Deux ans après les premières mises en garde de Daron Acemoglu sur l’impact de l’IA au travail, ses réserves n’ont pas vraiment été adoptées par le débat public. Les discours alarmistes sur une « apocalypse » des emplois restent visibles, notamment dans la sphère politique, tandis que certains économistes se montrent désormais plus ouverts à l’idée que l’IA pourrait bouleverser l’emploi. En toile de fond, la question demeure : assiste-t-on à une transformation progressive, mesurable dans les statistiques, ou à un risque plus diffus et encore mal capté par les données ?
Interrogé pour clarifier son point de vue, Acemoglu estime que les éléments empiriques disponibles soutiennent jusqu’ici sa thèse prudente. Mais il observe aussi des évolutions techniques susceptibles de modifier la trajectoire de l’IA. Son angle se concentre moins sur une éventuelle intelligence artificielle générale imminente que sur les mécanismes concrets qui pourraient, ou non, accélérer la substitution au travail humain.
Les « agents » : une avancée, mais pas une copie du travail humain
Parmi les évolutions les plus marquantes figurent les « agents » : des systèmes capables d’accomplir des objectifs de manière plus autonome qu’un simple chatbot. Là où l’IA conversationnelle répond, les agents peuvent tenter d’agir, en enchaînant des actions pour mener une tâche à son terme. Plusieurs entreprises présentent ces outils comme une solution de remplacement « à grande échelle » du travail humain.
Pour Acemoglu, la conclusion est trop rapide. Selon lui, l’enjeu ne se résume pas à l’autonomie apparente des agents, mais à leur capacité à couvrir l’ensemble d’un poste, avec toutes ses variations, ses transitions et sa gestion d’imprévus. Un travail réel combine souvent de multiples sous-tâches, utilisant des systèmes et des formats différents, avec des changements fluides effectués naturellement par les humains.
La question décisive est donc la suivante : ces agents parviendront-ils à orchestrer efficacement l’ensemble des segments du travail, sans dériver ni accumuler des erreurs ? Tant que l’on en reste à des démonstrations limitées ou à des performances dépendantes du contexte, le risque de substitution massive reste, aux yeux de l’économiste, moins certain. À l’inverse, si l’« agencement » devient fiable à grande échelle, l’impact sur l’emploi pourrait se renforcer, même sans changement radical vers une intelligence générale.
Une nouvelle dynamique RH et « économique » dans les entreprises IA
Au-delà des capacités techniques, Acemoglu souligne un autre signal : les entreprises du secteur n’installent pas seulement des équipes d’ingénieurs. Elles renforcent aussi des structures dédiées à l’analyse des effets économiques de l’IA.
Cette montée des compétences économiques à l’intérieur des grands acteurs traduit un besoin croissant de comprendre où, comment et à quelles conditions l’IA modifie l’organisation du travail : productivité, réallocation, complémentarités avec les compétences existantes, ou risques de discontinuités. En d’autres termes, les entreprises cherchent à mieux mesurer et anticiper les impacts, y compris du point de vue des décideurs et des cadres réglementaires.
Dans cette perspective, un indicateur à suivre concerne la façon dont ces équipes traduisent leurs analyses en décisions concrètes : conception des produits, déploiement progressif, ou ciblage de tâches spécifiques plutôt que remplacement global.
Ce qui inquiète : le décalage entre les statistiques et la réalité du travail
Acemoglu reconnaît que l’écart entre le débat public et les données peut créer une illusion : d’un côté, les études ne montrent pas encore d’effet clair sur les taux d’emploi ou les licenciements ; de l’autre, les transformations technologiques avancent vite et peuvent agir sur certains segments avant d’apparaître dans les agrégats statistiques.
Son inquiétude porte donc moins sur un basculement immédiat et spectaculaire que sur la possibilité d’impacts plus graduels mais cumulés : disparition ou réduction de certaines tâches, déstabilisation de certaines professions, et recomposition des compétences. Autrement dit, l’IA peut modifier le travail sans se traduire immédiatement par des chiffres nets au niveau macroéconomique.
En suivant cette trajectoire, deux questions deviennent centrales : les agents parviennent-ils à s’insérer durablement dans des processus de travail complexes ? Et les organisations humaines parviennent-elles à réorganiser les tâches sans créer de frictions sociales ou économiques trop rapides ?
Pour explorer l’angle « organisation et productivité » souvent lié à ces sujets, certains acteurs s’équipent aussi d’outils de gestion et d’automatisation qui structurent les flux de travail. Par exemple, un gestionnaire de tâches et de flux peut aider à cartographier les activités et à identifier ce qui relève de l’humain, de l’outil, ou de la combinaison des deux dans un processus concret.
Dans la même logique, les équipes évaluent parfois l’impact de l’IA en mettant en place des environnements de test et de documentation. Un outil de prise de notes et de traçabilité peut servir à suivre les décisions et mesurer l’évolution des méthodes, ce qui rejoint l’objectif de mieux relier les changements techniques à la réalité opérationnelle.