Trois ans après l'arrivée de ChatGPT en entreprise, le grand remplacement annoncé ne figure nulle part dans les statistiques. Il figure partout dans les journées de travail. Nous avons cherché des métiers disparus ; nous aurions dû regarder des postes déformés.
Le paradoxe danois : eaux calmes, courants rapides
Le Danemark est le meilleur laboratoire au monde pour trancher la question de l'impact de l'IA sur l'emploi : une adoption comparable à celle des États-Unis, un marché du travail flexible, et une infrastructure statistique qui relie chaque enquête aux fiches de paie réelles. Anders Humlum (Chicago Booth) et Emilie Vestergaard y ont suivi onze métiers exposés, sur deux ans, en croisant les déclarations des salariés et les données administratives.
Leur conclusion tient en deux temps. Sous la surface, des courants rapides : la plupart des employeurs ont lancé des initiatives, les salariés déclarent des bénéfices, de nouvelles tâches liées à l'IA apparaissent partout. À la surface, rien. Des effets nuls — et statistiquement précis — sur les revenus et sur les heures, au niveau du salarié comme de l'établissement, avec une précision suffisante pour exclure tout effet supérieur à 2 % deux ans après le lancement de ChatGPT.
Le titre du papier dit tout : Still Waters, Rapid Currents. Eaux calmes, courants rapides.
Le grand remplacement n'a pas eu lieu. La grande redistribution, si.
Cinq faits que les chiffres établissent
2,8 % Le gain de temps existe, mais il ne sort jamais du travail
Les utilisateurs déclarent en moyenne 2,8 % d'heures de travail économisées. À comparer aux gains de plus de 15 % mesurés en conditions expérimentales sur ces mêmes métiers. Surtout : le temps libéré est réalloué vers d'autres tâches de travail, pas vers le loisir. Un gain qui retourne immédiatement dans le travail n'est pas une productivité — c'est une intensification.
Source : Humlum & Vestergaard, NBER Working Paper 33777 (2025), révisé 2026.
8 % → 17 % L'IA crée du travail autant qu'elle en retire
Environ 8 % des utilisateurs déclarent des tâches entièrement nouvelles nées de l'usage de l'IA — et ce chiffre monte à 17 % dans les organisations où l'employeur pousse activement l'outil. Rédiger des prompts, vérifier, corriger, arbitrer entre trois versions, expliquer à un collègue pourquoi la sortie est fausse : ce sont des tâches, elles prennent du temps, elles n'existaient pas.
Source : Humlum & Vestergaard (2025a), cité dans From Exposure to Adoption: Generative AI in European Workplaces (2026).
27 % → 39 % La délégation s'approfondit, silencieusement
L'Anthropic Economic Index distingue l'augmentation (on collabore avec la machine) de l'automatisation (on lui confie). La part des conversations « directives » — où l'humain donne une tâche et récupère un résultat sans échange — est passée de 27 % à 39 % en huit mois. Ce basculement s'est fait au détriment de deux modes précis : l'itération collaborative et l'apprentissage. Sur l'API, utilisée par les entreprises, 77 % des usages relèvent de l'automatisation contre 12 % d'augmentation. Sur l'interface grand public, le partage est presque égal, avec un retour de l'augmentation en tête (52 % contre 45 %) début 2026.
Sources : Anthropic Economic Index, rapports de septembre 2025 (arXiv:2511.15080), janvier, mars et juin 2026.
49 % Réel au niveau de la tâche, invisible au niveau du métier
Toujours selon l'Anthropic Economic Index : 49 % des métiers répertoriés ont vu au moins un quart de leurs tâches passer par l'outil. Un quart des tâches d'un métier sur deux. Et pourtant, aucun de ces métiers n'a disparu.
95 % L'argent va là où le travail ne se transforme pas
Le rapport du MIT NANDA, The GenAI Divide: State of AI in Business 2025 (150 entretiens de dirigeants, 350 salariés interrogés, 300 déploiements publics analysés), établit que 95 % des pilotes d'IA générative n'ont produit aucun impact mesurable sur le compte de résultat. Il pointe surtout une erreur d'allocation : plus de la moitié des budgets partent en ventes et marketing, là où le retour est le plus faible, alors que le ROI mesurable se trouve en back-office.
Source : MIT NANDA Initiative, The GenAI Divide, juillet 2025.
Pourquoi nous avons regardé au mauvais endroit
L'erreur est une erreur d'unité de mesure.
Un métier n'est pas un bloc. C'est un portefeuille de tâches hétérogènes : certaines routinières, certaines relationnelles, certaines de jugement. Une technologie n'attaque jamais un métier, elle attaque des tâches. Le métier survit ; sa composition change. C'est le cadre d'analyse « tâches contre métiers » développé par David Autor et Daron Acemoglu.
Or nos instruments — statistiques d'emploi, organigrammes, fiches de poste — mesurent des métiers. Ils sont aveugles à la recomposition interne. C'est exactement ce que dit le paradoxe danois : les eaux sont calmes parce que le thermomètre est posé à la surface.
Trois directions de fuite du travail
- Vers l'aval. Celui qui produit gagne du temps ; celui qui reçoit en perd. Le coût cognitif ne disparaît pas, il migre vers le relecteur, le manager, le client interne.
- Vers le haut. Les tâches simples, celles qui servaient de terrain d'entraînement, se dissolvent. Les tâches complexes — arbitrer, contextualiser, valider — restent, et elles exigent une expérience que les tâches simples fournissaient.
- Vers l'ombre. Une partie du travail sort du périmètre visible de l'organisation : elle se fait sur des comptes personnels, avec des outils non déclarés, hors de tout processus. C'est le shadow AI.
L'analogie : la maison où l'on installe l'eau courante
Personne ne perd son emploi de porteur d'eau. Le porteur d'eau reste — il ne porte plus d'eau. Il vérifie la pression, surveille les fuites, s'inquiète du calcaire, et découvre qu'il passe désormais ses journées à des choses pour lesquelles il n'a jamais été formé. Et que personne n'a pensé à lui apprendre, puisqu'on croyait lui avoir simplement fait gagner du temps.
On n'a pas retiré de chaises autour de la table. On a changé qui s'assoit où, et on a oublié de le dire.
Les objections honnêtes
« Deux ans, c'est court. »
Vrai. Les technologies à usage général mettent une décennie à produire leurs effets mesurables — c'est le paradoxe de Solow, formulé en 1987 : on voit l'âge de l'ordinateur partout, sauf dans les statistiques de productivité. Le Danemark capture une photographie précoce, pas un verdict.
« Le Danemark n'est pas le monde. »
Vrai aussi. Mais c'est un marché du travail flexible, à forte adoption, ce qui devrait plutôt amplifier les effets que les masquer.
« Des effets nuls agrégés peuvent cacher des effets forts et opposés. »
C'est précisément l'argument de cet article : la moyenne est nulle parce que la redistribution est interne.
« 2026 n'est pas 2024. »
Les modèles agentiques changent l'échelle de ce qui est délégable. La thèse « redistribution plutôt que suppression » est un constat sur la période observée, pas une prophétie.
Ce que ça change pour un dirigeant
- Piloter l'IA par la tâche, pas par le métier. La bonne question n'est pas « ce poste est-il menacé ? » mais « quelles tâches ont quitté ce poste, et où sont-elles allées ? »
- Cartographier les flux, pas les outils. Le déplacement du travail est une donnée de gouvernance. Personne ne la collecte.
- Nommer le travail nouveau. Prompter, vérifier, arbitrer, documenter : si ces tâches ne figurent nulle part dans une fiche de poste, elles s'ajoutent gratuitement à la charge de quelqu'un.
- Se méfier du gain déclaré. 2,8 % de temps économisé qui retournent immédiatement dans le travail ne sont pas un gain de productivité.
- Regarder le back-office. C'est là que le MIT trouve le retour, et c'est là que les budgets ne vont pas.
La compétence acquise — 1/6 : lire une organisation par les tâches
Niveau : lucidité. C'est la compétence d'ouverture — elle change ce que vous regardez.
À la fin de cet épisode, vous savez :
- décomposer un poste en portefeuille de tâches au lieu de le traiter comme un bloc ;
- repérer les trois directions de fuite du travail (vers l'aval, vers le haut, vers l'ombre) ;
- distinguer un gain de productivité d'une intensification déguisée.
Le geste qui la prouve, cette semaine. Prenez un poste de votre organisation. Listez ses dix tâches principales telles qu'elles existaient en 2022. Marquez celles qui ont changé de main, celles qui ont disparu, celles qui sont apparues. Le tableau que vous obtenez n'existe nulle part ailleurs dans votre entreprise.
L'erreur de celui qui n'a pas cette compétence : il demande « ce métier est-il menacé ? », obtient « non », et conclut qu'il ne se passe rien.
Ce que le livre en dit : l'asymétrie du blâme
Dans Ce que l'IA fait de nous, le chapitre 8 — « L'entreprise qui n'ose pas » — démontre que ne pas décider est une décision, et en donne la mécanique : l'asymétrie du blâme. Une faute d'action est visible et punie ; une faute d'inaction est invisible et ne l'est jamais.
C'est exactement ce qui se joue ici. La redistribution du travail n'est punie par personne parce qu'elle n'est vue par personne. Elle ne relève d'aucun projet, ne figure sur aucun tableau de bord, n'apparaît dans aucun arbitrage. Elle se produit par défaut — et le défaut est toujours une décision que quelqu'un a renoncé à prendre.
Le chapitre 7, « La fracture », complète le tableau : la ligne de partage ne passe pas entre ceux qui ont accès à l'outil et ceux qui n'en ont pas, mais entre ceux qui arrivent avec une pensée à amplifier et ceux qui viennent chercher une pensée toute faite. La redistribution des tâches creuse exactement cette fracture-là, poste par poste.
📕 Le livre
Ce que l'IA fait de nous — la version longue de ce que vous venez de lire.
→ cequeliafaitdenous.com
🧭 Deux diagnostics gratuits
- Posture IA du manager — 5 dimensions, 20 questions.
→ Faire le diagnostic - Robustesse IA de votre organisation.
→ Évaluer votre organisation
🤝 Travailler ensemble
Audit de transition IA · Accompagnement de Comex · Formation.
→ aurelienmizeret.com
💬 On en parle : LinkedIn — 32 000 abonnés, c'est là que je publie le plus.
🎟️ Les Rencontres Alliages : le collectif indépendant sur la gouvernance de l'IA — non commercial, ni pro ni anti.
→ alliages.work
Questions fréquentes
L'IA a-t-elle détruit des emplois depuis l'arrivée de ChatGPT ?
Pas de façon mesurable sur la période observée. L'étude danoise de Humlum et Vestergaard, qui croise enquêtes et fiches de paie sur onze métiers exposés, trouve des effets nuls sur les revenus et les heures, avec une précision suffisante pour exclure tout effet supérieur à 2 % deux ans après le lancement de ChatGPT. Ce qui a changé, ce n'est pas le nombre de postes, c'est leur contenu.
Combien de temps l'IA fait-elle réellement gagner au travail ?
Environ 2,8 % d'heures économisées en moyenne selon les utilisateurs, contre plus de 15 % en conditions expérimentales. Et ce temps ne sort pas du travail : il est réalloué vers d'autres tâches. C'est une intensification, pas une libération de temps.
Qu'appelle-t-on la « redistribution du travail » ?
Le déplacement de tâches à l'intérieur des postes et entre les personnes, sans suppression de métier. Le travail migre dans trois directions : vers l'aval (du producteur vers le relecteur), vers le haut (les tâches simples se dissolvent, les tâches de jugement restent) et vers l'ombre (usage non déclaré, hors processus).
Pourquoi 95 % des projets d'IA générative n'ont-ils aucun impact financier ?
Selon le rapport MIT NANDA, l'essentiel des budgets part en ventes et marketing, là où le retour est le plus faible, tandis que le ROI mesurable se situe en back-office. L'échec n'est pas technologique, il est d'allocation.
Comment un dirigeant peut-il mesurer ce déplacement dans son organisation ?
En passant du métier à la tâche. Prendre un poste, lister ses dix tâches principales telles qu'elles existaient en 2022, puis marquer celles qui ont changé de main, disparu ou sont apparues. Cette cartographie des flux de travail n'est collectée par personne — c'est précisément ce qui la rend décisive.
Sources
- Humlum, A. & Vestergaard, E., Large Language Models, Small Labor Market Effects / Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI, NBER Working Paper 33777, 2025, révisé 2026.
- Anthropic, Anthropic Economic Index — rapports de septembre 2025 (arXiv:2511.15080), janvier 2026, mars 2026 et juin 2026.
- MIT NANDA Initiative, The GenAI Divide: State of AI in Business 2025, juillet 2025.
- Autor, D. & Acemoglu, D., cadre d'analyse « tâches vs métiers » (task framework), littérature économique 2011-2024.
- Solow, R., New York Review of Books, 1987 (paradoxe de la productivité).
- From Exposure to Adoption: Generative AI in European Workplaces, arXiv, 2026.
Cet article est la version écrite de l'épisode 1 de la série « IA & Travail — Le travail recomposé ». Prochain épisode : Shadow AI — ce que vos équipes utilisent sans vous le dire.
