Quand vous entendez qu’un métier est “très exposé à l’IA”, qu’est-ce que ça vous fait ?
Souvent, on imagine tout de suite : “Ce métier va disparaître.” Menace directe. Fin de l’histoire.
Et pourtant… ce n’est pas du tout ce que ce type de chiffre mesure vraiment.
Pour y voir clair, on va prendre un peu de recul.
Parce qu’en réalité, trois idées différentes se mélangent souvent dans votre tête, sans que vous vous en rendiez compte.
Première idée : l’exposition des tâches.
Deuxième idée : la transformation du métier.
Troisième idée : la suppression d’emplois.
On les confond, et c’est là que les malentendus commencent.
Restons d’abord sur la première : l’exposition des tâches.
Un score d’exposition, ça parle avant tout de ce que vous faites au quotidien, tâche par tâche.
L’objectif, c’est d’estimer quelle part de ces activités pourrait être automatisée, accélérée ou fortement modifiée par l’IA.
Dit autrement : ce score indique une probabilité.
La probabilité que certaines tâches soient techniquement plus faciles à réaliser avec de l’IA.
Et c’est tout.
Il ne dit pas que ces solutions existent déjà dans votre entreprise.
Il ne dit pas non plus combien de postes vont disparaître.
Sur ces points-là, silence radio.
Comment ces scores sont-ils construits ?
Là aussi, pas de magie. On part de descriptions standardisées des métiers, et surtout de leurs tâches détaillées.
Chaque tâche se voit attribuer un degré d’exposition, en fonction de ce que l’IA pourrait faire, en théorie.
Ensuite, on regroupe ces degrés pour obtenir un score global, au niveau du métier.
Ce score peut être classé : faible, moyen, fort.
Mais attention : ce classement porte sur le contenu concret du travail, pas sur “l’emploi” comme position complète dans une organisation.
Et c’est précisément là que la confusion s’installe.
On prend une capacité technique… et on la lit comme un remplacement garanti.
Comme si l’un entraînait automatiquement l’autre.
En réalité, entre une capacité technique et un remplacement effectif, il y a plusieurs freins.
D’abord, la qualité.
Oui, l’IA peut produire un résultat. Mais ce résultat est-il jugé suffisant ? Pas toujours.
Et si ce n’est pas assez bon, on ne l’utilise pas, tout simplement.
Ensuite, la confiance.
Même si l’outil fonctionne bien, une organisation peut hésiter à lui confier certaines tâches.
Par prudence. Par habitude. Par responsabilité aussi.
Il y a aussi l’intégration.
Utiliser l’IA, ce n’est pas juste appuyer sur un bouton.
Il faut revoir des outils, des procédures, des manières de collaborer.
Et ça, ça prend du temps. Parfois beaucoup de temps.
À cela s’ajoutent les coûts.
Déployer une solution peut coûter plus cher que prévu.
Ou rapporter un gain trop faible pour justifier le changement.
Dans ce cas, on reste comme avant, même si, techniquement, l’IA pourrait faire quelque chose.
Enfin, il y a le contrôle humain.
Dans de nombreux cas, une vérification reste nécessaire.
On ne laisse pas la machine décider seule.
Résultat : le travail change, mais ne disparaît pas forcément.
Tout cela explique pourquoi un métier très exposé à l’IA ne suit jamais un seul et unique scénario.
Dans certains contextes, oui, certaines tâches sont réellement automatisées.
Dans d’autres, l’IA sert surtout de soutien, d’appui, et vient augmenter le travail humain.
Ailleurs encore, certaines tâches disparaissent, mais d’autres se déplacent, se recomposent, ou prennent plus d’importance.
Au final, un même score d’exposition peut donc conduire à des effets très différents.
Il peut signaler une transformation profonde du métier… sans annoncer sa fin.
Il peut aussi correspondre à une simple réorganisation partielle des tâches.
Alors, qu’est-ce qu’il faut vraiment retenir ?
Qu’un score d’exposition, c’est d’abord un outil de repérage.
Il sert à voir où l’IA pourrait changer le travail, tâche par tâche.
Mais, pris seul, il ne permet pas de prédire combien d’emplois seront supprimés.
Parce qu’il mesure une possibilité technique sur des tâches.
Pas une décision d’entreprise.
Et encore moins une trajectoire d’emploi déjà écrite.
