Should I Buy It?
Un comptable passe 60% de son temps à saisir des données et réconcilier des comptes. Ce sont des tâches utilitaires — leur valeur est dans le résultat, pas dans le fait qu’un humain les fasse. L’IA les prend. Mais les 40% restants — interpréter une anomalie, conseiller un dirigeant en pleine crise, comprendre ce qu’un chiffre signifie pour cette entreprise à ce moment — ces tâches ont du sens. Elles ne se délèguent pas.
Origine
Viktor Frankl, neuropsychiatre et survivant des camps de concentration, développe dans Man’s Search for Meaning (1946) la distinction fondamentale entre ce qui a de la valeur instrumentale (utile pour atteindre un but) et ce qui a de la valeur intrinsèque (significatif en soi, indépendamment du résultat).
“Everything can be taken from a man but one thing: the last of the human freedoms — to choose one’s attitude in any given set of circumstances.” — Viktor Frankl
Appliqué au travail contemporain, cette distinction prend une dimension nouvelle avec l’IA : les tâches utilitaires — répétitives, mesurables, optimisables — sont précisément celles que les machines font le mieux. Les tâches de sens — contextualisation, jugement moral, connexion humaine, créativité non prescrite — résistent structurellement à l’automatisation.
Ce que dit la recherche
L’automatisation cible les tâches, pas les métiers
La confusion la plus répandue sur l’automatisation : penser que l’IA va supprimer des métiers. La recherche montre quelque chose de plus nuancé — elle déplace des tâches spécifiques à l’intérieur des métiers.
Frey & Osborne (Oxford, 2013) estiment que 47% des emplois américains sont à risque. Mais leur méthode raisonne au niveau de l’occupation entière. Quand l’OCDE refait l’analyse tâche par tâche (21 pays, 2016), le chiffre tombe à 9%.
En 2023, Frey et Osborne ont eux-mêmes publié une réévaluation (“Generative AI and the Future of Work: A Reappraisal”) : ils refusent désormais de donner un chiffre headline, et soulignent que l’IA générative rend aussi les métiers plus accessibles. L’IMF (janvier 2024) retient 40% des emplois exposés — avec la même nuance : exposition ne signifie pas disparition.
L’écart entre 47% et 9% n’est pas une contradiction — c’est la démonstration que ce qui est automatisé, c’est la partie routinière de chaque poste. Pas le poste entier.
David Autor (MIT) documente ce phénomène depuis les années 2000 : l’automatisation creuse un sablier dans le marché du travail. Les emplois “middle-skill” disparaissent. Ce qui résiste : les postes très qualifiés (non-routiniers cognitifs) et, plus surprenant, les postes peu qualifiés mais non-routiniers physiques ou interpersonnels — soins, restauration, sécurité.
L’IA transfère l’expertise, elle ne la détruit pas
Brynjolfsson, Li & Raymond (MIT/Stanford, 2023) ont étudié des agents de support client utilisant un assistant IA. Résultat : +14% de productivité en moyenne — mais les gains sont concentrés chez les travailleurs les moins expérimentés (+35%). Les plus qualifiés : gains minimes.
Ce que l’IA fait : elle transfère la compétence tacite des experts vers les débutants. Elle compresse la prime d’expertise sur les tâches codifiables. Ce qui reste différenciant pour les experts, c’est précisément ce qui n’est pas codifiable : jugement, relation, création.
L’IA “so-so” : beaucoup de bruit, peu de valeur nette
Daron Acemoglu (MIT) introduit le concept de technologie so-so : une automatisation qui ne fait pas beaucoup mieux que l’humain, mais coûte moins cher. Les call centers automatisés en sont l’exemple paradigmatique. Résultat : déplacement de travail sans gain de productivité réel.
Sa projection : les gains de productivité réels de l’IA actuelle ne représentent que 0,53% du PIB sur 10 ans. Non par manque de puissance technique — mais parce que l’IA actuelle substitue plutôt qu’elle n’augmente.
La théorie
Valeur utilitaire vs valeur de sens
| Tâches utilitaires | Tâches de sens |
|---|---|
| Résultat mesurable et reproductible | Résultat dépendant du contexte humain |
| Peuvent être faites par n’importe quoi de compétent | Requièrent une présence, une identité, une expérience vécue |
| Valeur dans l’output | Valeur dans le qui et le comment |
| Candidates à l’automatisation | Résistantes à l’automatisation |
Aristote l’avait formulé il y a 2500 ans
La distinction utility/meaning n’est pas nouvelle. Aristote distinguait déjà :
- Poiesis : production orientée vers un objet extérieur. La valeur est dans le produit. C’est un moyen vers une fin.
- Praxis : action dont la valeur réside dans l’action elle-même. Prendre soin, délibérer, créer. L’activité est sa propre fin.
“Activity has an end in itself, while making has an end as a product separate from the activity.” — Aristote, Éthique à Nicomaque
L’IA automatise la poiesis. Ce qu’elle ne peut pas automatiser, c’est la praxis.
Hannah Arendt (1958) formule un avertissement encore plus direct : une société libérée du travail routinier par l’automatisation pourrait se retrouver avec une liberté vide — des gens dont toute l’identité s’était construite autour du travail utilitaire, sans ressources pour habiter la liberté.
Ce qui résiste vraiment à l’automatisation
Une étude du Max Planck Institute (2024) sur le diagnostic médical illustre concrètement la frontière : les équipes humain+IA font des diagnostics plus précis que l’humain seul ou l’IA seule. Leurs erreurs sont complémentaires.
Mais le médecin reste irremplaçable sur ce que l’IA ne peut pas faire : la relation thérapeutique, la communication du diagnostic, les décisions partagées face à l’incertitude, les soins palliatifs. Ce n’est pas une consolation — c’est une bifurcation.
| Activité | Résistance | Raison |
|---|---|---|
| Data entry, comptabilité routinière | Très faible | Tâches 100% codifiables |
| Support client tier-1 | Faible | Scripts + NLP |
| Radiologie (lecture d’images) | Faible-Moyenne | IA = meilleure précision technique |
| Médecine : relation thérapeutique | Élevée | Empathie, incertitude partagée |
| Thérapie psychologique | Très élevée | Intersubjectivité, confiance |
| Enseignement (transmission info) | Faible-Moyenne | IA peut enseigner des faits |
| Enseignement (mentoring, identité) | Très élevée | Modèle, présence, ajustement |
| Avocat (recherche juridique) | Faible | IA domine |
| Avocat (plaidoirie, négociation) | Élevée | Jugement, persuasion, relation |
| Travail de deuil, soins palliatifs | Extrêmement élevée | Présence irremplaçable |
| Créativité “moyenne” | Moyenne | IA bat l’humain moyen |
| Créativité d’exception | Élevée | Top 10% humains > IA |
En pratique
Audite tes tâches avec ce filtre
Pour chaque tâche récurrente : “Si une IA faisait exactement ça à ma place, est-ce que le résultat serait identique pour celui qui le reçoit ?”
- Si oui → tâche utilitaire. À automatiser ou optimiser, pas à défendre.
- Si non → tâche de sens. À développer, approfondir, mettre en avant.
Exemples par métier
| Métier | Utilitaire (automatisable) | Sens (résistant) |
|---|---|---|
| Avocat | Recherche jurisprudentielle, rédaction de clauses standard | Stratégie de plaidoirie, relation client en crise |
| RH | Tri de CVs, scheduling d’entretiens | Décision d’embauche finale, gestion d’un conflit humain |
| Infirmier | Saisie de données patients, rappels de médication | Accompagnement en soins palliatifs, évaluation clinique |
| Développeur | Génération de boilerplate, documentation auto | Architecture de systèmes complexes, compréhension du besoin métier |
| Enseignant | Transmission de contenu factuel, corrections standardisées | Mentoring, détection des blocages individuels, formation identitaire |
Nuances et limites
La frontière n’est pas fixe. Ce qui est “sens” aujourd’hui peut devenir “utilitaire” demain.
Une étude de 2025 (Nature Scientific Reports, N=269) montre que l’utilisation passive de l’IA — copier-coller du contenu généré sans s’engager dans le travail — réduit significativement le sens perçu dans le travail, la confiance en soi et le sentiment de propriété. La collaboration active (l’humain d’abord, l’IA ensuite pour affiner) neutralise ces effets.
Ce n’est pas l’IA qui détruit le sens — c’est la délégation passive. Le sens vient de l’effort, du processus, de l’engagement.
Par ailleurs, une étude créativité (100 000 humains vs GPT-4, 2026) montre que l’IA bat l’humain moyen sur certaines mesures de créativité divergente — mais le top 10% humain reste largement devant sur la poésie, les romans, les discours (+80% à +150% de nouveauté linguistique). La créativité de masse devient commoditisée. La créativité d’exception reste humaine.
Sources : Frankl, V. (1946). Man’s Search for Meaning · Frey & Osborne (2013). The Future of Employment, Oxford Martin School · Arntz, Gregory & Zierahn (2016). The Risk of Automation for Jobs in OECD Countries · Autor, D. (2019). Work of the Past, Work of the Future, NBER · Acemoglu & Restrepo (2019). Automation and New Tasks, JEP · Brynjolfsson, Li & Raymond (2023). Generative AI at Work, NBER · Max Planck Institute (2024). Human-AI collectives in medical diagnosis · Scientific Reports (2025). Relying on AI at work reduces meaning · Aristote, Éthique à Nicomaque (~350 av. J.-C.) · Arendt, H. (1958). The Human Condition