Ce qu’est cette page — et ce qu’elle n’est pas
La question du déplacement est habituellement posée comme un décompte : combien d’emplois l’IA supprime-t-elle ? Cela compte, et déplacement du travail et de l’économie le traite. Cette page pose une question différente : qu’advient-il des emplois qui subsistent ? Un travailleur peut conserver un salaire tout en perdant le contrôle de l’horaire, du rythme, des décisions de jugement, et de la dignité qui rendaient le travail valable.
Le mécanisme décrit ici — la gestion algorithmique — est observé, documenté et réel. Projeter les constats actuels de l’économie des petits boulots et des entrepôts sur l’ensemble de l’économie est un argument, pas une mesure. Cette page indique clairement ce qui relève de l’un ou de l’autre.
Le mécanisme : la gestion algorithmique
La revue largement citée de Kellogg, Valentine et Christin définit la gestion algorithmique comme un logiciel exerçant des fonctions managériales : attribuer des tâches, surveiller la performance, évaluer la production, et discipliner ou récompenser les travailleurs (Kellogg, Valentine et Christin, « Algorithms at Work: The New Contested Terrain of Control », Academy of Management Annals, 2020). Ils organisent la panoplie en six mécanismes — recommander, enregistrer, noter, remplacer, récompenser et discipliner — et notent que ce terrain contesté n’est pas nouveau. Les employeurs ont toujours cherché à extraire plus d’effort pour moins de rémunération ; ce qui a changé, c’est la granularité, la vitesse et l’asymétrie du système qui s’en charge.
Dans la pratique, cela signifie : des horaires fixés par la demande prévue plutôt que par un responsable qui sait que vous avez un enfant à l’école ; des scores de productivité calculés à partir de frappes au clavier, de scans, ou de secondes par tâche ; des notations en étoiles des clients traitées comme des évaluations de performance ; et un licenciement déclenché automatiquement quand une métrique tombe sous un seuil, parfois sans aucun humain dans la boucle. Le travailleur vit cela comme un patron qui observe toujours, ne négocie jamais, et auprès duquel il est impossible de faire appel, parce qu’il n’y a personne.
Le sens de la trajectoire
À mesure que l’IA absorbe le travail cognitif routinier, les emplois qui restent aux humains se répartissent en deux catégories. La première est le travail que les machines ne peuvent pas encore accomplir : les métiers qualifiés dans des environnements physiques imprévisibles, la négociation humaine complexe, le jugement créatif authentique. La seconde est le travail pour lequel les humains doivent être maintenus — parce qu’une loi, une règle de responsabilité, ou la préférence du client exige une personne quelque part dans la chaîne, même quand le système peut faire presque tout le reste.
C’est dans la seconde catégorie que la qualité se dégrade le plus vite. Si une personne n’est présente que pour satisfaire une exigence, l’incitation de l’employeur est de rendre cette présence aussi bon marché et aussi contrôlée que possible : une discrétion scriptée, une conformité surveillée, aucune marge de manœuvre. Le travailleur devient un sceau d’approbation humain apposé sur la sortie d’une machine — responsable du résultat, dépouillé de l’autorité de le façonner. Une infirmière tenue de « valider » le triage de l’IA en douze secondes par patient n’est pas augmentée ; elle est un tampon de responsabilité muni d’un stéthoscope.
Ce que montrent les preuves — et ce qu’elles ne montrent pas
Les preuves les plus solides proviennent de contextes où la gestion algorithmique est déjà totale. Sur les plateformes de travail à la tâche, des chercheurs ont documenté comment les systèmes de notation et les règles opaques de désactivation transfèrent le risque vers les travailleurs tout en leur refusant l’information sur qui décide et pourquoi (Rosenblat et Stark, 2016). Dans les entrepôts, une granularité de surveillance à la seconde près est associée à des taux élevés de blessures et de départs dans les reportages journalistiques et associatifs, bien que les estimations causales évaluées par les pairs restent minces. L’analyse mondiale de l’IA générative de l’Organisation internationale du travail est explicite : l’exposition à l’automatisation n’est pas la même chose que la perte d’emploi, et les dimensions de qualité — l’intensité de la tâche, l’autonomie, et l’occasion d’exercer des compétences — évoluent indépendamment du nombre de postes (OIT, 2023).
L’honnêteté exige de poser la limite : ces études mesurent des lieux de travail spécifiques et fortement surveillés. Les étendre à l’ensemble de l’économie est un argument par analogie, pas une mesure. Certains emplois restants s’amélioreront ; certaine surveillance échouera ou se retournera contre son objectif ; certains travailleurs préfèrent la flexibilité médiée par une application à l’alternative, qui n’est souvent rien du tout. L’affirmation défendable est plus étroite et tout de même sérieuse : partout où des humains sont maintenus dans la boucle contre la préférence d’un employeur, la pression économique par défaut va vers le contrôle, pas vers l’autonomie.
Trois signaux indiquent dans quel sens évolue un lieu de travail : si les travailleurs peuvent voir et contester les données utilisées pour les évaluer, si un humain doté d’autorité peut annuler le système, et si les objectifs de productivité se relèvent automatiquement à mesure que le logiciel apprend à quoi ressemblait le poste le mieux exécuté. Le troisième est le signe révélateur. Un système qui continue de relever la barre à mesure que les travailleurs s’adaptent n’est pas un outil pour organiser le travail ; c’est un cliquet d’extraction, et son plafond est fixé par la physiologie, pas par le jugement.
La question de la complémentarité
Que l’IA augmente un rôle restant ou le dégrade n’est pas décidé par la technologie. C’est décidé par qui choisit la conception. Le même modèle de triage qui permet à une infirmière de consacrer son heure aux patients qui ont besoin d’elle peut au contraire servir à lui fixer un quota. Le même assistant de programmation qui gère le code répétitif pour qu’un développeur junior apprenne l’architecture peut au contraire servir à justifier la supervision de quatre juniors plutôt que l’embauche de deux seniors.
| Choix de conception | Résultat qui augmente | Résultat qui dégrade |
|---|---|---|
| Qui fixe le rythme | Le travailleur contrôle la séquence | Le système fixe le quota, le travailleur suit |
| Qui voit les données | Le travailleur reçoit une rétroaction sur sa performance | L’employeur surveille, le travailleur ne peut pas inspecter |
| Qui détient le jugement | L’IA conseille, l’humain décide avec des raisons | L’humain tamponne sans discuter, la responsabilité reste humaine |
| Que se passe-t-il en cas d’erreur | Révision et reformation | Rétrogradation ou licenciement automatique |
Les déterminants sont institutionnels, non techniques : le pouvoir de négociation, des normes exécutoires, la capacité du travailleur à inspecter et contester les données, et le fait que quelqu’un au-dessus de l’algorithme ait à la fois l’autorité et l’incitation à l’annuler.
Une asymétrie mérite d’être soulignée. Quand l’augmentation est promise, le bénéficiaire promis est le travailleur ; quand la dégradation se produit, le bénéficiaire est la ligne de coûts. Ce décalage implique que la charge de la preuve devrait reposer sur l’organisation qui déploie le système : si un système augmente vraiment, ses concepteurs peuvent démontrer une discrétion préservée, des données inspectables, et des objectifs stables. « L’humain est toujours dans la boucle » n’est pas une preuve d’augmentation lorsque la seule action permise à l’humain est de continuer.
Réponses de politique publique et de négociation
La qualité de l’emploi est une question de normes du travail, pas seulement une question d’aide à la transition. Les programmes de reconversion ne font rien pour un travailleur dont le nouvel emploi est cadencé, noté et résilié de façon algorithmique. Les instruments pertinents sont plus anciens et plus directs : des droits de transparence sur les données utilisées pour vous évaluer, un préavis et une révision humaine avant une mesure défavorable, des limites à la surveillance hors service, et une négociation sectorielle qui fixe des planchers sur la planification et le rythme. Les conventions de l’OIT sur les conditions de travail et la sécurité au travail fournissent la toile de fond déjà établie — le cadre pour traiter l’intensité et la surveillance comme des questions de normes, pas comme des avantages à négocier individuellement (OIT, sécurité et santé au travail).
Rien de tout cela n’exige de traiter l’IA comme intrinsèquement malveillante. Cela exige de rejeter le cadrage selon lequel le seul choix serait entre le nombre d’emplois et rien. Les travailleurs confrontés à une qualité dégradée font face à la même question que les travailleurs confrontés au déplacement dans économie distributive et concentration du pouvoir : si les gains reviennent aux personnes que le système surveille, ou seulement à celles qui le possèdent. Les individus peuvent se couvrir à l’échelle du foyer grâce à diversification de carrière et de revenu ; les normes elles-mêmes sont un combat collectif, qui mérite d’être mené avant que la seconde catégorie d’emplois ne devienne la norme.