Il y a une question que les gens tapent dans une fenêtre de chat à deux heures du matin, généralement après avoir lu un titre de plus sur un modèle qui vient de réussir un examen avec lequel ils ont eux-mêmes lutté. La question est : “L’IA va-t-elle remplacer mon emploi ?” Elle semble être la chose la plus importante que l’on puisse demander. Elle est presque inutile.
Elle est inutile parce qu’un emploi est un ensemble. L’intitulé sur votre carte de visite cache une douzaine d’activités différentes, et elles ne partagent pas le même sort. Un analyste financier passe une partie de la semaine à extraire des données, une partie à les nettoyer, une partie à construire des modèles, une partie à interpréter ce que ces modèles signifient pour un client précis avec une peur précise, et une partie assis dans une pièce à convaincre ce client d’agir. Demandez si “analyste financier” est remplacé, il n’y a pas de réponse. Demandez laquelle de ces cinq activités un modèle de langage de 2026 peut déjà réaliser à un niveau professionnel, et l’image devient nette. La réponse honnête est que certaines ont presque disparu, une ou deux sont plus sûres que jamais, et la différence entre un analyste qui prospère et un analyste anxieux tient entièrement aux activités sur lesquelles il passe ses heures.
C’est ce qu’un PDG ferait avec une entreprise en difficulté. Il ne demanderait pas “cette société est-elle condamnée”. Il ouvrirait les comptes et auditerait unité par unité : cette ligne saigne, celle-là compose tranquillement, celle-ci a l’air bien mais dépend d’un fournisseur sur le point de changer les règles. Votre carrière mérite le même traitement. Le reste de ce texte est cet audit, avec une méthode de notation que vous pouvez réellement appliquer, et un plan pour ce que vous ferez des résultats.
Pourquoi “l’IA va-t-elle remplacer mon emploi” est la mauvaise question
L’instinct de penser en emplois entiers vient de la façon dont les vagues d’automatisation précédentes fonctionnaient. Une machine reprenait un poste sur une chaîne de montage, et le rôle attaché à ce poste disparaissait. Des emplois entiers partaient, c’est pourquoi nous avons appris à nous inquiéter en unités d’emploi entier.
L’IA générative ne bouge pas ainsi. C’est une technologie à usage général qui atteint des tâches dispersées dans presque chaque rôle plutôt que d’avaler les rôles entiers. La preuve la plus claire vient de l’étude qui a ouvert le débat moderne. En 2023, des chercheurs d’OpenAI, OpenResearch et de l’Université de Pennsylvanie (Eloundou et ses collègues, dans le document de travail “GPTs are GPTs”) ont noté les professions américaines tâche par tâche face à ce que les grands modèles de langage savent faire. Leur constat principal est précis et mérite d’être gardé en tête : environ 80% de la main-d’oeuvre américaine pourrait voir au moins 10% de ses tâches affectées par les grands modèles de langage, tandis qu’environ 19% des travailleurs pourraient voir au moins 50% de leurs tâches affectées.
Lisez ces deux chiffres lentement. Le premier dit que l’exposition est presque universelle mais généralement peu profonde. Presque tout le monde a des tâches qu’un modèle peut toucher. Le second dit que pour environ un travailleur sur cinq, l’exposition est assez profonde pour remodeler tout le rôle. La question qui compte n’est pas de savoir si vous êtes dans les 80%. Vous l’êtes presque certainement. La question est de savoir si vous dérivez vers les 19% parce que trop de vos heures sont dans des tâches exposées, et si vous le remarqueriez seulement.
Vous ne le remarquerez que si vous cessez de regarder votre emploi et commencez à regarder vos tâches.
L’unité est la tâche, pas l’emploi
Des décennies avant le moment actuel, les économistes David Autor, Frank Levy et Richard Murnane nous ont donné le cadre qui fonctionne encore (dans leur article de 2003 sur le contenu en compétences du changement technologique). Ils ont divisé le travail selon deux axes : routinier contre non-routinier, cognitif contre manuel. Les tâches routinières suivent des règles explicites que l’on peut confier à une machine. Les tâches non-routinières exigent du jugement, de l’improvisation ou une présence humaine. Pendant trente ans, le refuge sûr était le travail cognitif non-routinier, la pensée qui résistait à la codification.
L’IA générative est intéressante précisément parce qu’elle a brisé ce refuge. C’est la première vague d’automatisation à atteindre en profondeur les tâches cognitives non-routinières : rédiger, résumer, première analyse, coder, traduire, générer des idées. Les activités dont nous avons dit à toute une génération qu’elles étaient à l’épreuve du futur parce qu’elles impliquaient de “penser” se sont révélées parmi les plus exposées. C’est tout le choc des trois dernières années compressé en une phrase. L’audit moderne a donc besoin d’une lentille plus fine que routinier contre non-routinier. Il doit poser, pour chaque tâche, trois questions distinctes à la fois.
D’abord, à quel point la tâche est-elle routinière et codifiable, car cela détermine si un modèle peut même la tenter. Ensuite, la tâche porte-t-elle une réelle responsabilité, un goût ou une relation humaine, car cela détermine si quelqu’un acceptera qu’une machine la fasse sans supervision. Enfin, et le plus négligé, quel est le levier stratégique de la tâche, c’est-à-dire est-ce que bien la faire change un résultat qui compte, ou est-ce juste du mouvement. Une tâche peut être fortement exposée à l’IA et rester l’endroit où vit votre valeur, si votre rôle est de diriger, juger et assumer le résultat plutôt que de le produire à la main. L’audit ci-dessous note les trois.
La Matrice de Remplaçabilité des Tâches
Voici le cadre dans lequel trier vos tâches avant de les noter. C’est une synthèse éditoriale du cadre routinier d’Autor-Levy-Murnane actualisé pour l’IA générative, pas un jeu de données ; traitez donc les quadrants comme une lentille, pas une mesure.
| Type de tâche | Activités exemples | Capacité de l’IA en 2026 | Ce que cela signifie pour vous |
|---|---|---|---|
| Cognitif routinier | Saisie de données, mise en forme, rapports standards, recherche de base, première ébauche de texte | Élevée. Un modèle fait l’essentiel à une qualité de brouillon professionnel | Cessez de le faire à la main. Dirigez l’outil, puis vérifiez. Les heures ici doivent tendre vers zéro |
| Cognitif non-routinier, faible responsabilité | Génération d’idées, résumé, analyse exploratoire, ossature de code, traduction | Élevée mais supervisée. Bon premier jet, nécessite un humain pour juger et assumer | Passez de producteur à éditeur. Votre valeur se déplace vers le cadrage et la vérification du résultat |
| Cognitif non-routinier, forte responsabilité | Appels de stratégie, cadrage de problème nouveau, jugement dans l’ambiguïté, décisions de goût | Partielle. Un modèle aide mais ne peut pas être responsable de la décision | Défendre et approfondir. C’est un travail qui compose. Investissez vos meilleures heures ici |
| Non-routinier interpersonnel | Négociation, coaching, soin, construction de confiance, persuasion à fort enjeu, leadership | Faible. Présence, confiance et responsabilité ne se transfèrent pas à un outil | Le refuge le plus sûr aujourd’hui. Sous-estimé par les profils analytiques qui le jugent “mou” |
L’erreur que presque tout le monde commet est de regarder les deux premières lignes, de paniquer et de conclure que son travail est menacé. La bonne lecture est l’inverse. Les deux premières lignes sont là où vous devriez vouloir une machine, car ce sont les heures à faible levier que vous surpayez avec votre propre temps. L’audit existe pour découvrir combien de vos heures y sont piégées, afin de les déplacer volontairement vers le bas du tableau.
Faites l’audit : une auto-évaluation en cinq étapes
Réservez un après-midi. Il vous faut une liste de ce que vous faites réellement, pas votre fiche de poste. Les deux sont rarement identiques, et l’écart est là où se cachent les découvertes utiles.
Étape 1. Listez vos tâches. Pour une semaine représentative, notez chaque activité distincte qui a rempli vos heures. Visez quinze à trente lignes. Soyez granulaire. “Reporting” est trop grossier ; divisez-le en extraire les données, les nettoyer, construire la vue et interpréter, car ces quatre auront des notes très différentes.
Étape 2. Estimez les heures. À côté de chaque tâche, mettez la part approximative de votre temps de travail qu’elle consomme. C’est la colonne la plus importante, et celle que les gens sautent. La remplaçabilité sans pondération temporelle est anecdotique. Une tâche qu’un modèle peut entièrement faire mais qui mange 1% de votre semaine est du bruit. Une qu’il peut faire à moitié mais qui mange 40% de votre semaine est tout votre problème stratégique.
Étape 3. Notez la capacité de l’IA (1 à 5). Pour chaque tâche, demandez : à un niveau professionnel, en 2026, combien un bon modèle peut-il faire avec une direction compétente ? Mettez 5 s’il fait l’essentiel de tout, 1 s’il ne peut pas aider de façon significative. Soyez honnête plutôt que défensif. Le but d’un audit est de trouver les points faibles, et se flatter ici ne fait que les cacher.
Étape 4. Notez le levier stratégique (1 à 5). Demandez : si cette tâche est faite excellemment plutôt qu’adéquatement, un résultat qui compte change-t-il vraiment ? Mettez 5 pour les tâches où la qualité pilote de vrais résultats (la décision du client, le pari produit, la relation sauvée), et 1 pour le pur mouvement qui doit avoir lieu mais que personne ne remarquerait s’il était seulement correct.
Étape 5. Lisez les quatre zones. Croisez les deux notes, et chaque tâche atterrit dans l’une des quatre zones, qui vous disent exactement quoi faire :
- Capacité élevée, faible levier (automatiser maintenant) : le modèle peut le faire et bien le faire ne compte guère. Confiez-le ce trimestre. Ce sont vos heures récupérées.
- Capacité élevée, fort levier (devenez le réalisateur) : le modèle peut le faire mais le résultat dépend de la qualité et du jugement. Ne défendez pas le travail manuel ; défendez le jugement. Votre rôle ici est cadrer, diriger et assumer, pas taper.
- Capacité faible, fort levier (défendre et approfondir) : votre coeur. Protégez ces heures de l’érosion et versez-y votre temps récupéré.
- Capacité faible, faible levier (questionner) : une machine ne peut pas aider et cela compte peu. Demandez si cela devrait exister du tout.
Quand vous aurez fini, vous aurez quelque chose qu’aucun titre ne peut donner : une carte pondérée par le temps de votre propre exposition. La plupart des gens découvrent qu’une part surprenante de leur semaine vit dans la première zone, ce qui est sans ambiguïté une bonne nouvelle, car ce sont les heures les plus faciles à racheter.
Ce que disent les données vérifiées sur l’exposition
Votre audit personnel est subjectif par conception, car vous seul connaissez vos vraies tâches. Il devient plus utile quand vous le confrontez à la recherche publique sur où l’exposition se concentre réellement. Le tableau ci-dessous synthétise des constats de deux sources autoritaires. Les chiffres sont les leurs et préservés exactement ; le regroupement est une illustration éditoriale pour les relier à la matrice ci-dessus.
| Signal | Ce que la recherche a trouvé | Source | Implication pour l’audit |
|---|---|---|---|
| Ampleur de l’exposition | Environ 80% des travailleurs américains ont au moins 10% des tâches exposées aux modèles de langage | Eloundou et al., “GPTs are GPTs,” 2023 | Supposez que vous êtes exposé. La question est la profondeur, pas le fait |
| Profondeur de l’exposition | Environ 19% des travailleurs ont au moins 50% des tâches exposées | Eloundou et al., 2023 | Si votre audit place la plupart des heures en zones à capacité élevée, vous êtes proche de ce groupe |
| Où se situent les rôles axés sur l’écrit | Les professions centrées sur l’écriture et la programmation figuraient parmi les plus exposées | Eloundou et al., 2023 | Le travail de “pensée” n’est pas automatiquement sûr ; ce qui le protège est la responsabilité et le levier |
| Rotation des compétences d’ici 2030 | 39% des compétences essentielles des travailleurs devraient changer d’ici 2030 (contre 44% en 2023) | WEF, Future of Jobs Report 2025 | Votre audit a une durée de vie. Refaites-le à mesure que les capacités bougent |
| Compétences en plus forte hausse | L’IA et le big data mènent les compétences à plus forte croissance d’ici 2030 | WEF, Future of Jobs Report 2025 | La capacité à diriger l’IA est elle-même une tâche à fort levier à ajouter |
Les deux jeux de données racontent une histoire cohérente. L’exposition est large, elle traverse directement le travail cognitif que nous croyions sûr, et le sol continue de bouger, donc un audit unique est un instantané plutôt qu’un verdict. C’est pourquoi la dernière étape n’est pas une conclusion mais une série de mouvements.
Quoi faire des résultats
Un audit qui ne change pas votre agenda est une entrée de journal intime. Voici comment un PDG-et-étudiant transforme la carte en action, à peu près dans l’ordre qui rapporte le plus vite.
Automatisez la première zone agressivement et sans sentiment. Les tâches à capacité élevée et faible levier sont un pur coût général que vous avez payé dans la seule monnaie que vous ne pouvez pas regagner. Dirigez l’IA dessus avec force, acceptez un rythme vérifier-et-avancer, et récupérez les heures. C’est le mouvement du PDG : vous ne laisseriez jamais une personne senior faire à la main ce qu’un système moins cher fait adéquatement. Cessez de vous l’infliger. Le temps récupéré est tout le budget de tout ce qui suit.
Passez de producteur à réalisateur dans la deuxième zone. Là où l’IA est capable mais le travail porte un vrai levier, votre valeur n’est plus dans la production. Elle est dans bien cadrer le problème, diriger l’outil avec goût et assumer le jugement sur ce qui est livré. C’est une vraie compétence et une rare. La plupart des gens soit refusent d’utiliser l’outil et prennent du retard, soit l’utilisent et livrent son résultat non édité et se font prendre. Le réalisateur qui fait les deux, cadrer avec netteté et juger sans pitié, est exactement celui que les données du WEF impliquent que le marché paiera.
Défendez et approfondissez la troisième zone comme votre bilan. Les tâches à capacité faible et fort levier (les jugements, le goût, les relations, la responsabilité) sont là où vit la valeur durable. Protégez ces heures de l’invasion des réunions et de l’administratif qui les érode, et réinvestissez-y votre temps récupéré. C’est l’actif qui compose. L’instinct de l’étudiant aide : ces compétences croissent avec une pratique délibérée et un retour honnête, pas avec une bonne année.
Déplacez-vous si l’audit est brutal. Parfois la carte honnête montre que la plupart de vos heures et de votre levier sont dans des zones où une machine grimpe vite. C’est douloureux, et c’est aussi la chose la plus précieuse qu’un audit puisse vous dire, car il vous le dit tôt. La réponse n’est pas de travailler plus dur dans un refuge qui rétrécit. Elle est de vous déplacer latéralement : trouvez le rôle, l’équipe ou le problème où vos forces actuelles s’attachent à un travail à plus fort levier et plus faible capacité, et commencez la transition maintenant, tant que vous avez encore le choix, plutôt que plus tard, quand il sera fait pour vous.
Rien de cela n’exige de prédire l’avenir, ce qui tombe bien, car personne ne le peut. Cela exige de regarder honnêtement votre propre semaine, de la noter sans flatterie, et de réaffecter votre ressource la plus rare vers le travail qui compose. Ce n’est pas une stratégie d’IA. C’est simplement du bon management, appliqué pour une fois à la seule entreprise que vous ne pouvez jamais vendre : votre propre vie professionnelle.
Foire aux questions
Une forte exposition à l’IA signifie-t-elle que mon emploi sera remplacé ?
Non, et confondre les deux cause l’essentiel de la panique. L’exposition signifie qu’un modèle peut faire certaines de vos tâches, pas que votre rôle disparaît. La recherche d’Eloundou mesure l’exposition des tâches, pas la suppression d’emploi, et même les rôles fortement exposés se déplacent généralement vers la direction et le jugement de l’IA plutôt que de disparaître. Le FMI fait la même distinction : le travail exposé est souvent complété par l’IA plutôt que substitué.
À quelle fréquence devrais-je refaire cet audit ?
À peu près chaque trimestre, et certainement après chaque sortie majeure de modèle qui change ce que les outils peuvent faire. Le constat du WEF que 39% des compétences essentielles changeront d’ici 2030 implique une dérive constante, de sorte qu’une tâche notée 2 en capacité d’IA cette année peut être notée 4 l’an prochain. Traitez-le comme une revue d’activité trimestrielle, pas un verdict unique.
Que faire si presque toutes mes tâches obtiennent une note élevée en capacité d’IA ?
Alors votre priorité est le levier, pas la production. Cessez de concurrencer l’outil sur le résultat et montez dans la pile vers le cadrage, le jugement et la responsabilité, qui sont les deuxième et troisième zones de l’audit. Si peu de votre travail porte un vrai levier même fait excellemment, traitez cela comme un signal précoce et utile pour vous déplacer vers un rôle où vos forces comptent davantage.
Être bon pour diriger l’IA est-il vraiment une compétence durable ?
Oui. Elle se situe à l’intersection de la capacité élevée et du fort levier : l’outil fait la production, mais bien cadrer la tâche et bien juger le résultat change l’issue, et peu de gens font les deux. Le WEF classe l’IA et le big data parmi les compétences à plus forte croissance d’ici 2030, ce qui revient au marché qui valorise cette capacité à la hausse plutôt qu’à la baisse.
Quelles tâches sont vraiment les plus sûres ?
Le travail interpersonnel non-routinier (négociation, coaching, construction de confiance, soin, leadership à fort enjeu) reste le moins exposé, car présence, confiance et responsabilité ne se transfèrent pas à un outil. Les profils analytiques sous-estiment régulièrement ceux-ci comme “mous”, ce qui est exactement pourquoi ils restent précieux et rares.
Puis-je faire confiance à ma propre notation, alors que je suis biaisé sur mon propre travail ?
Pas parfaitement, c’est pourquoi la méthode s’appuie sur deux corrections : pondérer chaque tâche par le temps pour que vous ne puissiez pas vous cacher derrière l’anecdotique, et tester vos notes de capacité directement face à l’outil plutôt que de deviner. Si vous prétendez qu’une tâche n’est pas automatisable, passez vingt minutes à essayer de faire faire la tâche par un bon modèle. Le résultat est généralement humiliant et toujours plus honnête qu’une hypothèse.
Sources
- Eloundou, Manning, Mishkin et Rock, “GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models,” 2023 (environ 80% des travailleurs américains ont au moins 10% des tâches exposées aux modèles de langage ; environ 19% en ont au moins 50% ; les professions d’écriture et de programmation parmi les plus exposées).
- Autor, Levy et Murnane, “The Skill Content of Recent Technological Change,” 2003 (cadre routinier contre non-routinier, cognitif contre manuel).
- Forum économique mondial, Future of Jobs Report 2025 (39% des compétences essentielles devraient changer d’ici 2030, contre 44% en 2023 ; l’IA et le big data parmi les compétences à plus forte croissance ; enquête auprès de plus de 1 000 employeurs représentant plus de 14 millions de travailleurs).
- Fonds monétaire international, “AI Will Transform the Global Economy,” janvier 2024 (distinction entre exposition et substitution ; environ 40% des emplois mondiaux exposés, le travail exposé partagé entre complément et substitution).
Ce contenu a été compilé avec le soutien de l’IA à la suite d’une recherche approfondie, puis rédigé et préparé pour publication par l’équipe éditoriale de CEOtudent.
This post is also available in:












