Selon une étude de Google sur l’impact réel de l’IA (en pratique de Gemini) sur le travail, l’IA est largement adoptée mais de façon “peu profonde” dans les workflows, et elle agit plus comme un assistant qu’un substitut complet à un poste de travail. L’IA serait plutôt un “copilote” qu’un “remplaçant”, au moins pour le moment…
Google a analysé près de 15 millions d’interactions avec Gemini, couvrant environ 70 % des métiers, et représentant 90 % de l’emploi aux États‑Unis. Les usages dominants sont la recherche, la rédaction de brouillons, l’itération sur des textes, le dépannage et l’apprentissage, mais pas l’automatisation complète de tâches complexes. En moyenne, les utilisateurs ne confient qu’environ 21 % de leurs tâches à l’IA, et moins de 10 % des interactions semblent viser l’automatisation de travail cognitif non routinier.
Qui utilise vraiment l’IA ?
Les usages de l’IA sont significatifs dans le tertiaire haut de gamme (marketing, communication, « knowledge workers », etc.), où l’IA sert à gagner du temps et à générer des variantes de contenus. D’ailleurs plus un métier est bien payé, plus l’usage de l’IA est élevé : une hausse de 1 % du salaire médian d’une profession est associée à une augmentation d’environ 2,7 % du niveau d’usage de l’IA.
Fait intéressant, l’étude relève aussi un usage non négligeable dans des métiers plus “terrain” : électriciens cherchant des schémas de câblage, mécaniciens cherchant des plans moteur, etc. Cela signifie que la première vague d’impact est surtout une montée en gamme de l’outillage pour les travailleurs déjà les plus qualifiés et les mieux payés, avec un début de diffusion chez certains techniciens, mais pas une automatisation massive des métiers d’exécution.
IA qui aide… ou qui intensifie le travail ?
Une autre série d’analyses vient cependant nuancer le message : l’IA n’allège pas forcément la charge, elle peut l’intensifier. Une étude sur 164 000 employés et plus de 400 millions d’heures de travail montre que l’adoption d’outils d’IA s’accompagne d’une hausse nette du volume et du rythme de travail : plus d’e‑mails, plus de chat, plus d’utilisation d’outils métiers, mais moins de temps de concentration profonde.
Les chercheurs observent une baisse d’environ 9 % du temps dédié aux tâches nécessitant une forte concentration chez les utilisateurs d’IA, alors qu’il reste quasi stable chez les non‑utilisateurs. Autrement dit, l’IA permet d’aller plus vite, de multiplier les itérations, mais peut aussi entraîner une surcharge, du “work creep”, une fatigue cognitive et, in fine, un risque de baisse de qualité ou de burn‑out si l’organisation n’encadre pas son usage.
L’angle économique : l’IA n’est pas toujours moins chère que l’humain
Au‑delà de la productivité, la vraie question pour les directions générales est : “Remplacer un humain par une IA, est‑ce rentable ?” Une étude du MIT sur des tâches de vision par ordinateur montre qu’il n’est économiquement optimal de remplacer un humain par de l’IA que dans environ 23 % des cas analysés. Dans les 77 % restants, le coût total (modèles, infrastructure, adaptation métier, maintenance) dépasse le coût du travail humain.
Couplé aux coûts croissants d’infrastructure (GPU, énergie, stockage, réseau) pour faire tourner ces modèles, cela explique pourquoi, dans de nombreux cas, le modèle le plus rationnel pour une entreprise consiste à équiper les employés d’outils d’IA plutôt qu’à viser une automatisation intégrale des postes.
Productivité : hausse mesurée, mais avec supervision humaine
Des travaux expérimentaux indépendants prolongent ce constat d’“IA copilote”. Une expérience contrôlée sur des professionnels diplômés a montré qu’un chatbot de type ChatGPT pouvait réduire d’environ 40 % le temps de réalisation d’une tâche d’écriture professionnelle et améliorer la qualité perçue d’environ 18 %. Les gains sont particulièrement forts pour les profils moins expérimentés, ce qui réduit les écarts de productivité au sein d’une équipe.
Mais lorsqu’on pousse plus loin vers de l’autonomie complète (agents capables de jouer le rôle d’“employé virtuel”), les résultats sont beaucoup plus mitigés. Dans un test où des “agents IA” jouaient le rôle d’employés de bureau, ils réussissaient certaines tâches (notamment de programmation) mais échouaient souvent dès qu’il s’agissait de manipuler des interfaces complexes ou de gérer des subtilités de langage humain.
Des évaluations sur de vraies missions freelance montrent que des modèles avancés ne produisent un résultat directement livrable au client qu’une fraction du temps (autour d’un cas sur six), le reste nécessitant une relecture et une correction humaines. On est donc loin d’un “remplacement pur”, plutôt dans un schéma où l’IA accélère et automatise des sous‑tâches, mais dans une chaîne encore supervisée et orchestrée par des humains.
Rapport de force, souveraineté et risques cachés
Derrière un discours rassurant (“l’IA aide plus qu’elle ne remplace”), plusieurs enjeux structurels restent ouverts.
- Intensification du travail et gouvernance interne : sans règles claires (droit à la déconnexion, limites d’usage, revues qualité obligatoires), l’IA peut transformer chaque salarié en “super producteur” en flux tendu, avec des risques RH (burn‑out, qualité dégradée, décisions hâtives).
- Concentration du pouvoir de connaissance : certaines analyses soulignent que l’enjeu n’est pas seulement les emplois supprimés, mais la captation de la connaissance des employés dans des systèmes propriétaires et l’asymétrie de pouvoir que cela crée au sein des entreprises.
- Souveraineté et dépendance technologique : pour les États et les grandes organisations, fonder la productivité sur quelques plateformes d’IA (Google, OpenAI, etc.) pose des questions de dépendance, de souveraineté numérique et de résilience, notamment en période de tensions géopolitiques.
Pour les décideurs, la ligne de crête ressemble aujourd’hui à tirer parti des gains de productivité de l’IA comme outil de travail, tout en maîtrisant les effets de bord sur la charge, la santé au travail, la qualité, la confidentialité des données et la dépendance vis‑à‑vis d’acteurs dominants.
