Human + Machine

1. Le véritable potentiel de l’IA : augmentation, pas seulement automatisation

Une idée reçue largement répandue veut que les systèmes d’IA remplacent progressivement les humains dans tous les secteurs.

Au-delà du remplacement. Le discours dominant oppose souvent l’humain à la machine, annonçant une vague massive de suppression d’emplois due à l’automatisation par l’IA. Pourtant, la véritable puissance transformative de l’IA ne réside pas dans le remplacement pur et simple des travailleurs, mais dans la complémentarité et l’augmentation des capacités humaines. Ce changement nous fait passer de la « deuxième vague » de transformation axée sur l’automatisation à une « troisième vague » centrée sur des processus adaptatifs.

Des relations symbiotiques. Les entreprises leaders découvrent que les plus grands gains de performance surviennent lorsque humains et machines collaborent en symbiose. Les machines excellent dans les tâches répétitives, l’analyse de vastes ensembles de données et la gestion des cas routiniers, tandis que les humains apportent jugement, créativité et capacité à traiter des informations ambiguës. Cette collaboration mutuelle permet d’atteindre des résultats qu’aucun des deux ne pourrait réaliser seul, ouvrant la voie à des performances inédites.

Réinventer le travail. Cette approche homme-plus-machine transforme fondamentalement la nature du travail. Plutôt que d’automatiser mécaniquement des processus linéaires existants, les organisations repensent la manière dont le travail s’accomplit, favorisant des équipes fluides et adaptatives où humains et IA collaborent. Cela conduit à une adaptation continue fondée sur des données en temps réel et une co-création, plutôt qu’à des étapes rigides prédéfinies, libérant ainsi de nouveaux niveaux d’efficacité et d’innovation.

2. Le « milieu manquant » : le terrain fertile de la collaboration humain-machine

La vérité simple est que les machines ne prennent pas le contrôle du monde, ni ne suppriment le besoin des humains au travail.

Un espace dynamique. Le « milieu manquant » désigne cet espace vaste et dynamique où humains et machines intelligentes collaborent, tirant parti de leurs forces respectives pour obtenir des résultats supérieurs. Ce concept remet en cause la dichotomie simpliste « humain contre machine » et révèle un paysage riche d’activités hybrides largement ignorées dans les analyses économiques traditionnelles de l’emploi. C’est là que se crée la valeur la plus significative des investissements en IA.

Des forces complémentaires. Les humains excellent dans les tâches requérant intuition, jugement, créativité et gestion de l’ambiguïté, tandis que les machines sont inégalées en rapidité, en échelle et en traitement des données. Le milieu manquant est le point de convergence de ces capacités distinctes. Par exemple :

• L’IA prend en charge la collecte fastidieuse de données et l’analyse préliminaire dans le traitement des sinistres.
• Les gestionnaires de sinistres humains se concentrent sur les cas complexes nécessitant jugement et interaction client.
• L’IA génère une multitude d’options de design, tandis que les designers humains sélectionnent et affinent selon leur sens esthétique.

L’émergence de nouveaux rôles. Ce paradigme collaboratif engendre des fonctions entièrement nouvelles et des processus repensés. Des entreprises comme Stitch Fix illustrent cela : des algorithmes de machine learning réduisent les options vestimentaires, tandis que des stylistes humains appliquent leur expertise et intuition pour finaliser des sélections personnalisées, apprenant continuellement des retours clients. Cette interaction dynamique est la clé d’une productivité et d’une innovation sans précédent.

3. L’IA générative : un bouleversement qui étend le milieu manquant

L’IA générative, avec sa promesse d’accroître productivité et créativité, confirme la nécessité pour les dirigeants de poursuivre la voie tracée dans la première édition.

Des capacités inédites. L’IA générative marque un saut majeur dans le développement de l’IA, dépassant l’analyse et la prédiction pour créer du contenu entièrement nouveau — textes, images, audio, code, et plus — à partir de simples instructions. Cette capacité, incarnée par des modèles comme ChatGPT et AlphaFold2, transforme la collaboration humain-IA en permettant une créativité et une productivité révolutionnaires dans tous les secteurs.

Démocratiser l’IA. L’émergence des grands modèles de langage (LLM) et des interfaces en langage naturel signifie que l’IA n’est plus réservée aux data scientists. Presque tout un chacun dans une organisation peut désormais exploiter l’IA simplement en lui parlant comme à un interlocuteur ordinaire. Cette accessibilité massive élargit considérablement le « milieu manquant », étendant le potentiel de collaboration humain-machine à tous les recoins des entreprises et redéfinissant les emplois existants.

Un impact considérable. Les conséquences pour les entreprises sont profondes. Nos analyses montrent que 40 % des heures de travail aux États-Unis, tous secteurs confondus, pourraient être affectées par les LLM, avec des effets marqués dans des fonctions comme la banque (72 % des heures) et l’assurance (68 %). Cette technologie entraînera une réinvention radicale des affaires, créant de nouveaux rôles et redéfinissant le leadership industriel en libérant la prochaine étape du potentiel humain.

4. Réinventer les processus d’entreprise pour des gains exponentiels

Le paradoxe est que, bien que ces processus ne soient ni standardisés ni routiniers, ils peuvent produire à répétition de meilleurs résultats.

Au-delà des processus statiques. La troisième vague de transformation des entreprises, portée par l’IA, fait évoluer les organisations au-delà des processus séquentiels et figés vers des systèmes fluides et adaptatifs. Contrairement à l’automatisation mécaniste du passé, qui apportait des gains marginaux, les processus réinventés exploitent les données en temps réel et la co-création humain-machine pour obtenir des améliorations exponentielles de la performance.

Adaptation dynamique. Prenons l’exemple de l’évolution du GPS traditionnel vers Waze :

• GPS traditionnel : cartes numériques statiques fournissant des itinéraires fixes.
• Waze : combine algorithmes d’IA et données utilisateurs en temps réel (trafic, accidents) pour créer des cartes dynamiques et optimisées, réorientant les conducteurs en cours de route.
  De même, les entreprises passent de chaînes de montage rigides à des équipes flexibles humain-machine qui s’adaptent continuellement aux nouvelles données et conditions du marché, permettant une hyper-personnalisation et une mise sur le marché accélérée.

Réinvention stratégique. Réimaginer les processus exige un changement fondamental de mentalité, une « rupture avec le monde que nous tenons pour acquis ». Cela implique de décomposer les emplois en tâches, d’identifier celles adaptées à l’automatisation ou à l’augmentation par l’IA, puis de repenser les flux de travail autour de ces nouvelles capacités. Des entreprises comme Best Buy utilisent l’IA générative pour transformer le service client, non seulement en automatisant les FAQ, mais en dotant les agents d’informations en temps réel, offrant ainsi des expériences plus personnalisées et efficaces.

5. Nouveaux rôles humains : former, expliquer et soutenir l’IA

Ces nouveaux emplois ne remplacent pas simplement les anciens. Ce sont des positions entièrement inédites, nécessitant des compétences et formations jusque-là inconnues.

Les humains, enseignants de l’IA. À mesure que les systèmes d’IA gagnent en sophistication et en humanité, émergent des catégories d’emplois dédiées à leur développement et gestion. Ces rôles de « formateurs » sont essentiels pour insuffler à l’IA des traits humains tels que l’empathie, la personnalité et la sensibilité culturelle. Par exemple :

• Formateurs en empathie : apprendre aux chatbots à répondre avec compassion et profondeur (ex. le travail de Koko avec Siri/Alexa).
• Formateurs en personnalité : façonner la persona de marque de l’IA (ex. les rédacteurs de Siri chez Apple).
• Formateurs en vision du monde et localisation : garantir la sensibilité culturelle globale de l’IA.

Démystifier la boîte noire. L’opacité croissante des algorithmes complexes nécessite des rôles d’« expliquant ». Ces professionnels font le lien entre techniciens et dirigeants, assurant transparence et responsabilité dans les décisions de l’IA. Avec des réglementations comme le « droit à l’explication » de l’UE, ces fonctions deviennent cruciales. Exemples :

• Analystes en criminalistique algorithmique : enquêtent sur les erreurs de l’IA pour en comprendre les causes et corriger les comportements.
• Analystes en transparence : classifient les systèmes d’IA selon leur explicabilité et auditabilité.
• Stratèges en explicabilité : choisissent les technologies d’IA adaptées selon le compromis précision/explicabilité.

Garantir une IA responsable. Les rôles de « soutiens » sont indispensables pour veiller au bon fonctionnement, à l’éthique et à la sécurité des systèmes d’IA. Ils protègent contre les conséquences imprévues et favorisent la confiance. Exemples :

• Concepteurs de contexte : intègrent les facteurs métier, utilisateur et culturels dans la conception des systèmes.
• Ingénieurs en sécurité IA : anticipent et atténuent les comportements nuisibles.
• Responsables conformité éthique : veillent aux valeurs humaines et à la lutte contre les biais (ex. dans les prêts ou résultats de recherche).
• Gestionnaires des relations machine : supervisent la performance des systèmes IA, à l’image des RH pour les humains.

6. L’IA donne aux humains des super-pouvoirs : amplifier, interagir, incarner

Ces technologies ne sont pas une menace, elles ressemblent plutôt à des super-pouvoirs.

Amplifier le potentiel humain. Les outils d’IA ne se contentent pas d’automatiser des tâches ; ils renforcent les capacités humaines, ouvrant la voie à de nouveaux niveaux de productivité, créativité et prise de décision. Cette « amplification » permet aux travailleurs de se concentrer sur des activités à plus forte valeur ajoutée et plus humaines. Par exemple :

• Logiciels de design génératif (Autodesk) : élargissent les possibilités créatives au-delà de l’imagination humaine, permettant aux designers de sélectionner parmi des milliers d’options générées par l’IA (ex. la chaise Elbo, les cloisons Airbus).
• IA en imagerie médicale (Philips Illumeo) : fournit aux radiologues des données contextuelles patient et suggère automatiquement des outils, accélérant les diagnostics et améliorant la précision.
• Lunettes de réalité augmentée : superposent des instructions numériques dans le champ de vision, augmentant l’efficacité en maintenance et formation (ex. câblage d’éoliennes, assemblage Boeing).

Interaction fluide. Les assistants IA utilisent des interfaces avancées, notamment le traitement du langage naturel, pour faciliter les interactions entre personnes ou en leur nom, à grande échelle. Cette capacité d’« interaction » rend l’IA omniprésente dans le service client et le travail intellectuel. Exemples :

• IA conversationnelle (Aida de SEB Bank, Google Agent Assist) : gère les demandes clients, guide les utilisateurs et apprend des experts humains pour offrir un service fluide et personnalisé.
• Assistants juridiques IA (Harvey, CoCounsel) : accélèrent la recherche juridique, la rédaction de documents et la synthèse d’informations, libérant les avocats pour des décisions stratégiques.
• Conseillers financiers IA (Morgan Stanley) : donnent un accès instantané à d’immenses bases de données, permettant aux conseillers de se concentrer davantage sur la relation client.

Incarner des capacités physiques. L’IA combinée à des capteurs, moteurs et actionneurs permet aux robots de partager l’espace physique avec les humains, étendant leurs capacités corporelles. Cette « incarnation » transforme les opérations industrielles et logistiques. Exemples :

• Robots collaboratifs (Mercedes-Benz, BMW) : travaillent aux côtés des humains sur les chaînes, prenant en charge les charges lourdes et tâches répétitives, tandis que les humains réalisent les opérations fines et décisionnelles, augmentant flexibilité et réduisant la fatigue.
• Robots d’entrepôt (Amazon, Symbotic) : transportent les marchandises de façon autonome et optimisent le stockage, réduisant les déplacements humains et améliorant l’efficacité.
• Drones de livraison (Zipline, Manna) : étendent les capacités de livraison humaine vers des zones isolées ou difficiles d’accès, acheminant médicaments ou courses.

7. Les dirigeants doivent cultiver une culture de confiance et d’expérimentation

Ce qui importe, c’est que les entreprises qui cessent d’expérimenter ou de tolérer l’échec se retrouvent à devoir tenter un coup de poker désespéré en fin de parcours.

Adopter l’expérimentation. Dans un paysage IA en rapide évolution, les dirigeants ne peuvent se contenter de reproduire les meilleures pratiques ; ils doivent encourager une culture d’expérimentation rigoureuse et structurée. Cela implique de concevoir, financer et mener des tests selon une approche « construire-mesurer-apprendre », même si beaucoup échouent. Les initiatives Amazon Go et Dash Cart, testées d’abord en interne, en sont un exemple, repoussant les limites technologiques tout en récoltant des retours essentiels.

Favoriser une culture hybride. L’intégration de l’IA nécessite d’instaurer une culture organisationnelle qui promeut et fait respecter une IA responsable, tout en bâtissant la confiance des collaborateurs. Les dirigeants doivent :

• Installer des garde-fous : définir des limites claires au comportement de l’IA pour éviter des résultats indésirables ou nuisibles (ex. incident du chatbot Microsoft Bing).
• Utiliser des points de contrôle humains : concevoir des processus où les humains peuvent surveiller, comprendre et intervenir dans les décisions de l’IA, réduisant l’effet « boîte noire » et renforçant la confiance (ex. tableaux de bord analytiques pour la performance robotique).
• Minimiser les « zones d’écrasement morales » : veiller à ce que les échecs de l’IA ne retombent pas injustement sur les travailleurs ou clients, ce qui minerait la confiance (ex. défaillances d’applications de covoiturage).

Traiter les inquiétudes avec transparence. Les craintes des employés concernant la sécurité de l’emploi et l’effet « vallée dérangeante » (gêne face à des robots quasi humains) doivent être prises en compte. Les dirigeants doivent communiquer clairement que l’IA vise à augmenter, non remplacer, et investir dans la reconversion. Donner aux collaborateurs un rôle actif dans les systèmes IA, comme les ingénieurs pétroliers optimisant les puits, accroît la confiance et l’adoption.

8. Un cœur numérique robuste est la base de la réinvention pilotée par l’IA

Un cœur numérique fragile et hérité freine l’entreprise et nuit à son succès, tandis qu’un cœur moderne la positionne pour réussir.

L’épine dorsale de l’entreprise. Un cœur numérique moderne est la fondation technologique et plateforme essentielle qui soutient les fonctions métier d’une entreprise. Il ne s’agit pas seulement de systèmes informatiques isolés, mais d’un paysage composable, agile et interopérable intégrant cloud, données et IA pour accélérer la croissance, réinventer les expériences et optimiser les opérations, avec la sécurité intégrée dès la conception.

Une chaîne d’approvisionnement de données dynamique. Le moteur de ce cœur est une chaîne d’approvisionnement de données dynamique, traitant les données comme un actif évolutif à l’échelle de l’entreprise. Cela implique :

• Capturer la variété : intégrer données structurées, semi-structurées et non structurées (texte, images, audio, capteurs).
• Accroître la vélocité : prioriser et accélérer les données « chaudes » (temps critique) tout en stockant efficacement les données « froides » (ex. stockage hiérarchisé des photos chez Facebook).
• Favoriser la découverte : démocratiser l’accès aux insights, permettant aux non-techniciens d’interroger les vastes bases de connaissances de l’entreprise en langage naturel via les LLM.

Gestion stratégique des données. Les entreprises doivent dépasser la gestion traditionnelle cloisonnée pour adopter des plateformes cloud intelligentes. Cela leur permet de :

• Exploiter les données synthétiques : générer des données artificielles mimant les caractéristiques réelles, cruciales pour entraîner les grands modèles génératifs quand les données réelles sont rares ou sensibles.
• Élargir l’accès : intégrer données internes et sources externes comme les données syndiquées ou ouvertes, à l’image de Beiersdorf utilisant les données Nielsen pour ses produits.
• Combler le milieu manquant : créer des rôles spécifiques (hygiénistes de données, responsables chaîne d’approvisionnement des données) pour gérer la qualité, prévenir les biais et assurer l’amélioration continue des systèmes IA via des boucles de rétroaction.

9. Huit « compétences de fusion » définissent le futur du travail

Chaque compétence repose sur la fusion des talents humains et machines dans un processus métier pour créer de meilleurs résultats que le travail indépendant.

Nouvelles compétences pour un monde hybride. L’ère de la fusion humain-machine exige un ensemble inédit de « compétences de fusion » combinant capacités humaines et machines. Ces compétences ne sont pas techniques au sens programmation, mais relationnelles, permettant un apprentissage continu et une amélioration des performances des processus.

Les huit compétences de fusion :

• Rehumaniser le temps : rediriger habilement le temps libéré par l’IA vers des activités plus humaines comme les interactions interpersonnelles, la créativité et la prise de décision complexe (ex. médecins passant plus de temps avec les patients, vendeurs développant des relations).
• Normalisation responsable : façonner de manière responsable la perception publique et interne de la collaboration humain-machine, favorisant acceptation et compréhension (ex. campagne Audi sur la conduite pilotée, cobot en cantine chez Fiat).
• Intégration du jugement : décider d’une action quand la machine est incertaine ou manque de contexte, mêlant

Dernière mise à jour: August 1, 2025