Calipia : le blog

L’IA rassure l’emploi… quand c’est celui qui la vend qui le dit

Après deux ans de discours anxiogènes sur la disparition programmée des cols blancs, Google vient de publier une étude qui va à contre-courant du récit ambiant. Baptisée AI & Economy ATLAS (Activity, Task, Landscape, and Adoption Study), cette première édition s’appuie sur 15 millions d’interactions anonymisées avec Gemini, collectées via l’application Gemini, le mode IA de la recherche et l’API Gemini. Le périmètre est large : 800 métiers, 4 000 tâches, 150 pays et 140 langues. De quoi donner au rapport des allures de radiographie mondiale du travail augmenté par l’IA.

La conclusion centrale tient en une phrase, assumée par les auteurs eux-mêmes : les données ne permettent pas de corroborer l’idée d’une automatisation massive et imminente du travail de bureau. Un message qui détonne dans un secteur où chaque annonce de modèle s’accompagne généralement d’une promesse (ou d’une menace, selon le point de vue) de remplacement des humains.

Une adoption large, mais superficielle

Le chiffre qui frappe d’abord est celui de la diffusion : l’IA apparaît dans 68 % des métiers recensés, soit environ 90 % de l’emploi total aux États-Unis. À ce niveau, on pourrait croire à une percée fulgurante. Mais le rapport tempère aussitôt : au sein d’un poste donné, Gemini n’intervient en moyenne que sur 21 % des tâches. Seuls 3 % des métiers voient l’IA mobilisée sur plus des trois quarts de leurs tâches. Autrement dit, l’IA est partout, mais nulle part elle ne fait tout.

Plus intéressant encore pour un public d’architectes : moins de 10 % des interactions professionnelles relèvent d’une automatisation de bout en bout d’une tâche. L’écrasante majorité des usages reste collaborative : recherche d’information, aide à la rédaction, brainstorming, débogage conceptuel, apprentissage. L’humain garde la main sur la décision finale. Google va jusqu’à signaler que les tâches dites cognitives non routinières (conception créative, formulation d’hypothèses) sont surreprésentées dans les usages Gemini par rapport à leur poids réel dans l’économie (65 % contre 35 %), preuve que l’IA se glisse d’abord dans les interstices intellectuels du travail plutôt que dans son exécution mécanique.

Fait notable et peu commenté ailleurs : l’usage professionnel de l’IA générative ne se cantonne pas aux métiers de bureau. Les techniciens automobiles et mécaniciens industriels l’utilisent comme copilote de diagnostic en temps réel, avec une propension deux fois supérieure à recourir aux capacités multimodales (analyse d’image, de schéma électrique) par rapport à la moyenne. Un signal utile pour quiconque pilote une stratégie IA au delà du seul périmètre SI et RH.

Enfin, 86 % des interactions recensées ont lieu hors contexte professionnel : recherche d’achats, aide à l’utilisation d’un appareil, démarches administratives complexes (impôts, licences, amendes). Une part de la valeur créée par l’IA échappe donc largement aux indicateurs économiques classiques, ce qui devrait inciter à la prudence quand on tente de chiffrer un ROI global de l’IA générative à l’échelle d’un pays.

Ce que l’étude ne dit pas, et c’est là que ça devient intéressant

Un rapport publié par le principal fournisseur de la technologie qu’il évalue mérite un minimum de scepticisme méthodologique, même quand ses conclusions paraissent raisonnables. Plusieurs limites méritent d’être posées sur la table.

D’abord, les interactions payantes via l’API Gemini, celles qui correspondent le plus probablement à des intégrations d’entreprise et à des cas d’usage agentiques poussés, ne sont pas incluses dans les analyses fines faute de contenu exploitable. Or c’est précisément dans ce périmètre, l’automatisation de workflows via API et agents, que se joue la partie la plus disruptive pour les DSI. L’étude mesure donc en priorité l’usage grand public et les interactions conversationnelles, pas les chaînes d’orchestration agentiques que beaucoup d’entreprises commencent à déployer.

Ensuite, la classification des tâches et métiers repose sur des classificateurs automatiques développés par Google DeepMind (l’outil interne OCTO), décrits par les auteurs eux-mêmes comme probabilistes. Traduire un échange conversationnel en catégorie de métier ou de tâche normalisée reste un exercice d’inférence, avec sa marge d’erreur, en particulier sur les analyses les plus granulaires.

Troisième réserve, et non des moindres : la comparaison avec l’Anthropic Economic Index, dresse un tableau sensiblement différent, avec environ 36 % des métiers utilisant l’IA pour au moins un quart de leurs tâches. Deux grands laboratoires, deux méthodologies, deux photographies partiellement divergentes du même phénomène. Cela ne veut pas dire que l’une des deux études a tort, mais que la mesure de l’impact économique de l’IA reste un champ encore jeune, sujet à interprétation selon l’outil observé et la façon de compter.

Enfin, la moyenne cache la dispersion. Que seuls 3 % des métiers connaissent une automatisation supérieure à 75 % des tâches ne rassure guère les professionnels de ces 3 % là, potentiellement des postes de traduction, de support de premier niveau ou de production de contenu standardisé, pour qui la trajectoire ressemble beaucoup plus à une disruption qu’à une collaboration. Une statistique agrégée sur 800 métiers a le mérite de calmer l’anxiété générale, mais elle dilue les signaux d’alerte sectoriels que des directions RH ou des DSI feraient bien de suivre poste par poste plutôt qu’au niveau macro.

Ce qu’un DSI peut en retenir

Au delà du débat sur l’emploi, le signal le plus exploitable pour une organisation IT est méthodologique. Les usages dominants restés collaboratifs (recherche, rédaction, débogage, apprentissage) confirment que la conception d’outils IA en entreprise gagne à privilégier des interfaces d’assistance et de contrôle humain plutôt que des automatisations opaques de bout en bout. C’est aussi un argument de poids pour calibrer les investissements en formation : si l’IA ne couvre en moyenne qu’un cinquième des tâches d’un poste, la vraie création de valeur se situe probablement plus du côté de la montée en compétence des équipes sur ce cinquième là que du côté d’une automatisation massive à budgéter dans l’urgence.

Reste que la prudence méthodologique doit s’appliquer aux deux sens du récit : ni la thèse du grand remplacement, ni celle du grand soulagement ne devraient se décider sur la base d’une seule étude, fût elle massive, quand elle émane de l’éditeur de l’outil mesuré.