Les métiers se transforment plus qu’ils ne disparaissent

Une exposition massive, mesurée de trois façons

Le Fonds monétaire international estime qu’environ 40 % des emplois dans le monde sont exposés à l’IA. La proportion monte à 60 % dans les économies avancées, où dominent les emplois cognitifs¹. La banque et la finance sont en première ligne : leur matière première est l’information, et l’IA générative travaille précisément sur l’information.

Accenture a mesuré cette exposition dans la banque. Aux États-Unis, 73 % du temps de travail des salariés des banques peut être fortement touché par l’IA générative². Le McKinsey Global Institute va plus loin : les technologies actuelles pourraient, en théorie, automatiser des activités représentant 57 % des heures travaillées dans l’économie américaine³.

Ces trois chiffres ne mesurent pas la même chose. Le premier compte des emplois, le deuxième du temps de travail dans un secteur, le troisième un potentiel technique sur l’ensemble de l’économie. Aucun ne dit combien de postes disparaîtront. C’est la première précaution de lecture. La seconde tient au mot « exposé » lui-même : il désigne un emploi dont une partie des tâches peut être confiée à l’IA ou assistée par elle, pas un emploi condamné. Un analyste dont la moitié du temps passe à collecter et mettre en forme des données est très exposé ; il n’est pas pour autant remplaçable.

Exposé ne veut pas dire remplacé

Le détail du chiffre d’Accenture change la lecture. Sur les 73 % du temps de travail bancaire concerné, 39 % relèvent de l’automatisation et 34 % de l’augmentation, c’est-à-dire d’un travail que l’outil assiste sans le faire à la place du collaborateur². Le McKinsey Global Institute précise lui-même que son 57 % est un potentiel technique, non une prévision de pertes d’emplois, et que plus de 70 % des compétences demandées servent à la fois dans le travail automatisable et dans celui qui ne l’est pas³. Les tâches se déplacent ; les compétences restent utiles.

L’exposition varie fortement d’un poste à l’autre. Selon Accenture, 60 % des tâches courantes du guichetier pourraient être assistées par l’IA. Pour les conseillers du service client, 37 % des tâches sont automatisables et 28 % peuvent être augmentées². Les métiers les plus transactionnels sont les plus touchés ; ceux qui reposent sur le diagnostic et la relation le sont beaucoup moins.

L’histoire offre un repère utile. L’arrivée du tableur promettait la fin des métiers du chiffre. Or l’emploi en comptabilité et en paie a progressé d’environ 70 % depuis 1987 aux États-Unis⁴. L’outil a supprimé des calculs, pas des comptables : il a déplacé leur valeur vers l’analyse et le conseil.

L’IA ne retire pas le métier au banquier ; elle lui retire les tâches qui l’éloignaient de son métier.Notre lecture

Ce qui change vraiment : le contenu du poste

Si les postes résistent mieux qu’on ne le dit, leur contenu change vite. Selon PwC, les compétences demandées dans les métiers les plus exposés évoluent plus de deux fois plus vite que dans les autres. Et les tâches nouvelles qui s’ajoutent à ces métiers reposent 2,5 fois plus souvent sur l’empathie, le jugement et la créativité⁵. La machine prend la préparation ; l’humain garde la décision et la relation.

La demande de maîtrise de l’IA, c’est-à-dire la capacité à utiliser et à piloter ces outils, a été multipliée par près de 7 en deux ans dans les offres d’emploi américaines³. Le même travail montre que la comptabilité fait partie des compétences spécialisées les plus bousculées, alors que la négociation et le coaching sont parmi les moins touchés³.

Le directeur d’agence illustre ce glissement. Son rôle se déplace vers l’animation d’une équipe qui travaille avec l’IA. McKinsey rapporte que le coaching des conseillers appuyé sur l’analyse des entretiens a relevé la satisfaction client de 7 points, et que les nouveaux banquiers deviennent opérationnels 20 % plus vite⁶. L’outil fournit le diagnostic ; c’est le manager qui en fait un progrès.

Ce que les données ne disent pas

Les chiffres disponibles ont trois angles morts. Le premier est géographique : la quasi-totalité des études par métier portent sur les États-Unis et l’Europe. Le deuxième tient à la nature des mesures : une exposition ou un potentiel technique ne dit rien du rythme d’adoption, ni des choix que feront les établissements. Le troisième est le plus important : aucune étude ne mesure ce que les banques feront du temps libéré, alors que c’est cette décision qui fixera le sort des emplois.

Le FMI rappelle aussi que l’exposition dépend du niveau de développement : 60 % des emplois dans les économies avancées, 40 % dans les émergentes, 26 % dans les pays à faible revenu¹. Une exposition plus faible ne protège pas pour autant : elle signifie aussi moins de gains de productivité à capter.

Enfin, l’exposition ne se convertit en valeur que si les équipes savent se servir de l’outil. Selon le BCG, seuls 51 % des salariés de terrain utilisent régulièrement l’IA générative, et seul un tiers se dit correctement formé ; l’usage augmente nettement à partir de 5 heures de formation⁷. L’écart entre potentiel et réalité passe d’abord par la formation.

Ce que cela change pour vous

Nos recommandations

1. Raisonner en tâches plutôt qu’en postes : distinguer, pour chaque métier, ce qui sera automatisé et ce qui sera augmenté.
2. Lire chaque chiffre d’exposition avec son périmètre : pays, secteur, nature de la mesure.
3. Former tous les collaborateurs, au-delà du seuil de 5 heures à partir duquel l’usage décolle⁷.
4. Réorienter les fonctions transactionnelles vers le conseil et la relation avant que l’automatisation ne l’impose.
5. Faire du manager de proximité le relais de la transformation, en l’équipant pour coacher une équipe qui travaille avec l’IA.