Comment l’IA va ravager le monde du salariat à tout jamais !

Un emploi rassemble plusieurs activités. Un SDR recherche des entreprises, vérifie les informations, prépare une approche, écoute un interlocuteur et transmet le contexte au commercial. Automatiser la première rédaction ne remplace pas nécessairement l’ensemble. Exposition, automatisation et suppression de poste ne sont pas synonymes. L’exposition indique qu’une technologie pourrait intervenir ; l’automatisation suppose une mise en œuvre fiable ; la suppression résulte d’une décision économique et organisationnelle.

L’indice OIT–NASK publié en 2025 estime qu’un travailleur sur quatre dans le monde exerce une profession présentant une certaine exposition à l’IA générative. La catégorie d’exposition la plus élevée représente 3,3 % de l’emploi mondial. Ces proportions ne mesurent ni des licenciements effectués ni des emplois destinés à disparaître. L’étude combine évaluations de tâches, avis humains et modélisation ; elle considère la transformation comme l’effet le plus probable, car beaucoup de tâches exigent encore une contribution humaine.

Cette réserve n’annule pas le risque pour le salariat. Une entreprise peut conserver un métier tout en réduisant les embauches ou en augmentant les exigences. Inversement, une capacité de production supplémentaire peut servir de nouveaux clients. Pour décider, examinez le coût complet : préparation, contrôle, reprise des erreurs et traitement des exceptions. Un brouillon rapide, mais long à corriger, n’est pas une économie démontrée.

L’adoption n’est pas universelle. Dans sa publication d’octobre 2025, l’Insee rapporte que 10 % des entreprises françaises du champ étudié utilisaient une technologie d’IA en 2024, contre 6 % en 2023. Le champ couvre les entreprises de dix salariés ou plus des secteurs principalement marchands, hors agriculture, finance et assurance. Il ne représente donc ni toutes les TPE ni tous les travailleurs ; il concerne plusieurs technologies d’IA, pas exclusivement l’IA générative. Ce résultat documente une diffusion, pas des pertes d’emploi.

La recherche offre aussi des résultats favorables aux travailleurs. Dans Generative AI at Work, publié en 2025, les chercheurs étudient le déploiement progressif d’un assistant auprès de 5 172 agents de support client. La productivité, mesurée en problèmes résolus par heure, augmente en moyenne de 15 %. Les agents moins expérimentés bénéficient davantage ; les plus expérimentés enregistrent de faibles gains de vitesse et de petites baisses de qualité.

Cependant, un résultat dans ce contexte ne prédit pas l’avenir du salariat français. Il ne démontre pas qu’une agence obtiendra le même gain, ni qu’un employeur gardera les effectifs inchangés. Un gain de productivité n’est ni une garantie de création d’emplois ni une preuve de destruction. La demande, les prix, le partage des gains et les choix de gestion déterminent la suite. Comparer des projections d’exposition à ces observations sans préciser leur périmètre ferait disparaître précisément les nuances dont une décision a besoin.

Cette photo illustre le métier ; elle ne représente pas un participant à l’étude. Le contrôle de qualité reste décisif, même lorsqu’un outil accélère les réponses.

Le premier danger pour un junior n’est pas forcément le licenciement. C’est la disparition des tâches qui permettent d’apprendre. Préparer une recherche, rédiger une première proposition et recevoir une correction construit progressivement le jugement. Si l’outil fait tout et que le débutant ne vérifie rien, l’entreprise obtient une production immédiate sans développer les compétences qui lui seront nécessaires ensuite.

Le résultat sur le support client montre toutefois qu’une assistance peut aussi favoriser l’apprentissage. L’effet dépend de l’organisation du travail, pas uniquement du niveau du modèle. Un manager peut demander au junior de justifier les sources retenues, de relever une erreur et d’expliquer pourquoi une formulation convient au client. Il peut ensuite comparer une tâche réalisée avec assistance et une autre sans assistance, pour vérifier la compréhension plutôt que la simple aisance à utiliser un outil.

Pour protéger cette progression :

• conservez des exercices sans IA sur les compétences essentielles ;
• faites relire les livrables avec un retour précis, pas une validation expéditive ;
• attribuez progressivement des décisions et des échanges clients supervisés ;
• évaluez la capacité à détecter une information fausse, pas seulement le volume livré.

Ces mesures ne garantissent pas un poste. Elles évitent de confondre vitesse de livraison et développement professionnel. Pour un salarié débutant, montrer son raisonnement, ses vérifications et ses corrections constitue une preuve plus utile qu’un catalogue de prompts.

Pour une agence, l’IA peut réduire l’effort nécessaire à une maquette, un premier texte ou une proposition de code. Si l’offre se résume à produire ces fichiers, le client peut interroger le prix. C’est un mécanisme possible de pression concurrentielle, pas la démonstration que toutes les agences perdent déjà leur marge. Le salariat dans ces structures dépend aussi de la capacité à vendre une prestation qui va au-delà de la génération.

La réponse n’est pas de promettre une stratégie mystérieusement « humaine ». Rendez le travail observable : diagnostic, choix argumentés, intégration, tests, suivi et responsabilité en cas de défaut. Pour un site web, distinguez un prototype d’une livraison exploitable. Vérifier un formulaire, les accès, les contenus, l’accessibilité et la maintenance reste nécessaire, quel que soit l’outil de production. Une sortie plausible ne prouve pas qu’un service fonctionne.

Le guide sur les services freelance utiles aux petites entreprises aide à formuler l’offre autour d’un problème concret plutôt qu’autour du modèle utilisé. Ensuite, définissez ce qui est inclus, ce qui reste à la charge du client et comment une livraison sera acceptée. Vendez une responsabilité délimitée, pas une promesse d’automatisation totale. Cette clarification protège la relation commerciale autant que le temps de l’équipe.

Un message personnalisé en apparence peut être fondé sur une donnée fausse. Un résumé d’entreprise peut confondre une activité annoncée et un besoin réel. Pour un SDR, déplacer la saisie vers l’IA sans améliorer les critères de qualification ne résout donc pas le problème : cela rend seulement les mauvaises décisions plus rapides.

Séparez les tâches selon leur risque. L’outil peut proposer un résumé sourcé, un brouillon ou une liste d’informations manquantes. Une personne doit vérifier le contexte, décider si le compte mérite une approche et relire les engagements avant l’envoi. La matrice de complétude CRM fournit un point de départ pour distinguer ce qui est connu, inconnu ou à vérifier.

Dans un flux de prospection, les fonctionnalités SprintLead peuvent être examinées pour relier recherche, qualification et suivi. Ce choix d’outil ne démontre aucun gain d’effectif et ne dispense pas d’une vérification humaine. Commencez par les décisions à prendre, puis choisissez le système qui conserve leur contexte.

Enfin, gardez des limites simples : pas d’envoi de données confidentielles dans un service non autorisé, pas de besoin client inventé et pas d’augmentation automatique du volume de sollicitations. Mesurez les échanges pertinents et la qualité des transmissions, plutôt que le nombre de textes générés. Le rôle commercial conserve sa valeur quand il transforme des indices fragiles en décisions explicables.

Avant de modifier les effectifs, organisez un essai limité. Le protocole suivant est une recommandation de gestion, pas un test réalisé par SprintLead ni un résultat garanti.

Première semaine : cartographier. Choisissez un processus, par exemple la préparation d’un compte prospect. Listez ses étapes, leur responsable, les données utilisées et les erreurs possibles. Identifiez ce qui est réversible et ce qui engage le client.

Deuxième semaine : établir une référence. Observez le fonctionnement habituel sur des dossiers comparables. Notez le temps total, les corrections, les informations manquantes et les incidents. N’attribuez pas à l’IA une amélioration qui provient d’une sélection de dossiers plus faciles.

Ensuite, testez une assistance sur les étapes à faible risque, avec une validation humaine et une procédure de retour au fonctionnement précédent. Incluez le coût des licences, de la formation et du contrôle. Surveillez aussi la charge du responsable qui relit : déplacer le travail vers un salarié plus expérimenté n’est pas le supprimer.

Enfin, décidez selon des critères définis avant l’essai : qualité acceptable, charge soutenable, compréhension des résultats et bénéfice net. En cas de gain, discutez de son usage avec les personnes concernées : meilleur service, formation, capacité supplémentaire ou évolution des tâches. Le devenir du salariat dépend aussi de ces arbitrages. Une décision d’emploi exige davantage qu’une démonstration spectaculaire.