IA et commerciaux d’ici 2030

Les commerciaux ne font pas face à un unique événement de « remplacement par l’IA ». Ils font face à une reconception du cycle de vente. Les systèmes d’IA peuvent rechercher des informations sur les prospects, préparer des fiches de compte, suggérer des messages de prospection, organiser les données du CRM et résumer les appels. Ces capacités peuvent réduire le temps consacré à la préparation. Elles ne créent pas automatiquement la confiance de l’acheteur, ne permettent pas de comprendre les jeux de pouvoir au sein d’un compte et ne prennent pas un engagement commercial défendable.

La question essentielle n’est pas « L’IA va-t-elle remplacer les commerciaux ? », mais « Quelles parties du processus de vente peuvent être déléguées en toute sécurité, et quelles nouvelles capacités rendent les vendeurs humains plus précieux ? » Ce guide y répond au niveau des tâches et propose des preuves de compétences ainsi qu’un plan de transition à 90 jours pour les équipes commerciales B2B et de PME.

Le droit de la prospection, la qualité des données de contact et les attentes des acheteurs modifient sensiblement la réponse. Un outil capable d’envoyer des milliers d’e-mails personnalisés ne constitue pas nécessairement un processus qu’une entreprise européenne peut déployer de façon licite. La productivité sans confiance ni conformité n’est pas un progrès.

Appliquez ces analyses à votre organisation : Explorez la préparation de votre entreprise à l’IA avec hilighter. Cette ressource est en accès libre, sans rapport réservé ni collecte de coordonnées, et l’évaluation est actuellement disponible en anglais uniquement. Le parcours de préparation à l’IA est une aide à la planification, et non une notation individuelle des salariés ni une certification réglementaire.

Réponse rapide : ce qui change, ce qui compte et ce qu’il faut faire

Important : les classifications de cet article sont des appréciations éditoriales qualitatives originales. Ce ne sont pas des probabilités de remplacement mesurées, des scores de risque chiffrés ni des prévisions de réduction des effectifs.

1. Ce que les recherches permettent réellement d’affirmer

L’enquête State of Sales 2026 de Salesforce, menée auprès de plus de 4 000 professionnels de la vente, fait état d’un usage répandu de l’IA et d’attentes élevées envers les agents commerciaux. Le chiffre phare selon lequel 87 % des organisations commerciales interrogées utilisent une forme d’IA est un résultat d’enquête financée par un éditeur, et non une mesure auditée de l’adoption mondiale. Les répondants s’attendaient à ce que les agents réduisent le temps consacré à la recherche sur les prospects et à la préparation des e-mails, mais des attentes ne sont pas des gains de temps réalisés. [1]

L’étude de LinkedIn de 2025 sur la vente B2B indique que 56 % des professionnels de son échantillon utilisaient l’IA quotidiennement et que certains vendeurs associaient l’IA à une meilleure recherche de leads ou à de meilleurs taux de réponse. Il s’agit de mesures déclaratives et observationnelles ; une meilleure performance chez les utilisateurs de l’IA pourrait aussi refléter la maturité de l’équipe, la qualité du secteur géographique ou des pratiques commerciales existantes. [2]

La prédiction de Gartner de 2025, selon laquelle 75 % des acheteurs B2B préféreraient d’ici 2030 des expériences qui privilégient l’interaction humaine, est une prévision, et non un résultat mesuré en 2030. C’est une mise en garde utile contre la tentation de traiter l’ensemble de la conversation d’achat comme une cible d’automatisation. [3]

Le cadre de l’OIT de 2025 sur les métiers évalue l’exposition au niveau des tâches et met l’accent sur la transformation plutôt que d’assimiler mécaniquement exposition et perte d’emploi. L’estimation du WEF de 39 % d’évolution des compétences d’ici 2030 est une attente des employeurs à l’échelle de l’ensemble de l’économie, et non un taux propre aux commerciaux. [4][5] Le Work Trend Index 2026 de Microsoft souligne de même que les systèmes organisationnels et le soutien des managers influencent les résultats, au-delà de l’accès individuel aux outils. [9]

Les éléments propres à la vente restent dominés par des enquêtes, des démonstrations et des études de cas d’éditeurs. Les équipes devraient mener des pilotes sur leurs propres segments de clientèle et mesurer la qualité des opportunités qualifiées, les désinscriptions, la satisfaction des acheteurs et la marge, et pas seulement le volume de messages ou les heures gagnées.

Comment interpréter ces éléments

Les grandes enquêtes sectorielles décrivent l’adoption, les attentes et les perceptions des répondants. Les expérimentations contrôlées apportent des preuves causales plus solides, mais testent souvent un seul outil dans un seul processus. Les études d’exposition des tâches identifient un recoupement technique possible, et non l’adoption, la sécurité, la valeur pour l’entreprise ou le remplacement effectif des emplois. hilighter ne convertit aucun de ces éléments en un pourcentage unique d’un métier « menacé ».

2. Définir le métier avant de l’évaluer

Un intitulé de poste est un indicateur imparfait de ce que font réellement les salariés. L’importance relative de chaque tâche varie selon la taille de l’entreprise, le modèle économique, la géographie, le segment de clientèle, l’environnement technologique et l’ancienneté. Analysez vos propres tâches avant de choisir une formation ou un logiciel.

• Chargé de développement commercial (SDR/BDR, sales ou business development representative, chargé de la prospection en amont) : se concentre sur les comptes cibles, la recherche initiale et la prise de rendez-vous ; le sourcing de leads et la rédaction des premiers messages peuvent évoluer rapidement, mais le consentement et la réputation de la marque sont centraux.
• Ingénieur commercial / chargé d’affaires (account executive, AE) : mène la découverte, les démonstrations complexes, les propositions et les opportunités impliquant plusieurs parties prenantes. L’IA peut aider à la préparation, mais ne doit ni inventer de faits commerciaux ni se substituer aux engagements.
• Responsable de compte / spécialiste des renouvellements : entretient les relations de long terme, la continuité du service et les négociations commerciales ; la confiance, la connaissance du contexte du compte et la qualité des escalades sont centrales.
• Vente sédentaire / vente transactionnelle : peut traiter de nombreuses demandes standardisées et configurations de produits ; l’IA peut aider à l’orientation des demandes et aux projets de propositions lorsque les données de catalogue et de stock sont gouvernées.
• Vente grands comptes / ventes stratégiques : implique souvent une forte incertitude ainsi qu’une complexité liée aux achats et au juridique ; la navigation entre les parties prenantes et la négociation sont difficiles à standardiser.
• Commercial terrain / responsable des partenaires de distribution : combine visites, compréhension du marché local et accompagnement des partenaires ; l’assistance de l’IA peut améliorer l’administratif, mais pas les interactions physiques ni le contexte local.

3. La cartographie de l’impact de l’IA, tâche par tâche

Comment lire la cartographie : chaque tâche reçoit deux appréciations distinctes. Potentiel de changement : Fort changement du travail désigne des activités relativement répétables qui peuvent être assistées ou partiellement automatisées avec de bonnes données et une revue ; Moyen / conditionnel signifie qu’une aide utile de l’IA dépend fortement du contexte et des systèmes ; Piloté par l’humain / à fort enjeu signifie que les outils peuvent préparer les éléments, mais que le contrôle d’un humain responsable reste central. Risque et confiance est une dimension distincte (Faible, Moyen, Élevé, Critique) : elle porte sur la protection des données, l’exactitude, les droits, l’équité et le coût d’une erreur. Aucune des deux appréciations n’est une probabilité.

Cinq processus à examiner en priorité

La prospection passe de la recherche à la vérification. Les assistants de recherche peuvent faire remonter des faits sur une entreprise en quelques minutes, mais la fraîcheur des sources compte. Un commercial doit apprendre à rejeter des signaux séduisants mais non étayés, comme des expansions inventées, des dirigeants inexistants ou des données personnelles collectées par moissonnage. L’évolution des compétences va de la constitution manuelle de listes vers la validation de l’adéquation, du bon moment et des modes de contact autorisés.

Le volume de prospection est un objectif d’optimisation dangereux. Un prompt peut produire des centaines d’e-mails plausibles. Cela ne signifie pas que l’entreprise a le droit de les envoyer, ni que les destinataires y trouveront de la valeur. Un meilleur processus teste la pertinence, la réputation de l’expéditeur, la gestion des désinscriptions, la qualité des réponses et la progression des comptes.

La découverte devient plus analytique, pas moins humaine. Les outils d’analyse des conversations peuvent résumer les appels et proposer des questions de suivi, mais ils peuvent passer à côté de l’ironie, des contradictions et du contexte politique. Le commercial doit toujours tester les hypothèses, poser les questions qui dérangent et obtenir le consentement lorsque des enregistrements sont utilisés.

Les propositions deviennent un enjeu de gouvernance des preuves. Les versions générées réduisent le travail répétitif uniquement si les grilles tarifaires, les affirmations approuvées et les contraintes produit sont fiables. Établissez des liens vers des sources de référence et une validation humaine, en particulier lorsque les propositions créent des obligations juridiques.

La négociation gagne en soutien informationnel. L’IA peut modéliser des scénarios de concessions ou répéter des objections, mais elle ne doit pas engager l’entreprise sur des remises non approuvées ni travestir la position de négociation du client. Formez les commerciaux à considérer les suggestions de l’IA comme des hypothèses.

4. Compétences et habitudes de travail qui pourraient perdre de leur valeur relative

Distinction importante : un besoin en baisse pour une activité courante ne rend obsolète ni le salarié ni le métier concerné. De nombreuses compétences fondamentales restent nécessaires pour repérer les erreurs de l’IA. Il s’agit d’activités dont la valeur marchande isolée pourrait diminuer, et non de compétences que l’on devrait cesser d’apprendre.

• Compilation manuelle de faits sur les entreprises : copier des extraits publics dans des supports de synthèse est de plus en plus automatisable, même si la vérification reste précieuse.
• Ressaisie de notes non structurées : les comptes rendus courants et la mise en forme dans le CRM peuvent être assistés ; la vérification de l’exactitude et la gestion des autorisations restent importantes.
• Retouche de modèles d’e-mails génériques : les variations simples sont faciles à générer ; la valeur réside dans le ciblage, l’éclairage distinctif et une prospection conforme au droit.
• Reporting sur le volume d’activité : compter les appels et les e-mails sans évaluer les résultats côté acheteur devient moins utile lorsque l’IA peut démultiplier l’activité.
• Argumentaires figés de traitement des objections : les scripts rigides sont moins efficaces qu’un questionnement adaptatif et une résolution de problèmes en contexte ; la véracité des informations produit doit rester vérifiée.
• Planification manuelle des relances étape par étape : les rappels peuvent être automatisés, tandis que le commercial reste responsable des promesses et du rythme de la relation.

5. Huit compétences prioritaires à développer

Le bon critère n’est pas d’avoir assisté à un webinaire sur l’IA, mais d’être capable de démontrer un résultat sûr et reproductible sur un travail pertinent. Les preuves suggérées ci-dessous sont illustratives et doivent être adaptées par les salariés et les managers.

1. Connaissance des comptes fondée sur des preuves

Vérifier la source, la fraîcheur et le degré de confiance de chaque fait commercialement pertinent plutôt que de répéter des synthèses d’IA bien tournées. Preuve de compétence : une fiche de compte sourcée, avec les faux positifs corrigés et des éclairages utiles à la décision. Premier exercice : comparer une fiche de compte produite par l’IA avec trois sources originales.

2. Orchestration des processus commerciaux entre humains et IA

Déléguer des tâches de recherche, de prise de notes et de rédaction au périmètre restreint tout en conservant des points d’approbation et une piste d’audit. Preuve de compétence : une cartographie du processus montrant les autorisations, les déclencheurs, la revue et le retour arrière. Premier exercice : concevoir un processus de suivi après rendez-vous avec une approbation humaine obligatoire.

3. Prospection conforme et respectueuse de la vie privée

Comprendre la différence entre les informations publiques sur une entreprise et les données de contact personnelles, ainsi qu’entre la capacité technique de contacter quelqu’un et l’autorisation légale de le faire. Preuve de compétence : une revue documentée des canaux et des données de contact, avec des règles de suppression et d’escalade. Premier exercice : examiner dix leads d’exemple quant à leur origine et à l’autorisation du canal.

4. Découverte consultative et diagnostic de l’activité du client

Poser des questions qui révèlent les contraintes réelles, les désaccords entre parties prenantes et le coût de l’inaction. Preuve de compétence : une conversation de découverte enregistrée ou simulée, avec une évaluation indépendante des questions et de la qualité d’écoute. Premier exercice : jouer un appel de découverte sans lire mot pour mot les questions générées.

5. Validation des produits, des prix et des affirmations

Repérer les chiffres, fonctionnalités et engagements de prix inventés avant qu’ils n’atteignent l’acheteur. Preuve de compétence : une liste de contrôle de proposition validée, avec les références des sources et la validation de la marge. Premier exercice : auditer une proposition fictive générée par l’IA contenant cinq affirmations erronées.

6. Raisonnement commercial et culture des prévisions

Remettre en question les probabilités du pipeline et la qualité des données plutôt que d’accepter un chiffre prédictif soigné. Preuve de compétence : une revue des prévisions montrant les hypothèses, des scénarios alternatifs et des notes de calibrage. Premier exercice : comparer l’évolution des prévisions avec les conclusions réelles pour une cohorte.

7. Négociation et cartographie des parties prenantes

Construire des options et des concessions à partir des besoins vérifiés de l’acheteur et des dynamiques relationnelles. Preuve de compétence : une cartographie des parties prenantes et un plan de négociation revus au regard des limites commerciales convenues. Premier exercice : simuler des objections du service achats et préparer deux compromis éthiques.

8. Entraînement et retours assistés par l’IA

Utiliser des simulations d’IA pour s’entraîner, mais juger les progrès à partir de comportements observables face aux clients. Preuve de compétence : une grille d’évaluation de jeux de rôle avant/après, avec des exemples d’écoute et de traitement des objections améliorés. Premier exercice : faire évaluer deux simulations par un manager, indépendamment des retours de l’IA.

6. Des responsabilités émergentes qui deviennent déjà plausibles

Ce sont des responsabilités professionnelles, et non nécessairement des intitulés de poste établis partout. Dans une petite entreprise, une seule personne peut en cumuler plusieurs.

1. Garant des processus d’agents d’IA commerciaux. Définit les automatisations approuvées, surveille les défaillances, gère les transferts et empêche les actions non souhaitées dans le CRM ou auprès des clients. Maturité : responsabilité émergente, pas un métier standardisé.
2. Spécialiste de la vérification des signaux d’achat. Contrôle les signaux d’intention et les données d’enrichissement avant qu’ils n’influencent la prospection ou l’attribution des affaires. Maturité : responsabilité émergente, pas un métier standardisé.
3. Responsable des connaissances et des affirmations commerciales. Tient à jour les informations produit approuvées, les évolutions des politiques, les prix et l’attribution des sources pour les assistants commerciaux. Maturité : responsabilité émergente, pas un métier standardisé.
4. Coach en enablement commercial humain-IA. Construit des simulations responsables et vérifie que les retours des outils améliorent réellement la découverte et la qualification. Maturité : responsabilité émergente, pas un métier standardisé.
5. Responsable de la confiance dans la prospection assistée par l’IA. Suit le risque de contacts non sollicités, la confusion des clients et les pratiques d’information et de consentement sur l’ensemble des canaux. Maturité : responsabilité émergente, pas un métier standardisé.

7. Compétences futures qui pourraient apparaître d’ici 2028–2030 (des hypothèses, pas des faits)

Les éléments suivants sont des hypothèses de scénario. Leurs intitulés, leur calendrier et leur niveau de confiance qualitatif sont des appréciations éditoriales de hilighter. Ils n’ont pas été observés de façon indépendante à grande échelle et ne doivent pas servir à promettre une évolution de carrière.

1. Gouvernance multi-agents des processus de vente. Confiance moyenne (conditionnelle, 2028–2030). Coordonner des agents spécialisés de recherche, de proposition et de suivi tout en préservant la responsabilité vis-à-vis du client. Ce qui la validerait : des déploiements réels avec une responsabilité documentée, des garde-fous et un bénéfice mesurable pour l’acheteur.
2. Maîtrise des protocoles de négociation par IA entre acheteurs et vendeurs. Confiance faible à moyenne (conditionnelle, 2028–2030). Comprendre une négociation dans laquelle les agents des services achats et des fournisseurs échangent des exigences structurées. Ce qui la validerait : des déploiements reproductibles côté acheteurs et des limites contractuelles transparentes.
3. Personnalisation traçable. Confiance moyenne (conditionnelle, 2028–2030). Associer à chaque affirmation commerciale personnalisée la preuve de sa source et de son usage licite. Ce qui la validerait : des outils d’éditeurs et des revues de conformité qui exigent de plus en plus une provenance vérifiable.
4. Assurance des simulations de vente synthétiques. Confiance faible à moyenne (conditionnelle, 2028–2030). Évaluer si les simulations d’objections d’acheteurs représentent la réalité plutôt qu’un récit biaisé produit par un modèle. Ce qui la validerait : des études comparatives indépendantes qui relient les simulations aux résultats réels.
5. Traçabilité des décisions commerciales assistées par l’IA. Confiance moyenne (conditionnelle, 2028–2030). Expliquer pourquoi une recommandation, une prévision ou une action d’agent a été acceptée ou rejetée. Ce qui la validerait : des clients et des services achats de grandes entreprises qui exigent des journaux de décision reproductibles.

8. Un processus réel : avant et après une adoption réfléchie de l’IA

Cet exemple est une illustration de conception de processus, et non un résultat obtenu chez un client de hilighter ni une promesse d’économies. Les équipes devraient le comparer avec leur situation de référence et protéger la qualité, et pas seulement réduire le temps de traitement.

De la découverte d’un prospect à un premier rendez-vous qualifié

Le processus repensé ne réussit que si les rendez-vous pertinents et les opportunités fiables progressent. Un spam plus rapide, une personnalisation fabriquée ou une collecte de données non autorisée sont des échecs, même si le nombre de messages par heure augmente.

9. Comment le métier pourrait évoluer en 2026, 2028 et 2030

Un scénario pour 2030 n’est pas une prévision. Certains secteurs adopteront l’IA lentement en raison de systèmes anciens, des attentes des clients, de la réglementation, de l’accès aux données ou de considérations économiques ; d’autres repenseront rapidement leurs processus. Un employeur prudent devrait se préparer à plusieurs trajectoires plutôt qu’à un avenir unique prédit.

10. Gouvernance, confiance et garde-fous pour les salariés

1. Consentement et contact licite : dans l’UE, les règles de marketing relèvent du RGPD, de la directive ePrivacy et de leur transposition nationale ; une adresse e-mail publique ou un profil LinkedIn collecté par moissonnage ne vaut pas autorisation universelle de prospection à froid. [7][8]
2. Origine des données de compte et de contact : consigner l’origine et les droits d’utilisation ; éviter les sources d’enrichissement dont l’autorisation est invérifiable ou qui contiennent des données personnelles superflues.
3. Autonomie des agents : commencer par des projets et des recommandations ; interdire l’envoi automatique, l’octroi de remises, les promesses contractuelles et la suppression de données dans le CRM sans délégation explicite et circonscrite.
4. Affirmations exactes : approuver les fonctionnalités produit, les preuves clients, les prix et les éléments de preuve ; signaler lorsque le modèle ne peut pas vérifier une affirmation.
5. Enregistrement des appels et vie privée des clients : évaluer l’information des personnes, les règles locales, les accès, la conservation des transcriptions et l’usage des données par le fournisseur avant d’activer l’IA en rendez-vous.
6. Attribution équitable : contrôler la façon dont l’IA priorise les comptes ou les leads afin que les schémas historiques de couverture ne déterminent pas silencieusement les opportunités futures.
7. Transparence envers l’acheteur : évaluer si un agent automatisé interagit directement avec des prospects et quelles obligations d’information de l’AI Act s’appliquent. [6]
8. Résultats humains et commerciaux : suivre les réclamations, les désinscriptions, la qualité de conversion, la confiance et les affaires perdues, et pas seulement la vitesse d’activité.

Note juridique (contexte européen) : l’article 50 de l’AI Act prévoit des règles de transparence pour certaines interactions directes avec l’IA et pour des cas précis de contenus synthétiques, avec des exceptions et des obligations qui dépendent du contexte [6]. Le RGPD et les règles nationales continuent de s’appliquer au traitement des données personnelles ; dans la vente et le marketing, l’ePrivacy et les lois locales sur la prospection directe peuvent restreindre la prospection de manière indépendante [7]. Un article de site web n’est pas un conseil juridique. Vérifiez les règles applicables à votre processus et à votre juridiction.

11. Un plan d’action concret à 90 jours pour les équipes

Tableau de bord simple pour l’organisation

Examinez les résultats par type de cas, langue, groupe de clients et niveau d’ancienneté plutôt que de considérer une moyenne unique comme la preuve d’une amélioration. Prévoyez un point de référence, des contrôles ponctuels indépendants, une évaluation de la qualité des escalades et un plan explicite de retour arrière.

12. Questions fréquentes

L’IA va-t-elle remplacer les commerciaux d’ici 2030 ?

Aucun pourcentage universel de remplacement n’est défendable. Les tâches répétables de recherche et de rédaction sont plus exposées que la négociation fondée sur la confiance et la gestion de comptes complexes. La conception des processus propre à chaque entreprise compte davantage qu’un intitulé de poste. [4]

Quelles tâches commerciales sont les plus faciles à automatiser ?

Les synthèses de comptes, les suggestions de saisie courante dans le CRM, les comptes rendus de rendez-vous, les questions-réponses standardisées sur les produits et les projets d’e-mails sont des points de départ concrets lorsque les données et les circuits d’approbation sont fiables.

Les agents de prospection à froid vont-ils rendre les commerciaux humains inutiles ?

Les recherches actuelles ne permettent pas une telle conclusion. Un volume élevé de messages peut nuire à la délivrabilité, à la réputation et au respect des exigences de contact licite. La pertinence et la confiance des clients restent des contraintes.

Quelle est la nouvelle compétence la plus importante pour un SDR ?

Une connaissance vérifiée des comptes, combinée à une prospection conforme et pertinente. L’aisance avec un outil de génération est utile, mais insuffisante sans jugement sur les sources et sur les modes de contact.

L’IA peut-elle négocier les prix avec les prospects ?

Les systèmes peuvent simuler des options ou calculer les remises autorisées ; les engagements externes exigent une délégation explicite de l’entreprise, des règles tarifaires à jour et une revue par une personne responsable.

Peut-on noter automatiquement chaque lead ?

C’est techniquement possible dans certains CRM, mais les scores exigent des contrôles de qualité, une revue des biais, des données à jour et une analyse attentive de leur effet réel sur les résultats.

Comment les équipes commerciales des PME devraient-elles commencer ?

Choisissez une tâche précise, idéalement la préparation des fiches de compte ou les notes après rendez-vous. Établissez un point de référence sur le temps et la qualité, formez quelques utilisateurs et n’étendez la démarche qu’après avoir vérifié les erreurs et les résultats auprès des clients.

Comment hilighter peut-il aider ?

Utilisez le parcours de préparation à l’IA pour examiner vos rôles commerciaux réels et vos écarts de compétences, puis validez les résultats avec les managers et les salariés. Ce guide ne prétend pas proposer d’évaluation automatique des candidats ni de certification réglementaire en matière d’IA.

13. Ce que les organisations devraient faire ensuite

Pour les équipes commerciales, l’opportunité consiste à réduire la préparation à faible valeur sans dégrader la relation client. La mauvaise ambition serait de produire un maximum d’activité automatisée. La bonne ambition consiste à créer des conversations mieux informées, des propositions plus crédibles, des capacités commerciales renforcées et une valeur client mesurable.

Une transition efficace commence par la cartographie des tâches, des compétences vérifiées et des contrôles partagés. Elle devrait être revue avec les commerciaux eux-mêmes, l’administration des ventes (sales operations), les spécialistes juridiques et de la protection des données ainsi que les responsables en contact avec les clients. Investissez dans la découverte consultative, la négociation et le raisonnement commercial en parallèle de l’usage des outils d’IA.

Prêt à examiner vos postes réels plutôt qu’un profil générique ? Explorez la préparation de votre organisation à l’IA avec hilighter. Identifiez les tâches, documentez les compétences actuelles, validez les écarts de capacités avec les managers et les salariés, et transformez les résultats en un plan de développement concret. L’évaluation est actuellement disponible en anglais uniquement. Elle ne présélectionne pas automatiquement de rôle et ne fournit pas de notation officielle du risque juridique.

Méthodologie, limites et transparence éditoriale

Il s’agit d’une ressource éditoriale fondée sur des recherches et sur des scénarios, créée pour l’Observatoire du travail et des compétences de hilighter (SkillsBoard SAS). Les catégories de tâches et les niveaux de confiance des compétences futures sont des classifications éditoriales. Ce rapport n’est pas une enquête représentative auprès des employeurs, une évaluation d’un salarié en particulier, une prévision du marché du travail, un test technique comparatif de produits d’IA, un conseil juridique ni la garantie qu’un poste disparaîtra ou non. Les sources comprennent des recherches indépendantes, des enquêtes financées par des éditeurs et des orientations réglementaires. Ces types de preuves ne sont pas interchangeables. Tout pourcentage communiqué par un éditeur est attribué à l’enquête correspondante, avec son dénominateur lorsqu’il est disponible. Date de publication : 5 novembre 2026 ; vérifiez les évolutions importantes avant toute mise à jour.

Mise à jour éditoriale : actualiser les liens vers les sources, les interprétations juridiques et les exemples au moins une fois par an, et à chaque évolution réglementaire ou technologique importante. Signaler les modifications substantielles et leur date plutôt que de modifier silencieusement les éléments présentés.

Sources et lectures complémentaires

1. Salesforce, State of Sales Report 2026 (3 février 2026), enquête auprès de plus de 4 000 professionnels de la vente. https://www.salesforce.com/news/stories/state-of-sales-report-announcement-2026/
2. LinkedIn, The ROI of AI: research on how AI is transforming B2B sales (11 mars 2025). https://news.linkedin.com/2025/the-roi-of-ai--new-research-on-how-ai-is-transforming-b2b-sales
3. Gartner, Prediction on preference for human interaction in B2B sales by 2030 (25 août 2025). https://www.gartner.com/en/newsroom/press-releases/2025-08-25-gartner-says-by-2030-that-75-percent-of-b2b-buyers-will-prefer-sales-experiences-that-prioritize-human-interaction-over-ai
4. Organisation internationale du Travail (International Labour Organization), Generative AI and Jobs: A Refined Global Index of Occupational Exposure (20 mai 2025). https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
5. Forum économique mondial (World Economic Forum), The Future of Jobs Report 2025 (2025). https://www.weforum.org/publications/the-future-of-jobs-report-2025
6. Commission européenne, Guidelines on transparency obligations for providers and deployers of AI systems (Article 50) (2026). https://digital-strategy.ec.europa.eu/en/policies/guidelines-ai-transparency-obligations
7. Commission européenne, Can data received from a third party be used for marketing? (consulté en novembre 2026). https://commission.europa.eu/law/law-topic/data-protection/information-business-and-organisations/legal-grounds-processing-data/can-data-received-third-party-be-used-marketing_en
8. Comité européen de la protection des données (European Data Protection Board), Guidelines 1/2024 on processing of personal data based on legitimate interest (2024). https://www.edpb.europa.eu/system/files/2024-10/edpb_guidelines_202401_legitimateinterest_en.pdf
9. Microsoft, 2026 Work Trend Index: Agents, human agency, and opportunity (5 mai 2026). https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization
10. NBER, Shifting Work Patterns with Generative AI (révisé en novembre 2025). https://www.nber.org/papers/w33795
11. NIST, AI Risk Management Framework: Generative AI Profile (26 juillet 2024). https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence