Transcription

• Speaker #0

  Bienvenue dans ce nouvel épisode des signaux du changement. Avant le dialogue, voici l'essentiel en trois minutes. L'intelligence artificielle fait de plus en plus le travail des débutants. Si ces premiers postes disparaissent, d'où viendront vos experts dans dix ans ? Les faits d'abord. Aux Etats-Unis, une étude sur des millions de fiches de paie montre un décrochage de 20% de l'emploi Les 22 à 25 ans, dans les métiers les plus exposés à l'IA, les expérimentés gardent leur poste. Les jeunes ne sont pas licenciés, ils ne sont plus recrutés. En France, les recrutements de jeunes cadres reculent depuis deux ans. Pour 2026, les entreprises prévoient 16% d'embauches en plus pour les cadres qui ont 6 à 10 ans d'expérience et 1% pour les moins de 6 ans. Leur motif ? Répondre plus vite aux besoins. Est-ce la faute de l'IA ? Les études divergent. Le télétravail et la conjoncture comptent aussi. Mais toutes décrivent le même mécanisme. Une entreprise ne recrute pas quelqu'un qu'elle ne peut pas former. Et une tâche facile à automatiser reste souvent la tâche par laquelle on apprend le métier. Voici le paradoxe. Dans un grand service client, un assistant d'IA a fait gagner 30% de productivité aux agents les moins expérimentés et presque rien au meilleur. Les nouveaux ont atteint en deux mois un niveau qui demandait plus de six mois. L'IA forme bien les débutants. Et c'est en son nom qu'on ne les recrute plus. Ce choix rapporte tout de suite et coûte plus tard. Chaque entreprise a raison, seule, de recruter des gens déjà formés. Si toutes le font, plus personne ne forme les experts de demain. Un modèle économique récent le décrit. La production monte à court terme. La croissance ralentit ensuite, parce que les jeunes apprennent auprès de moins bons mentors. C'est un risque, pas une fatalité. La question est de gagner en productivité aujourd'hui, sans cesser de former. 6 gestes. 1. Décider tâche par tâche, pas poste par poste. 2. Pour chaque tâche confiée à l'IA, demander ce qu'un débutant y apprenait et prévoyer comment il l'apprendra autrement. 3. Donnez une place à cet apprentissage, du temps avec les plus expérimentés et des productions de l'IA relues par un débutant et un expert ensemble. 4. Suivez deux indicateurs de plus, le nombre de débutants recrutés et le temps qu'il leur faut pour devenir compétent. 5. Décidez à quoi sert le temps gagné grâce à l'IA. Sinon, personne ne pourra dire ce qu'il a permis. 6. Une fois par an, Posez cette question en comité de direction. Quel poste ouvrons-nous à quelqu'un qui ne sait pas encore faire le travail ? Vos experts de demain commencent à se former aujourd'hui. Votre manière d'utiliser l'IA peut les y aider, si vous lui faites une place. Le dialogue qui suit reprend ses points, avec les études, les cas d'entreprise et les objections. Bonne écoute !

• Speaker #1

  La porte d'entrée se ferme pour les débutants, et l'intelligence artificielle n'est pas la seule à la pousser. Faut-il y voir un ajustement passager ou l'endroit où le modèle casse ?

• Speaker #2

  C'est vraiment la question de fond de notre analyse d'aujourd'hui.

• Speaker #1

  Oui, parce qu'on va croiser plusieurs données, des études universitaires, des modèles économiques et des données d'observatoire de l'emploi.

• Speaker #2

  Pour bien comprendre l'évolution du marché du travail pour les jeunes diplômés en ce moment.

• Speaker #1

  Exactement. Et je préfère poser ma position tout de suite. En regardant ces données, je défends l'idée d'un ajustement raisonnable.

• Speaker #2

  Un ajustement raisonnable, d'accord ?

• Speaker #1

  Bah oui, les entreprises optimisent leur recrutement. Elles cherchent des personnes directement opérationnelles et les outils font le reste.

• Speaker #2

  Alors je m'inscris en opposition totale avec ça. Pour moi, on parle d'un coût différé.

• Speaker #1

  Un coût différé ?

• Speaker #2

  Oui, parce que refuser de former aujourd'hui, c'est assécher le vivier d'expertise de demain, en fait. Et c'est une position que je tiendrai fermement jusqu'à la fin de notre échange.

• Speaker #1

  Eh bien, on va garder nos lignes de fracture. Posons d'abord un fait de méthode claire. Il n'y a pas de destruction généralisée de l'emploi.

• Speaker #2

  C'est un consensus initial important.

• Speaker #1

  Le chômage des diplômés expérimentés a même baissé.

• Speaker #2

  Tout à fait.

• Speaker #1

  Tandis que celui des jeunes diplômés monte depuis la pandémie.

• Speaker #2

  Et c'est là qu'on peut apporter un premier chiffre par le prisme technologique. D'après des chercheurs de l'université Stanford, à partir de données de paix américaines allant jusqu'à juin 2026, l'emploi des 22 à 25 ans, dans les métiers les plus exposés à l'intelligence artificielle, est environ un cinquième sous ce qu'il serait s'il avait suivi celui de leur père moins exposé.

• Speaker #1

  Donc on parle d'un cinquième en dessous. Et l'écart passe par une moindre embauche, pas par des départs en fait.

• Speaker #2

  C'est ça. Les travailleurs expérimentés ne montrent aucun écart comparable. Bon, les auteurs précisent que ce résultat est descriptif et pas causal.

• Speaker #1

  C'est bien de le préciser parce que j'ai une objection méthodologique forte sur l'attribution.

• Speaker #2

  Je vous écoute.

• Speaker #1

  Peut-on vraiment imputer ce phénomène à la technologie ? La Banque centrale de New York montre que le recul relatif des offres d'emploi dans les métiers exposés a commencé bien avant l'arrivée de l'intelligence artificielle générative.

• Speaker #2

  C'est juste.

• Speaker #1

  Et en plus, les offres pour débutants et expérimentés y évoluent en parallèle.

• Speaker #2

  Alors pour clarifier ça, il faut expliquer ce que chaque étude mesure, sans pour autant trancher.

• Speaker #1

  Oui.

• Speaker #2

  Stanford mesure l'emploi réel avec les fiches de paie, alors que la Banque centrale de New York mesure les offres publiées.

• Speaker #1

  L'intention de recruter, en somme. Et cette même Banque centrale a une autre étude qui attribue l'essentiel de la hausse du chômage des jeunes diplômés au télétravail.

• Speaker #2

  Par quel mécanisme ?

• Speaker #1

  Un mécanisme très simple, la formation à distance ne fonctionne pas.

• Speaker #2

  Ce qui nous amène à regarder la situation française. D'après l'Observatoire de l'emploi des cadres en France, les recrutements de cadres débutants connus à recrutement et la reprise annoncée pour 2026 ne leur rend presque rien.

• Speaker #1

  D'accord, mais l'Observatoire attribue ce recul à la conjoncture économique, pas à l'intelligence artificielle.

• Speaker #2

  Absolument.

• Speaker #1

  Donc si on fait la synthèse de cette première étape, on a trois mois qui poussent la même porte.

• Speaker #2

  La conjoncture, le télétravail et l'intelligence artificielle.

• Speaker #1

  Avec un dénominateur commun, une organisation ne recrute pas quelqu'un qu'elle ne peut pas former.

• Speaker #2

  C'est le constat partagé, oui.

• Speaker #1

  C'est pourquoi je vois ça comme un ajustement raisonnable à l'instant T.

• Speaker #0

  Prenons un instant pour fixer ce que l'on vient d'entendre. Quand une entreprise arrête de recruter des débutants, personne n'est licencié. Le chômage global ne bouge presque pas. C'est pour cela que le phénomène ne se voit pas dans les chiffres habituels. Il se voit seulement quand on regarde deux choses à la fois, l'âge des personnes et le métier qu'elles exercent. Deuxième point à retenir, les études ne sont pas d'accord sur la cause, mais elles décrivent toutes le même mécanisme. Une entreprise recrute un débutant quand elle peut le former. Quand elle ne peut plus le former, elle ne le recrute pas. La suite du dialogue part de là. Si l'on ne forme plus le débutant, comment fabrique-t-on des experts ?

• Speaker #2

  Mais c'est là qu'on passe à la deuxième marche de notre analyse. Pourquoi ce modèle ne tient pas dans le temps ?

• Speaker #1

  À cause de l'apprentissage par l'acte.

• Speaker #2

  Exactement.

• Speaker #1

  On a le cas des internes en chirurgie robotique, étudiés par Matt Bignes. Quand la machine permet aux chirurgiens d'opérer seuls, l'interne n'est plus nécessaire à l'acte.

• Speaker #2

  Donc il n'apprend plus dans l'acte.

• Speaker #1

  Voilà. Les méthodes d'apprentissage classiques deviennent inopérantes, et les rares individus qui acquièrent la compétence le font en contournant les règles.

• Speaker #2

  C'est l'image d'une échelle dont on a retiré le premier barreau.

• Speaker #1

  C'est tout à fait ça. Chaque entreprise fait un ajustement raisonnable pour sa propre efficacité, mais vide un vivier partagé.

• Speaker #2

  Et un modèle récent d'une école de commerce de Barcelone vient appuyer cette analogie. L'automatisation des tâches d'entrée augmente la production immédiatement, c'est certain.

• Speaker #1

  Mais ça a un effet à long terme.

• Speaker #2

  Oui, ça peut réduire la croissance par la suite. Parce qu'elle réaffecte les débutants vers de moins bons mentors.

• Speaker #1

  D'accord.

• Speaker #2

  Le modèle indique que la transmission se dégrade même si le volume d'emploi des débutants reste stable au global.

• Speaker #1

  Et pourtant, il y a un retournement de situation. L'outil n'est pas forcément le problème puisqu'il aide d'abord ceux qui en savent le moins.

• Speaker #2

  C'est ce qu'on observe avec notre troisième fait chiffré, une étude parue dans une revue d'économie de l'université Harvard sur le support client.

• Speaker #1

  Oui, je vois.

• Speaker #2

  Un assistant génératif augmente les résolutions de près d'un tiers pour les agents les moins expérimentés.

• Speaker #1

  Près d'un tiers, d'accord.

• Speaker #2

  Il n'y a presque rien pour les meilleurs.

• Speaker #1

  Donc les nouveaux agents assistés atteignent en deux mois le niveau d'agents qui ont plus de six mois d'ancienneté.

• Speaker #2

  C'est ça.

• Speaker #1

  Il faut rester prudent quand même, cela concerne des métiers structurés. L'outil relève le plancher, mais pas le plafond.

• Speaker #2

  C'est un point à garder en tête, oui.

• Speaker #1

  L'exemple de l'entreprise Klarna, documentée par la revue de gestion de Harvard, illustre ça. L'effectif a baissé par un simple gel des embauches.

• Speaker #2

  Et ensuite ?

• Speaker #1

  Eh bien, l'entreprise a recommencé à recruter des humains, spécifiquement pour les cas que l'assistant ne traite pas.

• Speaker #2

  Ce qui valide la thèse centrale de mon analyse, en fait.

• Speaker #1

  Laquelle ?

• Speaker #2

  Le télétravail et la conjoncture referment une porte qui peut s'ouvrir de nouveau. L'intelligence artificielle, elle, prend les tâches qui constituaient le barreau de l'échelle lui-même.

• Speaker #1

  D'accord.

• Speaker #2

  Et le modèle économique montre que ce barreau ne revient pas de lui-même quand la conjoncture s'améliore.

• Speaker #0

  Fixons l'image avant la dernière partie. Pensez à une échelle. Le premier barreau, c'est une tâche simple. Un débutant la fait, un expert la vérifie. Cette tâche a deux fonctions. Elle rend un service à l'entreprise, Et elle apprend le métier à celui qui l'a fait. Quand la machine fait cette tâche, le service est toujours rendu. Souvent mieux et moins cher. Mais l'apprentissage disparaît avec la tâche. Personne ne l'a décidé. C'est un effet secondaire. Le paradoxe, c'est que la même machine, entre les mains d'un débutant, l'aide à progresser plus vite. L'outil n'est donc pas le problème. Le problème, c'est la façon dont on organise le travail autour de lui. La dernière partie du dialogue propose des repères pour reconstruire ce premier barreau, sans renoncer au gain de la machine.

• Speaker #1

  Du coup, il faut repenser l'organisation, partir du travail plutôt que de l'effectif.

• Speaker #2

  C'est la seule piste viable.

• Speaker #1

  On a l'exemple d'IKEA. Ils ont formé leurs conseillers de centres d'appel au conseil en aménagement à distance, pendant que l'assistante prenait les demandes de routine.

• Speaker #2

  Un bon pivot.

• Speaker #1

  JP Morgan Chase, ça fait de même. Ils ont réduit leurs opérations et leurs supports pour renforcer les équipes en contact avec la clientèle à effectif stable.

• Speaker #2

  Et ces réorganisations suivent des principes précis qu'il faut énoncer. Le premier principe, c'est de décider à l'unité de la tâche, pas du poste.

• Speaker #1

  Décortiquer le travail, en somme.

• Speaker #2

  Oui, il faut évaluer ce que la tâche pèse et ce à quoi elle tient, pour ensuite choisir de soulager, augmenter, réorganiser ou protéger.

• Speaker #1

  Et le deuxième principe ?

• Speaker #2

  C'est de se poser une question face à chaque tâche d'exécution. Est-ce qu'on y apprend quelque chose ?

• Speaker #1

  Oui, si ça n'enseigne rien, automatiser ne coûte rien à la transmission.

• Speaker #2

  Exactement. Mais automatiser une tâche qui enseigne impose de reconstruire l'apprentissage ailleurs.

• Speaker #1

  Ce qui mène au troisième principe, l'apprentissage explicite.

• Speaker #2

  Parce que ce n'est plus implicite, oui.

• Speaker #1

  Quand l'apprentissage n'est plus un sous-produit du travail, il faut l'organiser. Par le compagnonnage, la rotation, du temps protégé.

• Speaker #2

  C'est ça.

• Speaker #1

  Le travail d'un débutant consisterait à relire les productions de la machine avec un expert à côté. La Banque Centrale de New York relève d'ailleurs que les jeunes ingénieurs travaillant physiquement près des expérimentés reçoivent plus de retours et produisent un meilleur travail.

• Speaker #2

  La proximité compte.

• Speaker #1

  L'entreprise qu'ils ont étudiée a même cessé de recruter des inexpérimentés quand elle ne pouvait plus les former.

• Speaker #2

  Ce qui soulève des questions de gouvernance et nos principes 4 et 5.

• Speaker #1

  Lesquels ?

• Speaker #2

  Il faut suivre les embauches de débutants et le temps de monter en compétence. Pas seulement le temps libéré par l'outil.

• Speaker #1

  Et ce temps libéré ?

• Speaker #2

  Il doit recevoir une destination nommée et mesurée. Sans destination, personne ne peut dire où il a allé.

• Speaker #1

  Il faut aussi rappeler la dimension collective de tout ça. le vivier est un bien commun.

• Speaker #2

  Entièrement d'accord.

• Speaker #1

  Les institutions qui l'entretiennent, comme l'alternance ou les résidences, doivent être défendues. Les économistes de Barcelone proposent des instruments publics comme le soutien au poste donnant accès aux meilleurs mentors.

• Speaker #2

  Et enfin, il y a le rôle pivot du manager de proximité. Selon l'Institut Gallop, le soutien actif du manager à l'usage de l'outil par l'équipe est le facteur le plus lié à l'engagement.

• Speaker #1

  On arrive à la fin de notre analyse. Et après tout ça... Je maintiens vraiment ma position. La baisse des embauches relève d'un ajustement raisonnable pour l'entreprise isolée.

• Speaker #2

  Et je maintiens la mienne. Il s'agit d'un prélèvement sur l'avenir, un coût différé que personne ne comptabilise aujourd'hui.

• Speaker #1

  On restera sur ce désaccord, avec une pensée finale en tête. L'outil qui possède le plus grand potentiel pour former les débutants est paradoxalement celui au nom duquel on cesse de les recruter.

• Speaker #2

  Quel poste votre entreprise ouvrira-t-elle l'an prochain à quelqu'un qui ne sait pas encore faire le travail ?

• Speaker #0

  Cet épisode vous est proposé par Spentia, qui aide les dirigeants à redessiner le travail avec l'intelligence artificielle. La méthode part du travail réel. Chaque personne est écoutée. Chaque tâche est décrite, puis classée. Ce qu'elle pèse, ce à quoi elle tient. La feuille de route est ratifiée par ceux qui la mettront en œuvre. Et une revue mensuelle mesure ce que le temps libéré est devenu. Le lien est dans les notes de l'épisode. Si cet épisode vous a été utile, partagez-le. A bientôt ! pour un prochain signal.