l’emploi humain n’est plus compétitif dans les conditions actuelles du marché, et le retour à ce modèle est pratiquement impossible sans intervention réglementaire qu’aucun État n’envisage sérieusement.
Le point de rupture n’est pas le moment où une technologie apparaît. C’est le moment où son coût de déploiement tombe en dessous du coût du travail alternatif et où la qualité de son résultat atteint un seuil suffisant pour un usage commercial. Ce seuil a été franchi dans de multiples secteurs entre 2023 et 2025, de façon simultanée et sans coordination délibérée, simplement parce que la courbe d’amélioration des modèles de base fut plus rapide que prévu. Il n’y eut pas de décision centrale. Il n’y eut pas d’annonce. Il y eut des contrats qui ne se renouvelèrent pas, des travailleurs indépendants qui cessèrent de recevoir des commandes, des postes qui ne furent pas pourvus quand quelqu’un prit sa retraite. La substitution fonctionne mieux quand elle est invisible.
Le mécanisme est déjà en marche
La question qui ouvre habituellement ce type d’analyse est de savoir si l’intelligence artificielle va détruire des emplois. Cette question suppose qu’il reste encore du temps pour répondre, pour réguler, pour se préparer. Les données disponibles suggèrent quelque chose de plus inconfortable : que la destruction est déjà en cours, que sa vitesse dépasse la capacité de réaction de tout État doté de processus législatifs normaux, et que les populations les plus affectées sont précisément celles qui ont le moins accès aux débats où se décide le rythme de cette transition.
Ce qui est en jeu n’est pas seulement l’emploi. C’est la base matérielle des classes moyennes urbaines dans les économies de services, qui représentent la majeure partie des économies contemporaines. Quand cette base s’érode, ce qui vient ensuite n’est pas une nouvelle économie du savoir accessible à tous. C’est une économie de services à faible valeur, une masse croissante de travailleurs déclassés par le marché qui les a formés, et une concentration encore plus grande des bénéfices de la productivité dans les mains de ceux qui contrôlent déjà le capital technologique. Le mécanisme n’est pas nouveau. Ce qui a changé, c’est que la vitesse de la substitution a dépassé la vitesse de la compréhension, et cet écart est, pour ceux qui contrôlent le capital technologique, la condition optimale d’opération.
G.S.
Sources
- « Klarna AI assistant handles two-thirds of customer service chats », Financial Times, février 2024
- « Klarna cuts workforce from 5,000 to 3,800 as AI takes on more work », Reuters, septembre 2024
- « Harvey, the AI lawyer for Allen & Overy », The American Lawyer, décembre 2023
- « The economic potential of generative AI: The next productivity frontier », McKinsey Global Institute, juin 2023
- « Future of Jobs Report 2025 », World Economic Forum, janvier 2025
- « Lionbridge reduces freelance pool as machine translation scales », Slator Language Industry Report, 2024
- Automation and the Future of Work, Aaron Benanav, Verso Books, 2020
Actualizado el 19 de April de 2026
