Les agents d’IA commencent à prendre en charge des tâches entières et modifient en profondeur la répartition du travail dans les entreprises. Manu Narayan, CIO chez GitLab, défend un modèle où les humains se concentrent davantage sur l’intention, le discernement et la valeur produite, tandis que l’exécution est progressivement déléguée à des équipes d’agents.
Depuis plus de dix ans, les dirigeants emploient l’expression « Future of Work » (l’avenir du travail) pour décrire la manière dont la technologie transforme le monde des affaires. Le SaaS a remplacé les logiciels sur site. Le cloud a remplacé l’infrastructure physique. Les outils collaboratifs ont remplacé le bureau comme lieu où le travail est accompli.
La technologie traverse actuellement une nouvelle période de bouleversements. Mais cette fois, le rythme dépasse celui de toutes les transformations précédentes. Dans le développement logiciel, par exemple, les capacités de l’IA à traiter des tâches de plus en plus complexes doublent environ tous les sept mois. Un changement majeur s’opère : l’IA redéfinit le travail et ouvre la voie à des gains de productivité non linéaires. Une question inédite se dessine alors : qui, ou quoi, accomplit désormais le travail ?
Place au travail guidé par le sens
La transformation par l’IA place les organisations face à une exigence nouvelle. Jusqu’ici, la façon dont les dirigeants organisaient le travail des équipes, mesuraient la performance et développaient les talents reposait sur l’hypothèse selon laquelle le meilleur élément était celui qui réalisait les meilleures performances, enregistrait la meilleure progression et possédait les connaissances les plus vastes. Ce postulat ne disparaît pas, mais il ne suffit plus à lui seul.
Jensen Huang, CEO de NVIDIA, a exposé avec précision la manière de repenser le travail avec l’IA en opposant les tâches à la raison d’être. Chaque métier comporte des tâches. Pour un ingénieur logiciel, coder est une tâche. Mais la raison d’être de l’ingénierie logicielle est de résoudre des problèmes grâce à la technologie et de trouver de nouveaux défis qui méritent d’être relevés. Dans ce nouveau monde façonné par l’IA, à mesure que les tâches s’effacent les unes après les autres, cette raison d’être prend une importance grandissante.
En somme, les tâches d’un ingénieur, d’un analyste ou même d’un recruteur peuvent de plus en plus être confiées à des agents d’IA. Mais la raison d’être de chacun de ces rôles, elle, ne le peut pas : elle tient à la valeur attribuée au travail, et non à son exécution. Cette distinction vaut pour tous les rôles au sein d’une entreprise. La question n’est plus de savoir comment faire mieux, mais de déterminer comment piloter une équipe d’agents pour qu’elle prenne en charge une tâche afin que chacun puisse se concentrer sur la véritable valeur de son propre rôle.
Dans ce nouveau modèle humain-agent, la raison d’être demeure une responsabilité humaine. Chaque personne devient un manager et détermine l’intention, définit les résultats attendus, délègue l’exécution aux agents, examine les résultats et ajuste le cap avec un discernement qu’aucun modèle ne saurait reproduire.
Exemple d’une véritable productivité non linéaire
Il est temps, là aussi, de changer notre regard sur la productivité portée par l’IA. Thomas Edison n’a pas résolu le problème de la faible lueur des bougies en fabriquant de meilleures bougies : il a inventé l’ampoule électrique. De la même façon, il n’est pas question de viser des gains de productivité de 5 ou 10 %, mais une transformation de la courbe de résultats elle-même. C’est le passage de la bougie à l’électricité, et non d’une bougie faible à une bougie plus vive.
Prenons l’exemple d’un ingénieur logiciel sur le point de livrer une nouvelle fonctionnalité. Aujourd’hui, il jongle entre un outil de suivi de projet pour les spécifications, un wiki pour les décisions d’architecture, un dépôt de code pour les modifications récentes et des fils de discussion pour les questions en suspens côté produit. Rien que la mise en contexte peut prendre des heures, et l’exercice se répète à chaque sprint.
Imaginez maintenant une équipe d’agents traitant ces tâches en parallèle : récupérer les spécifications, signaler les conflits d’architecture, résumer les modifications récentes, rechercher les vulnérabilités et créer une ébauche d’un plan de mise en œuvre. L’ingénieur passe le tout en revue et se met aussitôt au travail.
Appliquez cette même logique à d’autres tâches :
- Une équipe d’assistance réduit de 50 % son temps de résolution, car les agents rassemblent le contexte et rédigent des réponses avant même qu’un humain n’ouvre le ticket.
- Une équipe juridique examine un contrat en quelques minutes plutôt qu’en plusieurs jours : un agent de recherche réunit la jurisprudence, un agent de conformité signale les clauses à risque et un agent de rédaction propose des modifications, laissant à l’avocat le soin de se consacrer à la stratégie de négociation et aux arbitrages qui exigent une expertise humaine.
Le compte à rebours a commencé
EY a récemment annoncé que la quasi-totalité des grandes organisations interrogées dans le cadre de son enquête faisaient état de gains de productivité liés à l’IA, et qu’environ la moitié les jugeait significatifs. EY a aussi relevé que ces gains étaient réinvestis dans la croissance plutôt que dans la réduction des effectifs. Cette dynamique est bien réelle, mais elle élève aussi les enjeux : aujourd’hui, le plus grand risque dans l’adoption de l’IA est d’avancer trop lentement.
Les entreprises AI-native livrent déjà leurs produits plus vite, sans la lourdeur des processus propres à la plupart des grandes organisations. Pour les start-up, une part de cet avantage tient à leur taille. Mais une part importante est d’ordre structurel : elles se sont développées en plaçant l’IA au cœur de leur activité par nécessité, et non comme une couche ajoutée après coup. Elles n’ont pas eu à s’adapter a posteriori, car l’IA était là dès le départ.
Résultat : le retard opérationnel qui désavantage tant de grandes organisations se creuse de façon spectaculaire.
Les organisations qui prendront les devants seront celles qui mettront en place l’infrastructure sous-jacente permettant aux agents d’agir avec rapidité et sûreté. Cela suppose une responsabilité clairement établie sur les décisions prises par l’IA, un contexte partagé et des garde-fous évolutifs.
Thales, par exemple, a mis en évidence la manière dont les plateformes de développement partagées peuvent briser les silos et améliorer la coordination entre les équipes. À mesure que les agents d’IA s’intègrent au travail quotidien des équipes, cette même capacité à opérer à partir d’un contexte partagé deviendra plus déterminante encore.
Sans cette structure sous-jacente, l’adoption se fragmente en silos et entraîne les équipes dans une expérimentation qui les détourne du travail qui compte vraiment.
Oubliez tout ce que vous croyez savoir sur le travail
Pour aborder ce virage comme il se doit, il faut désapprendre nombre d’idées préconçues sur le travail. Pour les grandes organisations, l’exercice s’avérera bien plus ardu, compte tenu du rythme auquel l’IA progresse.
La solution n’est pas d’aller plus vite, mais d’avancer autrement. À mesure que le sens du travail gagne en importance, le discernement et l’intuition qui caractérisent notre humanité n’ont jamais eu autant de valeur. Pour profiter des gains non linéaires que promet l’IA, il nous faudra, plus que jamais, comprendre la raison d’être du travail.
