Le débat sur l'IA et l'emploi est dominé par une question : combien de tâches peuvent être automatisées ? C'est la mauvaise question. Un poste de travail n'est pas une liste de tâches. C'est une identité, une culture, un savoir incarné. Et c'est précisément ce que la littérature récente commence à documenter.
Depuis les travaux fondateurs de Autor, Levy et Murnane au début des années 2000, la recherche sur l'automatisation repose sur une même architecture conceptuelle : décomposer le travail en tâches, classer ces tâches selon leur susceptibilité d'être automatisées, et en déduire quels emplois sont exposés. Ce paradigme a produit des résultats utiles et des chiffres abondamment cités. Il a aussi, progressivement, réduit le travail à ce qu'il n'est pas : une somme d'opérations scriptables.
La littérature récente commence à questionner ce réductionnisme. Une revue systématique publiée à la conférence européenne sur la gestion des connaissances en 2024 le formule clairement : l'IA générative peut automatiser la génération de contenu, faciliter la fouille de savoirs et soutenir la collaboration, mais les risques de perte des compétences relationnelles et de la dimension co-constructive du savoir restent importants.1 Ce qui est en jeu, ce n'est pas seulement le nombre de postes, c'est la nature même de ce qui fait la valeur du travail.
Ahmad et Takeda (2024), dans le Journal of the Association for Information Systems, proposent une lecture par la gestion des connaissances qui éclaire bien cette limite : l'IA générative transforme la façon dont les organisations traitent les savoirs explicites, mais elle risque de marginaliser précisément les connaissances sociales, relationnelles et tacites -- celles qui ne se codifient pas.2
La notion de savoir tacite, conceptualisée par Polanyi sous la formule "nous savons plus que ce que nous pouvons dire", désigne la part du savoir professionnel qui ne se transmet pas par des manuels ni par des bases de données. C'est l'intuition du médecin qui sent que quelque chose ne va pas avant que les chiffres ne le confirment. C'est le jugement du consultant qui comprend pourquoi une recommandation techniquement juste sera organisationnellement rejetée. C'est la lecture de salle du formateur qui ajuste sa pédagogie en temps réel.
Une étude publiée dans la revue Architectural Research Quarterly (2024) illustre cette limite à travers le cas de l'architecture vernaculaire : les savoirs locaux, faits de pratique, d'habitus et de culture partagée, ne se réduisent pas à une base de données que l'IA pourrait apprendre. L'IA générative peut faire émerger des schémas cachés dans ce corpus, mais elle ne peut pas remplacer l'expérience directe des praticiens ni la connaissance incarnée des habitants.3
Une recherche présentée à la conférence CSCW (2024) sur les designers pousse plus loin cette idée en introduisant la notion d'"Integrity Gap" : la perte de fidélité aux valeurs humaines et contextuelles qui survient quand l'IA prend trop de place dans l'analyse qualitative. Les auteurs montrent que la recherche en design repose sur un savoir-faire tacite -- interprétation nuancée de situations, écoute empathique, jugement pratique -- que l'IA peut parfois rendre visible en le rendant explicite, mais au risque de le dénaturer dans le même mouvement.4
Ce que les études économétriques sur l'automatisation ne mesurent pas, c'est l'effet de l'IA sur l'identité professionnelle. Un ingénieur qui voit son cœur de métier -- écrire du code -- partiellement pris en charge par un assistant génératif ne perd pas seulement du temps libéré. Il perd un morceau de ce qui le définit comme professionnel.
Une étude qualitative sur des ingénieurs logiciels (arXiv, 2024) documente ce phénomène avec précision.5 Les participants perçoivent l'IA générative comme une menace pour leur expertise, notamment chez les juniors qui craignent de ne pas développer suffisamment de savoir-faire propre. Ils développent des stratégies de "protection identitaire" : conserver la maîtrise des décisions critiques, maintenir une compétence en programmation "à la main", repositionner leur rôle autour de la supervision et de la conception plutôt que de l'exécution. Ce n'est pas de la résistance irrationnelle au changement. C'est une réponse cohérente à une menace réelle sur ce qui donne sens à leur travail.
Ce résultat est généralisable. Il s'observe chez les juristes dont une partie de la recherche documentaire est automatisée, chez les enseignants confrontés aux outils de génération de contenu pédagogique, chez les consultants dont les livrables peuvent être produits en quelques secondes. Dans chaque cas, la question n'est pas seulement "mon poste est-il menacé ?" mais "qui suis-je encore dans ce nouveau partage des tâches ?"
L'intelligence émotionnelle et les compétences relationnelles sont souvent présentées comme le bastion inexpugnable de l'humain face à l'IA. La réalité est plus nuancée. Une recherche présentée à la Design Research Society Conference (2024) montre que l'IA générative d'images peut servir de catalyseur pour exprimer des connaissances tacites et des émotions difficiles à verbaliser dans des ateliers participatifs.6 Elle ne comprend pas les émotions -- elle fournit des supports qui augmentent la capacité des participants à les exprimer. La navigation émotionnelle et relationnelle reste du ressort des humains, mais l'IA brouille légèrement la frontière en devenant un médium de la relation.
Ce n'est pas une capitulation. C'est une nuance importante : la dimension relationnelle du travail est résistante à la substitution, mais elle n'est pas imperméable à l'influence de l'IA sur la façon dont elle s'exerce. Ce qui change, c'est le medium, pas la nature de la compétence.
Il y a un coût psychologique à la délégation qui n'est presque jamais mesuré dans les études sur la productivité. Quand une grande partie du travail intellectuel est prise en charge par l'IA, la satisfaction de l'effort, la construction progressive de la compétence et le sentiment de contribution personnelle peuvent diminuer. Une étude sur l'usage de l'IA générative dans les Writing Centers universitaires (ATRAdIRe, 2025) documente ce lien entre délégation et perte de sens : les étudiants qui délèguent trop à l'IA perçoivent une diminution de l'effort intellectuel et une fragilisation de leur engagement dans l'apprentissage.7
Ce résultat, obtenu dans un contexte académique, est transposable au monde professionnel. Un consultant qui génère ses livrables par IA sans les avoir réellement construits, un manager qui s'appuie sur des analyses algorithmiques sans les avoir comprises -- ces professionnels ne perdent pas seulement des compétences à terme. Ils perdent le lien entre leur travail et l'expérience d'avoir contribué à quelque chose.
Si le travail est plus que la somme de ses tâches -- s'il est aussi identité, culture, savoir tacite et sens -- alors la question de l'intégration de l'IA dans les organisations n'est pas seulement une question d'efficience. C'est une question de conception organisationnelle.
Les organisations qui déploient l'IA en cherchant uniquement à automatiser les tâches répétitives obtiendront des gains de productivité à court terme. Elles risquent aussi d'appauvrir le contenu du travail, d'éroder les compétences tacites qui ne se reconstruisent pas facilement, et de fragiliser l'identité professionnelle de leurs équipes. Ce n'est pas un risque hypothétique. C'est ce que la recherche documente.
Les organisations qui pensent l'IA comme un outil d'augmentation -- qui libère du temps pour les dimensions du travail qui ne s'automatisent pas, le jugement, la relation, le sens, la décision éthique -- construisent quelque chose de différent. Pas seulement une organisation plus efficiente, mais une organisation où le travail humain reste porteur de sens.
La distinction entre ces deux trajectoires ne se joue pas dans le choix des outils. Elle se joue dans les intentions qui président à leur déploiement.
Références
1. The Generative AI Solutions for enhancing Knowledge Management: Literature Review and Roadmap, European Conference on Knowledge Management (ECKM), 2024. DOI : 10.34190/eckm.25.1.2770
2. Ahmad & Takeda, Knowledge Management Perspective of Generative Artificial Intelligence, Journal of the Association for Information Systems (JAIS), vol. 25, n° 1, 2024. DOI : 10.17705/1jais.00859
3. Pozzi, Local intelligence: time to learn from AI, Architectural Research Quarterly, Taylor & Francis, 2024. DOI : 10.1080/00038628.2024.2333547
4. R. et al., Bridging the Integrity Gap: Towards AI-assisted Design Research, Proceedings of the ACM on Human-Computer Interaction (CSCW), 2024. DOI : 10.1145/3613905.3647962
5. T. et al., Generative AI in the Software Engineering Domain: Tensions of Occupational Identity and Patterns of Identity Protection, arXiv, 2024. DOI : 10.48550/arXiv.2410.03571
6. R. et al., Revealing user tacit knowledge: Generative-Image-AI helps create better design conversation, Design Research Society Conference Papers (DRS 2024). DOI : 10.21606/drs.2024.1329
7. Recommandations fondées sur la recherche pour des actions plus adaptées en Writing Center : perceptions des enseignants et des étudiants sur l’usage de l’IAG pour l’écriture académique, ATRAdIRe, 2025. DOI : 10.56078/atradire.450