Il y a une question qui traverse pratiquement toutes les professions :
« L'IA va-t-elle me remplacer ? »
Les avocats la posent.
Les designers la posent.
Les programmeurs, les enseignants, les journalistes, les médecins, les publicitaires et les analystes aussi.
La question semble raisonnable car elle nous fait imaginer un moment très clair.
Aujourd'hui, il y a une personne dans ce fauteuil.
Demain, il y a une machine.
Tant que ce jour n'arrive pas, nous continuons à travailler et interprétons la permanence de notre poste comme un signe de sécurité.
Mais ça ne se passera probablement pas comme ça.
Votre métier peut continuer d'exister.
Votre intitulé de poste peut garder le même nom.
Votre entreprise peut continuer à embaucher des personnes pour le même domaine.
Et pourtant, tout ce qui donnait sécurité, pouvoir de négociation et avenir à ce poste peut commencer à changer.
Le risque ne commence pas quand le métier disparaît. Il commence quand il continue d'exister, mais qu'il a besoin de moins de personnes.
Un métier n'est pas qu'une seule chose
Imaginez une jeune analyste marketing nommée Clara.
Clara commence sa carrière.
Au cours de la semaine, elle étudie les concurrents, organise des informations, prépare des présentations, rédige des premières versions, suit des campagnes et transforme les résultats en rapports.
Aucune de ces tâches, prise individuellement, ne définit ce que signifie travailler dans le marketing.
Mais ensemble, elles occupent une grande partie de sa routine.
Elles apprennent aussi à Clara à pratiquer le métier.
Quand elle étudie un concurrent, elle apprend à distinguer un changement important d'une nouveauté insignifiante.
Quand elle prépare un rapport, elle apprend quels chiffres sont bons et lesquels représentent réellement des résultats.
Quand elle rédige une première version, elle comprend comment une idée évolue selon le public, le produit et le moment.
Quand elle suit quelqu'un de plus expérimenté qui révise son travail, elle commence à percevoir des critères qu'elle ne pourrait pas encore expliquer seule.
Imaginez maintenant que l'entreprise de Clara adopte l'IA.
Les recherches initiales prennent des minutes.
Les données arrivent organisées.
La présentation obtient automatiquement une première structure.
Le rapport apparaît déjà avec un résumé.
Dix versions d'un texte peuvent être produites avant que Clara n'ait fini la première.
Le métier du marketing a-t-il disparu ? Non.
Clara a-t-elle perdu son emploi ? Pas nécessairement.
Mais quelque chose d'important s'est produit.
Un métier n'est pas un bloc unique.
Il est constitué de tâches, de décisions, de connaissances, de relations, de responsabilités, de jugements et de risques assumés.
L'IA n'a pas besoin de maîtriser tout cela pour transformer le marché.
Elle a juste besoin d'entrer dans les bonnes parties.
Le métier est l'une des dernières choses à disparaître. Les tâches changent d'abord.
La première chose qui peut disparaître, c'est l'échelle
Il est facile de regarder les tâches initiales de Clara et de n'y voir qu'un travail opérationnel.
Recherche.
Organisation.
Premières versions.
Rapports.
Il semble génial qu'une machine puisse enlever ce poids de sa routine.
Sauf que ces tâches étaient aussi les premiers barreaux de sa formation.
Clara ne produisait pas des rapports juste pour livrer des rapports.
Elle apprenait à regarder une entreprise.
Elle n'étudiait pas les concurrents juste pour remplir une présentation.
Elle construisait un répertoire.
Elle n'écrivait pas des versions imparfaites juste parce que quelqu'un devait le faire.
Elle développait le jugement qui, des années plus tard, lui permettrait de reconnaître une bonne version.
Ce mécanisme apparaît dans de nombreux métiers.
Un jeune avocat apprend en étudiant des documents, en comparant des décisions et en préparant des premières versions.
Un programmeur commence par corriger des problèmes mineurs, écrire des parties simples et essayer de comprendre des systèmes construits par d'autres.
Un designer développe un sens esthétique en produisant des variations, en adaptant des pièces et en recevant des critiques.
Un publicitaire apprend en étudiant des références, en testant des approches et en observant pourquoi certaines idées survivent à la révision et d'autres non.
Quand l'IA prend en charge ces tâches, l'entreprise ne gagne pas seulement du temps.
Elle peut cesser d'avoir besoin d'autant de personnes en début de carrière.
Un professionnel expérimenté, accompagné par l'IA, commence à livrer ce qui nécessitait auparavant plusieurs débutants.
L'entreprise ouvre moins de postes.
Moins de personnes entrent.
Moins de personnes accumulent de l'expérience.
La carrière perd certains de ses premiers barreaux.
Cela apparaît déjà dans les premières données disponibles.
Une étude du Stanford Digital Economy Lab, basée sur les registres de paie aux États-Unis, a constaté une baisse relative de 16 % de l'emploi pour les travailleurs de 22 à 25 ans dans les professions les plus exposées à l'IA, après avoir tenu compte des différences entre entreprises.
Dans la même étude, les professionnels plus expérimentés dans les mêmes professions étaient relativement plus protégés.
Les auteurs eux-mêmes préviennent que l'étude est observationnelle et ne prouve pas que toute la différence a été causée par l'IA.
Malgré tout, le schéma mérite attention.
La pression initiale ne semble pas frapper tout le monde de la même manière.
Elle peut commencer précisément avec ceux qui devaient encore entrer pour apprendre.
L'IA ne peut pas éliminer un métier. Elle peut éliminer la façon dont les gens apprenaient à le pratiquer.
Et cela crée une question inconfortable :
Si les emplois qui formaient les professionnels expérimentés disparaissent, d'où viendront les prochains professionnels expérimentés ?
Le poste reste, mais la valeur migre
Clara reste dans l'entreprise.
Son intitulé de poste continue d'être « analyste marketing ».
De l'extérieur, tout semble relativement normal.
De l'intérieur, le niveau a changé.
Avant, l'entreprise attendait d'elle qu'elle fasse des recherches, organise et produise.
Maintenant, comme ces étapes sont devenues plus rapides, l'entreprise attend de Clara qu'elle livre davantage.
Il ne suffit plus de présenter dix idées.
Elle doit reconnaître lesquelles sont sensées.
Il ne suffit plus de générer un rapport.
Elle doit expliquer ce qu'il faut faire à partir de celui-ci.
Il ne suffit plus de produire une campagne.
Elle doit comprendre le public, identifier les risques, défendre les choix et être responsable des résultats.
Le gain de productivité ne se transforme pas automatiquement en temps libre.
Souvent, il se transforme en une nouvelle attente.
Une personne commence à livrer ce qui nécessitait auparavant plusieurs.
Les équipes deviennent plus petites.
La quantité de production augmente.
L'exécution devient abondante.
Et ce qui devient abondant perd généralement de la valeur économique.
Peut-être que l'IA ne remplacera pas tous les designers.
Mais elle peut permettre à un grand designer de produire ce qui nécessitait auparavant une équipe.
Peut-être qu'elle ne remplacera pas tous les avocats.
Mais elle peut réduire le nombre de personnes nécessaires pour rechercher, organiser et préparer un dossier.
Peut-être qu'elle ne remplacera pas tous les professionnels du marketing.
Mais elle peut rendre insuffisante la simple capacité à produire des textes, des présentations et des rapports.
Le métier reste sur le marché.
Le nombre de places disponibles à l'intérieur change.
Et la valeur commence à se concentrer chez ceux qui peuvent faire quelque chose au-delà de l'exécution.
Quand une tâche devient abondante, savoir l'exécuter ne suffit plus à garantir de la valeur.
Si l'exécution cesse d'être rare, qu'est-ce qui reste précieux ?
La même technologie qui casse l'échelle peut en construire une autre
Il y a ici une contradiction importante.
L'IA réduit le besoin de certaines tâches par lesquelles les débutants apprenaient.
Mais elle peut aussi donner à une personne l'accès à une quantité de pratique, de connaissances et de capacités qui aurait été impossible à obtenir seule auparavant.
Cela n'arrive pas automatiquement.
Clara peut utiliser l'IA de deux manières complètement différentes.
Dans la première, elle envoie une tâche, reçoit une réponse, copie le résultat et le livre.
Elle semble productive.
Mais elle ne sait pas expliquer pourquoi cette réponse est bonne.
Elle ne reconnaît pas les erreurs avec certitude.
Elle ne développe pas ses propres critères.
Plus elle produit, plus elle devient dépendante de quelque chose qu'elle ne sait pas évaluer.
Elle utilise l'IA pour éviter le travail.
Mais elle évite aussi une partie de l'apprentissage.
Dans la deuxième manière, Clara utilise l'IA pour élargir sa formation.
Elle demande à l'outil d'expliquer différentes stratégies.
Compare les alternatives.
Essaie de prendre une décision avant de consulter la réponse.
Demande des critiques sur son propre raisonnement.
Simule des scénarios.
Étudie des campagnes précédentes.
Enregistre ses erreurs.
Crée ses propres projets.
Teste des hypothèses qu'elle n'aurait pas eu le temps ou les ressources de tester seule.
Au lieu de demander une seule réponse, elle construit un cycle :
essayer, comparer, recevoir des commentaires, corriger, et réessayer.
Dans ce cas, l'IA ne remplace pas la pratique.
Elle augmente la quantité et la vitesse de la pratique possible.
Mais il y a une limite importante.
L'IA ne remplace pas les problèmes réels.
Elle ne remplace pas les conséquences réelles.
Elle ne remplace pas le mentorat, le contact avec des personnes plus expérimentées, les retours externes et la responsabilité progressive.
Un outil capable de répondre à tout peut aussi confirmer une mauvaise idée de manière très convaincante.
Par conséquent, la nouvelle échelle ne sera pas construite seulement avec des prompts, des agents et des automatisations.
Elle devra combiner l'IA avec des projets réels, des critiques humaines, de l'étude, de l'expérimentation et de la responsabilité.
La différence sera entre utiliser l'IA pour éviter d'apprendre et l'utiliser pour accélérer la construction du jugement.
La technologie qui enlève certains des anciens barreaux peut aussi aider à en créer de nouveaux.
Sauf que cette fois, une partie de la responsabilité de construire cette échelle peut quitter l'entreprise et incomber au professionnel lui-même.
La naissance du professionnel augmenté
Avec le temps, Clara cesse d'utiliser l'IA seulement quand elle doit terminer une tâche.
Elle commence à construire une capacité autour d'elle.
Organise une mémoire des campagnes précédentes.
Enregistre les décisions, les résultats et les erreurs.
Crée un processus récurrent pour étudier les concurrents.
Définit des critères pour évaluer les idées.
Configure des agents pour des tâches spécifiques.
Automatise les suivis.
Garde le contexte de chaque client organisé.
Crée des étapes de vérification avant toute livraison.
Clara ne commence plus chaque projet de zéro.
Elle porte avec elle tout ce qu'elle a appris et un système capable de mettre cette connaissance en mouvement.
C'est une différence plus grande que simplement savoir utiliser ChatGPT.
Il y a le professionnel qui utilise l'IA pour produire le même travail plus vite.
Et il y a le professionnel qui transforme l'IA en mémoire, processus, répertoire et capacité accumulée.
Le premier gagne du temps.
Le second change ce qu'une seule personne peut assumer.
Ce changement apparaît déjà dans la façon dont les grandes entreprises décrivent le travail.
Dans le 2025 Work Trend Index, Microsoft a présenté l'idée d'équipes formées d'humains et d'agents, avec des professionnels dirigeant des « collègues numériques » pour exécuter des parties spécifiques du travail.
L'Anthropic Economic Index a également trouvé deux schémas d'utilisation distincts : l'automatisation, quand la tâche est déléguée, et l'augmentation, quand la personne utilise l'IA pour apprendre, valider et développer le travail ensemble.
La distinction compte car cliquer sur un bouton ne crée pas un avantage durable.
Avec le temps, presque tout le monde aura accès aux mêmes outils.
L'avantage sera dans le système construit autour d'eux.
Quelles informations avez-vous organisées ?
Quel contexte avez-vous accumulé ?
Quels critères avez-vous développés ?
Quels processus savez-vous coordonner ?
Quels résultats pouvez-vous vérifier ?
Quelles responsabilités avez-vous commencé à assumer ?
À l'avenir, une entreprise pourrait non seulement évaluer l'expérience, la formation et les résultats antérieurs d'une personne.
Elle pourrait aussi vouloir savoir quelle capacité cette personne peut mobiliser.
Quels processus peut-elle opérer ?
Quel contexte peut-elle transporter ?
Comment contrôle-t-elle la qualité de ce que ses agents produisent ?
Quel résultat peut-elle générer sans agrandir l'équipe ?
La personne n'arrive pas seulement avec un CV.
Elle arrive avec une sorte d'infrastructure professionnelle personnelle.
L'entreprise n'embauche pas seulement la personne. Elle embauche son jugement et toute la capacité d'IA qu'elle a appris à construire et à orchestrer.
Chaque professionnel peut emporter avec lui une capacité opérationnelle qui appartenait auparavant à une entreprise entière.
Mais cela ne signifie pas que la machine a automatiquement rendu le professionnel précieux.
La machine peut générer.
Quelqu'un doit encore donner la direction.
La machine peut suggérer.
Quelqu'un doit encore juger.
La machine peut traiter une énorme quantité d'informations.
Quelqu'un doit encore comprendre le contexte.
La machine peut recommander une action.
Quelqu'un doit encore répondre des conséquences.
La direction, le jugement, le contexte et la responsabilité ne sont pas une défense romantique de l'être humain.
Ce sont des parties concrètes du travail.
Plus la production devient bon marché, plus elles deviennent importantes.
La capacité sans direction, jugement, contexte et responsabilité n'est pas encore un métier complet.
Le test que vous pouvez faire aujourd'hui
N'attendez pas que le nom de votre métier apparaisse sur une liste d'emplois menacés.
Prenez une semaine de travail normale et listez ce que vous faites réellement.
N'écrivez pas simplement « je suis avocat », « je suis designer » ou « je travaille dans le marketing ».
Listez les activités.
Ensuite, classez chaque activité dans six groupes.
1. Production
Que créez-vous, organisez-vous ou exécutez-vous ?
2. Décision
Qu'est-ce qui nécessite un choix de votre part ?
3. Contexte
Qu'est-ce qui dépend d'une connaissance approfondie de l'entreprise, du client ou de la situation ?
4. Responsabilité
De quoi quelqu'un doit-il répondre ?
5. Confiance
Qu'est-ce qui dépend de la relation, de la réputation ou de la crédibilité ?
6. Apprentissage
Quelles tâches forment l'expérience nécessaire pour que vous puissiez assumer des postes plus importants ?
Maintenant, identifiez ce que l'IA peut déjà commencer.
Ne demandez pas seulement si elle peut tout faire parfaitement.
C'est une barre trop confortable.
Demandez :
L'IA peut-elle déjà produire une première version utile ?
Si la réponse est oui, elle peut déjà modifier le temps, le coût et le nombre de personnes nécessaires pour cette tâche.
Ensuite, cherchez le risque invisible.
Si cette tâche perd de la valeur, que vous arrive-t-il ?
Est-elle seulement opérationnelle ou fait-elle aussi partie de votre apprentissage ?
Si n'importe qui peut l'exécuter avec l'IA, pourquoi quelqu'un continuera-t-il à vous choisir ?
Développez-vous un jugement ou augmentez-vous simplement la vitesse ?
Enfin, cherchez l'opportunité invisible.
Comment pouvez-vous utiliser l'IA pour pratiquer davantage ?
Quelles connaissances devez-vous organiser ?
Quel processus pouvez-vous construire au lieu d'accélérer simplement ?
Quels critères devez-vous développer pour évaluer les résultats ?
Quelle plus grande responsabilité pouvez-vous assumer maintenant que l'exécution prend moins de temps ?
La question la plus importante n'est pas :
« Comment puis-je terminer ma tâche plus vite ? »
C'est :
« Est-ce que j'utilise l'IA pour faire le même travail plus vite ou pour devenir un professionnel avec une capacité différente ? »
Le risque commence plus tôt. L'opportunité aussi.
L'IA n'arrivera probablement pas un lundi pour annoncer que votre métier a cessé d'exister.
Votre intitulé de poste peut rester.
L'entreprise peut continuer à embaucher.
Les gens peuvent continuer à pratiquer la même activité pendant de nombreuses années.
Le changement se produira d'une manière moins visible.
D'abord, certaines tâches prendront moins de temps.
Ensuite, une personne pourra livrer ce qui nécessitait auparavant plusieurs.
Les postes d'entrée de gamme diminueront.
L'ancienne échelle perdra des barreaux.
Les attentes augmenteront.
Certaines compétences cesseront d'être rares.
La valeur migrera vers de nouvelles parties du travail.
Quand quelqu'un demandera enfin si le métier a été remplacé, c'est peut-être déjà la mauvaise question.
Le professionnel le plus vulnérable n'est pas nécessairement celui dont le métier peut être automatisé.
C'est celui dont la valeur ne dépend que de tâches qui deviennent faciles à reproduire.
Le professionnel le plus préparé n'essaie pas de prouver qu'il peut travailler sans IA.
Il apprend à diriger la technologie, à vérifier ses résultats et à assumer des responsabilités que la machine seule ne peut pas porter.
Cela ne rend personne impossible à remplacer.
Mais cela rend une personne préparée beaucoup plus capable, précieuse et difficile à remplacer qu'elle ne le serait en travaillant seule.
L'avenir ne sera pas divisé seulement entre les personnes et les machines.
Il sera divisé entre les personnes qui continuent à travailler seules et celles qui ont appris à transformer les machines en une extension de leur propre capacité.
L'IA ne va pas remplacer votre métier d'un seul coup. Le vrai risque commence bien plus tôt que cela.
Mais l'opportunité aussi.
Si vous voulez vous préparer à ce changement
La meilleure façon de se préparer n'est pas de rivaliser avec l'IA.
C'est d'apprendre à la transformer en votre propre capacité.
Si vous voulez comprendre comment faire cela dans votre travail, suivez-moi ici sur X.
Je partage chaque jour des moyens pratiques d'utiliser les nouvelles technologies pour produire mieux, assumer des responsabilités plus grandes et devenir plus précieux sur le marché.
Sources citées
- Erik Brynjolfsson, Bharat Chandar, and Ruyu Chen. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, November 2025 version.
- Microsoft. 2025 Work Trend Index Annual Report: The Year the Frontier Firm Is Born.
- Anthropic. Anthropic Economic Index: Uneven Geographic and Enterprise AI Adoption, September 2025.
