Pour une IA capacitante : l’intelligence du travail, socle de la RSE

Entre les déclinistes technophobes et les béats de l’Intelligence artificielle (IA), je veux croire qu’il existe encore un espace de réflexion pour envisager l’IA selon la façon dont elle est utilisée. Dans cet article, je définis deux approches de déploiement dont les modalités et les impacts sont presque opposés : l’IA d’effacement et l’IA capacitante. Je convoque deux personnages bien différents pour m’aider à contraster ces deux pôles. L’un, Chesley Sullenberger, est un pilote de ligne ; l’autre, Daron Acemoglu, est un prix Nobel d’économie. Sur cette base, j’essaye d’identifier les facteurs qui freinent la transition vers l’IA capacitante et de définir les leviers d’action permettant à un dirigeant d’initier cette transition dans de bonnes conditions. L’enjeu est de choisir si nous voulons une IA qui remplace le travail humain ou qui le renforce. 

L’extension chaotique mais rapide de l’IA dans les entreprises incite à se poser la question : comment créer les conditions d’une IA socialement responsable ? Je poursuis cette réflexion dans cet article. Il y a aujourd’hui deux approches très contrastées pour mettre en œuvre et diffuser l’IA. Ce qui diffère, c’est d’abord l’intention du projet, sa finalité : dans le premier cas remplacer le travail humain avec une focale obsessionnelle sur la productivité et l’intensification du travail (IA d’effacement) ; dans le second cas soutenir le travail humain en contribuant à renforcer le pouvoir d’agir des opérateurs et à mettre à leur disposition un environnement de travail capacitant (IA capacitante). Cette seconde option, aujourd’hui minoritaire, est celle poussée par la RSE (responsabilité sociétale des entreprises). Chaque entreprise ayant ses spécificités, elle doit être formalisée et portée par les dirigeants, les managers et les acteurs du dialogue social, en concertation avec les salariés.

Ce caractère crucial de l’intention du projet est relevé par l’économiste Malo Mofakhami, dans une tribune publiée par Le Monde sous le titre « Les transformations induites par l’IA ne se limitent pas à la question de l’emploi, mais touchent aussi à la qualité du travail », ce qui montre que la focalisation obsessionnelle sur l’emploi en laissant le travail dans l’angle mort ne permet pas de cerner les nouvelles problématiques posées par l’IA[1]. « La question n’est pas tant de savoir si le travail disparaîtra, car cela ne se produira pas, mais bien de comprendre qui bénéficiera de l’IA, et qui en subira les conséquences durant les phases de transition. Les recherches en économie évolutionnaire (porté notamment par Giovanni Dosi et l’école de Pise) montrent que l’adoption de l’IA et des technologies varie fortement selon les stratégies des entreprises. Certaines l’utilisent pour améliorer la qualité de leur production et valoriser les compétences des travailleurs. D’autres, en revanche, s’en servent pour réduire les coûts et automatiser des tâches, souvent au détriment des conditions d’emploi et de travail ». L’opposition entre les deux approches est posée.

 

A la recherche des gains de productivité : le gouffre entre usages et transformation

Où en est-on aujourd’hui ? Selon le MIT (Massachusetts Institute of Technology), plus de 80 % des entreprises ont expérimenté des outils d’intelligence artificielle générative comme ChatGPT, mais moins de 5 % des projets produisent un vrai retour sur investissement. De même, en 2024, Gartner annonçait que 40 % des projets d’IA agentique seraient abandonnés d’ici 2027, faute de gains clairs et de coûts maîtrisés. Ce paradoxe a un nom : le GenAI Divide, c’est-à-dire le gouffre béant entre les usages et la transformation. Ce gouffre est creusé par plusieurs facteurs.

D’abord, comme le souligne Gartner, les projets imposés d’en haut échouent faute d’appropriation collective, surtout lorsque les salariés détectent que l’IA est mise en œuvre dans une logique d’effacement, c’est-à-dire de suppression d’emplois.

Ensuite parce que même lorsque les entreprises parviennent à dépasser l’utilisation quasi clandestine de l’IA par les salariés, une pratique connue sous le nom de « shadow IA », elles manquent de stratégie construite, laissant les projets se répandre spontanément sous la bannière des cas d’usage. Ce manque de pilotage se traduit par le fait que les gains de productivité réalisés individuellement sont réinvestis dans une inflation des tâches de reporting ou de production de livrables, selon le paradoxe de Jevons, bien connu des économistes, qui se formule ainsi : les gains d’efficacité dans l’usage d’une ressource peuvent conduire à en accroître la demande[2]. Arthur Mensch, cofondateur et PDG de Mistral AI l’illustrait lors de son audition à l’Assemblée nationale, en mai 2026 : « C’est quand même un changement assez profond, et ça s’accompagne de gains de productivité très très importants quand vous êtes tout seul : vous pouvez aller 10, 20 fois plus vite. Quand vous êtes 5, ça descend, parce que vous avez encore les sujets de communication. Quand vous êtes une très grosse entreprise, soudain vous êtes dans plein de goulots d’étranglement organisationnels. C’est cela qu’il faut lever pour avoir les gains de productivité dont on rêve ».

Par ailleurs, comme le suggère Arthur Mensch lorsqu’il évoque les « goulots d’étranglement organisationnels », beaucoup de projets IA se contentent de chercher à faire « la même chose plus vite » sans remettre en cause les processus, c’est-à-dire le contenu des tâches. De façon très similaire à ce que l’on observait avec les projets liés à la réduction du temps de travail des années 1990 et 2000, on constate que les projets qui ne s’intéressent pas à l’organisation du travail ne tiennent pas leurs promesses d’efficacité. Ainsi, les gains de productivité individuels ne se traduisent pas par une meilleure efficacité collective.

Ensuite encore, parce que l’IA d’effacement sous-estime la question de la fiabilité et de la qualité des données sur lesquelles s’appuie l’IA. Sans données fiables, structurées et contextualisées, l’IA ne génère que du bruit. « Garbage in, garbage out » (Gigo), disait-on avant même l’apparition de l’IA. Trop d’entreprises se lancent avec des informations incomplètes, redondantes ou mal qualifiées. De fait, Le MIT souligne que les rares réussites se concentrent sur un problème métier parfaitement identifié, en s’appuyant sur un jeu de données soigneusement préparé.

Mais pour moi, l’explication principale de ce gouffre tient dans l’illusion selon laquelle gagner en compétitivité suppose d’optimiser par les process et par le travail prescrit. Cette illusion matérialise le danger qui aujourd’hui, guette les entreprises, surtout à l’heure de l’IA, qui vient percuter le monde VUCA[3]. L’IA est trop souvent mise au service de la volonté de maîtriser toute incertitude par la procédurisation extrême. Elle apporte une réponse simple et rapide à l’obsession de faire passer le process en premier, au détriment du sens et de l’intelligence des meilleurs experts du travail, ceux qui le font.

 

L’IA d’effacement entretient l’illusion de l’optimisation par les process et le travail prescrit

Car l’IA, telle qu’elle est implémentée en France aujourd’hui, fait excellent ménage avec le taylorisme triomphant du siècle dernier : elle pérennise la séparation entre conception et exécution du travail et s’acharne à automatiser l’exécution jusqu’à dévitaliser le travail humain. Elle prospère sur l’illusion selon laquelle la productivité dépend de l’efficacité et de la réplicabilité des processus définis de façon centrale, qu’elle cherche sans cesse à toujours plus rationnaliser, optimiser.

J’appelle cette approche de l’automatisation « l’IA d’effacement » car elle cherche à gommer la dimension humaine du travail par deux procédés :

• d’une part en détruisant le travail humain par une automatisation brute, visant exclusivement la productivité individuelle (substitution du capital au travail) et l’intensification du travail ;
• d’autre part en supprimant la complexité de ce qui reste du travail humain, son caractère inattendu et singulier, en codifiant, en encodant, en transformant le travail en une suite de routines réplicables.

Cette approche est une illusion, qui se transforme en piège dans l’environnement VUCA, car elle obère l’indispensable agilité (voir : « Si le monde est VUCA, pourquoi continuer à miser sur des dirigeants du fixe ? »). Les ergonomes distinguent le travail prescrit, la tâche, et travail réel, l’activité. Cette distinction peut s’étendre à celle entre l’organisation prescrite et l’organisation réelle du travail collectif.

Or, l’IA d’effacement est aveugle à l’aléa, à la versatilité des clients, à la constante intrusion de l’imprévisible. Le travail hyper-prescrit percute le mur de la complexité et de la versatilité. Car le travail réel, celui qui est vécu et exercé par celles et ceux qui font le travail dans les bureaux, les usines, les magasins, les entrepôts, ne se laisse pas contraindre par les règles édictées par le bureau des méthodes, les modes opératoires, les règlements, les process et autres workflows, les procédures et les règles embarquées par les logiciels de gestion[4]. Le travail est de plus en plus conditionné par la demande fluctuante des clients et des collègues ; de moins en moins par le management et les normes de production. Il fait face à la généralisation du « build to order », de la différentiation retardée et de la co-conception, qui associe le client à l’acte de production. Travailler, c’est s’adapter sans cesse aux changements de contexte, aux « impondérables », à l’inattendu. C’est pratiquer consciemment ou non, ce que j’appelle « le bricolage organisationnel ».

J’aime cette formule de Dominique Cardon, directeur du MediaLab de Sciences Po : « L’intelligence artificielle fait le pari que l’avenir est une reproduction incessante du passé »^[5]. En d’autres termes, l’IA ne peut fonctionner qu’avec l’apport des humains, qui lui permettent de s’adapter au travail réel, c’est-à-dire aux situations imprévues. Et justement, l’activité consistant à combler la différence importante entre le travail prescrit et le travail réel est profondément humaine. Elle représente la part de lui-même que le salarié introduit dans l’accomplissement de ses tâches (ingéniosité, tours de main, logique de l’honneur qui définit ce que signifie pour lui un travail bien fait). A l’inverse, l’IA ne fait que restituer ce qu’on lui a fait ingurgiter, c’est-à-dire ce sur quoi elle a été entraînée. Émily Bender, professeur à l’Université de Washington appelle les LLMs « les perroquets probabilistes« , pour bien montrer qu’ils sont capables d’imiter le langage humain mais pas de comprendre le sens profond de ce qu’ils racontent[6]. En particulier, l’IA générative fonctionne sur des algorithmes prédictifs des termes les plus probables en fonction du contexte. L’IA est un bégaiement numérique.

L’IA est en train de nous rejouer le scénario du lean management il y a 20 ans : celui-ci était construit sur l’idée que les meilleurs experts du travail sont ceux qui le réalisent, c’est-à-dire les opérateurs de fabrication, selon les préceptes de Taiichi Ohno et du TPS (Toyota Production System). L’implémentation française a traduit cela par la réduction obsessionnelle de ce qu’elle qualifiait (à tort) de « temps morts » (voir : « Le lean management est-il socialement responsable ? »). De même aujourd’hui, un outil qui pourrait permettre d’améliorer l’intelligence du travail et des travailleurs est mis en œuvre dans la perspective de déposséder ces derniers de leur savoir-faire, de leur maîtrise du « bon travail », en les transformant en entraîneurs des moteurs d’IA (chaîne de valeur amont) et en vérificateurs de ses productions (chaîne de valeur aval). Dans cette IA, comme hier dans le « lean à la française » ou avant-hier dans le taylorisme, le point de focalisation est la destruction méthodique du travail vivant.

Cette évolution n’a rien de nouveau. Depuis longtemps, la philosophe et sociologue Dominique Méda attire l’attention sur le rétrécissement de l’initiative, des marges de manœuvre, de ce que les ergonomes appellent le pouvoir d’agir : le travail est de plus en plus prescrit par exemple par des logiciels qui imposent des scripts d’activité précis, réduisant l’autonomie et la capacité d’agir des travailleurs. Cette évolution prend un tour plus systématisé avec ce qu’on appelle « le management algorithmique ». Un rapport du réseau PEROSH et de l’EU-OSHA^[7] alerte : le management algorithmique a pour effet de réduire l’autonomie, d’intensifier les cadences et d’accroître la surveillance. Dans un premier temps cantonné à la livraison (Uber, Deliveroo…), il s’étend désormais à la logistique, la distribution et les services, en charriant des risques bien identifiés : appauvrissement du travail, stress, isolement, sentiment de contrôle permanent.

Dans leur étude publiée par le Cercle de la Transformation du Travail, « IA et Travail. 2025 : l’heure des choix », Fanny Barbier et Marc Grosser pointent ce risque d’appauvrissement du travail vivant : « Les entreprises sont à la croisée des chemins : subir une adoption anarchique ou piloter une transformation collective et maîtrisée qui valorise le potentiel humain, évitant à la fois l’angélisme technophile et l’excès de prudence »^[8]. De son côté, comme on le verra plus loin, Daron Acemoglu, prix Nobel d’économie 2024, appelle à « une intelligence artificielle au service de l’être humain » et met en garde contre des usages qui, loin d’améliorer les conditions de travail, les dégradent et creusent les inégalités.

L’IA d’effacement est la voie suivie spontanément par beaucoup d’entreprise car elle correspond à l’air du temps et à la vulgate économique et managériale en vigueur. Mais comme je l’ai écrit dans un article du MagRH, elle se heurte à une triple impasse : de finalité, de défiance et de ROI (voir : « Pourquoi la fonction RH doit absolument prendre en main l’IA », MagRH N° 34, Janvier 2026). Il faut donc trouver une alternative. Cette alternative existe : elle consiste à prendre le contrepied de l’IA d’effacement en valorisant le travail humain, l’intelligence du travail.

Pour bien comprendre cette alternative, je vous propose un petit détour par l’aéronautique, à une époque où l’IA n’était pas encore sortie de quelques laboratoires de recherche scientifique.

 

Désobéir pour sauver : quand Sully choisit de défier le travail prescrit

Le 15 janvier 2009, le pilote Chesley B. « Sully » Sullenberger sauva son Airbus A320 en détresse, son équipage de 5 membres et ses 150 passagers, en se posant en urgence sur l’Hudson, au mépris des procédures de sécurité. Il a fait passer son intelligence du métier, son discernement professionnel avant le travail prescrit. Le vol 1549 d’US Airways a failli très mal se terminer.

Le film Sully réalisé par Clint Eastwood en 2016, qui a connu un beau succès, raconte les circonstances de cet amerrissage réussi par ce commandant de bord chevronné de 57 ans, passé par l’armée américaine avant de travailler dans le civil, joué par Tom Hanks. On y voit les deux membres d’équipage effectuer les check-lists avant décollage, un temps de plus en plus court car les compagnies aériennes font leurs profits en minimisant les temps d’immobilisation de leurs avions. Après un vol de 5 minutes et 8 secondes, au départ de New York et à destination de Charlotte, en Caroline du Nord, les moteurs s’arrêtent après avoir aspiré des oies sauvages, à près de 900 mètres d’altitude. Le feu prend dans les moteurs, alors que le réservoir est plein de kérosène.

Un avion est fait pour planer, mais pas en phase de décollage. Amerrir est impossible pour un avion de ce modèle. Le pilote expliquera d’ailleurs n’avoir bénéficié sur l’amerrissage que d’un cours théorique. Ayant décéléré en dessous du seuil minimal des 300 nœuds (environ 555 km/h), le pilote et son copilote, le non moins expérimenté Jeffrey Skiles, se retrouvent dans une situation critique. Pressés par les aiguilleurs du ciel, les deux experts s’interrogent brièvement sur l’opportunité de revenir à l’aéroport de LaGuardia ou de se poser sur celui de Teterboro, à quelques encablures du quartier d’affaires de Manhattan. Mais là encore, la poussée des moteurs et leur vitesse insuffisantes rendent la manœuvre impraticable.

Si son copilote et lui avaient obéi aux procédures ou à la tour de contrôle, qui a l’autorité dans la zone de décollage, les simulateurs ont montré plus tard qu’ils se seraient crashés sur Manhattan. Cela, Sully l’a immédiatement pressenti : il anticipe qu’un retour vers LaGuardia l’obligerait à survoler Manhattan, où il risque de provoquer l’apocalypse en s’écrasant juste à côté du théâtre des attentats du 11 septembre 2001. Plus tard, le NTSB (National Transportation Safety Board, autorité américaine officielle d’enquête sur les accidents aériens) a statué que l’atterrissage sur la rivière était la bonne décision au lieu de tenter un retour à LaGuardia, car les procédures normales en cas de perte de poussée des moteurs sont conçues pour les altitudes de croisière, et non pour les situations qui interviennent immédiatement après le décollage.

 

Non, le prescrit n’est pas l’ennemi : à la recherche de l’articulation entre réel et prescrit

Cela ne condamne pas pour autant le travail prescrit. Certains le considèrent un peu vite comme l’ennemi absolu et par contraste, font passer le travail réel pour le salut des âmes. Ils ont tort ! Ils préconisent de remplacer la primauté du prescrit par celle du réel. Cela n’améliorerait en rien la qualité du travail. Les check-lists avant décollage, que nous avons évoquées plus haut, en sont un bon exemple. Sully n’accepterait pas de quitter le sol sans avoir vérifié ces procédures, ces conformités de fonctionnement, ces prescriptions qui assurent la sécurité du vol. Ces check-lists sont des prescriptions qui formattent le travail, mais celles-ci résultent de plusieurs siècles de capitalisation des bonnes pratiques et de l’observation du travail réel par les pilotes et le personnel navigant. En d’autres termes, le travail réel exerce des influences fortes sur le travail prescrit, qui a son tour contribue à la qualité du travail réel.

Si on se transporte de l’avion vers l’univers de l’entreprise, mettre à bas le travail prescrit signifierait qu’il n’y aurait plus de prévention, plus de respect des règles de sécurité, plus de non-discrimination, plus de RSE. Ce qui s’oppose au travail bien fait, ce n’est pas le prescrit c’est l’étouffement par le prescrit.

Ce dont les entreprises ont besoin pour bien fonctionner, ce n’est pas de l’abolition du prescrit, ce n’est pas non plus d’un absolutisme du travail réel, c’est d’une articulation entre l’intention et le terrain, c’est-à-dire une capacité du travail réel à se couler dans les contraintes du prescrit et éventuellement à les transgresser, en fonction du contexte. Il s’agit de valoriser davantage le travail réel et de comprendre comment prescrit et réel entrent en tension et s’articulent dans les situations de travail. J’appelle cela l’intelligence du travail.

Dans cet exemple, le travail prescrit l’a emporté sur le travail réel. Le prescrit prétend
que c’est la route qui est du mauvais côté !

La clé d’un travail de qualité réside donc non pas dans l’absolutisme d’un travail réel idéalisé mais dans cette articulation entre réel et prescrit. Ecoutons l’Anact : « Le travail prescrit ne correspond jamais entièrement au travail réel. Compte tenu des aléas et contextes spécifiques, il est nécessaire d’opérer sans cesse des arbitrages et des ajustements afin que le travail se réalise… Par conséquent, il y a un besoin manifeste de régulation entre les objectifs fixés et leur réalisation. C’est un gage d’efficacité organisationnelle »[9].

C’est d’ailleurs la pesanteur accrue du prescrit qui explique le besoin croissant de régulation et la montée en puissance du management intermédiaire. Comme l’écrit l’Anact dans le même document : « Si, en raison de sa position d’interface, le manageur de proximité est un acteur-clé de cette activité de régulation, toute l’organisation doit être irriguée par cette nouvelle exigence. (…) Manager le travail, c’est adapter et négocier la prescription au quotidien (avec la direction, l’équipe, les fonctions supports, le client, etc.). Il ne s’agit pas seulement de diffuser une consigne mais de faire en sorte que le collectif y trouve du sens et se réapproprie la prescription en fonction de la réalité des situations ».

L’une des raisons pour lesquelles je soutiens le développement des pratiques de dialogue professionnel est justement la possibilité qu’elles offrent d’améliorer cette articulation (voir : « L’expression des salariés au travail : 7 bonnes pratiques pour réussir »). Comme l’écrivent cinq universitaires spécialistes du travail dans une tribune, « Mille circonstances imprévues, qui font le sel de ce que les ergonomes appellent le ‘travail réel’ par opposition au ‘travail prescrit’ par les managers, peuvent rendre inopérantes les consignes trop générales. Pour réduire effectivement les risques, il faut que les salariés, meilleurs experts de leur travail, puissent s’exprimer individuellement et collectivement sur les difficultés rencontrées, proposer les solutions, et recevoir les moyens et les marges de manœuvre adéquates »[10].

C’est justement parce que l’IA renforce le travail prescrit qu’il faut renforcer aussi le travail réel : c’est l’heure du dialogue professionnel. L’IA peut appréhender le travail prescrit mais ne comprend pas le travail réel.

 

L’IA capacitante : le métier, c’est ce qui se loge entre le travail prescrit et le travail réel

En un instant, Sully prend la décision d’amerrir sur l’Hudson, le fleuve qui sépare l’État de New York de celui du New Jersey. Faisant preuve d’un calme olympien, il conserve le contrôle de l’appareil, tout en prévenant ses passagers : « Ici le commandant. Préparez-vous à l’impact ». Il demande à son équipage de faire appliquer les consignes de sécurité, notamment en ce qui concerne les gilets de sauvetage. Les trois agents de bord, Donna Dent, Doreen Welsh, et Sheila Dail ont fait preuve d’un professionnalisme parfait.

Trois minutes seulement après l’impact avec les palmipèdes, la carlingue touche l’eau, brutalement mais sans dommage ; elle flotte. Alors que le fuselage est déjà partiellement inondé, les passagers sortent par les fenêtres situées sur la partie supérieure des ailes et le toboggan d’évacuation. Sully et Skiles les aident à descendre. Ils remarquent que certains, contrairement aux consignes données, ne portent pas de gilets de sauvetage. Ils vont donc en chercher sous les sièges et les aident à les enfiler. Les passagers sont tous sauvés de l’eau froide à 5°C et récupérés par les bateaux présents dans les alentours, notamment un ferry qui traverse le fleuve. Dernier à quitter son avion, Sully a veillé à retourner plusieurs fois à l’intérieur afin de s’assurer que plus personne ne s’y trouvait.

Le choix de se poser sur l’Hudson était un risque calculé par ces deux professionnels, qui ont ainsi évité l’explosion et la perte irrémédiable de l’avion mais surtout sauvé l’équipage et les 150 passagers : pas un mort, pas un blessé grave, une seule foulure de cheville. L’intelligence du métier l’emporte sur la tyrannie des protocoles.

Cet exemple ouvre la voie à une alternative, une autre approche de l’IA, que j’appelle l’« IA capacitante », par référence à l’approche par les capacités développée par Amartya Sen et au concept d’« environnement capacitant » qui en découle et amène à prendre en compte la pluralité des finalités du travail et à intégrer la question du pouvoir d’agir des salariés et de prise sur leur devenir[11].

Ce concept extrêmement fertile d’environnement capacitant a été développé par l’ergonome Pierre Falzon et se donne pour objectif de favoriser la réflexivité, l’autonomie et les coopérations dans le travail[12]. Il est défini par Pierre Falzon comme « un environnement qui permet aux personnes de développer de nouvelles compétences et connaissances, d’élargir leurs possibilités d’action, leur degré de contrôle sur leur tâche et sur la manière dont ils la réalisent, c’est à dire leur autonomie ». Solveig Fernagu-Oudet, directrice de recherche au CESI ajoute : « Un environnement capacitant ne se limite pas à offrir des ressources ; il permet à chacun de les convertir en véritables capacités d’action. Un environnement capacitant n’est pas un dispositif, mais une culture du possible »[13]. Il s’inscrit dans le courant du travail émancipateur et s’inspire d’ailleurs du courant anglo-saxon de l’« empowerment », que nos cousins québécois traduisent joliment par « empuissancement » (voir : « S’emparer de l’empowerment »).

Il faut adopter ce concept et l’adapter pour l’IA. Ainsi, une IA capacitante permet d’équiper les travailleurs pour leur permettre d’optimiser leurs marges de manœuvre, de maîtriser leurs libertés d’action, ces dernières incluant la possibilité de construire de façon continue les règles du travail[14]. On retrouve ici les recommandations de Bernard Stiegler : désautomatiser notre rapport au travail, retrouver des savoir-faire capacitants, mettre l’accent sur le savoir-vivre, réinstaller au cœur de la collaboration humaine le partage des savoirs[15]. L’IA capacitante soutient le travail humain alors que l’IA d’effacement le détruit.

 

---

Le dilemme de l’IA : Il existe aujourd’hui deux approches très contrastées pour mettre en œuvre et diffuser l’IA.

Ce qui diffère, c’est d’abord l’intention du projet, sa finalité :

• • • faut-il REMPLACER le travail humain avec une focale obsessionnelle sur la productivité (IA d’effacement) ou
    • vaut-il mieux RENFORCER le travail humain en soutenant le pouvoir d’agir des opérateurs et en mettant à leur disposition un environnement de travail capacitant (IA capacitante).

La première, c’est Productivor : le dévoreur de productivité, insatiable et destructeur.

Son slogan : « Plus d’humains, plus de limites : Productivor dévore vos tâches ; l’IA qui ne dort jamais, même si vous n’existez plus. Le futur de l’entreprise, un monde sans travail se construit sans vous ».

Mais on finira par constater l’évidence : l’IA qui remplace détruit de la valeur ; l’IA qui renforce ajoute de la valeur.

Vous l’avez remarqué : cette présentation est caricaturale. Beaucoup d’applications IA ne sont ni totalement d’effacement ni intégralement capacitantes. Elles présentent un mix. C’est aux concepteurs et aux utilisateurs de l’IA de peser pour accroître l’empreinte du capacitant…

---

 

De façon générale, l’approche de l’IA capacitante a pour effet de mettre le travail réel au cœur des préoccupations de l’entreprise et de son fonctionnement, comme nous le préconisons dans notre rapport pour Terra Nova (voir : « Mettre le travail au cœur de la conduite stratégique de l’entreprise », 9 janvier 2026).

 

La quête éperdue de la prescription du travail devient absurde : le travail halluciné

En écoutant son intelligence du métier, Sully a sauvé l’avion, son équipage et ses 150 passagers. Mais au prix de la transgression du travail prescrit. Sully a été célébré en héros par la presse, le grand public, et les autorités. Après le sauvetage, il reçoit un coup de fil du président George W. Bush lui-même, pour le féliciter, avant d’être invité, avec Jeffrey Skiles, à l’investiture de Barack Obama, cinq jours après ce que la presse américaine a qualifié de « miracle de l’Hudson ».

Mais les instances de l’aviation civile l’ont attaqué pour non-respect des procédures. Comme l’écrit mon ami Christian Guibert, « les institutions résistent — parce que la remontée du terrain est menaçante pour les certitudes, les identités, les pouvoirs qu’elles ont stabilisés ». Sully s’est vu reprocher de n’être pas retourné à LaGuardia ou à Teterboro, ce qui aurait permis (peut-être…) de sauver un avion à 100 millions de dollars.

Il a été mis en difficulté lors de l’enquête visant à établir les responsabilités de chacun. Il a expliqué plus tard s’être mis à douter de lui-même, de ses propres capacités professionnelles. Durant les dix-huit mois de l’enquête, il n’a pas été autorisé à voler, son salaire a été baissé de 40 %, et sa pension de retraité a été largement amputée^[16]. Mais c’est le pilote, Sully, resté des années en procès pour justifier qu’il ne serait pas parvenu au même résultat en appliquant la procédure, qui a fini par obtenir gain de cause, contre les instances « professionnelles ». Je place le mot « professionnelles » entre guillemets pour souligner qu’il s’agit de la corporation et non des garants des valeurs du métier.

C’est ainsi que nous tombons dans l’absurde. Pour maîtriser l’incertitude, nous transformons un moyen en une finalité à part entière. Nous valorisons davantage les plans, les consignes, les procédures, que l’expérience d’un opérateur, qu’il soit comme ici un pilote ou un simple exécutant. Avec la montée de l’IA d’effacement, on va voir se multiplier les dysfonctionnements dus à ce que j’appelle « le travail halluciné », provoqués par des systèmes conçus à partir du travail prescrit (théorique), sans prendre en compte le travail réel, effectué quotidiennement par les équipes, en ignorant les « bricolages organisationnels », les innombrables raccourcis, les adaptations ingénieuses, les intuitions des professionnels ou les méthodes informelles permettant au travail de réellement fonctionner.

Le 15 janvier 2009, le commandant de bord Sullenberger, un passionné d’aviation qui a réalisé son premier vol à l’âge de 16 ans, avait 57 ans et totalisait 19.663 heures de vol à son compteur, dont 4.700 sur le modèle d’avion concerné, l’Airbus A320. Il a tout emmené dans le ciel, des simples planeurs jusqu’aux mastodontes de l’aviation civile, en passant par les avions militaires Phantom de l’US Air Force, où il a servi dans les années 1970.

Il a bénéficié de la longueur et de la diversité de cette expérience et a déclaré : « Une façon de voir les choses pourrait être que pendant 42 ans, j’ai fait de petits dépôts réguliers dans cette banque d’expérience, d’éducation et de formation. Et le 15 janvier, le solde était suffisant pour que je puisse faire un retrait très important »^[17]. C’est pourquoi Sully a toujours refusé de se voir en héros : « Je n’ai fait que mon travail », répondait-il invariablement.

Oui, son travail. Mais son travail au sens plein du terme, celui de l’accomplissement professionnel, de la maîtrise de toutes les surprises du vol. Son conseil ? « Laisser son ego à la porte et se dire qu’on va faire quelque chose d’utile »^[18].

 

S’appuyer sur les travaux fondateurs de Daron Acemoglu (MIT)

Comme beaucoup, j’ai découvert Daron Acemoglu, professeur et chercheur au MIT, dans les années 2010 à propos de ses travaux sur la robotisation (avec notamment la mise au point d’un modèle mathématique de création/destruction d’emploi avec Pascual Restrepo de la Boston University)[19]. Né à Istanbul en 1967, naturalisé américain et diplômé en 1992 de l’University of York et de la London School of Economics (LSE), il a commencé à atteindre le grand public à l’occasion de son prix Nobel d’économie en 2024[20].

Il est surtout l’un des rares auteurs à s’intéresser et écrire à la fois, et depuis des années, sur l’économie (en particulier à l’économie du travail), les problèmes sociaux, l’histoire (notamment celle du colonialisme), la technologie et la politique, ce qui le rend sensible aux impacts sociaux des transitions (numériques ou autres). J’ai senti que les adeptes de l’IA capacitante trouvaient un allié de poids quand j’ai vu qu’il commençait à prolonger ses travaux antérieurs sur la robotisation en s’intéressant à l’IA, dans le prolongement de deux de ses livres récents, « Prospérité, puissance et pauvreté : pourquoi certains pays réussissent mieux que d’autres » (2012) et « Pouvoir et progrès ; Technologie et prospérité, notre combat millénaire » (2023)[21].

Daron Acemoglu a publié en février 2026, avec deux autres collègues du MIT, David Autor et Simon Johnson, un article qui me semble essentiel, sous le titre « Building Pro-Worker Artificial Intelligence » (en français, « Construire une IA favorable au travail et aux travailleurs » ; voir le lien de téléchargement dans la rubrique « Pour aller plus loin » en pied de cet article). Cet article publié par le célèbre National Bureau of Economic Research (NBER) définit les technologies favorables aux travail et aux travailleurs, y compris l’intelligence artificielle, comme des technologies qui valorisent les compétences et l’expertise humaines en élargissant les capacités des travailleurs. Nous sommes donc parfaitement dans l’axe de l’IA capacitante.

Un dirigeant qui s’interroge sur la manière de déployer l’IA devrait absolument lire l’article d’Acemoglu, Autor et Johnson, et ceci pour deux raisons.

a) Comprendre que l’IA n’est pas intrinsèquement orientée vers l’effacement ni vers le soutien des capacités

L’article montre que la plupart des IA déployées aujourd’hui automatisent, dévalorisent l’expertise et réduisent la part du travail dans la valeur ajoutée. Acemoglu écrit par exemple que l’IA actuelle est souvent conçue pour « transformer l’expertise humaine en commodité », ce qui a pour effet de faire fondre sa valeur. Il explique que les entreprises sont incitées à investir dans des outils qui remplacent plutôt que renforcent les compétences humaines. Cela confirme mon constat : spontanément, sans intervention de la régulation, du dialogue social ou du management, c’est l’IA d’effacement qui l’emporte.

Acemoglu insère le développement de l’IA dans l’histoire plus longue de celui des technologies numériques, qu’il a étudiée dans un livre qu’il a publié en 2023 avec Simon Johnson, « Power and Progress : Our Thousand-Year Struggle Over Technology and Prosperity ». Les deux auteurs montraient dans ce livre que le progrès technologique ne se traduit pas nécessairement par du progrès social et bénéficie principalement à une petite élite. Cette grille d’analyse s’applique parfaitement à l’IA d’effacement.

Le terme ‘commodité’ et ses dérivés, qui apparaît 12 fois dans l’article pour décrire l’effet de l’IA d’effacement sur le travail, les métiers, les expertises et les compétences, mérite une pause pour une brève explication. C’est un anglicisme construit sur ‘commodity’, qui désigne initialement les matières premières ou les produits de base mais par extension les produits standardisés, normalisés, banalisés, largement disponibles, qui n’ont pas de facteurs de distinction positif à faire valoir dans la concurrence, et qui par conséquent perdent de la valeur. Ces produits se livrent donc une concurrence effrénée sur des marchés mondialisés, portant essentiellement sur les prix. Appliqué aux métiers ou au travail, le terme ‘commodity’ signifie qu’ils sont tellement banalisés que les travailleurs concernés sont déqualifiés au point de devenir interchangeables, ce qui pose l’éventualité d’une rupture anthropologique : un travailleur, une personne, ne devient interchangeable que s’il se transforme en chose, ce qui fait appel aux théories de Karl Marx sur la réification et la prolétarisation.

Depuis la publication du l’ouvrage précurseur de Trebor Scholz sur le « digital labor » en 2013, on sait où nous mène l’IA d’effacement[22]. La recherche fait son chemin sur ces nouvelles formes de travail liées au numérique et transformées par son développement. En France, c’est le sociologue Antonio A. Casilli qui a creusé ce sillon depuis « En attendant les robots » (Seuil, 2019), où il analyse l’essor et les ressorts du micro-travail, ces innombrables tâches qui servent à faire fonctionner les intelligences artificielles, démontrant au passage que les IA ne sont pas si intelligentes qu’on le prétend souvent[23].

Avec leur livre, les Américains Mary L. Gray et Siddarth Suri apportent à leur tour leur pierre à l’édifice, dans une veine proche de celle de Casilli. Le titre de leur livre est significatif : “Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass »[24]. Adossé à un travail d’enquête de cinq ans, l’anthropologue et l’ingénieur, tous deux collaborateurs de Microsoft, croisent leurs grilles de lecture pour comprendre et circonscrire ce qu’ils qualifient de travail invisible (ghost work). Un marché qui concernerait déjà 20 millions d’Américains mais pourrait prendre de plus grandes proportions au point de devenir, selon eux, le modèle du travail du futur. Car là se situe la grande idée-force à retenir de l’ouvrage de Mary L. Gray et Siddarth Suri : l’avènement de l’intelligence artificielle ne précipitera pas la disparition de l’emploi mais, au contraire, ne cessera d’en générer de nouveaux, ressemblant plus ou moins au travail invisible décrit par les deux chercheurs. Un futur « semi-automatisé », selon leur expression ; une nouvelle forme d’invisibilisation du travail.

Dans une interview donnée en France, Mary L. Gray insiste sur la responsabilité : « la première chose dont nous avons besoin aujourd’hui c’est de responsabilité, de rendre les travailleurs invisibles visibles. Nous devons savoir qui touche aux données, d’où elles viennent, par où elles sont passées, qui rend possible les services que nous utilisons. Ça a déjà été le cas avec l’alimentation, le textile, et il doit en être de même pour l’intelligence artificielle et ses applications »[25].

Pour un dirigeant, c’est un avertissement clair : déployer l’IA « par défaut » peut réduire les coûts salariaux et procurer un gain immédiat mais celui-ci est temporaire. En revanche, Daron Acemoglu explique que cette approche peut durablement fragiliser les compétences internes, dégrader l’engagement et accroître les risques sociaux. En effet, quand l’IA automatise des tâches expertes, elle transforme les métiers en commodités. Les auteurs montrent que cela a trois effets :

• réduction de la valeur de l’expertise interne,
• fragilisation des trajectoires professionnelles,
• augmentation de la défiance et de la résistance au changement.

De ce fait, une stratégie IA centrée sur l’automatisation massive expose l’entreprise à des tensions sociales, des risques de réputation, des difficultés de recrutement et des pertes de savoir-faire critiques.

À l’inverse, une IA qui augmente et soutient les métiers, celle que j’appelle l’IA capacitante, renforce la valeur du travail humain, soutient l’engagement et affermit la licence sociale d’opérer (l’une des sources de valeur de la RSE).

b) Découvrir une alternative crédible : l’IA capacitante, qui augmente la valeur du travail

Acemoglu et ses deux coauteurs montrent que l’IA peut être un multiplicateur de jugement, d’autonomie et de capacité d’apprentissage, et pas seulement un outil d’automatisation. Dans un entretien sur France Culture en septembre 2025, Daron Acemoglu expliquait : « Plutôt que de remplacer le travail humain, l’IA devrait accroître les capacités des travailleurs et libérer du temps pour la créativité, la résolution de problèmes ou les tâches socialement utiles »[26].

L’article en donne de nombreux exemples et je retiens celui de l’assistant électricien (EA), une application développée par une entreprise française, le fournisseur mondial de services électriques Schneider Electric. EA aide les électriciens et les ingénieurs électriciens à identifier les problèmes liés aux machines et circuits électriques. L’outil utilise un LLM pour fournir une assistance en temps réel aux ingénieurs et électriciens effectuant des tâches spécifiques de réparation et de dépannage.

Qu’est-ce qui fait que cet outil peut être qualifié de « pro-travailleur », pour reprendre la terminologie d’Acemoglu ? Il met à profit l’expertise des électriciens, techniciens de terrain et ingénieurs, leur permettant d’entretenir, de dépanner et de réparer les équipements de manière plus efficace. L’ingénieur utilisant l’outil reste dans la boucle pour modifier les recommandations générées par l’IA afin d’en assurer la précision.

En d’autres termes, l’opérateur travaille en collaboration avec l’outil, et non simplement en suivant les instructions de manière subordonnée. En effet, l’IA capacitante fonctionne sur une relation de complémentarité entre hommes et machines (voir dans Metis : « Robot, mon ami »). Aidé par cet outil, il peut accomplir les tâches existantes de manière plus efficace et fiable, et s’attaquer à des missions plus complexes qui étaient auparavant hors de portée. Des outils similaires à l’EA pourraient être facilement conçus pour soutenir de nombreux ouvriers, artisans, opérateurs et ingénieurs, tels que plombiers, entrepreneurs en bâtiment et travailleurs de la santé.

Augmenter les métiers permet :

• d’améliorer la qualité, la fiabilité, le service client et la sécurité ;
• d’augmenter la productivité sans détruire les compétences ;
• de renforcer la capacité d’innovation interne.

Les auteurs expliquent que l’IA peut « étendre la portée du jugement humain, permettre de nouveaux types de tâches et accélérer l’acquisition d’expertise ».

L’article propose une série d’exemples très concrets, notamment autour des techniciens de maintenance aéronautique (Aircraft and Avionics Equipment Mechanics and Technicians, AMTs). Décidément, entre Sully et Acemoglu, l’aéronautique nous offre de beaux exemples. Ces techniciens étaient au nombre de 161.000 aux Etats-Unis en 2024, avec un salaire annuel médian de 79.000 dollars. Dans ce domaine, les auteurs opposent deux types d’IA :

• L’IA qui remplace : Aviation Maintenance Automator (AMA), qui a pour effet de dévaloriser l’expertise, de réduire les salaires et d’augmenter la dépendance à la machine et la polarisation du marché du travail. Elle réduit la valeur du métier.
• L’IA qui renforce : AMT Assistant, qui permet aux techniciens de diagnostiquer des pannes plus complexes, d’améliorer la qualité, d’accélérer l’apprentissage et de gérer la conformité réglementaire. C’est un exemple d’IA qui augmente la compétence humaine.

Les auteurs présentent aussi un troisième outil, une IA qui crée de nouvelles expertises, l’AMT Liftoff, qui est une évolution de l’AMT Assistant présenté ci-dessus. Cet outil permet aux techniciens aéronautiques de se former aux métiers de la maintenance spatiale, un métier collatéral qui se développe très vite et exprime de forts besoins en compétences. Il ouvre un nouveau champ d’expertise. C’est l’exemple parfait de technologie « pro‑travail et pro‑compétitivité ».

Ce troisième exemple illustre parfaitement la dernière des 5 catégories de technologies définies par Acemoglu dans d’autres travaux[27]. Les technologies de création de nouvelles tâches (new task-creating technologies), « est la seule catégorie de technologies sans ambiguïté pro-travailleur, ce qui signifie qu’elle ne crée que des gagnants ». En effet, cette famille de technologies permet d’accroître la valeur du travail humain pour ceux qui l’utilisent sans pour autant dresser de barrière à l’entrée pour d’autres travailleurs.

Les technologies vraiment pro‑travail sont en effet celles qui créent de nouveaux types de tâches, donc de nouvelles expertises, ce qui permet :

• d’ouvrir de nouveaux segments de marché,
• de repositionner l’entreprise sur des activités à plus forte valeur ajoutée et (à l’échelle d’un pays) de produire une montée en gamme de l’économie,
• de développer des compétences rares et différenciantes.

Les auteurs soulignent que l’on a tendance à sous-estimer l’ampleur de la création de nouveaux métiers par l’économie (destruction créatrice à la Schumpeter) : « Des travaux récents estiment que plus de six travailleurs sur dix en 2018 étaient employés dans des métiers qui n’existaient pas encore en 1940 »[28]. En même temps, Acemoglu reconnaît aussi que la destruction créatrice a parfois des ratés. Dans son entretien sur France Culture mentionné plus haut (septembre 2025), il rappelait que l’automatisation n’a pas toujours tenu ses promesses : « au XIXᵉ siècle, les tisserands britanniques ont vu leur revenu réel chuter avant qu’une amélioration des salaires n’arrive un siècle plus tard ». Qui aura la patience d’attendre un siècle ?

Les auteurs ne le mentionnent pas, mais leur approche fait résonnance avec un courant de la recherche académique en stratégie, dénommé par l’acronyme RBM (Resource-Based Management), malheureusement peu connu en France, dont j’ai déjà parlé dans ce blog (voir : « Sommes-nous tous du capital humain ? »). Les auteurs essentiels qui ont creusé le sillon de la RBM sont Edith Penrose, Jay Barney, et plus près de nous, C.K. Prahalad et Gary Hamel. La théorie du management par les ressources, érige le potentiel humain en ressource stratégique susceptible de procurer un avantage concurrentiel déterminant et souligne l’impact des compétences individuelles et organisationnelles, rares et inimitables, sur la rentabilité de l’entreprise.

Pour un dirigeant, cette approche de l’IA capacitante ouvre une voie stratégique : utiliser l’IA pour augmenter les métiers, créer de nouvelles expertises et renforcer la compétitivité, plutôt que pour réduire les coûts salariaux à court terme. C’est exactement le type de pivot stratégique que les Comex recherchent aujourd’hui.

 

Identifier les facteurs qui freinent la transition vers l’IA capacitante

C’est la troisième raison pour laquelle un dirigeant qui s’interroge sur la manière de déployer l’IA devrait absolument lire l’article d’Acemoglu, Autor et Johnson. Si les possibilités offertes par l’IA pour automatiser le travail sont considérables, les auteurs soutiennent que son potentiel à servir les collaborateur, en élargissant le jugement humain, en rendant possibles de nouvelles tâches et en accélérant l’acquisition de compétences, est tout aussi transformateur et actuellement considérablement sous-exploité. Ils montrent que les entreprises aujourd’hui sous‑investissent dans l’IA capacitante (que les auteurs appellent « IA pro‑travail »), à cause de trois biais structurels, qui sont des biais de marché et d’organisation :

1. Des défaillances de marché, notamment des incitations managériales mal alignées (préférence pour l’automatisation, qui réduit le pouvoir des salariés).
2. Une idéologie pro‑AGI (Artificial General Intelligence, selon l’expression d’OpenAI) qui pousse à remplacer plutôt qu’augmenter, c’est-à-dire un ensemble de croyances, de normes et de priorités qui orientent les communautés technologique et managériale vers un objectif unique : construire des systèmes capables de surpasser l’humain dans « la plupart des tâches économiquement utiles ».
3. Une dépendance de sentier (vis-à-vis des choix passés) : les outils disponibles sont surtout conçus pour automatiser.

De ce fait, Acemoglu et ses coauteurs parlent d’une « sous‑production de technologies pro‑travail due à des incitations privées mal alignées ». Dans mon article du MagRH cité plus haut, sur « Pourquoi la fonction RH doit absolument prendre en main l’IA », j’identifiais quatre autres raisons pour lesquelles les dirigeants se dirigent spontanément plus facilement vers l’IA d’effacement :

• L’IA capacitante est plus exigeante.
• La fonction RH n’est pas au rendez-vous à ce jour.
• Le dialogue social ne joue pas son rôle dans ce domaine.
• Les dilemmes éthiques « remontés à la surface » par l’IA embarrassent les dirigeants.

L’enjeu aujourd’hui, nous disent les trois auteurs, est d’aligner l’IA avec les métiers plutôt qu’avec les fantasmes technologiques de la Big Tech. Car les métiers réels — santé, éducation, maintenance, artisanat, services — reposent pour une bonne part sur le jugement, la coordination, la relation, l’improvisation.

Deux aspects moins évoqués par l’article des trois chercheurs du MIT me semblent tout aussi importants.

• D’abord l’appréhension des salariés français. La tendance naturelle des entreprises étant de s’engager dans l’IA de remplacement, la crainte pour les emplois est vive, plus vive chez les salariés français que dans la plupart des autres pays.
• Ensuite, la conduite du changement. La démarche d’IA capacitante ne repose pas seulement sur la conception des applications informatiques mais tout autant sur la façon dont les projets sont choisis, implémentés et évalués. L’association des salariés à cette démarche, dans une approche authentique de management participatif, est essentielle.

J’ai traité de ces deux points dans l’un de mes articles pour la revue Question(s) de management (voir : « Conduite du changement : IA = OUT ! »).

Ensuite, la mise en place de l’IA capacitante suppose la réintégration et la re-considération du travail par des entreprises qui n’ont eu de cesse, ces dernières années, d’évacuer le travail en dehors de leurs frontières organisationnelles. Sur ce point, je renvoie le lecteur à un autre de mes articles du MagRH (voir : « DRH, n’ayez plus peur du travail », MagRH N° 35, Juin 2026).

Enfin, ce n’est pas une règle générale mais alors que l’IA d’effacement pérennise le travail en silos, l’IA capacitante repose souvent sur un travail d’équipe. Il faut donc recréer les conditions de la coopération, du « travailler ensemble » (voir : « Travailler ensemble : pour une intelligence de la coopération »).

Que conclure de cet article majeur d’Acemoglu et de ses deux collègues du MIT ?

Trois éléments :

1. L’IA n’est pas neutre : elle peut affaiblir ou renforcer le travail selon l’intention, la finalité du projet, les orientations du design et les choix de déploiement.
2. Les dirigeants doivent reprendre la main sur l’orientation de l’IA, faute de quoi, sans intention claire, l’entreprise suivra une trajectoire par défaut, celle de l’IA d’effacement… souvent destructrice : les gains rapides ne compensent pas les risques élevés et aboutissent à une destruction de valeur humaine (compétences et motivation) et à l’érosion de la différenciation concurrentielle.
3. L’IA capacitante est mieux adaptée à la réalité du travail. Elle est techniquement possible et économiquement désirable : elle produit des gains durables, de la montée en compétence, de l’innovation et de la compétitivité. Mais elle demande une stratégie explicite.

Ceci montre que l’enjeu n’est pas seulement technologique ; il est d’abord stratégique.

 

Un allié inattendu : le pape Léon XIV

Alors que la rédaction de cet article était largement entamée, un coup de tonnerre a éclaté dans le monde de l’IA : « Magnifica Humanitas », l’encyclique de Léon XIV sur l’IA, publiée le 25 mai 2026, est sous-titrée : « Sur la protection de la personne humaine à l’ère de l’intelligence artificielle ». Elle parle un peu de technologie mais beaucoup du travail. Elle nous montre que c’est notre conception du travail qui détermine la façon dont nous approchons l’IA. Dans cette encyclique, le pape rejette explicitement une IA qui réduit le travail humain à une variable d’ajustement, et défend une IA orientée vers la dignité, le pouvoir d’agir, la délibération, l’apprentissage et la responsabilité. Sous des termes différents, le contraste entre IA d’effacement et IA capacitante est posé.

Pour aller plus loin sur ce sujet, je renvoie le lecteur à mon article à paraître dans le prochain MagRH : « D’une IA qui remplace le travail à une IA qui le renforce : l’éclairage du pape Léon XIV ».

 

Un cas de mise en œuvre de l’IA capacitante : le service clients d’IKEA

En 2021, IKEA a évité les licenciements dans son service client en utilisant l’IA comme levier de transformation et d’enrichissement du travail, plutôt que comme substitut au travail. L’exemple est devenu un cas d’école, car il montre comment l’automatisation peut créer de nouveaux métiers plutôt que détruire les anciens.

IKEA a déployé un chatbot, dénommé Billie, qui a automatisé 47 % des demandes simples des clients, ce qui a permis de reconvertir 8.500 téléconseillers vers un métier à plus forte valeur : le conseil en aménagement intérieur. Billie est un chatbot lancé en 2021 par Ingka Group (la structure faîtière du groupe IKEA). Il traite les demandes répétitives de niveau 1 comme les suivis de commande, la disponibilité des produits, la gestion des retours et les informations générales.

Résultats de la démarche :

• Au bout de deux ans, en 2023, 47 % des requêtes étaient résolues automatiquement (proportion portée à 57 % en 2026)
• 3,2 millions d’interactions traitées
• 13 millions € d’économies opérationnelles

C’est typiquement le type d’automatisation qui, dans la plupart des entreprises, conduit à des suppressions de postes dans la logique de l’IA d’effacement.

Mais IKEA a posé une question essentielle. Au lieu de se demander : « Combien de salariés pouvons-nous supprimer ? », IKEA a demandé : « Que peuvent faire ces salariés que l’IA ne pourra jamais faire ? ». En analysant les 53 % de demandes que Billie ne pouvait pas traiter, IKEA a découvert un signal stratégique : les clients ne posaient pas des questions plus complexes… mais des questions de conseil. Ils voulaient de l’aide pour la conception de leur intérieur. Ils demandaient comment faire entrer une table dans un coin biscornu, comment planifier la chambre d’un enfant, comment faire paraître un petit appartement plus grand, comment aménager leur cuisine… Ce n’était plus du support client : c’était du conseil en design d’intérieur[29].

La décision prise a été de reconvertir 8.500 salariés plutôt que les licencier. IKEA a donc formé ces téléconseillers au métier de remote interior design advisor et développé des compétences en relation client avancée, conception 3D, planification de pièces d’habitat, de vente conseil. IKEA a également créé un service de design facturé (à partir de 49 €/h). Ce repositionnement a transformé un centre de coûts (call center) en centre de profits.

Le résultat de ce redéploiement est un nouveau business de 1,3 milliard d’euros généré par le service de conseil en aménagement dès la première année, soit 3,3 % du chiffre d’affaires du groupe, avec un objectif de porter cette part à 10 % d’ici 2028. Aucun licenciement n’est intervenu.

Les ressorts de cette stratégie sont :

• La bonne complémentarité entre l’IA utilisé là où elle excelle, sur les tâches répétitives, et le travail humain, qui excelle dans les tâches créatives, empathiques et relationnelles.
• La capacité à réallouer le temps humain libéré par l’automatisation vers des activités à plus forte valeur stratégique, comme les services premium, qui permettent d’établir une différenciation compétitive.
• La conviction selon laquelle le reskilling peut être plus rentable que les licenciements.

C’est une stratégie d’IA capacitante structurée autour de la montée en compétences, de l’IA comme outil d’augmentation, pas de substitution, d’un nouveau modèle d’affaires basé sur le conseil.

En mars et mai 2026, deux annonces de suppressions d’emplois ont été émises par IKEA — 800 suppressions de postes chez Ingka Group puis 850 chez Inter IKEA Group — dont on peut se demander si elles remettent en cause cette expérience. En réalité, elles relèvent d’une logique totalement différente, et c’est précisément ce contraste qui permet de comprendre la stratégie globale d’IKEA. Elles ne concernent pas le service client, mais les fonctions support et corporate :

• Ingka Group (mars 2026) : 800 postes supprimés dans les fonctions tertiaires / corporate pour « simplifier l’organisation et réduire les coûts » ;
• Inter IKEA Group (mai 2026) : 850 postes supprimés dans les fonctions support, approvisionnement, siège, développement de gamme.

Ces postes ne sont pas liés au service client, ni associés aux métiers créés grâce à l’IA (design d’intérieur, conseil, relation client augmentée). Autrement dit : ce sont des suppressions structurelles, et non technologiques, qui correspondent à des éléments conjoncturels : baisse de la consommation mondiale (deux années de recul des ventes), hausse des coûts (matières, énergie, transport), tarifs douaniers américains et tensions géopolitiques (guerre Iran–Israël) qui ont « accéléré la chute de la confiance des consommateurs », stratégie de baisse des prix pour regagner des volumes, ayant entraîné un recul de 32 % du bénéfice net.

Les annonces de 2026 montrent que l’IA n’est pas un bouclier absolu contre les suppressions d’emplois. Mais elle est un levier puissant pour éviter les suppressions dans les métiers proches du client, là où la valeur humaine est stratégique. Les suppressions concernent des fonctions où la reconversion n’apporte pas de valeur nouvelle. IKEA utilise l’IA pour protéger et transformer les métiers qui créent du revenu, notamment en front-office, mais restructure les métiers qui n’en créent pas, notamment en back-office.

Dans un prochain article, je développerai un autre exemple intéressant, celui de Ford, qui illustre le remplacement d’une approche d’IA d’effacement par une stratégie d’IA capacitante. Après avoir misé massivement sur l’intelligence artificielle pour améliorer la qualité de ses véhicules, le constructeur américain Ford a dû rappeler des centaines d’ingénieurs expérimentés, reconnaissant que l’IA ne pouvait pas remplacer des décennies de savoir-faire humain. L’entreprise a ainsi recruté ou réintégré, au cours des trois dernières années (2023-2026), près de 350 spécialistes chevronnés, surnommés en interne les « gray beards » (« les barbes grises »). A suivre…

 

Six leviers d’action pour un dirigeant en charge de la transformation

Comment un dirigeant peut-il réellement reprendre la main sur l’orientation de l’IA et pousser une stratégie pro‑travail, en s’appuyant sur les enseignements d’Acemoglu, Autor et Johnson et sur la volonté de remettre le travail réel, les capacités et la valeur humaine au centre ? Comment agir pour obtenir une transformation profonde : pas juste une optimisation vaine des process et des potentiels existants par l’IA d’effacement, mais une reconception des process et des métiers par un travail plus riche, plus engageant pour les collaborateurs, c’est-à-dire par une IA capacitante ?

Un travail très utile a été mené par le Cercle de réflexion Projet Sens, animé par Jean-Baptiste Barfety sous le patronage de Jean-Dominique Senard. Ce Cercle a élaboré avec une soixantaine de dirigeants d’entreprise un manifeste « pour une intelligence artificielle collaborative et une responsabilité humaine », qui complète l’approche d’Acemoglu et de ses collègues en adoptant une approche plus « française » (ancrée dans les sciences sociales)[30].

En m’inspirant de l’article des trois chercheurs du MIT, que je complète par les recommandations du Projet Sens et celles du pape, sans oublier ma propre expérience en conduite des transformations, je propose à ce dirigeant avide de changement, de mobiliser 6 leviers d’action, chacun directement actionnables par un Comex.

Cette partie étant trop développée pour trouver sa place ici, elle fera l’objet d’un article à part entière que je publierai en septembre 2026 et dont le lien sera alors indiqué ici.

 

Mettre l’intelligence artificielle au service de l’intelligence du travail

« Faire quelque chose d’utile », selon le conseil de Sully, ce n’est certainement pas continuer à mettre en œuvre l’IA comme nous l’avons vu plus haut, selon la logique de l’IA d’effacement. C’est renverser la logique dominante. Car rien n’est joué. L’IA peut parfaitement être utilisée dans une finalité bien différente : améliorer le pouvoir d’agir des terminaisons nerveuses de l’entreprise, là où se joue le travail, à l’interface avec les produits et les clients – les opérateurs de production, les contrôleurs qualité, les agents de la relation clientèle… tous ceux qui savent où se trouve l’Hudson. Car l’IA automatise les tâches répétitives et ce faisant, redonne de la valeur à ce que l’humain fait de mieux : comprendre, anticiper, imaginer relier, arbitrer, créer, ressentir.

Dans notre rapport Terra Nova sur « Ce que l’IA générative fait au travail et à l’emploi », nous mettions l’accent sur le développement des compétences et le dialogue social, car ces deux leviers sont justement ceux qui permettent de faire la différence entre les deux approches^[31]. Lors du séminaire de restitution de ce rapport, Astrid Panosysan-Bouvet, qui était alors Ministre du Travail, a parfaitement résumé l’approche : « L’IA ne sera un progrès que si elle augmente le travail humain, répond à la demande d’autonomie et de reconnaissance, participe à une croissance sobre et mieux partagée »^[32].

Même le BCG, peu suspect de désinvolture vis-à-vis de l’optimisation des process, l’affirme dans un rapport d’août 2025 : « Repenser le travail pour s’assurer que les employés sont soutenus, motivés et responsabilisés peut être à la fois un catalyseur et un résultat de l’adoption de l’IA. Les entreprises d’aujourd’hui doivent reconnaître un acteur longtemps négligé : le salarié. L’approche radicale de l’orientation employé garantit que le travail est conçu de manière à ce que les employés soient soutenus, motivés et habilités à faire un travail qu’ils aiment et qui génère de la valeur pour leur organisation »^[33].

Ce dont souffre le déploiement de l’IA aujourd’hui, c’est d’un manque criant de stratégie et de gouvernance (voir : « Les Conseils d’administration submergés par l’intelligence artificielle »). Plutôt que de « penser l’IA capacitante » et d’en déduire les projets prioritaires, beaucoup d’entreprises françaises partent « au petit bonheur la chance » en privilégiant une démarche de « test & learn » à base d’expérimentations et de cas d’usage plus ou moins bien conclus par des retours d’expérience. C’est cette démarche qui, par défaut, amène à l’IA d’effacement.

De même, les conseils d’administration on trop tendance à ne voir dans l’IA qu’un levier d’économies de coûts sans percevoir ses potentialités en termes de développement. L’excellent rapport de ChangeNOW le souligne : « Les conseils qui négligent le rôle stratégique des outils numériques risquent de prendre du retard — non seulement en termes de performance, mais aussi en transparence, confiance et légitimité. (…) Il est temps que les conseils d’administration adoptent l’IA et les technologies numériques comme des éléments clés d’une gouvernance efficace, mais aussi comme outils puissants pour l’analyse stratégique, la mesure de l’impact et la prise de décision éclairée »[34].

Dans son dossier sur « L’IA au travail », publié en avril 2026, Le Nouvel Economiste indique que « les PME et ETI françaises adopteraient l’IA deux fois plus lentement que leurs homologues allemandes et américaines, alors même qu’elles représentent 49 % de la valeur ajoutée nationale »[35]. Il pointe également un paradoxe : 58 % des dirigeants de PME et ETI en France considèrent que l’IA est un enjeu de survie à horizon 3 à 5 ans mais pourtant, seuls 43 % ont élaboré une stratégie pour l’intégrer. En conclusion du dossier, il martèle : « ce qui manque dans beaucoup d’entreprises, c’est la décision. Non pas d’acheter un logiciel, mais de choisir un cap, former ses équipes, et mesurer ce qui marche. Le premier obstacle n’est ni financier, ni humain. C’est la conviction ».

Couverture du nouvel Economiste
Dossier – L’IA au travail du 27 avril 2026

 

Conclusion (provisoire)

Face à l’extension chaotique de l’IA, les entreprises sont à la croisée des chemins. Elles peuvent poursuivre la voie de l’IA d’effacement — celle qui automatise, intensifie, prescrit, et finit par appauvrir le travail vivant. Ou elles peuvent choisir une autre trajectoire : celle d’une IA capacitante, qui renforce l’intelligence du travail plutôt que de la remplacer. En d’autres termes, l’alternative pour l’entreprise est claire : soit continuer dans l’illusion d’une optimisation jusqu’à la corde des process et du travail prescrit, soit associer le corps social à un projet d’entreprise co-construit visant à miser sur l’intelligence du travail. Le crash ou l’Hudson.

En termes d’impacts, ce n’est pas (du tout) la même chose d’introduire l’IA dans une organisation pour faire « la même chose avec moins de monde » ou comme un moyen de rendre les équipes meilleures à ce qu’elles font déjà ou encore pour les renforcer afin de leur permettre d’investir des nouveaux champs de compétences, de produits et de services.

Pour cela, il faut réfléchir collectivement à la façon d’insérer l’IA dans le pacte social de l’entreprise (voir : « Reconnecter la RSE au travail : l’urgence d’un nouveau pacte social »). Cela permet également de ressouder le corps social autour du projet d’entreprise et du sens que chacun peut lui donner. C’est essentiel alors que l’image de Charlie Chaplin essayant de rattraper son engrenage dans Les temps modernes (1936) illustre bien le sentiment que nous donne l’évolution du travail aujourd’hui : la perte de contrôle. Vertige de la modernité : tout ce qui semblait éternel, le climat, le travail, l’humanité, vacille sur ses bases.

Derrière le battage médiatique, l’IA n’est pas une panacée mais un révélateur de faiblesses organisationnelles. L’acquisition des technologies n’est rien face à l’enjeu de leur appropriation par les équipes en cohérence avec le projet d’entreprise. L’IA réclame une culture d’apprentissage, de test et de confiance dans les éléments d’infrastructure (données, algorithmes…). Sans cela, elle devient un gadget de direction générale.

La responsabilité sociale de l’IA ne se joue pas dans les discours, ni même dans la maîtrise de ses dilemmes éthiques mais dans l’intention du projet, dans la conception du travail que portent l’entreprise et ses dirigeants et dans l’architecture du travail choisie. Une IA socialement responsable n’est pas une IA qui « fait à la place », mais une IA qui :

• renforce le pouvoir d’agir, soutient l’intelligence du métier, valorise les ajustements, les arbitrages, la créativité et s’articule intelligemment avec le travail réel ;
• ne remplace pas l’humain, mais l’équipe ;
• ne rigidifie pas l’organisation, mais l’assouplit, élargit les marges de manœuvre ;
• ne détruit pas les compétences, mais les déploie et soutient la réflexivité.

Elle repose sur une conviction simple : la qualité du travail ne naît pas de la seule optimisation des process, mais de la capacité des professionnels à ajuster, débattre, arbitrer, inventer. L’IA ne peut pas remplacer cette intelligence-là ; elle peut en devenir l’alliée. En ce sens, l’IA capacitante n’est pas une option marginale : comme l’ont montré les exemples mobilisés par cet article — les applications de maintenance aéronautique AMT Assistant et AMT Liftoff présentées par Acemoglu et ses coauteurs, le chatbot Billie d’IKEA ou le revirement de Ford réintégrant des spécialistes chevronnés — c’est le socle d’une IA socialement responsable, celle qui protège le travail vivant, renforce la coopération, sécurise les transitions et permet aux organisations de rester agiles dans un monde VUCA.

Pour ma part, cela fait bien longtemps que j’ai choisi mon camp et ce n’est pas l’IA qui m’en fera changer : il faut mettre l’intelligence artificielle au service de l’intelligence du travail.

Martin RICHER, consultant en Responsabilité sociale des entreprises, fondateur de
Management & RSE et co-président de Metis Europe

 

Pour aller plus loin :

Voir l’autobiographie de Sullenberger, « Sully, la formidable histoire du héros de l’Hudson », sortie en 2009. Il a publié un second livre (non traduit) en mai 2012, « Making a difference : Stories of Vision and Courage from America’s Leaders », dans lequel il fait témoigner des hommes et des femmes qui ont agi avec courage dans diverses situations.

Consultez les autres articles de ce blog sur l’intelligence artificielle

Cet article est une version augmentée et réactualisée d’une publication préliminaire de Martin Richer dans Metis : « Quand l’intelligence du travail l’emporte sur l’intelligence artificielle », 3 novembre 2025

Lisez l’article de Daron Acemoglu, David Autor et Simon Johnson, « Building Pro-Worker Artificial Intelligence”, National Bureau of Economic Research, Working Paper 34854, February 2026

 

Crédit image : The Horse Fair (Le marché aux chevaux), vers 1852–1855 par la peintre française Rosa Bonheur (1822 – 1899), Huile sur toile, Metropolitan Museum of Art, New York. Pour moi, ce magnifique tableau illustre très bien cette sorte d’énergie primitive, quasi animale, recelée par l’IA.

 

#IntelligenceArtificielle #IA #Travail #RSE #TransformationDurable #DirigerAutrement #compétences #TransformationDuTravail #TravailEnTransitions #FuturDuTravail
#travaillerDemain #FutureOfWork #OrganisationDuTravail
#ConditionsDeTravail #TravailCollectif
#DialogueProfessionnel
#IntelligenceCollective

 

Ce que vous venez de lire vous a plu, interpellé, irrité, inspiré ? N’oubliez pas de vous inscrire (gratuitement) à la newsletter de Management & RSE pour recevoir automatiquement les prochains articles de ce blog dès leur publication. Pour cela, il vous suffit d’indiquer votre adresse E-mail dans le bloc « Abonnez-vous à la newsletter » sur la droite de cet écran et de valider. Vous recevrez un courriel de confirmation. A bientôt !

[1] Malo Mofakhami, « Les transformations induites par l’IA ne se limitent pas à la question de l’emploi, mais touchent aussi à la qualité du travail », Le Monde, 11 février 2025

[2] Les économistes adorent l’exemple de la machine à laver, qui n’a pas libéré de temps, car elle a surtout permis de laver dix fois plus de linge, procurant un avantage esthétique et sanitaire.

[3] Le célèbre acronyme VUCA (« Volatility », « Uncertainty », « Complexity », « Ambiguity » ; en français VICA pour volatile, incertain, complexe et ambigu) a été créé au U.S. Army War College à la fin des années 1980, au lendemain de la guerre froide, pour appréhender les relations internationales déboussolées et devenues imprévisibles après la chute de l’URSS. Et, comme souvent avec les notions de stratégie militaire, les gourous du management s’en sont emparés pour décrire les caractéristiques de l’environnement économique auquel font face les entreprises aujourd’hui.

[4] Le travail prescrit est le travail tel qu’il est prévu, organisé, codifié par le bureau des méthodes, les nomenclatures de production, les gammes opératoires, le logiciel de gestion de production, les ordres de fabrication, les fiches de poste, la discipline, les mesures coercitives, les normes de production, les logiciels et progiciels, les règles et les procédures, l’autorité du contremaître, le règlement interne, les quotas de production, etc.

[5] Dominique Cardon est l’auteur de « À quoi rêvent les algorithmes. Nos vies à l’heure des Big Data », Paris, La République des Idées, Seuil, 2015 ; « La démocratie internet. Promesses et limites », Paris, La République des Idées, Seuil, 2010 ; « Médiactivistes » (avec Fabien Granjon), Paris, Presses de Science-Po, 2010 ; avec Antonio Casilli, « Qu’est-ce que le Digital Labor ? », Bry-sur-Marne, INA, coll. « Études et controverses », 2015

[6] Citée par Libération du 10 février 2025. Un LLM (large language model ou grand modèle de langage) est un modèle d’apprentissage automatique capable de comprendre et générer des textes en langage humain. Ces modèles opèrent en analysant d’immenses volumes de données linguistiques. Ce type spécifique d’IA générative est axé sur les tâches liées au langage. Tous les LLM sont une forme d’IA générative, mais tous les systèmes d’IA générative ne sont pas des LLM : l’IA générative peut également produire des images ou de l’audio, tandis que les LLM sont principalement conçus pour produire du texte par traitement automatique du langage naturel.

[7] Fondation de Bilbao, en charge pour la Commission européenne des problématiques de santé et sécurité au travail.

[8] Fanny Barbier et Marc Grosser sont co-auteurs de l’étude publiée par le Cercle de la Transformation du Travail, « IA et Travail. 2025 : l’heure des choix ». Voir également : Marc Grosser et Fanny Barbier, « IA et travail : l’heure d’une appropriation collective et responsable », Metis, 25 mai 2025

[9] « 10 questions sur…Le management du travail », réseau Anact-Aract, décembre 2015

[10] Thomas Coutrot, Danièle Linhart, Dominique Méda, Sandra Caroly et Laurent Vogel, « Coronavirus au travail : la démocratie nécessaire », Libération, 12 juin 2020

[11] Amartya Sen, économiste indien, a obtenu le prix Nobel d’économie en 1998 pour ses contributions à l’économie du bien-être

[12] Pierre Falzon, « Ergonomics, knowledge development and the design of enabling environments », Humanizing Work and Work Environments, 2005 ; Pierre Falzon, « Pour une ergonomie constructive » in « Ergonomie constructive », PUF, 2013

[13] Solveig Fernagu-Oudet, « Favoriser un environnement ‘capacitant’ dans les organisations », in Bourgeois E., Durand M. Eds., Former pour le travail, pp. 201-213, Paris, PUF, 2012. Voir aussi : Cuvelier, L., Fernagu, S., (2023), « Sujets capables et environnements capacitants : Des cadres pour penser les situations d’apprentissage pour et dans le travail », Transformation n°25

[14] Voir Josiane Véro et Bénédicte Zimmermann, « À la recherche de l’organisation capacitante : quelle part de liberté dans le travail salarié ? », Revue Savoirs 18/2 (n° 47), 2018

[15] Bernard Stiegler et Ariel Kyrou, « L’emploi est mort, vive le travail ! », Ed. Mille et une nuits, 2015

[16] « « Sully » Sullenberger, le pilote qui a amerri sur l’Hudson, est toujours sous le choc », Le JDD, 27 novembre 2016

[17] Bill Newcott, « Sagesse des anciens », AARP : Le magazine, mai-juin 2009

[18] Selon le récit élaboré par Le Parisien Week-end du 11 février 2019, « 15 janvier 2009 : l’amerrissage miraculeux sur l’Hudson, à New York », nourri du rapport du NTSB et d’un entretien de Sully accordé à la chaîne CNN

[19] Voir notamment Daron Acemoglu and Pascual Restrepo, “Robots and Jobs: Evidence from U.S. Labor Markets », 2020 et « Tasks, Automation, and the Rise in U.S. Wage Inequality », 2022

[20] Pardon : prix de la Banque de Suède en sciences économiques en mémoire d’Alfred Nobel, décerné à l’équipe qu’il formait avec Simon Johnson et James A. Robinson pour ses études sur la prospérité comparée des nations.

[21] « Prospérité, puissance et pauvreté : pourquoi certains pays réussissent mieux que d’autres » (Editions Markus Haller, 2012) co-écrit avec James Robinson ; « Pouvoir et progrès ; Technologie et prospérité, notre combat millénaire » (Pearson, 2023) co-écrit avec Simon Johnson

[22] Trebor Scholz, « Why Does Digital Labor Matter Now? », in Id. (dir.) Digital Labor. The Internet as playground and factory, New York, Routledge, 2013

[23] Voir l’excellent article de Fabien Benoit, « Les robots ne vont pas remplacer le travail humain mais le reconfigurer », Usbek & Rica, 29 août 2019

[24] Mary L. Gray and Siddharth Suri, “Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass », Houghton Mifflin Harcourt, May 2019

[25] Fabien Benoit, « Les robots ne vont pas remplacer le travail humain mais le reconfigurer », op. cit.

[26] Daron Acemoglu, Prix Nobel d’Economie 2024, Invité aux Matins de France Culture le 25 septembre 2025

[27] Selon Acemoglu, Kong et Restrepo (2025), les cinq catégories sont : (1) labor-augmenting technologies, (2) capital-augmenting technologies, (3) automating technologies, (4) expertise-leveling technologies and (5) new task-creating technologies. Autrement dit : l’augmentation de la main-d’œuvre, l’augmentation du capital, l’automatisation, l’uniformisation de l’expertise et la création de nouvelles tâches. Reference : Daron Acemoglu, Fredric Kong, and Pascual Restrepo. “Tasks at work: Comparative advantage, technology and labor demand”, in Christian Dustmann and Thomas Lemieux, editors, “Handbook of Labor Economics”, volume 6, Elsevier, 2025.

[28] David Autor, Caroline Chin, Anna Salomons, and Bryan Seegmiller, « New frontiers: The origins and content of new work, 1940–2018 », The Quarterly Journal of Economics, 139 (3):1399–1465, 2024

[29] Voir : Samriddhi Srivastava, “IKEA avoids layoffs, shifts employees as AI takes over routine work », PeopleMatters, 2 April 2026

[30] Challenges, 21 mai 2026

[31] Marie Degrand-Guillaud (dir.), « Ce que l’IA générative fait au travail et à l’emploi », Rapport Terra Nova, 3 février 2025. Marie Degrand-Guillaud est Directrice générale de Nickel et administratrice de l’ADIE.

[32] « Ce que l’IA générative fait au travail et à l’emploi », Séminaire de restitution, Terra Nova, Paris, 3 février 2025. Accès à l’intervention d’Astrid Panosysan-Bouvet.

[33] Deborah Lovich, Julie Bedard, Matthew Kropp, and Chenault Taylor, « GenAI Adoption Is Hard. Radical Employee Centricity Can Help », BCG Report, August 5, 2025

[34] ChangeNOW and Goodness&Co, “Getting Your Board on Board – A Call to Action for Boards to Lead with Purpose and Stewardship”, July 2025

[35] Le nouvel Economiste, Dossier « L’IA au travail », 27 avril 2026