Le 15 septembre, le tribunal judiciaire de Créteil a suspendu en référé un projet de réorganisation chez Gisi, filiale du groupe Infopro Digital, qui édite les titres L'Usine nouvelle, LSA, L'Argus de l'assurance. L’entreprise estime que l’intelligence artificielle peut prendre en charge environ 70 % des tâches réalisées par ses secrétaires de rédaction. Huit postes sont concernés et une partie des missions restantes doit être reprise par de nouveaux rôles de chefs d’édition.

La décision est provisoire et ne dit évidemment pas qu’il faut renoncer à l’IA ou aux gains de productivité qu’elle peut permettre. Elle met surtout en lumière une question beaucoup plus concrète : quand une entreprise automatise une partie importante des tâches d’un poste, quelle part du travail disparaît réellement ?

Sur le papier, le calcul paraît simple. Une tâche prenait quinze minutes, l’IA la réalise désormais en quelques secondes. On multiplie le gain par le nombre d’occurrences dans l’année et l’on obtient rapidement un volume d’heures économisées. C’est logique, mais ce raisonnement mesure surtout la tâche elle-même et beaucoup moins tout ce qui se passe autour.

Une production générée par l’IA doit toujours être vérifiée, corrigée ou complétée. Les cas particuliers continuent à demander une intervention humaine. Certaines décisions auparavant intégrées à la tâche doivent être prises ailleurs, et quelqu’un doit toujours assumer la responsabilité du résultat final. Le temps supprimé à un endroit peut donc réapparaître ailleurs, sous une autre forme.

C’est pour cela qu’un taux d’automatisation ne dit pas, à lui seul, grand-chose sur la réduction réelle de la charge de travail. Dire qu’une IA sait réaliser 70 % des tâches d’un poste ne signifie pas forcément que 70 % du travail a disparu. Toutes les tâches n’ont pas le même poids, certaines continuent à nécessiter du contrôle, et le travail restant peut se concentrer sur les situations les plus complexes, celles qui demandent davantage de jugement, d’arbitrage ou de coordination.

L’un des angles morts des projets IA est peut-être là. Nous sommes devenus très bons pour démontrer qu’un outil fonctionne : un modèle produit un texte en quelques secondes, un agent prépare une analyse, un système traite automatiquement une pièce. Mais une entreprise ne fonctionne pas comme une succession de tâches isolées. Les activités s’enchaînent, se contrôlent et se répondent. Une automatisation peut donc améliorer fortement une étape sans que le processus complet gagne autant en efficacité.

C’est aussi pour cela qu’un business case construit uniquement à partir du temps théorique économisé peut donner une image trop optimiste de la réalité.

Le vrai sujet n’est pas seulement de savoir ce que l’outil sait faire. Il faut regarder ce que devient l’organisation une fois l’outil intégré : qui contrôle, qui reprend les exceptions, qui décide lorsqu’une réponse est ambiguë, quelles tâches apparaissent chez les autres métiers et, surtout, quelle charge disparaît réellement lorsque le nouveau fonctionnement est installé depuis plusieurs semaines.

C’est ce qui rend le cas Gisi intéressant. Le sujet ne porte pas uniquement sur la capacité technique de l’IA. Il porte sur le passage entre une capacité démontrée et une organisation qui doit ensuite fonctionner au quotidien avec cette capacité.

La bonne question n’est donc peut-être pas : « quelle part des tâches pouvons-nous automatiser ? » Elle est plutôt : « une fois l’automatisation en place, combien de travail reste-t-il réellement à faire, et où ? »

La différence paraît faible, mais elle change profondément la manière de construire un business case, de dimensionner une organisation et d’évaluer les gains attendus.

Avant de transformer l’organisation, il faut donc vérifier que le gain technologique est bien devenu un gain organisationnel, et que le travail annoncé comme supprimé n’a pas simplement changé d’adresse.