Les agents IA transforment le travail : quels métiers et quelles tâches changeront en premier ?

Un client écrit pour demander un remboursement. Jusqu’à récemment, un outil d’IA pouvait rédiger la réponse, et un salarié faisait tout le reste : vérifier la commande, consulter la politique de remboursement, effectuer le remboursement, mettre à jour le dossier. Un agent IA peut désormais réaliser lui-même la plupart de ces étapes et ne transmettre que les cas qui sortent des règles.

C’est là le vrai changement derrière la vague actuelle de l’« IA agentique ». La question n’est plus de savoir à quelle vitesse un salarié peut accomplir une tâche avec l’aide de l’IA, mais quelles tâches il accomplit encore lui-même.

Cet article défend trois idées. D’abord, les agents transformeront les tâches bien avant de faire disparaître des intitulés de poste, et ces changements peuvent discrètement faire d’un métier un tout autre métier. Ensuite, les tâches qui changent en premier sont prévisibles si on les soumet à quatre conditions, que nous détaillons ci-dessous. Enfin, la plupart des organisations ne sont pas encore en mesure de faire ce test, car elles ne savent pas assez précisément quelles tâches et quelles compétences composent chaque poste.

Des assistants IA aux agents IA : ce qui change vraiment

Un assistant IA répond à une demande : vous demandez un brouillon, vous obtenez un brouillon. Un agent IA travaille en vue d’un objectif. S’il dispose des accès et des autorisations nécessaires aux bons systèmes, il peut rechercher des informations, agir dans les applications métier, contrôler le résultat et décider de l’étape suivante, une personne validant ou vérifiant son travail à des moments définis.

L’exemple du remboursement montre la différence, étape par étape :

Le temps gagné est la partie visible. La partie moins visible est un changement de rôle : le salarié ne traite plus les cas standard, il les supervise et règle les autres.

L’adoption progresse vite, du moins dans les écosystèmes des plus grands éditeurs. Microsoft indique que le nombre d’agents actifs dans son écosystème Microsoft 365 a été multiplié par 15 en un an, et par 18 dans les grandes entreprises, d’après les données de sa propre plateforme entre mars 2025 et mars 2026.¹ Le rapport Economic Index d’Anthropic de juin 2026 constate que l’usage de ses modèles Claude se compose de plus en plus de tâches agentiques de longue durée, son agent de programmation travaillant de façon nettement plus autonome que son interface de chat.² Il s’agit dans les deux cas de chiffres d’éditeurs tirés de leurs propres plateformes, et non de mesures de l’ensemble de l’économie, mais ils vont dans le même sens.

Quelles tâches changent en premier ? Un test en quatre conditions

Le caractère « répétitif » d’une tâche ne suffit pas à prédire son automatisation. Beaucoup de tâches répétitives sont difficiles à confier, et certaines tâches complexes se délèguent étonnamment bien. Selon notre lecture des données disponibles, une tâche est prête à être confiée à un agent lorsqu’elle remplit quatre conditions à la fois :

Les tâches qui remplissent les quatre conditions sont généralement les premières à changer. Celles qui échouent à la dernière condition gardent le plus souvent une personne dans la décision, même lorsque la technologie pourrait en faire davantage, car le coût d’une erreur est trop élevé. Il s’agit d’une grille de lecture éditoriale, et non d’un modèle validé, mais elle explique la plupart des premiers exemples ci-dessous mieux qu’une liste de « métiers exposés ».

Ce test montre aussi pourquoi l’intitulé de poste est une mauvaise unité d’analyse. Deux personnes portant le titre d’« assistant de gestion » peuvent avoir des combinaisons de tâches complètement différentes, et donc une exposition très différente.

Sept familles de métiers où le changement commence

Les exemples ci-dessous concernent les familles de métiers où les quatre conditions sont aujourd’hui le plus souvent réunies. Aucune n’est en train de disparaître. Dans chacune, une partie du travail quotidien passe aux agents, et la partie qui reste change de nature.

Service client : le métier devient la gestion des exceptions

Le suivi des commandes, les annulations standard, les mises à jour de compte, l’orientation des tickets et les messages de relance remplissent tous les quatre conditions. Un site de e-commerce confronté à un afflux de messages sur des retards de livraison pourrait laisser un agent consulter les données d’expédition, appliquer la politique d’indemnisation et clôturer les cas courants, en laissant aux équipes les réclamations, les litiges et les clients vulnérables.

Rapidité ne veut pas dire satisfaction pour autant. Une expérimentation de terrain randomisée menée au service client d’Alibaba, publiée en prépublication en mai 2026, a montré que l’IA agentique raccourcissait les conversations mais faisait nettement baisser les notes des clients pour les échanges qu’elle prenait en charge. L’intervention humaine préservait la qualité pour les escalades techniques, mais aidait moins face à des clients contrariés.⁶ L’étude n’a pas encore été évaluée par les pairs, mais l’enseignement est utile : parmi les tâches qui échouent au critère « rattrapable » figurent aussi les tâches à forte charge émotionnelle.

Ce qui change pour le poste : moins de recherches d’information, plus de jugement, et la responsabilité de vérifier ce que l’agent a fait.

Fonctions administratives et de bureau : du traitement à la coordination

La planification, le suivi des réunions, les notes de frais, les documents courants et la mise à jour des dossiers sont des processus numériques en plusieurs étapes, exactement ce pour quoi les agents sont conçus. La mise à jour 2025 de l’Organisation internationale du Travail (OIT) sur l’IA générative et l’emploi a de nouveau identifié les emplois administratifs comme les plus exposés.⁴

L’organisation d’une session de formation interne en est une bonne illustration. Un agent peut proposer des dates, envoyer les invitations, suivre les confirmations et signaler les conflits d’agenda. Le coordinateur décide toujours quel conflit compte, qui ne doit pas être oublié et à quoi sert vraiment la session.

Ce qui change pour le poste : moins de copier-coller entre systèmes, davantage de coordination, de gestion des exceptions et de responsabilité sur la qualité des données.

Développement logiciel : de l’écriture du code à son pilotage et à sa revue

C’est dans le logiciel que les agents sont les plus avancés. Les agents de programmation savent écrire des composants standard, générer des tests, corriger certains bugs, mettre à jour la documentation et restructurer du code. Les données d’Anthropic montrent que son agent de programmation fonctionne avec nettement plus d’autonomie que l’usage en mode chat.²

Pour un développeur expérimenté, une fonctionnalité courante peut désormais consister à rédiger une spécification précise, laisser un agent produire une première version, puis la relire sous l’angle de la sécurité, des performances et de la cohérence avec le reste du système. L’architecture, les besoins ambigus et la maintenance à long terme restent un travail humain.

La question la plus délicate concerne les développeurs juniors. Les tickets de développement courants étaient pour beaucoup d’entre eux le moyen d’apprendre à connaître la base de code. Si les agents absorbent ces tickets, les équipes doivent trouver une autre façon de construire cette expérience (voir plus bas la section sur les postes de débutants).

Ce qui change pour le poste : davantage de spécification, de revue et de conception de systèmes ; moins de saisie de code standard.

Finance et comptabilité : automatiser le rapprochement, garder la responsabilité

La finance repose sur des documents structurés et des règles claires : les agents prolongent donc naturellement l’automatisation existante. Ils peuvent lire et imputer les factures, les rapprocher des bons de commande et des bons de réception, signaler les écarts, préparer les reportings récurrents et les premières versions des analyses d’écarts.

La condition « rattrapable » fixe la limite. Les paiements, les validations et tout ce qui touche à la fraude ou au reporting réglementaire exigent une personne nommément responsable. Un agent peut préparer un rapprochement ; il ne peut pas le valider.

Ce qui change pour le poste : moins de collecte de données, davantage d’analyse, de contrôle et d’aide à la décision.

Marketing et opérations commerciales : produire coûte moins cher, le jugement non

Les synthèses d’études de marché, les déclinaisons de campagnes, les segments d’audience, les rapports de performance et les brouillons de relances commerciales relèvent de plus en plus du travail des agents. Une petite équipe peut demander à un agent d’analyser une campagne, d’identifier les segments qui sous-performent et de préparer des ajustements à valider.

Le revers de la médaille : si tous les concurrents peuvent produire du contenu en masse, le volume cesse d’être un avantage. Le positionnement, la connaissance des clients et le jugement éditorial deviennent la partie rare du métier.

Ce qui change pour le poste : on passe de la production de livrables à la définition des orientations, au choix de ce qui est publié et à l’interprétation des résultats.

Ressources humaines : utiles pour l’administratif, encadrés pour les décisions

Les RH ne manquent pas de tâches qui se prêtent aux agents : rédiger des fiches de poste, planifier des entretiens, répondre aux questions courantes sur les politiques internes, préparer l’intégration avec l’informatique, les services généraux et les managers, ou encore fiabiliser les dossiers.

Les décisions qui concernent les personnes sont d’une autre nature, et dans l’UE, ce n’est pas seulement une question de bonnes pratiques :

• Le règlement européen sur l’IA (AI Act) classe comme à haut risque les systèmes d’IA destinés au recrutement et à la sélection (y compris la diffusion ciblée d’offres d’emploi, le filtrage des candidatures et l’évaluation des candidats) ainsi qu’aux décisions de promotion, de licenciement, d’attribution des tâches et de suivi des performances (annexe III, point 4).⁹
• Depuis les modifications de 2026 dites « omnibus numérique », les obligations applicables à ces systèmes à haut risque doivent s’appliquer à partir du 2 décembre 2027, au lieu d’août 2026.¹⁰
• Les employeurs qui utilisent un système d’IA à haut risque sur le lieu de travail doivent informer les représentants des travailleurs et les travailleurs concernés avant sa mise en service (article 26, paragraphe 7).⁹
• L’utilisation de l’IA pour inférer les émotions sur le lieu de travail est interdite, sauf pour des raisons médicales ou de sécurité (article 5, paragraphe 1, point f) du règlement), et ce depuis le 2 février 2025.⁹
• En vertu du RGPD, toute personne a le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé produisant des effets juridiques la concernant ou l’affectant de manière significative de façon similaire, sauf exceptions limitées (article 22).¹¹

Ce qui change pour le poste : moins d’administratif, plus de temps pour le développement des collaborateurs, la planification des effectifs et les décisions humaines qui doivent le rester.

Associations et structures de l’économie sociale : des gains de capacité inégalement répartis

Les petites structures consacrent une grande partie de leur temps aux demandes de subventions, aux comptes rendus de projets, à la planification des bénévoles et à la communication avec les donateurs. Les agents pourraient libérer ce temps au profit des programmes et des bénéficiaires. L’obstacle est l’accès : financement, accompagnement technique, compétences numériques et protection des données sont plus difficiles à obtenir pour une association de cinq personnes que pour un service d’entreprise.

Ce qui change pour le poste : davantage de capacité au service de la mission, si la structure peut financer la mise en place et la supervision.

En résumé : les tâches changent avant les intitulés de poste

Ce tableau est une appréciation éditoriale des premiers changements plausibles, et non un classement statistique des métiers ni une prévision de suppressions d’emplois.

L’OIT remet l’ampleur du phénomène en perspective : environ un travailleur sur quatre dans le monde exerce un métier présentant une certaine exposition à l’IA générative, et l’issue la plus probable pour la plupart des emplois est la transformation plutôt que le remplacement.⁴ L’exposition indique où le changement aura lieu, pas combien d’emplois subsisteront.

Pourquoi les agents ne remplaceront pas des équipes entières du jour au lendemain

La technologie progresse vite, mais la fiabilité reste le goulet d’étranglement. Sur le benchmark OSWorld, où les agents exécutent des tâches sur un véritable ordinateur, les meilleurs systèmes ont atteint 66,3 % de réussite en 2025, selon l’AI Index 2026 de Stanford. C’est proche de la référence humaine de 72,4 %, mais cela signifie encore un échec environ une fois sur trois.³ Les benchmarks ne se traduisent pas directement en performance sur le terrain, et un calcul simple montre pourquoi le travail en plusieurs étapes est difficile : un système qui réussit chaque étape 95 % du temps ne mène à bien un processus de dix étapes sans aucune erreur qu’environ 60 % du temps (0,95¹⁰ ≈ 0,60). C’est pourquoi les points de contrôle et la vérification humaine comptent d’autant plus que les processus s’allongent.

Quatre autres contraintes freinent le déploiement :

• L’accès : les agents ne sont utiles que là où les données et les applications peuvent être connectées en toute sécurité, et beaucoup d’organisations n’en sont pas encore là.
• La sécurité : un agent capable de lire et de modifier des systèmes peut aussi divulguer des données ou effectuer des actions non souhaitées. Anthropic recommande par exemple de paramétrer chaque outil sur « toujours autoriser », « validation requise » ou « bloqué », et de vérifier le plan d’un agent plutôt que chacune de ses étapes ; l’entreprise affirme clairement que les protections contre l’injection de prompt ne constituent pas une garantie.⁷
• La responsabilité : l’organisation reste responsable du résultat, quelle que soit la personne ou la machine qui a exécuté la tâche.
• La maturité : dans l’enquête 2026 de Microsoft auprès de 20 000 utilisateurs de l’IA dans dix pays, seuls 19 % appartenaient au groupe où la capacité de l’organisation et la préparation individuelle étaient toutes deux élevées.¹

Pour la plupart des employeurs, le facteur limitant n’est pas le modèle. C’est de savoir quel travail confier, qui le vérifie et ce que les équipes feront à la place.

La question des postes de débutants

Les tâches que les agents prennent en charge en premier sont souvent celles qui servaient à former les nouveaux arrivants : recherches préliminaires, premiers jets, demandes courantes, analyses de base, vérification du travail des autres. Elles avaient une utilité opérationnelle, mais elles apprenaient aussi à exercer son jugement.

Les automatiser sans plan expose à un creux dans la pyramide des compétences : moins de juniors qui apprennent le métier aujourd’hui, moins de profils expérimentés demain. Une étude de l’OIT publiée en septembre 2026 apporte un élément utile : sur plus de 1 000 marchés du travail locaux dans 69 pays, les travailleurs d’âge très actif ont davantage bénéficié des nouvelles technologies que les plus jeunes ou les plus âgés.⁵

Le scénario inverse est aussi possible. Avec un bon encadrement, les juniors peuvent s’appuyer sur les agents pour aborder plus tôt des travaux plus avancés. Tout tient à une conception délibérée : par exemple, faire relire et corriger les productions des agents par les nouveaux salariés dans le cadre de leur formation, plutôt que de réserver cette relecture aux seuls profils seniors.

Les compétences qui prennent de la valeur aux côtés des agents

À mesure que les personnes passent de l’exécution de chaque étape au pilotage et au contrôle des agents, certaines capacités gagnent en valeur :

• Le jugement : savoir repérer un résultat erroné, et reconnaître quand un cas nécessite une personne.
• La compréhension des processus : savoir comment les étapes s’enchaînent et où se situent les risques.
• La maîtrise de l’IA : savoir quoi déléguer et où sont les limites. En vertu du règlement européen sur l’IA, tel que modifié en 2026, les fournisseurs et les déployeurs de systèmes d’IA doivent prendre des mesures pour favoriser la maîtrise de l’IA du personnel qui les utilise (article 4).^{9, 10}
• La communication et la relation : la négociation, l’empathie et la gestion des parties prenantes représentent une part plus importante du travail restant.
• L’agilité d’apprentissage : selon le Forum économique mondial, les employeurs s’attendent à ce que 39 % des compétences clés des travailleurs évoluent d’ici 2030.⁸

Un résultat mérite l’attention, car il va à l’encontre de l’intuition. Dans l’analyse 2026 de l’OIT, une demande locale en compétences cognitives, en informatique de base, en rédaction, en gestion de projets et de processus et en management était associée à de plus fortes hausses de l’emploi liées aux nouvelles technologies, tandis qu’une demande accrue en compétences spécialisées en machine learning et en IA était, en moyenne, liée à des effets plus faibles sur l’emploi.⁵ Pour la plupart des organisations, les compétences générales de l’ensemble des équipes comptent davantage que le recrutement de quelques spécialistes de l’IA.

Que faire dès maintenant : un plan en cinq étapes

Vous n’avez pas besoin d’un programme de transformation pour vous préparer. Vous avez besoin d’une vision claire du travail.

1. Listez des tâches, pas des intitulés de poste. Pour une équipe donnée, notez à quoi les personnes consacrent réellement leur semaine. Deux personnes ayant le même intitulé font souvent un travail très différent.
2. Évaluez chaque tâche au regard des quatre conditions. Accessible, encadrée par des règles, vérifiable, rattrapable. Les tâches qui remplissent les quatre sont vos candidates.
3. Décidez de ce qui doit rester humain. Certaines tâches pourraient être automatisées mais ne devraient pas l’être, en raison de l’impact sur les clients, de la sensibilité des données, de l’équité ou d’exigences légales, en particulier dans les RH.
4. Cartographiez les compétences dont la nouvelle version du poste a besoin. Superviser un agent, gérer les exceptions et accompagner les autres sont des compétences. Identifiez qui les possède déjà et qui a besoin d’être accompagné.
5. Lancez un pilote sur un processus circonscrit. Mesurez la précision, la qualité, le coût de la supervision et la façon dont les salariés le vivent, pas seulement le temps gagné.

L’objectif n’est pas d’automatiser le plus possible. Il s’agit de décider comment le travail doit être fait, puis d’aider les personnes à évoluer vers les postes qui en résultent.

L’essentiel à retenir

Les agents IA commencent à modifier la composition du travail : moins d’étapes réalisées à la main, plus de supervision, plus d’exceptions et plus de jugement. Certains postes vont se réduire, d’autres se développer, et de nouvelles responsabilités apparaîtront autour du pilotage et de la gouvernance des agents. Rien ne permet sérieusement de prédire que tous les emplois de bureau disparaîtront, ni que la productivité augmentera automatiquement.

Le changement le plus important ne sera peut-être pas la disparition d’intitulés de poste. Ce sera peut-être que les mêmes intitulés recouvriront des métiers très différents, et que les organisations qui connaissent les tâches et les compétences de leurs équipes seront celles qui sauront accompagner cette évolution.

Questions fréquentes

Qu’est-ce qu’un agent IA en entreprise ?

Un agent IA est un système qui planifie et exécute une suite d’étapes en vue d’un objectif, en s’appuyant sur des applications connectées et sur les informations de l’entreprise. Contrairement à un chatbot qui se contente de répondre, un agent peut agir (par exemple mettre à jour un dossier ou traiter une demande), contrôler le résultat et s’ajuster, généralement dans les limites et selon les validations définies par l’organisation.

Quels métiers les agents IA toucheront-ils en premier ?

Le service client, les fonctions administratives, le développement logiciel, la finance, les opérations marketing et l’administration RH figurent parmi les premiers. Dans chacun de ces domaines, les tâches qui changent en premier sont numériques, encadrées par des règles, faciles à vérifier et peu risquées en cas d’erreur.

Les agents IA vont-ils remplacer les salariés ?

Certaines tâches seront entièrement automatisées, et certains postes pourraient se réduire. Les données actuelles, notamment l’analyse mondiale de l’OIT, indiquent surtout une transformation des emplois plutôt qu’un remplacement, mais le résultat dépend de la façon dont chaque organisation repense le travail.

De quelles compétences les salariés ont-ils besoin pour travailler avec des agents IA ?

Le jugement et le contrôle qualité, la compréhension des processus, la maîtrise de l’IA, la communication et la capacité à continuer d’apprendre. Pour la plupart des organisations, les compétences générales des équipes semblent compter davantage qu’une expertise spécialisée en IA.

Les agents IA utilisés dans les RH sont-ils réglementés dans l’UE ?

Oui. Les systèmes d’IA utilisés pour le recrutement, la promotion, le licenciement, l’attribution des tâches ou le suivi des performances sont à haut risque au sens du règlement européen sur l’IA (annexe III, point 4), avec des obligations qui doivent s’appliquer à partir du 2 décembre 2027 à la suite des modifications de 2026. Les règles du RGPD sur la prise de décision automatisée (article 22 du RGPD) s’appliquent déjà.

Comment hilighter peut vous aider

Se préparer aux agents IA commence par la connaissance des compétences de vos équipes et de leur lien avec le travail. hilighter est une plateforme propulsée par l’IA pour cartographier, mesurer et développer les compétences : vous pouvez organiser les compétences par poste, niveau et équipe, mesurer la valeur de chaque formation ou expérience de terrain, révéler les points forts et combler les lacunes, et accompagner chaque collaborateur avec un parcours d’apprentissage personnalisé. Vous disposez ainsi de la vision des tâches et des compétences nécessaire pour décider quoi automatiser, ce qui doit rester humain et qui a besoin d’être accompagné. L’offre Basique est gratuite.

Sources

1. Microsoft WorkLab, 2026 Work Trend Index: "Agents, human agency, and the opportunity for every organization", 5 mai 2026. Enquête auprès de 20 000 utilisateurs de l’IA dans 10 pays ; croissance des agents fondée sur les données de la plateforme Microsoft.
2. Anthropic, Anthropic Economic Index report: Cadences, 26 juin 2026.
3. Stanford Institute for Human-Centered AI, The 2026 AI Index Report, 2026.
4. Organisation internationale du Travail, Generative AI and jobs: A 2025 update, 20 mai 2025.
5. I. Delaporte et V. Escudero, Organisation internationale du Travail, From exposure to opportunity: Why skills shape the employment effects of new technologies, 29 septembre 2026.
6. Y. Wang, C. Zhu, T. Feng, L. X. Lu et B. Jia, Agentic AI and Human-in-the-Loop Interventions: Field Experimental Evidence from Alibaba's Customer Service Operations, prépublication arXiv, mai 2026 (non évaluée par les pairs).
7. Anthropic, Trustworthy agents in practice, 9 avril 2026.
8. Forum économique mondial, The Future of Jobs Report 2025, janvier 2025.
9. Règlement (UE) 2024/1689 établissant des règles harmonisées concernant l’intelligence artificielle (« règlement sur l’IA »), Journal officiel de l’Union européenne, article 4, article 5, paragraphe 1, point f), article 26, paragraphe 7, et annexe III, point 4.
10. Règlement (UE) 2026/1744 modifiant le règlement (UE) 2024/1689 (« omnibus numérique sur l’IA »), Journal officiel de l’Union européenne, 24 juillet 2026.
11. Règlement (UE) 2016/679 (règlement général sur la protection des données, RGPD), article 22 du RGPD.

Dernière vérification des sources et des références réglementaires : 16 octobre 2026.