Pendant longtemps, l'intelligence artificielle a été présentée comme un simple gain de productivité. Un outil de plus. Un assistant capable d'aider à rédiger, synthétiser, rechercher ou automatiser quelques tâches.

Cette lecture est encore largement dominante dans beaucoup d'entreprises.

Et c'est précisément le problème. Car ce qui est en train de se jouer n'est pas seulement une amélioration de l'exécution. C'est une transformation plus profonde : la manière même dont se produit le travail intellectuel est en train de changer. Et elle change vite.

Ce que beaucoup sous-estiment encore : la nature du changement et son tempo

Quand on parle d'IA en entreprise, beaucoup entendent encore un sujet diffus, progressif, presque périphérique. Quelque chose d'important, certes, mais pas encore structurant dans le quotidien réel des équipes.

Je crois que cette lecture devient dangereuse.

Non pas parce que tout va disparaître. Mais parce que deux dimensions sont encore massivement sous-estimées : la nature du changement et son tempo.

Le débat n'est plus vraiment de savoir si l'IA va transformer le travail. Ce point est déjà largement admis. La vraie question est désormais : qu'est-ce qu'elle transforme exactement, et à quelle vitesse ?

Le logiciel comme laboratoire avancé

Je travaille dans le logiciel depuis plus de vingt ans. J'ai vu passer plusieurs vagues de transformation : industrialisation du développement, cloud, agile, mobile, DevOps ou du travail comme l'arrivée du remote.

Mais ce qui se passe avec l'IA me semble d'une autre nature. Pas seulement par son potentiel. Par sa vitesse. Et surtout, parce que pour la première fois, l'outil ne se contente pas d'accélérer l'exécution : il peut participer à la boucle cognitive elle-même — analyser, structurer, corriger, proposer — non pas à la place du professionnel, mais à l'intérieur de son processus de travail.

Les premières données commencent à le confirmer. Une étude de GitHub sur l'usage de Copilot mesure des gains de productivité de l'ordre de 55 % sur des tâches de codage. Une expérience conduite par le BCG sur des consultants utilisant GPT-4 montre des résultats comparables — avec, fait notable, une amélioration de la qualité perçue des livrables, pas seulement de la vitesse. Ce ne sont pas des gains à la marge. Ce sont des signaux d'un changement de régime.

Dans le logiciel, ce changement s'est installé par paliers successifs. Je reprends ici, à ma manière, une lecture formulée par Matt Watson ( CEO de FullScale) sur l'évolution du métier de développeur — parce qu'elle correspond à ce qu'on vit concrètement sur le terrain. Et parce que je pense qu'elle dit quelque chose de plus large que le seul monde du logiciel.

Les cinq étapes que nous avons déjà traversées dans mon entreprise — et ce qu'elles révèlent

Étape 1 — L'IA comme assistant ponctuel ( il y a deux ans)

La première étape, beaucoup la connaissent encore. On utilise l'IA pour une idée, une correction, une reformulation, un exemple. C'est utile, parfois impressionnant, mais ça reste externe au vrai travail. On fait le même travail qu'avant, avec un assistant plus rapide à côté. À ce stade, la structure du métier ne change pas vraiment.

Étape 2 — L'IA entre dans l'environnement de travail ( il y a 1 an)

Puis les choses changent. L'IA n'est plus une fenêtre ouverte dans un navigateur. Elle entre dans les outils, dans le flux de travail, dans les gestes du quotidien. Elle commence à compléter, corriger, proposer — directement dans le travail réel. On ne lui demande plus seulement de répondre. Elle commence à co-produire. Le professionnel reste au volant, mais il travaille déjà autrement, souvent sans même s'en rendre compte.

Étape 3 — Le changement mental ( Il y a 6 mois)

C'est là que se situe, à mes yeux, le vrai basculement. Et il n'est pas technologique. Il est mental.

Avant, on partait du "comment je vais construire ça ?". Progressivement, on passe davantage à "qu'est-ce qu'on veut obtenir ?" et "quel problème veut-on résoudre ?". Ça paraît subtil. En réalité, c'est énorme.

Parce qu'à partir de là, la valeur ne vient plus seulement de la capacité à exécuter soi-même chaque étape. Elle vient de la capacité à bien formuler le besoin, à poser le bon cadre, à donner la bonne direction, puis à évaluer ce qui revient. Les personnes les plus efficaces avec l'IA ne sont pas forcément celles qui tapent le plus vite. Ce sont souvent celles qui comprennent le mieux le problème, qui savent découper un sujet, repérer ce qui manque et juger la qualité d'un résultat.

Étape 4 — On gère plusieurs agents en parallèle (Aujourd'hui )

C'est là où nous en sommes. Ce n'est plus simplement un collaborateur qui utilise une IA de temps en temps. C'est un mode de travail où l'on fait avancer plusieurs briques en parallèle : une partie de production, une partie de vérification, une partie de documentation, une partie d'analyse. Le rôle humain change encore. On ne passe plus sa journée uniquement à produire. On passe de plus en plus de temps à cadrer, distribuer, relire, corriger, arbitrer, valider.

On devient davantage chef d'orchestre qu'exécutant.

Étape 5 — L'industrialisation du flux de travail intellectuel (fin 2026)

La cinquième étape arrivera fin d'année. Ce n'est plus seulement le moment où l'on utilise plusieurs agents. C'est le moment où l'on commence à organiser un système dans lequel ces agents travaillent ensemble. Une sortie devient automatiquement l'entrée de l'étape suivante. Un agent produit. Un autre vérifie. Un autre teste. Un autre documente. Un autre prépare la suite.

Et là, on ne parle plus simplement d'utiliser l'IA dans son métier. On commence à parler d'industrialiser une partie du travail intellectuel.

Ce qui change vraiment : on passe de l'exécution à l'orchestration

Orchestrer, ce n'est pas simplement "utiliser l'IA". C'est reconfigurer le travail autour d'elle. C'est passer d'une logique où la valeur vient majoritairement de l'exécution directe, à une logique où elle vient du cadrage, de l'enchaînement, de l'évaluation et du jugement.

Ce que cela impose aux organisations

Vu de la direction, l'erreur serait de réduire l'IA à une simple couche d'efficacité. Bien sûr, il y a des gains immédiats. Mais la question stratégique est ailleurs : que devient une organisation quand une partie croissante de la production intellectuelle peut être standardisée, déléguée, enchaînée et pilotée à travers des systèmes ?

C'est là que la notion d'industrialisation redevient pertinente. Je n'utilise pas ce mot pour dire que l'intelligence humaine devient interchangeable. Je l'utilise pour désigner un phénomène précis : une partie croissante du travail intellectuel devient processable, séquençable, pilotable et scalable. C'est exactement ce que les révolutions industrielles ont fait, à leur époque, avec une partie du travail manuel.

Cela impose au moins trois bascules concrètes.

La première : cesser de traiter l'IA comme un sujet purement technologique. C'est un sujet d'organisation, de design du travail et de transformation du modèle opérationnel.

La deuxième : repenser les compétences clés. Former à l'outil ne suffira pas. Il faut développer les capacités de cadrage, de raisonnement, d'orchestration et de jugement — celles que l'IA ne peut pas encore prendre en charge.

La troisième : regarder les processus de production intellectuelle eux-mêmes. Là où il existe des séquences répétables, des livrables intermédiaires, des validations explicites, il y a potentiellement matière à reconfiguration profonde.

Et il faut le faire maintenant. Parce que le problème n'est pas l'inaction spectaculaire — c'est le décrochage silencieux. On continue à fonctionner avec les catégories d'hier pendant que les conditions réelles de production ont déjà changé. Ce type de retard est difficile à rattraper, parce qu'il ne touche pas seulement les outils. Il touche les réflexes, les rôles, les compétences et les modèles de management.

Après l'industrialisation du travail manuel, nous entrons probablement dans l'ère de l'industrialisation du travail intellectuel.

Cet article fait partie d'une série sur les transformations de l'entreprise . Le précédent portait sur le profil du collaborateur du futur.