Doit-on déployer à tout prix l’intelligence artificielle au travail ?

« Osez l’IA »

Le slogan a été lancé en juillet 2025 par Clara Chappaz, alors ministre déléguée chargée de l’Intelligence artificielle et du Numérique. Comment ça, oser l’IA ? Est-ce donc une idée si subversive ? Derrière cette injonction se dissimule en vérité un plan, en une trentaine de pages, pour diffuser massivement l’IA dans les entreprises. Le constat du gouvernement est le suivant : il y aurait une source de profit conséquente à exploiter grâce à ces nouvelles technologies, lesquelles pourraient être intégrées à de larges pans de la société,  pour automatiser des tâches variées. Mais, note le rapport, beaucoup d’entreprises, en particulier les PME, ne se sont pas encore jetées à l’eau. Qu’à cela ne tienne, l’État a choisi de financer de nombreuses initiatives pour former à l’IA. Tout le monde est amené à y passer : apprentis, chômeurs, salariés, dirigeants, hommes et femmes. Dans le même temps, les entreprises peuvent bénéficier d’un accompagnement (financier et institutionnel) pour favoriser l’usage de l’IA en interne. Doit-on s’attendre à des transformations importantes ? Que fait concrètement l’IA au travail ? Pour y répondre, il est utile de s’intéresser à ce qu’en dit la sociologie des organisations.

« Ce n’est pas l’IA, avec ses petites pattes, qui transforme la société : c’est plutôt l’usage qui est fait de ces technologies, et la façon dont elles sont intégrées aux organisations. »

La sociologie des organisations

C’est une blague récurrente des collègues en sciences sociales : la sociologie des organisations, en vérité, c’est une sociologie du travail, mais de droite, n’est-ce pas ? Cette réputation, la sociologie des organisations ne l’a pas forcément volée. Historiquement, elle est l’héritière, au moins en France, des travaux de Michel Crozier et Erhard Friedberg. Dans les années 1970, ces deux sociologues s’intéressent aux stratégies adoptées par les acteurs au sein des organisations. Leur analyse a l’intérêt de montrer pourquoi le travail prescrit par les règles formelles (fiche de poste, consignes hiérarchiques, procédures) n’est pas nécessairement le travail réalisé en pratique. Dans une organisation, les travailleurs et les travailleuses sont interdépendants, et s’imposent des contraintes les uns aux autres. Ils mettent en place des stratégies pour parvenir à leurs objectifs, ce qui peut contrevenir aux demandes qui leur sont adressées. Selon ce point de vue, un acteur peut être dominant même s‘il est hiérarchiquement plus bas placé : on peut penser par exemple à une technicienne qui serait seule suffisamment experte pour réparer une machine, ou à un secrétaire qui filtrerait les demandes pour rencontrer sa direction. Forcément, cette grille de lecture a des difficultés à coïncider avec une perspective plus marxiste, qui envisagerait les relations de production comme des formes de domination a priori. Par ailleurs, la sociologie des organisations va rarement s’intéresser à l’expérience vécue des travailleurs. Elle cherche plutôt à comprendre ce que sécrète le cadrage formel des organisations, entre incertitudes et inattendus.

Le déterminisme technologique

Quand même, les travaux issus de cette discipline ont le mérite de rendre compte de dynamiques internes aux entreprises pour comprendre ce qui s’y joue. Une partie des chercheurs et des chercheuses se penche plus particulièrement sur la façon dont les technologies participent à la transformation des organisations. C’est là que nous allons retrouver l’IA. Mais, avant cela, il nous faut réfuter une thèse qui semble pourtant communément admise dans le débat public : celle du déterminisme technologique. Cette position affirme, pour le dire simplement, que les technologies ont des effets directs sur la société. On l’entend de tous les côtés de l’échiquier politique, à commencer par le président Macron : « Qu’on parle de santé, d’éducation, de transformation de notre efficacité publique, qu’on parle de climat, ce que l’IA va permettre de faire, permet déjà de faire, est évidemment une révolution fondamentale. » (discours du 21 mai 2024). Des interprétations de la pensée de Marx lui-même, dont le Fragment sur les machines a récemment été réédité par les éditions Payot, tiennent des positions assez similaires, en envisageant un avenir où la technologie aura débarrassé la société de tout travail. Les pré- et postfaces de François Jarrige et Juan Sebastián Carbonell contextualisent avec clarté ce texte un peu aride, qui a été beaucoup commenté. Toujours est-il que ce déterminisme technologique, la sociologie, et en particulier la sociologie des organisations, le contredit fermement. Ce n’est pas l’IA, avec ses petites pattes, qui transforme la société : c’est plutôt l’usage qui est fait de ces technologies, et la façon dont elles sont intégrées aux organisations. Toute technologie n’a pas vocation à révolutionner en profondeur le monde social par sa seule existence. L’exemple du métavers, projet désormais au bord de l’abandon qui a valu le changement de nom de Facebook en Meta et une bagatelle de dizaines de milliards d’euros d’investissement, est assez convaincant pour montrer qu’une technologie doit déjà passer par une phase d’adoption et d’appropriation. Au cours de celle-ci, les choix de conception peuvent également orienter des usages très différents d’une technologie, ce que la sociologue ­Madeleine Akrich appelle des « scripts » d’usage. On peut imaginer un système d’IA qui vise à résumer un corpus de documents pour outiller une décision humaine, et un autre qui prenne seul une décision, qu’il n’y aurait qu’à vérifier. Ces deux systèmes convoquent une technologie semblable, mais avec deux scripts et donc deux positionnements très différents pour l’utilisateur.

Les scanners à rayons X

Enfin, d’autres travaux montrent que ces technologies produisent des effets très différents selon le contexte dans lequel elles sont introduites. Dans les années 1980, le sociologue étasunien Stephen Barley s’intéresse aux scanners à rayons X flambant neufs dont se dotent alors les hôpitaux, et étudie leur appropriation par les professionnels. Dans l’un des hôpitaux, le chercheur observe que les manipulatrices ou manipulateurs des scanners sont désormais considérés comme de purs exécutants par les radiologues : le dispositif contribue à une forme d’aliénation de ces agents. Pourtant, dans un autre établissement, la mise en place des scanners s’inscrit dans le cadre d’un échange mutuel entre radiologues et manipulateurs, qui bénéficie aux deux groupes professionnels. Les résultats sont éloquents : une technologie similaire (les scanners), dans des environnements similaires (les hôpitaux), produit des effets bien différents. C’est que, peut-on conclure avec Barley, l’important n’est pas tant la technologie elle-même que les conditions d’intégration de cette technologie. Qui est inclus dans le processus de déploiement ? Avec quelles marges de décision ? Qui est formé ? à quoi ? La réponse à ces questions, parmi d’autres, est primordiale pour comprendre les modalités d’appropriation des technologies.

« La sociologie des organisations va rarement s’intéresser à l’expérience vécue des travailleurs. Elle cherche plutôt à comprendre ce que sécrète le cadrage formel des organisations, entre incertitudes et inattendus.»

Le refus du déterminisme a des conséquences analytiques, mais aussi politiques. La rhétorique du déterminisme technologique, parce qu’elle dissout d’emblée toute position alternative, constitue en soi une tentative d’annihilation du débat politique. Son refus, en tout cas, permet de réaffirmer l’agentivité des forces en présence : les dirigeants peuvent utiliser l’IA pour (tenter de) réduire leurs coûts, les salariés peuvent dissimuler leur usage et (tenter de) gagner en productivité sans que ces gains soient réinvestis par l’entreprise. Les parenthèses sont importantes : rien n’est acquis d’avance, car des facteurs organisationnels doivent être pris en compte.

L’organisation du travail avec l’IA

Lorsqu’elle s’intéresse aux technologies, la sociologie des organisations peut typiquement analyser au moins cinq types de transformations du travail : contenu des tâches, déplacement des tâches, modalités de coopération, modalités d’apprentissage, contrôle du travail et des travailleurs. Nous allons les approfondir dans la suite pour comprendre ce qui se joue, ou peut se jouer, avec les systèmes d’IA, à partir d’exemples tirés d’un travail de thèse soutenu début 2026. L’étude s’est concentrée sur le déploiement de systèmes de traitement d’images, basés sur des méthodes d’IA (pas générative, précisons-le), conçus pour la classification de produits défectueux (contrôle qualité). Elle a été menée au sein de l’industrie du semi-conducteur, où sont fabriqués les composants électroniques que l’on retrouve dans les ordinateurs, les voitures ou les missiles.

Qu’y constatons-nous en bref ? Contrairement à ce que l’on pourrait penser, l’IA n’a pas vocation à concerner l’ensemble de l’activité. Sous l’impulsion de projets portés par des ingénieurs, elle vient plutôt se nicher dans des tâches particulières, identifiées dans des interstices où l’automatisation paraît possible. Certaines tâches de contrôle visuel deviennent ainsi des tâches de vérification. Ce n’est plus la personne qui classe, la catégorisation est réalisée automatiquement puis validée ou non par les techniciens. Ce changement n’est cependant pas uniforme, les techniciens ont plus confiance en certains dispositifs (qu’ils vérifient moins) qu’en d’autres (dont ils revisitent plus systématiquement les résultats). De façon générale, cette automatisation peut être appréciée lorsqu’elle concerne des activités très répétitives, et d’autant plus lorsque ces activités ne constituent pas le cœur de l’identité professionnelle des salariés. Or un autre des projets étudiés vient justement tenter d’automatiser partiellement des tâches d’analyse chères aux techniciens. L’IA reste bien un instrument de la rationalisation du travail. Ces technologies peuvent constituer un véhicule de déplacement des tâches depuis ceux qui les exécutaient (ici les techniciens) vers ceux qui les superviseraient (les ingénieurs chargés du dispositif). Là encore se jouent des négociations : pour éviter une réprobation trop catégorique, les ingénieurs tentent de se montrer rassurants en promettant que les systèmes ne visent qu’à outiller la décision sans s’y substituer, et en limitant leur champ d’usage.

Dans cet antre de la « nouvelle révolution industrielle » qu’incarne l’industrie de la microélectronique, l’IA, comme nous l’annoncions, ne participe que faiblement à la rationalisation, pourtant croissante, du travail. En salle blanche (un environnement de travail aseptisé, particulièrement ingrat), le métier de technicien qualité est intellectuellement exigeant : les salariés rencontrés parlent de six mois à une année d’expérience pour être parfaitement autonomes. C’est qu’il leur faut appréhender des dizaines de technologies différentes, soumises à des centaines d’étapes de fabrication, qui sont autant de sources potentielles de défauts, qu’ils sont chargés d’identifier. Dans ce contexte, des procédures « à l’ancienne » continuent d’être éditées pour encadrer le travail. En segmentant les tâches, ces pratiques peuvent être un préalable à des tentatives d’automatisation futures. Si cet horizon est parfois envisagé par certains managers, les ingénieurs responsables des projets d’IA ne croient pas au tout automatique. Surtout, les techniciens· déplorent que la rédaction des procédures, et l’injonction des nouvelles recrues à les suivre, désincarne le mentorat pair à pair qui consolidait jusque-là l’apprentissage des novices. De même, l’individualisation des rapports d’analyse (signés par des matricules, puis contrôlés par des ingénieurs) ne permet pas pleinement de saisir l’intense collaboration mise en œuvre dans le travail d’analyse. Toutes ces pratiques collectives et informelles de travail ne sont décrites dans aucune procédure. L’automatisation par l’IA peut risquer de les affaiblir, d’autant plus lorsque les projets sont décidés d’en haut, sans véritable regard pour le travail tel qu’il se fait concrètement.

 Oser l’IA, mais pour quoi faire ?

Au-delà des réflexions liées aux seuls usages de l’IA, il faut bien sûr rappeler que la conception de ces dispositifs est imbriquée dans une industrie du numérique largement irrespectueuse des droits humains. Certes, la sociologie des organisations ne proscrit pas, en soi, l’idée d’une IA éthique et émancipatrice pour les travailleuses et les travailleurs. Cela dit, il reste difficile pour le moment de l’imaginer, alors que sa chaîne de production reste l’incarnation de l’exploitation forcenée des humains et de l’environnement. Oser l’IA… mais pour quoi faire ?

Louis Devillaine est enseignant-chercheur postdoctoral en sociologie et intelligence artificielle à l’université Côte d’Azur.

Cause commune n° 49 • mai-juin-juillet 2026