Automatisation des tâches : savoir redistribuer le travail entre humains et agents IA

Depuis l’arrivée de l’intelligence artificielle générative dans les usages professionnels, une question revient constamment : combien d’emplois seront remplacés par l’IA? Elle attire l’attention parce qu’elle touche directement les travailleurs, les dirigeants et l’avenir de nombreuses professions. Pourtant, elle ne permet pas toujours de comprendre ce qui est réellement en train de se produire dans les organisations.

Un emploi n’est pas une activité unique. Il regroupe des dizaines de tâches qui nécessitent des compétences, des niveaux de jugement et des responsabilités très différents. Certaines sont répétitives, d’autres exigent de l’analyse. Certaines consistent à rechercher ou à transformer de l’information, tandis que d’autres reposent sur une relation humaine, une décision, une négociation ou une responsabilité professionnelle. Lorsque l’intelligence artificielle entre dans cet environnement, elle ne transforme donc pas nécessairement le métier dans son ensemble. Elle modifie d’abord la manière dont certaines de ses tâches peuvent être accomplies.

L’arrivée des agents IA ajoute maintenant une dimension supplémentaire. L’intelligence artificielle peut progressivement dépasser la production d’un texte, d’une analyse ou d’une recommandation pour accomplir une séquence d’actions, utiliser différents outils, interagir avec des systèmes et poursuivre un objectif avec une certaine autonomie. L’entreprise doit alors aller au-delà de la question « quelles tâches pouvons-nous automatiser? » pour en poser une beaucoup plus structurante : comment devrions-nous répartir le travail entre les humains, les agents IA et les systèmes automatisés afin d’obtenir le meilleur résultat? Cette question transforme profondément la manière de concevoir le travail.

L’automatisation traditionnelle cherchait principalement à retirer du travail humain

Pendant plusieurs décennies, l’automatisation a surtout consisté à identifier des tâches répétitives pouvant être confiées à une machine ou à un logiciel. Dans une usine, un robot pouvait effectuer une opération physique répétitive. Dans un bureau, un système informatique pouvait calculer une facture, transférer des données ou produire automatiquement un rapport. L’objectif était généralement assez clair : réduire le temps humain nécessaire à l’exécution d’une activité suffisamment prévisible pour être codifiée.

L’intelligence artificielle élargit considérablement ce territoire. Elle peut intervenir dans des activités qui nécessitent de comprendre du langage, rechercher de l’information, résumer des documents, analyser certaines situations, produire du contenu, interpréter des données ou proposer des actions. Avec les agents IA, plusieurs de ces capacités peuvent désormais être assemblées dans une séquence de travail plus complète.

La frontière entre travail humain et travail automatisé devient donc beaucoup moins nette. Une activité n’a plus nécessairement besoin d’être entièrement automatisable pour bénéficier de l’IA. Certaines parties peuvent être confiées à un agent pendant qu’un humain conserve celles qui exigent davantage de jugement, de responsabilité ou d’interaction. L’objectif évolue ainsi de l’automatisation vers l’orchestration du travail.

Un métier est un assemblage de tâches

Cette distinction change la manière d’interpréter les prévisions annonçant qu’une grande proportion des métiers sera affectée par l’intelligence artificielle. Être affecté par l’IA ne signifie pas nécessairement disparaître. Un métier peut être profondément transformé alors que la personne demeure essentielle à sa réalisation.

Prenons un représentant des ventes. Son travail peut comprendre la recherche de prospects, la préparation d’un dossier, la consultation du CRM, l’analyse de l’historique du client, la rédaction d’un courriel, la préparation d’une rencontre, la conversation avec le client, la négociation, la préparation d’une proposition et le suivi de l’occasion d’affaires. Plusieurs de ces activités peuvent déjà être accélérées par l’intelligence artificielle. La relation commerciale, la compréhension du contexte, la confiance et certaines décisions demeurent cependant fortement humaines.

Le même raisonnement s’applique à un comptable, un ingénieur, un gestionnaire, un analyste, un technicien, un professionnel des ressources humaines ou un spécialiste en cybersécurité. Leur métier peut rester nécessaire tandis que la répartition du temps entre leurs différentes tâches change considérablement.

La question stratégique devient alors beaucoup plus précise : quelles tâches devraient demeurer humaines, lesquelles devraient être augmentées par l’IA et lesquelles peuvent être confiées principalement à des systèmes automatisés ou à des agents?

La meilleure répartition n’est pas nécessairement celle qui automatise le plus

Il peut être tentant de mesurer la maturité d’une organisation par son niveau d’automatisation. Une entreprise qui automatise davantage semblerait nécessairement plus avancée. Cette logique risque pourtant de produire de mauvaises décisions.

Certaines tâches peuvent techniquement être automatisées tout en ayant intérêt à demeurer humaines. Une conversation délicate avec un employé, une négociation stratégique, une décision comportant des conséquences importantes ou une relation avec un client majeur peuvent nécessiter un niveau de compréhension contextuelle, de responsabilité et de confiance qui dépasse la simple capacité à produire une réponse plausible.

Inversement, certaines tâches que les organisations continuent d’attribuer à des professionnels hautement qualifiés possèdent très peu de valeur lorsqu’elles sont réalisées manuellement. Rechercher des informations dans plusieurs systèmes, recopier des données, reformater des documents, préparer une première synthèse ou vérifier des éléments répétitifs peut consommer une partie considérable du temps d’un spécialiste sans exploiter réellement son expertise.

Une bonne répartition du travail ne cherche donc pas à maximiser l’utilisation de l’IA. Elle cherche à maximiser la valeur produite par la combinaison des capacités humaines et technologiques disponibles.

L’agent IA introduit un nouveau participant dans le processus

L’arrivée des agents IA modifie encore davantage cette réflexion. Un logiciel traditionnel attend généralement une commande précise. Un agent peut recevoir un objectif, déterminer certaines étapes nécessaires, utiliser différents outils et poursuivre son travail jusqu’à l’obtention d’un résultat ou jusqu’au moment où une intervention humaine devient nécessaire.

Imaginons un processus d’approvisionnement. Un agent pourrait surveiller certains niveaux d’inventaire, analyser l’historique de consommation, consulter les délais fournisseurs, préparer une recommandation d’achat et produire une demande prête à être approuvée. Dans un contexte bien gouverné, il pourrait éventuellement accomplir certaines actions supplémentaires à l’intérieur de limites préétablies.

L’acheteur ne disparaît pas nécessairement du processus. Son rôle peut se déplacer vers les exceptions, la négociation, l’évaluation des fournisseurs, les décisions ayant un impact financier important et l’amélioration de la stratégie d’approvisionnement.

Le processus devient alors hybride. Une partie du travail est humaine, une autre est automatisée et certaines activités sont réalisées conjointement.

Il faut donc redessiner le processus avant de choisir l’outil

C’est probablement l’une des conséquences les plus importantes de l’arrivée des agents IA. Une entreprise qui commence par acheter une technologie risque de chercher ensuite des endroits où l’insérer. Elle ajoute alors de l’intelligence artificielle à des processus qui ont été conçus pour un monde où pratiquement toutes les décisions et interactions étaient réalisées par des humains ou par des logiciels traditionnels.

L’approche inverse est beaucoup plus intéressante. L’organisation commence par examiner le processus lui-même. Elle cherche à comprendre pourquoi chaque étape existe, quelle valeur elle produit, quelles informations sont nécessaires, où apparaissent les délais, quelles décisions comportent un véritable risque et quelles activités mobilisent inutilement du temps humain.

Ce travail permet parfois de découvrir que certaines tâches devraient simplement être éliminées. D’autres peuvent être simplifiées. Certaines peuvent être automatisées avec des technologies conventionnelles. D’autres deviennent d’excellentes candidates pour l’IA. Et quelques-unes doivent demeurer sous contrôle humain.

La transformation ne consiste alors plus à automatiser le processus existant. Elle consiste à concevoir un meilleur processus en tenant compte de capacités qui n’existaient pas lorsqu’il a été créé.

Le rôle de l’humain peut devenir plus important précisément parce que certaines tâches disparaissent

L’automatisation est souvent présentée comme une réduction du rôle humain. Dans plusieurs situations, elle peut produire l’effet inverse sur les tâches qui demeurent.

Lorsqu’un professionnel consacre moins de temps à rechercher, copier, reformater ou préparer de l’information, il peut en consacrer davantage à comprendre, décider, communiquer, créer, négocier ou améliorer.

Un gestionnaire peut passer moins de temps à compiler des rapports et davantage à accompagner son équipe. Un représentant peut consacrer moins de temps à préparer ses dossiers et davantage à ses clients. Un analyste peut réduire le temps consacré à rassembler les données et approfondir leur interprétation. Un spécialiste en cybersécurité peut déléguer certaines analyses répétitives et concentrer son expertise sur les anomalies et les décisions présentant davantage de risques.

Le gain réel ne se mesure donc pas seulement en heures économisées. Il peut aussi se mesurer dans la qualité du travail humain qui devient possible lorsque certaines activités de moindre valeur sont prises en charge autrement.

La responsabilité ne peut pas être automatisée aussi facilement que l’exécution

Cette redistribution du travail soulève toutefois une question fondamentale : qui demeure responsable du résultat?

Un agent peut préparer une recommandation financière, analyser un contrat, présélectionner des candidats, identifier une transaction inhabituelle ou proposer une décision opérationnelle. Sa capacité technique à accomplir une tâche ne détermine pas automatiquement le niveau d’autonomie qu’une organisation devrait lui accorder.

Le niveau de risque doit intervenir dans la conception du processus. Une action facilement réversible et à faible impact peut permettre une autonomie importante. Une décision susceptible d’avoir des conséquences financières, juridiques, humaines ou sécuritaires importantes nécessitera généralement davantage de contrôle.

La gouvernance de l’IA doit donc être intégrée directement dans la répartition du travail. Les organisations doivent déterminer les permissions accordées aux agents, les données auxquelles ils peuvent accéder, les actions qu’ils peuvent effectuer, les situations qui exigent une validation et les mécanismes permettant de retracer leurs interventions.

L’agent IA devient un participant au processus, mais l’organisation demeure responsable de ce qu’elle lui permet de faire.

L’humain dans la boucle ne devrait pas devenir une formalité

L’expression human in the loop est devenue courante pour rassurer sur l’utilisation de l’intelligence artificielle. Elle peut toutefois créer une fausse sécurité.

Un employé qui doit approuver des centaines de décisions générées automatiquement risque progressivement de les valider sans les examiner réellement. Si l’IA produit presque toujours une réponse acceptable, l’attention humaine diminue naturellement. Le contrôle existe officiellement, mais sa valeur réelle se dégrade.

La présence humaine doit donc être conçue en fonction du risque et de la valeur du jugement. Dans certains processus, l’humain doit approuver chaque décision. Dans d’autres, il peut intervenir uniquement sur les exceptions, les anomalies ou les situations dépassant certains seuils. Ailleurs, des contrôles automatisés peuvent compléter la supervision humaine.

La question pertinente n’est pas simplement de savoir si un humain est présent dans le processus. Elle consiste à déterminer à quel moment son jugement apporte réellement une valeur supérieure.

Les gestionnaires devront apprendre à diriger des processus hybrides

Cette évolution aura également des conséquences importantes sur le management. Les gestionnaires ont traditionnellement réparti le travail entre des personnes. Ils devront progressivement apprendre à répartir certaines activités entre des personnes, des systèmes automatisés et des agents IA.

Ils devront comprendre suffisamment les capacités et les limites de ces systèmes pour savoir quelles responsabilités leur confier. Ils devront également surveiller leur performance, leurs erreurs, leurs coûts et leurs effets sur les opérations.

La gestion de la capacité pourrait elle-même changer. Lorsqu’un volume de travail augmente, la première réponse ne sera plus nécessairement d’ajouter un employé. Il faudra d’abord déterminer quelle partie de cette charge nécessite réellement davantage de capacité humaine et quelle partie peut être absorbée par les systèmes.

Cela ne transforme pas le gestionnaire en informaticien. Cela fait de la compréhension de l’IA et de l’automatisation une nouvelle dimension de la gestion des opérations.

Les indicateurs de performance devront eux aussi évoluer

Si une entreprise redistribue le travail sans modifier sa manière de mesurer la performance, elle risque de conserver des comportements hérités de l’ancien modèle.

Un employé qui produit dix rapports manuellement et un employé qui supervise un agent capable d’en produire cent ne réalisent plus exactement le même travail. Mesurer uniquement le nombre de rapports produits devient rapidement insuffisant.

Les indicateurs doivent davantage refléter la valeur créée : qualité, délais, taux d’erreur, satisfaction du client, résolution des problèmes, coût du processus, capacité d’innovation ou amélioration des résultats opérationnels.

L’intelligence artificielle oblige ainsi les organisations à revenir à une question fondamentale de l’excellence opérationnelle : quelle valeur cherchons-nous réellement à produire?

La transformation des métiers doit être accompagnée

Redistribuer le travail signifie également redistribuer les compétences nécessaires.

Un professionnel qui réalisait auparavant toutes les étapes d’un processus peut désormais devoir apprendre à superviser certaines activités automatisées, interpréter les résultats produits par l’IA, intervenir dans les exceptions et améliorer continuellement le processus.

Cela exige de la formation, mais également de la transparence. Les employés doivent comprendre pourquoi leur travail évolue, quelles responsabilités demeurent les leurs et quelles nouvelles compétences leur permettront de conserver ou d’accroître leur contribution.

Une organisation qui introduit des agents IA sans traiter cette dimension humaine risque de provoquer une résistance parfaitement prévisible. À l’inverse, une entreprise qui associe ses équipes à la conception des nouveaux processus peut utiliser leur connaissance du travail réel pour déterminer beaucoup plus précisément ce qui devrait être automatisé et ce qui doit rester humain.

Les personnes qui réalisent quotidiennement le travail connaissent souvent des exceptions, des contraintes et des subtilités invisibles dans les procédures officielles. Leur participation devient donc une condition de qualité de la transformation.

Conclusion

L’intelligence artificielle transforme déjà les métiers, mais le phénomène est plus subtil que la simple disparition ou création d’emplois. Ce qui change en premier est la composition du travail.

Certaines tâches deviennent automatisables. D’autres peuvent être accélérées par l’IA. Certaines nécessitent toujours un jugement humain important. Et les agents introduisent maintenant la possibilité de confier à des systèmes des séquences d’activités beaucoup plus complètes.

Les entreprises doivent donc apprendre à concevoir des processus dans lesquels humains et agents IA interviennent là où leurs capacités respectives créent le plus de valeur. Cela exige une connaissance précise des opérations, une gouvernance claire, une maîtrise des données et des accès, des indicateurs adaptés et un accompagnement des personnes dont les rôles évolueront.

Chez Quantum Beyond, cette réflexion se situe au cœur de la transformation organisationnelle à l’ère de l’IA. Nos experts travaillent aux côtés des équipes opérationnelles, technologiques et de direction pour comprendre les processus existants, identifier les possibilités d’amélioration, déterminer où l’IA peut réellement créer de la valeur et construire une gouvernance permettant aux organisations de conserver la maîtrise de leurs opérations.

L’objectif d’une transformation IA ne devrait donc pas être de remplacer le plus grand nombre possible de tâches humaines. Il devrait être de concevoir une organisation dans laquelle chaque ressource — humaine ou technologique — est utilisée là où elle apporte le plus de valeur.

La question qui déterminera la performance des entreprises ne sera bientôt plus seulement « combien d’employés avons-nous? », ni même « combien d’agents IA utilisons-nous? ». Elle sera : « avons-nous appris à répartir intelligemment le travail entre les deux? »