Lors de la sixième édition du webinaire « Amérique du Nord — Intelligence artificielle » organisé par les Conseillers du Commerce Extérieur, le ton était donné dès l’ouverture. « L’IA va transformer le travail bien plus vite que prévu sans que l’on sache encore si le solde net d’emplois sera positif ou négatif. »
Le sujet n’est plus théorique. Il est stratégique. Il engage la compétitivité des entreprises, la structuration des organisations, la trajectoire des talents et, plus largement, l’équilibre économique des nations.
Invitée principale de cette session, Vanessa Lyon, Senior Partner au BCG basée à New York, a proposé une lecture lucide, documentée et nuancée de l’impact de l’IA sur l’emploi. Son intervention pose une question centrale : sommes-nous face à un choc de productivité classique, comparable aux grandes révolutions industrielles, ou à une transformation structurelle des sources mêmes de l’avantage compétitif ?
Plusieurs vagues d’IA, plusieurs impacts
Premier point méthodologique : sortir de la confusion conceptuelle.
« Il n’y a pas que ChatGPT quand on parle d’IA, il y a beaucoup de familles d’IA. »
Vanessa Lyon distingue quatre grandes vagues :
- L’IA prédictive, issue du machine learning traditionnel, appliquée aux prix, à la demande ou à l’optimisation.
- L’IA générative, fondée sur les Large Language Models, capable de produire du contenu structuré.
- L’IA agentique, combinaison des précédentes, capable d’opérer des processus entiers en autonomie.
- La Physical AI, encore émergente, orientée vers l’automatisation avancée et le monde physique.
Ce découpage est déterminant. Car l’impact sur l’emploi varie selon la maturité technologique et la profondeur d’intégration dans les processus métiers.
Maturité IA et performance : une corrélation forte
L Les études annuelles du BCG mettent en évidence une progression continue vers ce que l’on appelle le « AI scaling », c’est-à-dire le passage de l’expérimentation ponctuelle à une véritable industrialisation des usages. Comme le formule Vanessa Lyon, « plus vous surfez une vague, plus vous êtes capable de surfer la vague d’après ». Les entreprises les plus avancées dans cette trajectoire affichent des corrélations positives significatives en matière de croissance du chiffre d’affaires, de Total Shareholder Return, de rentabilité du capital investi et de création de brevets. L’explication tient moins à la seule performance technologique qu’à la structuration organisationnelle. Les acteurs matures sont ceux qui ont mis en place une gouvernance robuste de la donnée et qui savent intégrer l’information au cœur de leurs processus décisionnels. Ce cumul d’apprentissage et d’intégration génère un avantage compétitif auto-renforcé.
L’emploi : destruction, déplacement ou recomposition ?
Le débat public oscille entre alarmisme et optimisme technologique. Les données présentées invitent à la prudence analytique.
Sur le cas des développeurs software, les analyses de fiches de paie montrent un phénomène différencié : recul des embauches chez les profils juniors et maintien, voire progression, des profils seniors.
« Les jeunes diplômés ont moins de place aujourd’hui dans le domaine du développement software. »
Cependant, Vanessa Lyon introduit plusieurs éléments de nuance. Le reflux observé s’inscrit en partie dans un ajustement post-Covid, après une période d’embauches parfois excessives, et les gains de productivité constatés ne sont pas exclusivement imputables à l’IA. Autrement dit, la transformation en cours ne suit pas une trajectoire linéaire ni homogène ; elle varie selon les générations, les secteurs d’activité et les fonctions au sein des organisations.
La pyramide des équipes se reconfigure
Dans le cycle de développement logiciel, l’IA réduit le besoin en développeurs intermédiaires. Mais elle augmente les exigences sur : la définition produit, la cybersécurité, l’architecture, l’orchestration des systèmes.
« Il y a besoin de moins de développeurs… mais il y a des défis en termes de sécurité et d’écosystèmes plus complexes. »
Nous ne sommes pas face à une simple réduction d’effectifs. Nous observons une mutation de la structure des compétences.
Productivité et redistribution des performances
Une étude évoquée lors du webinaire met en évidence un déplacement significatif de la distribution des performances individuelles après l’intégration de l’IA. La moyenne globale progresse, tandis que la hiérarchie relative entre profils se reconfigure. Sur les tâches répétitives, les collaborateurs les moins performants bénéficient d’un soutien substantiel ; à l’inverse, sur les tâches complexes, les profils les plus expérimentés voient leur capacité amplifiée par un véritable effet multiplicateur. « Les cartes sont rebattues », résume Vanessa Lyon. Cette dynamique impose de repenser en profondeur les modèles d’évaluation des talents : loin d’uniformiser les performances, l’IA en modifie la distribution et redéfinit les critères de valeur.
L’enjeu critique : passer de l’outil au redesign
L’un des messages les plus forts de l’intervention concerne l’intégration.
« Si on n’intègre pas la technologie dans les processus, ça va s’empiler. »
Vanessa Lyon évoque le risque d’« effet Lotus Notes » : accumulation d’outils non intégrés créant des friches technologiques. Deux modèles s’opposent : IA comme support : un nouvel outil, type Excel et IA au centre : refonte des processus autour des agents.
« Réfléchir à comment je mets l’IA d’abord… et comment j’organise mes ressources humaines autour. »
Ce basculement conceptuel est majeur. Il déplace la réflexion de l’optimisation incrémentale vers la reconfiguration organisationnelle.
Middle Management: zone de tension
Le modèle organisationnel pyramidal traditionnel se trouve aujourd’hui profondément interrogé. Vanessa Lyon souligne que « les middle managers… seront probablement des métiers très chamboulés ». Dans une logique AI-first, la structure évolue vers moins de strates hiérarchiques, davantage d’orchestration, une transversalité accrue et l’intégration d’agents IA agissant comme multiplicateurs de capacité. Cette mutation ne relève pas seulement d’un ajustement opérationnel ; elle soulève une véritable question politique interne : les actuelles courroies de transmission accepteront-elles de redéfinir leur rôle et leur périmètre d’influence au sein de l’organisation ?
Investir dans l’humain : condition du passage à l’échelle
Les entreprises qui repensent en profondeur leurs workflows investissent davantage dans la formation, le support opérationnel, le suivi rigoureux de la création de valeur et la clarification des rôles ; à la clé, un temps significativement libéré, un recentrage sur des tâches stratégiques, une satisfaction accrue des collaborateurs et une amélioration tangible de la qualité des décisions « Il faut forcer à une démarche structurée. »
L’IA sans transformation humaine est inefficace. La technologie seule ne produit pas de valeur.
Compétences des juniors : un défi structurel
Une interrogation centrale a émergé des échanges : comment former les futurs experts si les postes d’entrée se raréfient ? Vanessa Lyon reconnaît sans détour qu’il s’agit « d’une vraie question aujourd’hui ». Certains avancent l’idée que l’effet levier technologique pourrait accélérer les trajectoires professionnelles, permettant aux jeunes talents de progresser plus vite. Mais elle alerte immédiatement sur un point décisif : « la question de l’esprit critique reste extrêmement importante ». Elle l’illustre par une observation très concrète : « quand les juniors font les slides avec ChatGPT, on le voit tout de suite. Ça a l’air bien, mais ça ne veut rien dire ». Autrement dit, loin d’alléger l’exigence intellectuelle, l’IA impose un surcroît de rigueur dans l’analyse, la vérification et la structuration de la pensée.
Donnée et souveraineté informationnelle
Autre enjeu stratégique majeur : l’urbanisation des données. Vanessa Lyon insiste sur le fait qu’« il y a un très gros sujet d’urbanisation de la donnée ». Cette problématique ouvre une série de questions structurantes : quelles données peuvent être partagées sans risque, quelles informations doivent rester internes, et comment préserver un avantage informationnel dans un environnement concurrentiel ? Dans un contexte où les systèmes d’IA sont capables d’agréger et de recouper massivement des sources hétérogènes, la frontière entre information publique et donnée sensible tend à se brouiller, imposant une gouvernance beaucoup plus rigoureuse.
IA et compétitivité nationale
Le parallèle historique avec la machine à vapeur est convoqué pour éclairer les enjeux contemporains. Guillaume Bouvard rappelle que la Chine aurait « raté » la révolution industrielle sur le plan institutionnel, faute d’avoir adapté ses structures aux mutations technologiques. Dans cette perspective, Vanessa Lyon observe qu’« il y a vraiment cet espoir que l’IA permette aux États-Unis de reprendre de l’avance ». L’intelligence artificielle est ainsi envisagée comme un levier macroéconomique majeur. Elle est susceptible de compenser le choc démographique, de relancer durablement les gains de productivité et d’ouvrir la voie à de nouvelles industries stratégiques, du spatial aux suborbital labs en passant par les biotechnologies.
Faut-il craindre 20 % de chômage ?
La question est posée sans détour. La réponse, elle, se veut mesurée. Les grandes révolutions technologiques du passé ont déplacé les emplois davantage qu’elles ne les ont supprimés. L’automatisation agricole ou domestique, par exemple, n’a pas conduit à l’instauration d’un revenu universel généralisé. Les transitions ont été socialement complexes, parfois douloureuses, mais elles ont été historiquement absorbées par l’économie. Comme le rappelle Vanessa Lyon, « il y a eu des phases de progrès technologiques avec toujours plus de travail ». Reste une inconnue majeure : la rapidité actuelle de transformation. « On est au tout début… les balbutiements », souligne-t-elle, laissant ouverte la question du rythme et de l’ampleur des ajustements à venir.
Une économie à deux vitesses ?
Patricia synthétise les échanges en formulant un constat clair : « On a l’impression qu’il y a une économie à deux vitesses. » Les grandes entreprises, déjà structurées et dotées de capacités d’investissement importantes, progressent plus rapidement dans l’intégration de l’IA. À l’inverse, les PME et les organisations moins outillées risquent un décrochage progressif. Le risque n’est donc pas uniquement technologique ; il est avant tout organisationnel et stratégique.
En clôture, Vanessa Lyon partage une conviction personnelle : « Je crois beaucoup aux progrès technologiques. » Elle évoque les avancées en recherche médicale, dans le nucléaire ou encore dans le spatial. Elle compare la situation actuelle de l’IA aux débuts de l’aviation : « Il y a une centaine d’années, on était encore sur des ailes volantes. » Nous traversons une phase intermédiaire, où les modèles organisationnels adaptés à l’intelligence artificielle ne sont pas encore stabilisés. « La productivité suppose des transformations du modèle opérationnel qu’on a encore du mal à visualiser », rappelle-t-elle, soulignant que le véritable défi réside moins dans la technologie que dans sa mise en œuvre structurelle.
Au fond, l’IA ne détruit pas mécaniquement l’emploi ; elle redéfinit la structure des organisations, la hiérarchie des compétences, les sources d’avantage compétitif, la gouvernance des données et, plus largement, la nature même du leadership. Le message central est stratégique : l’enjeu n’est pas simplement d’adopter l’IA, mais de redessiner l’organisation autour d’elle. Pour les dirigeants, la question n’est plus « faut-il y aller ? », mais plutôt : comment structurer la transformation afin que l’IA devienne un levier d’innovation plutôt qu’un facteur de fragmentation ? Nous sommes, selon les mots de Vanessa Lyon, « à la croisée des chemins ». La suite dépendra moins des algorithmes que de notre capacité collective à repenser le modèle économique et social qui les accueille.
