L’IA agentique transforme déjà le travail opérationnel

Une nouvelle génération d’IA entre dans le travail quotidien

Depuis quelques mois, une forme d'IA change très concrètement la manière de travailler dans certaines entreprises. Je ne parle pas ici du réflexe consistant à poser une petite question à ChatGPT et à attendre une réponse en deux lignes. Je parle d'agents capables d'enchaîner des tâches, de compiler des informations, de produire des livrables complets et de fonctionner de manière presque autonome.

La rupture vient de là. Ces systèmes ne sont plus réservés à quelques grands groupes équipés de laboratoires internes. Aujourd'hui, avec une machine ordinaire, un services dans le cloud (abonnement de 20 à 100 euros par mois), on peut automatiser des pans entiers de travail qui demandaient auparavant des dizaines, parfois des centaines d'heures. Dans certains cas, ces systèmes vont même plus vite et produisent mieux qu'un humain sur la partie purement opérationnelle.

La maîtrise technique reste un avantage

Aujourd'hui encore, tirer le meilleur parti de ces systèmes demande souvent une certaine maîtrise technique : savoir structurer des instructions, organiser du contexte, brancher des outils, parfois écrire un peu de code, comprendre comment raisonnera un agent et pourquoi il peut échouer. Mais cette barrière est en train de tomber. Les capacités agentiques s'intègrent progressivement dans les SaaS existants, qu'il s'agisse du marketing, du support, du CRM ou de la production de contenu. Ce qui demande encore aujourd'hui un montage sur mesure sera demain (et commence à déjà l'être pour certains) proposé nativement dans les logiciels du quotidien. Et à partir du moment où ces capacités deviennent des fonctions standard des outils de travail, elles accélèrent encore la transformation des tâches en commodités.

Cela ne veut pas dire pour autant que tout le monde en tirera immédiatement la même valeur. Ceux qui ont déjà appris à travailler avec des agents de manière plus artisanale, en passant par des montages plus techniques ou plus proches de la mécanique réelle du système, garderont probablement un avantage. Ils comprendront mieux ce qui se passe derrière l'interface, pourquoi un agent se trompe, comment mieux le recadrer (vous savez par exemple pourquoi un agent hallucine ? et comment contrer ce phénomène), et comment dépasser les usages standard. Comme souvent, l'industrialisation démocratise l'accès, mais elle n'efface pas complètement l'avantage de ceux qui ont appris plus tôt.

Quand une tâche devient une commodité

Cela change tout. Car quand une tâche devient rapide, reproductible, peu coûteuse et pilotable par une seule personne, elle devient une commodité. Et lorsqu'une activité devient une commodité, on ne l'organise plus de la même manière : on n'y consacre plus autant de temps, plus autant de monde, ni les mêmes rôles.

Premier terrain transformé : la création de contenu

Prenons un premier exemple très simple : la création de contenu. Dans mon expérience, si l'on entraîne correctement une IA, il est déjà possible, en quelques heures (cela m'a pris 5h grand maximum), de mettre en place un module capable d'écrire des articles de blog en reprenant un style, des enchaînements, des citations, une structure narrative, une voix. La même logique vaut pour des posts LinkedIn, des tweets, des newsletters, et même pour une partie de leur planification.

Répondre finement aux interactions reste plus difficile (pour l'instant, mais les logiciels de supports clients montrent que l'on est qu'à quelques mois d'avoir des solution viables), bien sûr. Mais toute la partie production du contenu peut déjà être largement automatisée avec très peu de moyens.

L’automatisation demande toujours du cadrage humain

Il faut toutefois être clair sur un point : cette automatisation ne marche pas par magie. Pour obtenir un résultat fin, il faut du contexte, des consignes, des exemples, des points de contrôle et des ajustements. Le gain ne vient pas d'une disparition complète du travail humain, mais d'une accélération radicale de l'exécution assistée.

Dans ce genre de configuration, il devient difficile de justifier certains rôles purement opérationnels. Les rédacteurs web, par exemple, voient leur valeur se déplacer. Non pas parce que le besoin de contenu disparaît, mais parce que sa fabrication cesse d'être rare.

Support, documentation, faisabilité : l’exécution accélérée

Dans mon propre métier, le phénomène est encore plus frappant. Une partie du support, la rédaction de documentation technique, la production d'études de faisabilité ou encore la formalisation d'un besoin client après entretien sont des tâches qui demandaient beaucoup de temps. Sur un dossier d'intégration, il fallait facilement compter entre quatre et cinq heures entre l'interview, l'analyse, la structuration des informations et la rédaction du document final.

Récemment, j'ai mené une interview client en 45 minutes pendant qu'un agent IA transcrivait l'échange. J'ai ensuite envoyé cette transcription dans une autre IA disposant déjà de tout le contexte de notre produit. Vingt minutes plus tard, j'avais un rapport de quarante pages expliquant de manière précise comment réaliser l'intégration avec explication, exemple, code source... Ce qui prenait auparavant une demi-journée, voire plus, a été ramené à une séquence très courte dans laquelle l'humain ne disparaît pas (une relecture est indispensable avant l'envoie au client) , mais change radicalement de rôle.

Product marketing : la veille devient pilotable

Le même mouvement apparaît du côté du product marketing. L'analyse concurrentielle est historiquement une activité lourde, chronophage, souvent repoussée faute de temps. Or elle peut aujourd'hui être automatisée en grande partie.

Un agent peut surveiller périodiquement les newsletters des concurrents, transcrire leurs vidéos YouTube, lire les derniers articles de blog, détecter les évolutions de leur site, suivre leur positionnement, leur pricing, leurs annonces et leurs changements de stratégie. Avec la bonne grille de lecture, il devient possible d'obtenir une analyse structurée de l'écosystème, par thème, par concurrent(arc stratégique) et dans le temps (nouvelles tendances, signaux faibles...), sans passer des heures à recueillir et à compiler l'information.

Le nouveau partage du travail

Et c'est là que le vrai partage du travail apparaît. La machine prend en charge la collecte, l'organisation, la compilation et la mise en forme. Ce qui reste du côté humain, c'est la partie la plus précieuse : l'analyse stratégique, l'arbitrage, le jugement, la priorisation. En d'autres termes, l'IA ne remplace pas d'abord la stratégie. Elle remplace d'abord l'exécution laborieuse.

Les rôles les plus exposés

Cette distinction a une conséquence directe sur l'emploi. Les postes les plus exposés sont souvent ceux qui reposent majoritairement sur une exécution opérationnelle répétitive, même si cette exécution était jusqu'ici perçue comme qualifiée. Une partie du travail de support, de documentation, de veille, de production de contenu ou de préparation de dossiers peut être absorbée par des agents.

Transformer les rôles plutôt que seulement supprimer des postes

Mais il faut ici nuancer fortement. Dans certaines organisations, l'enjeu ne sera pas de supprimer les personnes, mais de transformer leur rôle. Des équipes entières ne vont pas nécessairement disparaître (il y aura évidemment de nombreux postes supprimé, Oracle par exemple a supprimé au moins 10000 postes pour financer son développement IA ) ; en revanche, leur centre de gravité va se déplacer. Des personnes jusque-là très opérationnelles vont devoir devenir plus analytiques, plus stratégiques, plus capables de cadrer, d'interpréter et de piloter. Le vrai risque concerne surtout les profils qui ne parviennent pas à évoluer au-delà de l'exécution.

Le point fragile : l’apprentissage des juniors

Les juniors risquent d'être les premiers fragilisés. Non pas parce qu'ils seraient moins utiles par nature, mais parce qu'une partie importante de leur valeur économique reposait justement sur ces couches très opérationnelles du travail. Si l'IA prend en charge cette exécution, les marchés d'entrée deviennent plus étroits.

Et cela ouvre une question beaucoup plus inquiétante encore : comment forme-t-on les futurs seniors si les tâches d'apprentissage, celles qui permettaient d'entrer dans le métier, sont progressivement automatisées ? C'est à mes yeux l'un des angles morts majeurs de la transition actuelle. Les entreprises risquent de vouloir des profils capables de jugement, d'analyse et de pilotage, tout en réduisant précisément les situations de travail qui permettaient d'acquérir ces compétences. Le problème n'est donc pas seulement l'emploi junior à court terme, mais aussi la fabrication du vivier de seniors à moyen terme.

On ne devient pas senior en théorie

Car, au fond, on ne devient pas senior en théorie. On le devient en faisant, en se trompant (beaucoup), en corrigeant, puis en recommençant. L'expérience se construit par l'accumulation d'erreurs, de cas imparfaits, d'aller-retours, de mauvaises lectures que l'on apprend progressivement à mieux interpréter. Si toute cette couche opérationnelle est absorbée trop tôt par l'IA, on risque de tarir précisément le terrain sur lequel se forment les réflexes, le jugement et la maturité professionnelle. C'est peut-être l'un des paradoxes les plus sérieux de cette transformation : vouloir plus de seniors capables d'arbitrer, tout en réduisant les conditions concrètes qui permettent de le devenir.

IA agentique : quand l'exécution s'accélère, le rôle humain se déplace

Le savoir spécifique comme avantage durable

Le savoir spécifique est un savoir qui ne s'enseigne pas. Si une société peut vous l'apprendre, cela signifie qu'elle peut l'apprendre à quelqu'un d'autre et vous remplacer.
L'almanah de Naval Ravikan

Le profil qui gagne en valeur : le player-coach

À l'inverse, certains seniors vont se renforcer. Pas tous. Pas ceux qui savent seulement faire faire. Ceux qui vont le mieux s'en sortir sont les seniors qui savent encore faire eux-mêmes, ceux qui ont gardé une profondeur pratique, opérationnelle, tout en étant capables de piloter. Ce sont des profils de player-coach.

Produire, guider, arbitrer

Le terme vient du sport : le player-coach est celui qui est encore sur le terrain tout en tenant un rôle de coach. En entreprise, cela désigne un senior ou un manager capable à la fois de produire et de guider. Dans un monde équipé d'IA, ce profil devient redoutablement efficace. Il peut s'appuyer sur des agents pour accélérer l'exécution, tout en conservant ce que la machine ne sait pas encore bien faire : comprendre les nuances, arbitrer les compromis, relier les signaux faibles, prendre une responsabilité, assumer une direction.

Une puissance nouvelle, mais une charge plus dense

Sa valeur économique augmente donc probablement. Mais il ne faut pas idéaliser cette position : son travail devient aussi plus dense, plus fragmenté et potentiellement plus épuisant.

Mais il faut ajouter une nuance importante : ce modèle demande une organisation beaucoup plus exigeante. Avant, une partie importante du travail pouvait être déléguée à des juniors ou à des profils très opérationnels, avec des cycles de retour relativement lents. Avec l'IA, une partie de cette exécution est automatisée, mais elle ne disparaît pas entièrement. Il faut toujours cadrer, vérifier, corriger, prioriser, relancer, redonner du contexte. On ne peut pas simplement laisser les agents travailler seuls en espérant qu'ils livrent spontanément quelque chose de fin et parfaitement juste.

Travailler avec des agents, c’est aussi superviser

Par certains aspects, travailler avec des agents ressemble au fait d'encadrer des juniors très rapides : il faut faire des points réguliers, vérifier la qualité, recentrer, expliquer ce qui manque, corriger un alignement imparfait. Bien sûr, l'analogie a ses limites : un agent n'apprend pas, ne porte pas la responsabilité et ne comprend pas la situation comme un humain. Mais sur le plan du pilotage quotidien, la sensation peut être proche, avec une différence majeure : tout va beaucoup plus vite. Une partie de la charge autrefois distribuée dans l'organisation remonte alors vers les seniors. Autrement dit, le player-coach gagne en puissance, mais il absorbe aussi davantage de coordination et de supervision.

Le coût cognitif des boucles courtes

Cela change également le rythme même du travail. Avec des humains, on délègue souvent sur des plages longues : quelques heures, une journée, parfois davantage. Avec des agents IA, les boucles se raccourcissent brutalement. En dix minutes, un agent peut terminer une première étape, demander une validation, signaler qu'il lui manque un contexte, ou attendre l'instruction suivante. L'IA ne s'arrête pas vraiment, et oblige son utilisateur à revenir en permanence dans le flux. On ne travaille plus seulement dans la durée, mais dans une succession de reprises, d'interruptions et de micro-décisions.

Une nouvelle hygiène de travail à inventer

Ce point est loin d'être anecdotique. Il introduit un coût cognitif nouveau. Le travail avec agents est souvent moins lourd sur la production brute, mais plus nerveux pour le cerveau. On quitte en partie la logique du marathon pour entrer dans celle d'une suite de sprints. Ce n'est plus seulement une question de productivité. C'est aussi une nouvelle hygiène de travail à inventer, avec des méthodes d'organisation, de priorisation et de protection de l'attention.

La frontière entre exécution et encadrement se redessine

Je pense que c'est la vraie transformation en cours. Ce n'est pas seulement une histoire de gains de productivité. C'est une redéfinition de la frontière entre exécution et encadrement. Tout ce qui devient une commodité opérationnelle cesse progressivement de justifier un rôle dédié. Le travail se reporte alors vers des seniors mieux équipés, comme cela s'est déjà produit dans d'autres révolutions technologiques.

Une redistribution du travail déjà connue

Le parallèle avec les secrétaires me paraît utile, à condition de bien le comprendre. Je ne compare pas ici les métiers eux-mêmes ni leur contexte social. Je parle d'une logique de redistribution du travail. Pendant longtemps, une partie des cadres dictaient, d'autres tapaient, mettaient en forme, envoyaient. Avec l'informatique et l'email, une partie de cette couche d'exécution intermédiaire a été réabsorbée par les cadres eux-mêmes. Je pense que l'IA va produire une bascule comparable sur de nombreuses tâches opérationnelles actuelles : non pas en copiant exactement l'histoire passée, mais en déplaçant elle aussi des tâches auparavant déléguées vers des profils plus seniors et mieux équipés.

Ce que l’IA ne remplace pas

Il faut bien sûr rester prudent. L'IA ne remplace pas tout. Elle ne porte pas encore la responsabilité. Elle ne comprend pas complètement les contextes politiques, humains ou organisationnels. Elle ne décide pas à votre place de ce qu'il faut faire d'une information sensible ou contradictoire. Mais cela ne change pas le diagnostic central : une très grande partie du travail laborieux qui servait à produire une matière exploitable est en train d'être automatisée.

La vraie question pour les entreprises

La question pour les entreprises n'est donc plus seulement de savoir si elles vont utiliser l'IA. La vraie question est de savoir comment leur organigramme, leurs recrutements et leur façon de définir la valeur du travail vont évoluer quand l'exécution opérationnelle deviendra abondante et bon marché.

Ceux qui sauront encore entrer dans la matière

Ceux qui garderont de la valeur seront probablement ceux qui savent encore entrer dans la matière, produire eux-mêmes quand il le faut, comprendre les systèmes, juger les résultats et orienter l'action. En un mot : les player-coaches. Pour les autres, et en particulier pour tous les rôles construits autour d'une exécution longue, laborieuse et pourtant standardisable, le choc ne fait probablement que commencer.