L’IA agentique va faire émerger une nouvelle élite numérique

Les agents IA sont présentés comme une solution miracle, celle qui peut doper la productivité des entreprises. Néanmoins, les compétences nécessaires à la maîtrise des agents intelligents sont loin d’être uniformément réparties. La transformation agentique pourrait ainsi faire émerger une nouvelle élite numérique, non pas définie par le diplôme, mais par la capacité à travailler avec des systèmes d’IA autonomes. La question n’est donc plus seulement de savoir ce que les agents pourront faire, mais qui saura réellement les concevoir, les encadrer et en tirer de la valeur.

#GenAI #AgentsIA

En synthèse :

Les agents IA ne créent pas mécaniquement de la productivité. Ils exigent d’abord de formaliser les tâches, les méthodes, les ressources, les contrôles et les conditions d’arrêt.
La compétence décisive ne sera plus de prompter, mais de superviser. Les salariés devront savoir transformer une activité en système de décisions et d’actions vérifiables.
La dette numérique limite fortement l’adoption de l’IA. Sans culture informatique et numérique, les usages de l’IA resteront superficiels et les gains économiques largement théoriques.
Une nouvelle élite numérique pourrait émerger. Les salariés capables de concevoir et d’orchestrer des agents gagneront en productivité, en autonomie, en valeur économique et en pouvoir de négociation.
La transformation agentique risque d’amplifier les inégalités. Sans préparation collective, elle creusera les écarts d’employabilité et de compétitivité entre individus, entreprises et catégories sociales.

Les agents IA sont devenus en quelques mois la réponse ultime à presque tous les problèmes d’organisation et de productivité. Ils sont mentionnés dans quasiment toutes les offres et solutions numériques comme une incantation magique, sans que ce raccourci soit réellement remis en cause.

Le problème est qu’automatiser une tâche n’équivaut pas à transformer le travail, mais simplement à le déléguer à une IA pour qu’elle le fasse plus vite. Ainsi, les gains de productivité annoncés pour les promoteurs de l’IA agentique restent encore largement théoriques et surtout invisibles dans les résultats économiques des entreprises. Il y a ici un parallèle intéressant avec la seconde Révolution Industrielle et l’électrification des usines : Why AI isn’t showing up on your bottom line.

La clé de la productivité ne réside donc pas dans l’outil, mais plutôt dans la nature du travail. Comprenez par là que les gains de productivité dépendent de ce qui a été formalisé et pensé en amont. Dans le cas précis de l’IA, les agents répondent surtout aux besoins les plus simples, prévisibles et répétitifs. Mais leur conception et leur exploitation exigent davantage d’efforts qu’on ne veut bien l’admettre, car ce ne sont pas des systèmes magiques.

Pour qu’un agent puisse correctement fonctionner, c’est-à-dire prendre en charge un nombre significatif de cas, il faut :

définir précisément le résultat attendu ;
décrire les étapes ou la méthode ;
expliciter les contraintes ;
donner accès aux bonnes ressources ;
connecter les outils nécessaires ;
prévoir les contrôles et indicateurs de succès ;
définir les conditions d’arrêt et d’escalade.

Vous conviendrez que ça fait une longue liste, et autant d’étapes préparatoires qui sont généralement sautées par manque de temps, de volonté, ou d’intérêt pour des « trucs d’informaticiens ».

La vérité que l’on choisit d’ignorer est qu’un agent ne peut pas automatiser une tâche mal définie, il exige au contraire que cette tâche soit décrite avec précision, ce qui implique un minimum de connaissances et de compétences.

Et c’est là le coeur du problème, car la dette numérique est une réalité à laquelle aucune entreprise ne peut échapper.

Tous les salariés ne disposent pas des mêmes connaissances ou compétences numériques

Je pense ne rien vous apprendre en écrivant que la culture numérique est très inégalement répartie dans les entreprises et même dans la population (j’en parlais déjà il y a plusieurs années : La dette numérique de votre entreprise se creuse tous les jours).

Le fait est que la majeure partie des utilisateurs privilégie le confort et la simplicité. Cette logique se vérifie notamment dans l’hégémonie des médias sociaux, devenus progressivement la première source d’information malgré tous les avertissements et les dérives que cela engendre (bulles de filtre, manipulation de l’opinion…).

L’IA étant un sujet vaste et pointu, la maîtrise des modèles génératifs et des agents intelligents passe par un apprentissage théorique et empirique. Je suis le premier à le reconnaitre : Il faut du temps, de la discipline et de la volonté pour monter en compétences sur l’IA de façon autonome, ce dont les salariés et citoyens manquent cruellement (Le principal frein à l’emploi des jeunes n’est pas l’IA, mais TikTok).

Il faut de plus savoir questionner les réponses des chatbots, vérifier les sources, détecter les erreurs et comprendre les limites des systèmes. Ces capacités ne sont pas innées, car elles sont liées à différents niveaux de maturité :

maturité informatique (comprendre les outils, les fichiers, les systèmes et les droits d’accès) ;
maturité numérique (comprendre les plateformes, les flux d’information, les données et les usages) ;
maturité en IA (savoir instruire, vérifier, superviser et orchestrer des modèles génératifs).

Sans cette maturité informatique / numérique, l’exploitation de l’IA est limitée à des usages basiques, comme nous le prouve la dernière étude de Google : Understanding the AI economy.

Cette étude nous fait relativiser l’enthousiasme autour de l’automatisation des tâches par les cols blancs grâce aux agents intelligents. Ainsi, l’IA n’est utilisée par les employés de bureau que pour 1 tâche sur 5, principalement des tâches basiques, tandis que les tâches cognitives non routinières représentent les 2/3 des interactions avec l’IA (10 chiffres à retenir de l’étude Atlas de Google). Comprenez par là que si les utilisateurs se sont approprié les chatbots et leur capacité à répondre à toutes les questions, ils ne dépassent pas le stade des questions / réponses.

Le principal enseignement que l’on peut retirer de cette étude est qu’il est très difficile d’anticiper les niveaux d’adoption ou les usages d’une technologie. Mais ce qui est en revanche certain, c’est que le potentiel de l’IA est pourtant bien réel, car les modèles génératifs progressent très régulièrement, mais largement sous-exploité.

À partir de ce constat, qui est à blâmer : les salariés ou l’IA ? Un peu des deux, ou aucun. La valeur d’un salarié repose ainsi traditionnellement sur trois caractéristiques :

ses connaissances (ce qu’il sait) ;
ses compétences (ce qu’il sait faire) ;
ses capacités (ce qu’il peut effectivement accomplir).

L’IA peut potentiellement compléter les connaissances, accélérer l’apprentissage et étendre le périmètre d’action des salariés. En théorie, un salarié motivé et à l’aise avec l’IA peut accéder plus rapidement à l’information, acquérir de nouvelles compétences et traiter un éventail plus large de tâches avec plus d’efficacité. Mais en pratique, la dette informatique et numérique limite fortement cette montée en compétences et capacités liée à l’IA. Pire: une bonne partie des salariés ne sait pas ce qu’elle ignore, faute de compréhension suffisante des outils, des données et des systèmes.

Il y a donc fort à parier que l’adoption de l’IA soit limitée à des usages de surfaces (des questions posées à un chatbot), et qu’elle ne se fasse pas suffisamment en profondeur pour réellement changer les habitudes et modes de travail, délivrant ainsi les gains de productivité promis.

Du moins pas chez tout le monde…

Passer des chatbots qui répondent aux agents qui agissent

J’ai déjà eu de nombreuses occasions de vous expliquer pourquoi les agents intelligents représentent une évolution majeure dans les usages professionnels de l’intelligence artificielle : Les agents IA vont nous permettre de gagner en productivité collective.

Les chatbots constituent la première étape d’appropriation de l’IA générative : ils apportent des connaissances, de l’assistance et une aide à la production. Les agents vont plus loin : ils peuvent exécuter des actions, utiliser des outils, enchaîner des étapes et poursuivre un objectif.

La chaîne traditionnelle « Chercher > Cliquer > Lire > Décider > Agir » tend à devenir « Instruire > Superviser > Valider ». Vous conviendrez que c’est une évolution majeure, car nous passons d’une logique de recherche à une logique de délégation.

Certes, la supervision reste indispensable, car l’utilisateur doit pouvoir surveiller les étapes, contrôler les résultats, gérer les exceptions et interrompre le système au cas où, mais les agents intelligents représentent une authentique révolution dans notre approche du travail intellectuel, ils étendent de façon considérable le champ d’action des solutions d’automatisation qui existent déjà depuis de nombreuses années (celles qui reposent sur des automates logiques).

À ce propos, pour savoir où vous en êtes dans votre appropriation de l’IA, je vous propose ce petit outil d’auto-évaluation : Diagnostic de maturité en IA.

Bref, vous avez tout intérêt à ne pas vous contenter de 2 ou 3 questions vite posées à un chatbot, car les modèles génératifs ont bien plus à vous proposer.

Superviser remplace progressivement exécuter

Les agents augmentent notre capacité d’agir, c’est la fameuse notion d’agence (« agency » en anglais). Mais cette augmentation ne se produit pas naturellement, car pour pouvoir correctement déléguer une tâche à un agent IA, il faut savoir :

décrire un objectif vague en résultat vérifiable ;
décomposer le travail en étapes ;
identifier les dépendances ;
anticiper les exceptions ;
sélectionner les outils ;
définir les critères de réussite ;
prévoir des mécanismes de contrôle.

Prompter ne suffit plus, il faut penser les agents comme des composants intégrés à des boucles de travail. Sans cette intégration, l’entreprise ne réduit pas le travail : elle le déplace vers la préparation, la correction, la coordination ou la validation (cf. Context Engineering, Harness, Loop: The Terms Explained).

Ne confondez plus agents intelligents et chatbots personnalisés. Votre « Custom GPT » n’est pas un agent, c’est simplement un chatbot avec un prompt prédéfini. Concevoir un agent demande plus de travail, car cela revient à formaliser une méthode. Ainsi, la conception d’un agent s’apparente à une forme de programmation logique, car elle suppose de formaliser :

un objectif ;
une suite d’étapes ;
les données d’entrée ;
les formats de sortie ;
les ressources disponibles ;
les contraintes ;
les règles de décision ;
les contrôles ;
les conditions d’arrêt ;
les modalités de reprise en cas d’échec.

Cette démarche nécessite une bonne culture informatique, même lorsqu’aucune ligne de code n’est écrite. Tenez-le pour dit : le contexte, les outils et les contrôles font toute la différence entre un chatbot personnalisé et un agent intelligent. Et surtout : la performance d’un agent dépend moins du modèle utilisé que de l’environnement dans lequel il fonctionne.

Ainsi, les facteurs déterminants sont :

la qualité du contexte fourni ;
l’accès aux bonnes données ;
la disponibilité des outils ;
la clarté des règles ;
la formalisation des étapes ;
la capacité à contrôler le résultat ;
la gestion des erreurs et des exceptions.

La compétence décisive ne sera pas de savoir discuter avec un chabot, de maîtriser les prompts, mais de savoir transformer une tâche ou activité en système de décisions et d’actions contrôlables.

Quand la maîtrise de l’IA devient un avantage économique

Nous vivons déjà dans une société de salariés et d’entreprises augmentés par les technologies numériques. Ainsi, un employé de bureau du XXIe siècle combine :

un cerveau (instincts, réflexes, émotions…) ;
une éducation (diplôme) et une culture (valeurs) ;
des outils numériques (logiciels, applications en ligne…) ;
des systèmes d’assistance et d’automatisation (correction orthographique, suggestions, pré-analyse…).

Les salariés ont déjà été augmentés par les outils informatiques puis numériques, mais l’IA agentique améliore encore la productivité des salariés en étendant leurs connaissances et leurs capacités d’action. La question n’est plus de savoir si les salariés seront augmentés, mais lesquels et jusqu’où cette augmentation pourra aller.

Cette progression dépend :

des capacités initiales (connaissances informatiques et numériques) ;
de la maîtrise des outils (comprendre le fonctionnement et les limites) ;
de l’organisation du travail (formaliser les activités et tâches en séquences) ;
des limites éthiques (savoir lesquelles ne pas franchir) ;
des arbitrages économiques (savoir évaluer la rentabilité) ;
des responsabilités confiées (faire preuve d’initiative).

Les salariés qui cochent toutes ces cases et sont les plus à l’aise avec les chatbots et les agents pourront augmenter fortement leur productivité, leur autonomie et leur valeur économique. Mais ce qui fera réellement leur valeur n’est pas simplement leur capacité à travailler plus vite, mais plutôt leur faculté de :

faire évoluer les méthodes de travail ;
concevoir des boucles humain-machine ;
déléguer sans abandonner le jugement ;
combiner plusieurs expertises ;
produire seul ce qui nécessitait auparavant plusieurs intervenants ;
convertir rapidement ses connaissances en actions.

Ces individus pourraient devenir des unités de production à forte autonomie, capables de livrer seul ce qui exigeait auparavant plusieurs expertises ou niveaux de coordination. En ce sens, ils seraient l’élite de l’entreprise, les salariés les plus productifs.

Entendons-nous bien : le terme « élite » doit être utilisé avec précision, car il ne désigne pas une supériorité intellectuelle ou morale, mais des caractéristiques économiques et opérationnelles induites par la maîtrise de nouveaux outils. Et vous l’aurez compris, ces caractéristiques leur permettra de se démarquer des autres.

Une fracture numérique au sein même de l’entreprise

Comme nous venons de le voir, l’avènement combiné des chatbots et agents intelligents risque d’engendrer des écarts de productivité significatifs entre les salariés qui maîtrisent toutes les facettes de l’IA et ceux qui se contentent d’en explorer la surface.

Je ne suis pas futurologue, mais j’anticipe le fait que cet écart de productivité va se transformer en pouvoir de négociation au bénéfice des salariés augmentés qui vont faire valoir leur capacité accrue de production. Mais le pire, c’est que cet écart va s’accroître à mesure que :

les modèles génératifs gagnent en puissance ;
les outils deviennent plus sophistiqués ;
les agents accèdent à davantage de ressources ;
les organisations formalisent mieux leurs processus.

Je ne me fais aucune illusion sur le fait que les salariés les plus en avance sur la maîtrise de l’IA agentique pourront revendiquer cet avantage pour négocier une meilleure rémunération, davantage d’autonomie, un rôle plus stratégique… Bref, attendez-vous à un bouleversement dans la hiérarchie des salariés, certains se démarquant aisément des autres de par leur maitrise des outils numériques et agentiques.

La parade la plus logique pour éviter ce scénario serait de former tous les salariés à l’IA. Cette intention est légitime, mais elle ne garantit pas une progression homogène, voire pas de progression du tout.

Ainsi, le problème est triple :

la formation coûte cher ;
elle demande du temps ;
elle ne garantit pas les résultats.

Dans la mesure où il n’est pas envisageable de combler la dette numérique tout en proposant une formation intensive en IA à tous les salariés, les écarts dans l’adoption et l’exploitation efficace de l’IA semble inévitable, du moins à moyen terme. Pour avoir une meilleure compréhension des connaissances et capacités autour de l’IA, je vous incite à étudier le cadre de compétences édité par l’OCDE et la Commission Européenne : AI Literacy Framework.

La tentation sera grande pour certains dirigeants de laisser faire, et de ne conserver que les salariés les plus autonomes, ceux qui auront réalisé eux-mêmes leur augmentation. Mais cette logique de « sélection naturelle » n’est pas réellement compatible avec la législation française ou avec notre système social.

Il n’est pas seulement question d’écart entre les salaires, mais d’employabilité et surtout de compétitivité globale, car une démarche attentiste (miser sur l’autoformation et sanctionner ceux qui ne s’y plient pas) risque de créer un déséquilibre socio-économique durable entre :

ceux qui savent concevoir et superviser des systèmes ;
ceux qui se contentent de quelques fonctionnalités simples ;
ceux qui restent exclus des nouveaux modes de production.

Il faut agir avant que notre tissu socio-économique ne commence à se dégrader.

Un nouveau cadre pour le travail, l’éducation…

Ce n’est pas la première fois qu’aborde l’impact sociétal de l’IA, car je suis intimement convaincu que nous minimisons le basculement de civilisation que nous sommes en train de vivre : Du Web4 à la Société 5.0.

Si nous avons encore beaucoup de mal à anticiper un calendrier de réalisation pour cette bascule civilisationnelle, ce qui en revanche ne fait aucun doute est le fait que nous abordons une nouvelle ère de l’informatique. Ainsi, après l’ère des grands systèmes, celle des ordinateurs personnels et celle du cloud, nous entrons grâce à (ou à cause de) l’IA dans une nouvelle phase de maturité pour les outils informatiques.

Ce n’est pas un hasard si nous parlons de la quatrième Révolution Industrielle, car elle touche avant tout le monde de l’entreprise où toutes les activités reposent sur l’informatique. À partir de ce constat, tout changement majeur va nécessairement impliquer de repenser :

les méthodes de travail ;
les fiches de poste ;
les responsabilités ;
l’évaluation de la performance ;
la gestion des carrières ;
la formation continue ;
les prérequis à l’embauche…

Ainsi, la transformation agentique n’est pas qu’un simple chantier de déploiement de nouveaux outils, car elle bouleverse en profondeur et de façon irrémédiable les modalités de décision, d’exécution et de création de valeur.

Voilà pourquoi les impacts de cette bascule agentique doivent être abordés dans leur globalité, à l’échelle macroéconomique : Une nouvelle architecture économique et sociale pour accompagner l’avènement de l’IA. Même le fondateur de Facebook est d’accord avec ça : The AI Future Is for Everyone.

Cette approche holistique de la révolution agentique dépasse largement le cadre de l’entreprise, car elle implique également de repenser :

l’éducation ;
l’apprentissage ;
l’évaluation des connaissances ;
la transmission et la validation des compétences…

Lire à ce sujet : The AI coding tutor paradox grows as educators scramble to rethink how they test real skills.

Les agents IA sont des accélérateurs de transformation et des inégalités

Certains techno-enthousiastes essayent de nous faire croire que l’IA est justement un moyen de combler les inégalités et de distribuer de façon équitable les connaissances, compétences et capacités. Une utopie à laquelle je ne crois pas une seule seconde (cf. Des dangers du dogmatisme technologique).

La transformation agentique ne réduira pas spontanément les écarts de connaissances ou compétences. Elle risque au contraire d’amplifier les différences entre les salariés capables de formaliser leurs séquences de travail, de définir et de contrôler des systèmes complexes ainsi que d’apprendre de façon autonome ; et ceux qui ne disposent ni des connaissances ni de l’environnement nécessaires pour opérer eux-mêmes leur montée en compétences sur l’IA.

Les premiers pourront déléguer une part croissante de leur production à des agents, coordonner davantage d’activités et devenir beaucoup plus autonomes. Leur valeur économique et leur pouvoir de négociation augmenteront. Les autres resteront cantonnés à une utilisation superficielle de l’IA, avec le risque d’être progressivement marginalisés dans des organisations conçues autour de nouvelles capacités d’exécution.

Voilà pourquoi les entreprises ne doivent pas appréhender la transformation agentique comme un simple déploiement logiciel. Elles doivent évaluer les compétences, formaliser les procédures / processus, rendre les informations / données / connaissances accessibles et donner aux salariés le temps d’apprendre.

Déployer l’IA à toute vitesse sans préparer les salariés accélérerait précisément la fracture que l’entreprise cherche à éviter.

Questions / Réponses

Quelle différence entre un chatbot et un agent IA ?

Un chatbot répond à une question, fournit des informations ou aide à produire un contenu. Un agent va plus loin : il peut utiliser des outils, exécuter plusieurs étapes et poursuivre un objectif. L’utilisateur ne se contente plus d’interroger l’IA, il lui délègue une partie du travail.

Pourquoi les agents IA ne garantissent-ils pas automatiquement des gains de productivité ?

Un agent ne peut pas automatiser correctement une tâche mal définie. Il faut préciser le résultat attendu, les étapes, les ressources, les contraintes, les indicateurs de réussite, les contrôles… Sans ce travail préparatoire, l’automatisation déplace surtout l’effort vers la correction, la coordination et la validation.

Quelles compétences faut-il maîtriser pour travailler avec des agents IA ?

Savoir rédiger des prompts ne suffit plus. Il faut pouvoir décomposer une activité en tâches, anticiper les exceptions, choisir les bons outils et définir des critères de réussite. Cette capacité repose sur une bonne culture informatique et numérique.

Pourquoi l’IA agentique pourrait-elle créer une nouvelle élite professionnelle ?

Les salariés capables de concevoir et de superviser des agents pourront traiter davantage de tâches avec plus d’autonomie. Ils pourront aussi combiner plusieurs expertises et produire seuls ce qui nécessitait auparavant plusieurs intervenants. Leur valeur économique et leur pouvoir de négociation devraient donc augmenter.

Comment les entreprises peuvent-elles limiter les inégalités liées aux agents IA ?

Le simple déploiement d’outils IA ne suffira pas. Les entreprises doivent évaluer les compétences, formaliser les procédures, rendre les données / informations / connaissances accessibles et laisser du temps aux salariés pour apprendre et s’adapter. Sans cet accompagnement, l’IA risque d’accentuer les écarts de productivité et d’employabilité.