L’avenir du travail est le modèle en évolution par lequel les personnes, la technologie, les compétences et les pratiques organisationnelles créent de la valeur. Une main-d’œuvre axée sur l’IA est celle où les employés utilisent régulièrement l’IA pour les décisions, le travail de connaissance et l’exécution des flux de travail, tandis que les personnes conservent la responsabilité. Pour les dirigeants qui se demandent ce qu’est l’avenir du travail, la réponse n’est pas simplement une automatisation accrue, mais une transformation des emplois, des modèles opérationnels et du lieu de travail numérique. La transformation de la main-d’œuvre dépend donc de la construction d’une main-d’œuvre en IA qui peut utiliser l’IA de façon sécuritaire, remettre en question ses résultats et repenser le travail pour obtenir de meilleurs résultats d’affaires et pour les employés.
L’intelligence artificielle en milieu de travail passe de l’expérimentation isolée à une capacité intégrée. La priorité est de relier l’adoption à l’autonomisation de la main-d’œuvre et à la valeur mesurable.
À quoi ressemble un milieu de travail axé sur l’IA ?
Un milieu de travail axé sur l’IA est un environnement numérique conçu de façon à ce que l’IA soit disponible dans les outils, les données et les flux de travail que les employés utilisent déjà. On applique l’IA là où la rapidité et l’ampleur créent de la valeur, tandis que le jugement humain détermine l’intention, la qualité et les exceptions.
Les caractéristiques principales incluent :
- Outils de productivité IA intégrés : Les assistants IA d'entreprise approuvés et les copilotes soutiennent la rédaction, la synthèse, la recherche, l'analyse et le suivi des réunions.
- Soutien décisionnel contextuel : L'IA récupère les connaissances de l'entreprise, identifie les tendances et présente des options sans retirer la responsabilité humaine.
- Flux de travail intelligents : L'automatisation relie la collaboration, la gestion des services et les systèmes d'affaires, au lieu de créer un autre outil autonome.
- Fondations sécurisées : L'identité, les permissions, la qualité des données, la gestion des connaissances et la surveillance sont intégrés dès le départ.
L'IA générative au travail devient utile lorsqu'elle réduit les obstacles dans le travail réel. Un assistant de service, par exemple, peut résumer un dossier et recommander une action pendant qu’un employé gère les exceptions.
Comment l’IA change les attentes envers la main-d’œuvre
L’IA modifie ce que les organisations attendent des employés et ce que les employés attendent en retour. Les travailleurs doivent de plus en plus utiliser l’IA au travail, évaluer ses résultats et assumer la responsabilité des résultats plutôt que de simplement suivre une séquence de tâches fixes. Ils s’attendent également à avoir accès à des outils fiables, à un apprentissage pertinent et à une clarté sur la façon dont les rôles pourraient évoluer.
Ce changement accroît la valeur du jugement, de l’adaptabilité et de la connaissance des processus. PwC a constaté que les postes de niveau débutant fortement exposés à l’IA sont sept fois plus susceptibles d’exiger des compétences traditionnellement associées à des postes seniors, telles que le leadership et la pensée stratégique.
La proposition d'emploi doit donc évoluer. Les employés ont besoin d’occasions de développer leurs compétences, de participer à la refonte des processus et de comprendre comment les gains de productivité influenceront la charge de travail, la performance et la mobilité professionnelle.
Compétences émergentes pour l’ère de l’IA
Une main-d’œuvre efficace en IA nécessite une aisance technique et des compétences résolument humaines. L’objectif est d’établir le bon niveau de compétence pour chaque rôle.
Les capacités prioritaires incluent :
- Littératie de l’IA et des données, y compris la formulation de requêtes appropriées et la sélection des outils
- Évaluation critique, vérification des sources et jugement dans le domaine
- Cartographie des flux de travail, expérimentation et refonte des processus
- Vie privée, cybersécurité, propriété intellectuelle et utilisation responsable
- Créativité, empathie, communication et gestion des parties prenantes
- Curiosité, agilité d’apprentissage et aisance avec l’ambiguïté
Le Forum économique mondial estime que 39 % des compétences actuelles des travailleurs seront transformées ou deviendront désuètes entre 2025 et 2030, l’IA et les mégadonnées figurant parmi les compétences à la croissance la plus rapide.
Les entreprises ont besoin d’une architecture de compétences hiérarchisée : une littératie de base pour tous les employés, des compétences avancées en flux de travail et en surveillance pour les gestionnaires et les responsables de processus, ainsi que des capacités spécialisées pour les concepteurs, les équipes de gestion des risques et les opérateurs de plateformes.
Collaboration humain-IA dans l’entreprise
La collaboration humain-IA est le modèle d’exploitation au cœur d’une main-d’œuvre axée sur l’IA. L’IA peut chercher, comparer, résumer, rédiger, prédire et exécuter des actions routinières. Les personnes fixent les objectifs, interprètent le contexte, résolvent les compromis et approuvent les décisions à fort impact.
Le modèle devrait répartir le travail selon les forces. En RH, une assistante peut présenter des conseils sur les politiques tandis qu’un professionnel gère les situations sensibles. En soutien TI, un agent peut résoudre une demande standard, mais transmettre les cas incertains.
Les entreprises devraient définir le niveau d’autonomie pour chaque flux de travail : recommander une action, agir après approbation ou agir de façon indépendante dans des limites explicites. Les transferts, seuils de qualité, parcours d’escalade et droits décisionnels doivent être documentés.
Gestion du changement pour l’adoption de l’IA
L’adoption de l’IA n’est pas d’abord un exercice de communication. Il s’agit d’un programme continu de refonte du travail, d’apprentissage et de changement comportemental. Les employés sont plus susceptibles d’adopter l’IA en milieu de travail lorsqu’ils comprennent le problème, voient comment elle améliore le travail et peuvent expérimenter en toute sécurité.
Une approche concrète de la gestion du changement devrait :
- Expliquez pourquoi le changement est nécessaire et ce qui changera et ne changera pas
- Impliquez les employés dans la sélection des cas d'utilisation et la refonte des flux de travail
- Offrez de l'apprentissage basé sur les rôles dans le flux de travail
- Outillez les gestionnaires pour modéliser les bonnes pratiques et établir des normes de qualité
- Créez des communautés de pairs pour partager des modèles et des leçons
- Utilisez des projets pilotes, de la rétroaction et des données d'expérience pour améliorer les solutions
Gouvernance responsable de l’IA et de la main-d’œuvre
L’IA responsable transforme des principes généraux en contrôles que les employés peuvent appliquer dans leur travail quotidien. La gouvernance doit couvrir les outils approuvés, les données permises, les niveaux de risque des modèles, la révision humaine, les pistes d’audit, les tests de biais, l’accessibilité, la propriété intellectuelle et la réponse aux incidents.
Chaque flux de travail activé par l’IA nécessite un propriétaire d’affaires, un propriétaire technique et une personne humaine nommément responsable des résultats.
Le terme employé IA est parfois utilisé pour des agents autonomes, mais cela peut masquer l’imputabilité. Un agent est un acteur logiciel ayant une identité, des permissions et un cycle de vie; il n’est pas un décideur légal ou éthique. Les entreprises devraient gouverner les agents comme des entités numériques gérées et maintenir la responsabilité auprès des propriétaires humains et organisationnels. Microsoft met l’accent sur les identités, les permissions, la surveillance et les contrôles du cycle de vie pour les agents à grande échelle.
La gouvernance doit également aborder la surveillance, la déqualification, l’intensification de la charge de travail et l’accès inégal à l’IA. Les commentaires des employés, des politiques transparentes et des canaux de signalement accessibles contribuent à maintenir la confiance.
Mesurer le succès de la transformation de la main-d’œuvre
La mesure du succès devrait relier l’adoption à la performance d’affaires, à l’expérience des employés, à la croissance des compétences et au risque.
Un tableau de bord équilibré peut inclure :
- Résultats d'affaires : Délai d'exécution, débit, qualité du service, impact sur les revenus et réduction des erreurs
- Résultats des employés : Effort, charge cognitive, satisfaction et temps pour un travail à plus grande valeur
- Capacité : Maîtrise, réutilisation des modèles approuvés et couverture des compétences
- Qualité et risque : Corrections, dérogations, résultats non pris en charge et incidents de sécurité
- Modèle opérationnel : Flux de travail repensés, transferts documentés et améliorations mises à l'échelle
Les organisations devraient établir une référence, comparer les projets pilotes avec des flux de travail similaires et combiner les données opérationnelles avec les commentaires des employés. La mesure devrait se faire au niveau du flux de travail ou de l’équipe dans la mesure du possible, et non devenir une surveillance individuelle.
Se préparer à la prochaine génération de travail
La prochaine génération de travail combinera des assistants IA, des agents spécialisés, des interfaces multimodales, l’apprentissage adaptatif et le déploiement dynamique des compétences. Les rôles continueront d’évoluer au fur et à mesure que les tâches routinières seront automatisées et que les employés assumeront une plus grande responsabilité quant à l’intention, à l’orchestration et au jugement.
La préparation commence par six mesures : cartographier le travail au niveau des tâches et des décisions ; prioriser les flux de travail à forte valeur et à risques gérables ; renforcer les fondations en matière de données, d’identité et de connaissances ; développer les compétences par rôle ; établir la gouvernance avant de prendre de l’ampleur ; et étendre seulement lorsque les preuves démontrent de meilleurs résultats.
Le milieu de travail numérique est la couche de prestation pour cette transformation. La collaboration intégrée, la gestion des connaissances, l’automatisation des flux de travail, le soutien aux employés et l’analytique de l’expérience rendent l’IA accessible et gouvernable dans tous les rôles et lieux.
L’avenir du travail n’est pas prédéterminé par la technologie. Il sera influencé par la manière dont les organisations redéfinissent le travail, répartissent les occasions et protègent l’autonomie humaine. Les entreprises qui considèrent la préparation à l’IA comme une évolution du modèle opérationnel et non un simple déploiement de logiciel seront mieux placées pour améliorer la productivité, l’adaptabilité et la qualité du travail.
