L’IA ne prendra pas votre travail*. Elle va le déplacer.

Vous venez sans doute de scanner votre badge de « Ressources Super-Humaines », avec son score de « sosie IA ». Ce badge vient de monso.si, un site satirique que j’ai lancé avec des agents IA, à partir d’une blague. Son chiffre est un jeu, mais il ne sort pas de nulle part : il part de deux mesures publiques, l’exposition de votre métier à l’IA selon l’Organisation internationale du travail, et ce que l’IA fait déjà vraiment dans ce métier selon Anthropic¹. Vos réponses au questionnaire ne le font bouger que de quelques points, et c’est là qu’est la blague. La question qu’il pose est sérieuse : l’IA va-t-elle remplacer votre métier ?

Ma conviction : elle va le déplacer, et dans tous les secteurs. La machine fabriquera à notre place, même ce qui n’a jamais été fait, et il nous restera ce qu’on signe, c’est-à-dire ce dont on répond : ce qu’on demande, ce qu’on vérifie, ce qu’on accepte de publier ou de livrer sous son nom. Je le vis depuis près de deux ans, et je le mesure depuis un an. Ce billet en est un exemple : je ne l’ai pas tapé, je l’ai demandé, vérifié et signé (voir comment).

*Cette condition, je la pense vraiment. Ce déplacement demande de la curiosité, l’envie d’apprendre et d’accepter que sa façon de travailler change. Ceux qui suivront leur travail là où il va en tireront beaucoup. Ceux qui voudront continuer exactement comme avant risquent de voir une machine faire à leur place la partie qu’ils gardaient.

Chaque machine a déplacé le travail

La machine à écrire. Fabriquée en série à partir de 1874, elle a remplacé les commis aux écritures, qui recopiaient les documents à la main, par des dactylographes, un métier surtout tenu par des femmes (BnF).

Le distributeur de billets. Aux États-Unis, une agence bancaire employait une vingtaine de guichetiers avant lui, treize après. Mais les agences, devenues moins chères à faire tourner, se sont multipliées, et le nombre total de guichetiers a augmenté. Leur métier, lui, a changé : moins compter des billets, plus conseiller les clients (Knowable Magazine, d’après l’économiste James Bessen). La France a connu le même déplacement, avec moins de postes : les employés de banque sont passés de 356 000 en 1986 à 221 000 trente ans plus tard (Le Figaro), et trois salariés de la branche sur quatre sont aujourd’hui cadres (AFB).

Le tableur. Apparu à la fin des années 1970, avec les premiers ordinateurs personnels, il a remplacé une bonne partie des aides-comptables aux États-Unis. Le nombre de comptables, lui, a augmenté : on leur a demandé d’analyser et de conseiller plutôt que d’additionner des colonnes (NPR).

La mise en page sur ordinateur. Dans les journaux, des typographes composaient les pages en plomb. La photocomposition, puis la mise en page sur ordinateur dans les années 1980, ont fait disparaître leur métier. C’est l’autre face de la même histoire : le travail se déplace, mais pas toujours avec ceux qui le faisaient.

En 1865, l’économiste William Stanley Jevons remarque que des machines à vapeur plus économes n’ont pas fait baisser la consommation de charbon en Angleterre : elles l’ont fait exploser, parce que tout devenait rentable (Yale). Quand une chose devient abondante et bon marché, on en produit beaucoup plus, et la valeur se déplace vers ce qui reste rare. L’imprimerie a multiplié les livres, et ce sont les auteurs et les éditeurs qui ont compté, plus les copistes. Le code est en train de devenir ce charbon.

L’IA fait la même chose, mais pour presque tout ce qui passe par un écran : elle écrit, elle transcrit la voix et la reproduit, elle crée des images, du son et de la vidéo, et elle agit de plus en plus seule dans nos logiciels². Voilà pourquoi elle touche tous les métiers de bureau en même temps, et pourquoi je pense que chacun de nous va vivre ce que je vis aujourd’hui.

La vague suivante a déjà commencé, alors que celle-ci n’est pas terminée : installer ces mêmes modèles dans des robots. Sur les badges de monso.si, un maçon part aujourd’hui de 5 % et un boulanger de 11 %. Pour l’instant. Le jour où un robot apprend un geste en regardant quelqu’un le faire, les métiers manuels, jusqu’ici à l’abri, seront exposés à leur tour. Ce jour approche : un robot vient d’apprendre des tâches qu’il n’avait jamais vues à partir de simples vidéos de démonstration, et le State of AI Report parle du « moment GPT-2 » de la robotique³.

L’IA, je la suis depuis 2023

Je ne m’y suis pas mis cette année. J’ai analysé quinze ans de mon activité sur X (anciennement Twitter) : chaque tweet, retweet et like classé par sujet (l’analyse complète est ici). En 2022, l’IA représente moins de 1 % des sujets tech que je suis. En 2023, l’année qui suit la sortie de ChatGPT, elle passe à 10 %. Puis 37 % en 2024, et 59 % en 2025. Mon sujet n° 1 pendant dix ans, le langage de programmation avec lequel j’ai construit ma carrière, tombe à 3 %.

Ce que je lis et partage sur X (anciennement Twitter) : la part de chaque sujet tech, par an

IA (chiffre sous l'année)mon sujet n° 1 pendant dix ans (le langage PHP)les autres sujets tech (infrastructure, web, sécurité, produit…)

novembre 2022 : sortie de ChatGPT

1. 29 %
   20190,2 %
2. 25 %
   20200,2 %
3. 17 %
   20211 %
4. 13 %
   20220,3 %
5. 20239,8 %
6. 202437 %
7. 202559 %
8. 2026*60 %

* 2026 : jusqu'au 29 septembre

Pendant près de trois ans, j’ai surtout lu et partagé. J’ai commencé à écrire sur le sujet fin 2025, quand j’ai eu quelque chose à raconter.

2026 : l’année où tout a accéléré

Je suis directeur technique (CTO). Mon travail n’est plus d’écrire du code. Il porte sur la stratégie technique de l’entreprise, sa vision à moyen et long terme, le comité de direction, les budgets, les arbitrages. Depuis février 2025 et l’arrivée de Claude Code⁴, les agents m’ont rendu ce que j’avais perdu en route : construire. Je peux de nouveau montrer une idée par un exemple qui marche plutôt que par une présentation, et débloquer les sujets coincés ou jamais prioritaires. Ces agents sont des IA à qui je confie une tâche entière, qui la mènent seules et reviennent vers moi quand elles ont fini ou qu’elles ont besoin de moi.

Depuis septembre 2025, un petit outil que j’ai écrit tient le journal de ce travail : le temps que je passe avec eux, ce qu’ils produisent, chaque contribution qui part dans mes projets. Ce journal est devenu mon prochain projet, Humanload : rendre visible le travail des agents, compter les décisions et les sollicitations qu’ils génèrent, et chercher à réduire ce bruit.

Les contributions de mes agents, semaine après semaine, en 2026

record : 2 668 en une semaine

rythme de début d'année : 91 par semaine

janv.févr.marsavr.maijuinjuil.aoûtsept.oct.

Une contribution, c’est un changement enregistré dans un projet, comme on enregistre une nouvelle version d’un document. Je n’en ai écrit aucune. Toutes viennent d’agents, Claude Code ou Codex, que je pilote. En début d’année, ils en faisaient environ 90 par semaine, et encore 120 en juillet. Le rythme a monté à la fin de l’été, puis tout s’est emballé : ces quatre dernières semaines, près de 1 600 par semaine en moyenne, treize fois le rythme de juillet. Cette accélération a deux moteurs. Les modèles, d’abord : plus puissants, ils travaillent seuls plus longtemps sans avoir besoin de moi. La durée des tâches qu’une IA mène seule a doublé environ tous les sept mois de 2019 à 2025 (METR). Le travail en parallèle, ensuite : je fais tourner plusieurs agents en même temps et je passe de l’un à l’autre.

Ce qui a changé cette année

• ×7,9de travail produit par mes agents pour chaque heure que je passe avec euxjanvier-février contre les quatre dernières semaines
• ×17de contributions de mes agents par semainede 91 à 1 585
• 49projets sur lesquels j'ai travaillé en quatre semaines12 en janvier-février, sur deux mois
• ×2,5de temps passé avec mes agentsc'est le prix de l'accélération

Pour chaque heure que je passe avec mes agents, ils produisent aujourd’hui 7,9 fois plus de travail qu’en janvier. Sur une semaine, mes agents enregistrent 17 fois plus de contributions⁵. Une partie vient de ce que je leur consacre plus de temps (×2,5). Le reste, un facteur 7 environ, vient de la machine.

Un an plus tôt, sur les mêmes semaines de 2025, l’écart est encore plus net : par heure passée avec eux, mes agents produisaient 10,5 fois moins qu’aujourd’hui⁶.

Ce que la machine me laisse

Si la machine écrit à ma place, que reste-t-il de mes journées ? Mon journal répond assez précisément.

Ma journée de travail, en moyenne

janvier-févrieraujourd'hui

• Décisionsun agent me demande de choisir, valider ou préciser, je réponds

  9,589

  ×9record : 221

• Changements de contexteje passe d'un sujet à un autre

  3,586

  ×25record : 215

• Projets touchésdépôts de code différents dans la journée

  1,97,8

  ×4record : 16

• Messages à mes agentspour donner l'échelle

  56189

  ×3record : 404

Une journée de travail, c’est aujourd’hui environ 90 décisions⁷ : un agent me demande de choisir entre deux options, de valider une action ou de lui donner une information, et je réponds. En janvier, c’était une dizaine. La machine écrit, et moi je décide, neuf fois plus souvent qu’au début de l’année.

L’autre changement, c’est le nombre de sujets. En janvier, je passais d’un sujet à un autre trois ou quatre fois par jour. Aujourd’hui, c’est plus de 85 fois, sur huit projets en moyenne, et jusqu’à 215 fois le jour le plus chargé. Plusieurs agents travaillent en parallèle, et je tourne de l’un à l’autre. Imaginez un adulte sollicité aussi souvent, par huit enfants à tour de rôle, entre deux réunions, des e-mails et des messages. À ce rythme, on finit par ne plus savoir ce qui a été fait ni ce qui a avancé.

Entre deux passages, ils avancent seuls : dans plus d’un tiers des moments où un agent travaille, je ne lui écris rien. Et je le corrige moins qu’avant, dans un message sur quatre contre plus d’un sur trois en début d’année.

Je livre plus, et j’ose plus

Décider plus ne veut pas dire produire moins. En janvier-février, j’avais travaillé sur 12 projets en deux mois. Ces quatre dernières semaines, sur 49⁸.

Surtout, je peux me tromper sans que ça coûte cher. Quand une version prend quelques minutes, j’en essaie trois, je garde la meilleure, je défais et je refais. C’est comme ça que cinq sites satiriques, dont monso.si, ont été en ligne en moins d’une journée, à partir d’une simple blague. Avant, une idée devait mériter des semaines de travail pour exister. Maintenant, il suffit de l’essayer.

Cette façon de travailler, je ne la garde pas pour moi. Mon rôle de CTO, c’est aussi d’emmener mon équipe vers elle, sans lui imposer mon rythme. Je partage ce que j’essaie, ce qui marche et surtout ce qui échoue, et chacun avance à son allure. Mes chiffres montrent ce qui devient possible ; personne n’est tenu de les atteindre.

L’IA commence à découvrir

En astronomie, un outil d’IA, RAVEN, a validé 118 nouvelles exoplanètes dans les données du télescope TESS de la NASA, dont 31 jamais repérées auparavant (Monthly Notices of the Royal Astronomical Society, mars 2026).

En mathématiques, un modèle a battu en mai un record vieux de quatre-vingts ans, sur un problème posé par Paul Erdős en 1946 (Scientific American). Début octobre, OpenAI a affirmé que ses agents avaient résolu au moins 372 problèmes ouverts en quelques semaines, dans plus de 700 articles écrits par l’IA (The Economist). Vérifier de telles preuves prend des semaines, voire des mois (Science).

Dans l’IA elle-même, Claude a mené 26 % du travail de recherche mesuré sur les modèles d’Anthropic en août, contre moins de 1 % en février, selon une mesure interne d’Anthropic citée par le State of AI Report 2026 : l’IA aide déjà à construire l’IA suivante.

Si vous lisez ce billet quelques jours ou quelques mois après sa publication, cette liste est sans doute déjà dépassée : je n’arrive plus à la tenir à jour.

Le revers de l’accélération

Les risques accélèrent aussi.

Les cyberattaques. En novembre 2025, Anthropic a révélé la première campagne d’espionnage informatique menée en grande partie par des agents IA : 80 à 90 % des opérations automatisées, une trentaine de cibles (Anthropic). En France, dans la nuit du 11 au 12 octobre 2026, des pirates ont réglé à plus de 30 °C les congélateurs de plus de 300 supermarchés (Le Monde). Rien n’indique qu’une IA ait servi ce jour-là, mais l’attaque montre jusqu’où une intrusion informatique touche déjà le monde physique, et des agents permettent de mener ce genre d’attaque à bien plus grande échelle.

Les risques biologiques. Les modèles qui aident les chercheurs en biologie pourraient aussi aider des personnes mal intentionnées, et leurs protections ne sont pas infaillibles : en septembre 2026, Anthropic a signalé que des chercheurs les avaient contournées, sans intention de nuire selon l’entreprise (Congressional Research Service). Le RAND estime qu’aucune protection ne suffit seule (RAND).

La fatigue. Et puis il y a le risque que je connais le mieux, parce que je le vis.

Ces chiffres ne disent pas que je travaille moins. L’IA a mis tout à portée de main : une idée du matin peut être en ligne le soir. À une condition : avoir les bases du métier. Les agents vont vite, ils se trompent aussi vite, et il faut savoir reconnaître une erreur pour la rattraper. Sans ces bases, on obtient très vite quelque chose qui a l’air de marcher, jusqu’au jour où ça lâche.

Avec les bases, c’est l’inverse : tout devient faisable, alors on fait tout. J’explore enfin toutes mes idées, perso comme pro, et je règle un à un les problèmes qu’on avait glissés sous le tapis parce qu’ils n’étaient jamais prioritaires. Ma charge de travail a explosé, et personne ne me l’a imposée : ni mon employeur, ni une échéance. C’est la passion qui me tient éveillé, et c’est justement ce qui la rend difficile à freiner. Une étude de la Harvard Business Review le dit dès son titre : l’IA ne réduit pas le travail, elle l’intensifie.

Mes soirées, semaine après semaine, en 2026

soirs où j'ai envoyé plus de 20 messages à mes agents (de 0 à 7 par semaine)

Les deux dernières semaines : 6 puis 7 soirs sur 7 après 20 h, et 6 après 23 h.

Les soirs où je travaille après 23 h, j'envoie en médiane 69 messages à mes agents ces quatre dernières semaines, contre 36 en janvier-février.

après 20 haprès 23 hseuil d'alerte : 3 par semaine

janv.févr.marsavr.maijuinjuil.aoûtsept.oct.

Cette fatigue a un nom en anglais, l’« AI brain fry », le cerveau grillé par l’IA : brouillard mental, décisions plus lentes, maux de tête quand on supervise trop d’agents à la fois. Le BCG l’a mesuré auprès de 1 488 salariés américains. Le site parodique Tokens Anonymes en rit, sources à l’appui, et résume les signes et ce qui aide.

Demain, dans tous les métiers

Ce que je vis avec du code, je pense que chaque métier va le vivre avec ce qu’il produit. En France, le mouvement a commencé : 18 % des entreprises de 10 salariés ou plus utilisent l’IA en 2025, trois fois plus qu’en 2023, et 59 % dans l’information et la communication (Insee). Le travail se déplace dans trois directions.

De la production à la demande. Ce qui compte, c’est moins la vitesse à laquelle on produit que la clarté de ce qu’on demande. Une consigne floue donnait autrefois une semaine d’allers-retours. Avec une IA, elle donne en dix minutes un travail soigné qui répond à la mauvaise question.

De l’écriture à la vérification. Quand produire ne coûte presque plus rien, vérifier devient le travail. Un journaliste qui fait rédiger un premier jet par une IA doit en vérifier chaque fait et chaque citation. Un développeur doit essayer le logiciel, pas seulement relire le code.

De l’exécution à la décision. Beaucoup de métiers vont ressembler à celui d’un rédacteur en chef : il écrit moins lui-même, il commande, il relit et il décide de ce qui part à l’impression. Pour tenir ce rôle, chacun devra se donner des garde-fous et des listes de contrôle, pour qu’une erreur rattrapée une fois ne se reproduise plus. Car il ne faut jamais oublier ce qu’est une IA : une machine à probabilités. Elle calcule la suite la plus probable, et elle le fait si bien que le résultat paraît souvent magique. Mais probable ne veut pas dire vrai. Quand elle ne sait pas, elle peut inventer une réponse fausse avec un aplomb parfait, ce que les chercheurs appellent une « hallucination » (Nature, 2026). La vérification reste donc humaine.

Ce déplacement ne touchera pas tout le monde de la même façon. Tous les métiers n’ont pas la même part de décision, et l’IA sait déjà trier et juger. Ce billet en est la preuve : les décisions de mes graphiques sont repérées par une IA qui relit mes échanges et les classe. Mais ses critères, c’est moi qui les ai fixés, et c’est moi qui signe ce texte. Une IA peut rédiger, trier, juger ; elle ne peut pas répondre de ce qu’elle produit. Le journaliste signe son article, le médecin son ordonnance, le développeur sa mise en production : c’est cette part-là qui reste à l’humain.

Encore faut-il que le métier comporte cette part. Selon l’Organisation internationale du travail, un travailleur sur quatre dans le monde occupe un emploi exposé à l’IA générative, mais très peu de métiers sont entièrement automatisables ; le plus probable est qu’ils se transforment (OIT, 2025). Les plus exposés sont les emplois administratifs, et l’emploi des femmes l’est davantage que celui des hommes. Et là où l’IA remplace au lieu d’assister, ce sont les débutants qui trinquent : aux États-Unis, l’emploi des 22-25 ans dans les métiers les plus exposés est 19 % en dessous de ce qu’il aurait dû être (Stanford, 2026). Ça m’inquiète pour ceux qui arrivent. Il faut de l’expérience pour savoir de quoi douter, et c’est justement dans ces premiers postes, ceux qui se raréfient, qu’on l’acquérait. Et l’esprit critique dépend de la confiance : plus on fait confiance à l’IA, moins on vérifie ; plus on a confiance en ses propres compétences, plus on vérifie (Microsoft et Carnegie Mellon, 2025). Voilà pourquoi j’ai mis un astérisque au titre.

Pourquoi ça m’enthousiasme

J’ai toujours eu un biais pour l’action : livrer, faire avancer le produit, corriger vite ce qui casse. Pendant quinze ans, le frein, c’était le temps qu’il fallait pour tout écrire. L’IA générative, à travers les agents, l’a levé. Ce qui reste, comprendre le besoin, expérimenter, choisir, vérifier, c’est la partie du travail que j’ai toujours préférée.

Je ne suis pas pour autant un modèle à suivre, plutôt un test de charge : je pousse le système pour voir ce qu’il faut réadapter et où il cède, et je publie ce que je mesure. Le prix de cette vitesse, je le détaille dans Le pommier et le panier.

Cet enthousiasme, je le souhaite au plus grand nombre. Rien ne le garantit : selon l’Organisation internationale du travail, la façon dont les métiers vont se transformer dépendra surtout des choix faits maintenant, par les gouvernements, les employeurs et les représentants des salariés (OIT). L’IA peut élargir le cercle de ceux qui créent, ou creuser l’écart entre ceux qui savent s’en servir et les autres.

Reste le badge satirique du début. Le mien m’attribue 38 % de « sosie IA », une façon de mesurer à quel point mon métier est exposé à l’IA. Ce n’est pas une prédiction, mais je sais que ce chiffre va monter. Un jour, mon badge dira peut-être 98 % d’exposition. Je serai là pour montrer que même les 2 % qui restent, la part qu’on signe, font toute la différence. Elle fait, nous signons.

Tristan Bessoussadirecteur technique (CTO), le 20 octobre 2026

Footnotes

1. Sur monso.si, le taux de départ de chaque métier est la moyenne de deux indices ramenés de 5 à 95 % : l’indice d’exposition à l’IA générative de l’OIT (2025) et l’« exposition observée » d’Anthropic (2026), c’est-à-dire ce que Claude fait déjà réellement dans ce métier. Chacune des trois réponses ajoute ou retire au plus 4 points. Pour un CTO, le taux de départ est de 40 % ; mes réponses m’ont donné 38 %. C’est un indice construit pour le jeu, pas une probabilité de remplacement. ↩

2. Selon le Stanford AI Index 2026, l’IA progresse sur le texte, le code, la parole, l’image, la vidéo et les agents. En France, les entreprises qui utilisent la reconnaissance de la parole emploient 41 % des salariés, celles qui génèrent images, vidéos ou sons 42 % (Insee). ↩

3. Le robot S1 de Skild a réalisé des tâches inconnues à partir de vidéos de démonstration, sans réentraînement (State of AI Report 2026). GPT-2 est sorti en 2019, près de quatre ans avant ChatGPT. Ces taux sont les taux de départ de monso.si, avant les réponses. ↩

4. Claude Code, l’agent de programmation d’Anthropic, est sorti en préversion le 24 février 2025 et pour tous le 22 mai 2025. ↩

5. Une contribution est un commit, un enregistrement de code dans un dépôt. Mon journal ne voit que les dépôts présents sur mes machines, et plusieurs n’y sont apparus qu’en octobre : le ×17 est donc un peu gonflé. Le ×7,9 par heure ne dépend pas de ce biais. ↩

6. Pour cette période de 2025, mon journal ne contient des conversations que pour 14 jours sur 28. Je n’en tire donc qu’un ratio par heure, pas des volumes. ↩

7. Une décision, c’est une réponse de ma part à un agent qui me demandait de choisir, de valider ou de fournir une information. Elles sont repérées par un modèle d’IA qui relit mes échanges, pas encore étalonné, ou par un clic sur une question à choix de l’agent. Les moyennes portent sur les jours où j’ai écrit au moins un message. ↩

8. Un projet, c’est un dépôt de code distinct, compté dès que j’y ai travaillé, qu’il ait été livré ou non. Un dépôt renommé ou déplacé compte une seule fois, et les dossiers de travail sans dépôt ne comptent pas. ↩