Eric Yuan estime que l’IA peut ouvrir la voie à des semaines de travail plus courtes

Réunions résumées automatiquement, messages préparés en quelques secondes, code proposé par un assistant : l’intelligence artificielle commence à déplacer une part importante du travail de bureau. Pour Eric Yuan, PDG de Zoom, cette évolution pourrait aller bien au-delà d’un simple gain de confort. Elle ouvre, selon lui, la possibilité d’une semaine de travail plus courte, à condition que les organisations transforment réellement les heures économisées en temps dégagé pour les salariés.

Cette idée répond à une question très concrète : si l’IA permet de faire plus vite une partie des tâches quotidiennes, faut-il conserver la même durée de travail, augmenter les objectifs, ou travailler moins ? En septembre 2025, aucune de ces trois issues n’est automatique. La technologie peut accélérer certaines opérations, mais la répartition de ce gain de productivité reste un choix de management, d’organisation et, parfois, de négociation collective.

Eric Yuan voit dans l’IA un levier pour revoir le temps de travail

Les propos d’Eric Yuan s’inscrivent dans une réflexion plus large sur la place de l’IA dans les entreprises. Le dirigeant de Zoom estime que la diffusion d’outils capables d’automatiser des tâches peut modifier les structures de travail traditionnelles, jusqu’à réduire la durée de la semaine travaillée. La perspective évoquée est ambitieuse : certains dirigeants de la tech imaginent à terme une activité concentrée sur quatre jours, voire sur deux ou trois jours dans les scénarios les plus radicaux.

Il ne s’agit pas d’une mesure annoncée pour les salariés de Zoom, ni d’une promesse selon laquelle tous les emplois pourront être effectués en moins de temps. C’est une projection fondée sur une idée simple : une journée de bureau comporte encore de nombreuses tâches répétitives, administratives ou de coordination qui peuvent être assistées par des logiciels.

Zoom est directement concerné par cette évolution. Une plateforme de visioconférence peut, par exemple, intégrer des fonctions de transcription et de prise de notes automatisée. Au lieu qu’un participant rédige un compte rendu après une réunion, l’outil peut produire une première synthèse, isoler les décisions et faire ressortir les actions à mener. L’intervention humaine reste nécessaire pour contrôler le contenu et décider de ce qui doit être partagé, mais le temps consacré à la première version du document peut diminuer.

Quelles tâches l’IA peut-elle réellement accélérer ?

L’IA est particulièrement utile lorsque le travail comporte des opérations fréquentes, structurées et répétitives. Dans un environnement de bureau, elle peut aider à préparer un brouillon de courriel, résumer un échange long, classer des informations, mettre en forme des données ou rédiger une première version d’un document. Ces fonctions ne suppriment pas toujours une mission entière, mais elles réduisent la part la plus mécanique de certaines activités.

Le cas des ingénieurs débutants, mentionné dans les réflexions relayées par Eric Yuan, illustre bien cette transformation. Des outils peuvent désormais suggérer du code, expliquer une fonction ou produire une base de programme. Cela accélère certaines étapes du développement. Pour autant, une suggestion de code doit être relue, testée et intégrée dans un projet plus vaste. La compréhension des besoins, la sécurité, la fiabilité et la responsabilité du résultat ne disparaissent pas.

C’est la même logique pour la prise de notes automatisée. Une IA peut transcrire fidèlement une discussion, mais elle ne sait pas toujours distinguer une décision définitive d’une hypothèse évoquée en réunion. Elle peut aussi mal interpréter un terme technique, un prénom ou une formulation ambiguë. La valeur du salarié se déplace alors : moins de temps passé à saisir une information, davantage de temps consacré à la vérifier, la hiérarchiser et l’utiliser à bon escient.

La notion d’« agent » numérique, souvent associée à ces évolutions, désigne un logiciel auquel on confie une suite d’actions : rechercher des données, produire un document, transmettre une demande ou mettre à jour un outil de gestion. Plus ces agents réalisent d’étapes, plus leur supervision devient importante. Une automatisation qui traite rapidement une mauvaise instruction peut amplifier une erreur au lieu de faire gagner du temps.

Une semaine de quatre jours n’est pas la conséquence mécanique de l’IA

La semaine de quatre jours est souvent présentée comme le prolongement naturel de l’automatisation. En pratique, elle recouvre plusieurs réalités. On peut travailler quatre jours en conservant le même volume horaire, en concentrant les heures sur des journées plus longues. On peut aussi réduire la durée hebdomadaire effective tout en cherchant à maintenir la même qualité de service et les mêmes résultats. Ces deux organisations n’ont ni les mêmes effets sur la fatigue, ni les mêmes conséquences sur les équipes.

En France, où la durée légale est fixée à 35 heures par semaine, cette distinction est essentielle. Une organisation sur quatre jours peut simplement répartir les 35 heures différemment. Une réduction réelle du temps de travail suppose, elle, que les heures effectuées baissent. L’IA peut aider à rendre ce second scénario plus envisageable, mais elle ne le décrète pas.

Pour qu’un gain de productivité devienne du temps libre, plusieurs conditions doivent être réunies :

• les tâches automatisées doivent représenter une part suffisante du travail réel ;
• les salariés doivent avoir accès aux outils et être formés à leur usage ;
• le temps consacré à corriger, contrôler et sécuriser les résultats doit rester maîtrisé ;
• les objectifs ne doivent pas augmenter au même rythme que la productivité ;
• l’entreprise doit choisir de redistribuer une partie du gain sous forme de réduction du temps de travail.

La dernière condition est la plus déterminante. Une entreprise peut utiliser l’IA pour absorber plus de demandes avec le même effectif, accélérer la production ou améliorer le service aux clients. Elle peut aussi choisir de réduire la charge horaire sans diminuer l’activité. La technologie crée une possibilité, elle ne tranche pas la manière dont les bénéfices seront répartis.

Jusqu’à 12 heures par semaine : que disent les estimations ?

L’enquête de Thomson Reuters citée dans ce débat donne un ordre de grandeur particulièrement parlant. Des professionnels interrogés espèrent économiser jusqu’à 12 heures par semaine grâce à l’IA au cours des cinq prochaines années. Rapporté à 48 semaines de travail, ce volume peut atteindre 576 heures sur une année. C’est pourquoi l’estimation relayée se situe entre 200 et 600 heures annuelles selon les usages et les métiers.

Ce chiffre mérite toutefois d’être lu avec précision. Il traduit une anticipation de professionnels face aux outils d’IA, non la garantie qu’une personne donnée récupérera douze heures chaque semaine. Les usages n’ont pas la même intensité dans tous les secteurs, ni dans toutes les fonctions. Une personne qui rédige beaucoup de documents, traite des données ou participe à de nombreuses réunions peut dégager davantage de temps qu’un salarié dont l’activité repose principalement sur une présence physique, une relation directe ou une intervention manuelle.

L’étude de The Adecco Group mentionnée par la source montre que les effets sont déjà perceptibles : l’IA ferait économiser en moyenne une heure de travail quotidien, certaines entreprises faisant état de gains allant jusqu’à deux heures. Là encore, il faut distinguer le temps dégagé par un outil et une baisse effective de la durée de travail. Une heure gagnée peut être consacrée à un client, à une formation, à une tâche auparavant repoussée ou à une nouvelle charge de travail.

Les emplois vont changer, plus qu’ils ne vont simplement disparaître

Eric Yuan souligne que certaines opportunités d’emploi pourraient disparaître tandis que de nouvelles émergeraient. Cette double dynamique est centrale. Lorsqu’une tâche très codifiée est confiée à un logiciel, la demande pour cette tâche isolée peut baisser. Mais l’entreprise doit aussi définir les consignes données à l’outil, vérifier ses sorties, traiter les exceptions et rester responsable du résultat final.

Les fonctions de début de carrière sont particulièrement concernées, notamment dans le développement informatique ou l’assistance administrative. Une part de l’apprentissage traditionnel reposait sur des tâches de base : rédiger une première note, chercher des informations, corriger un document ou écrire des portions de code. Si l’IA en prend une partie en charge, les employeurs devront veiller à préserver des parcours permettant aux nouveaux arrivants d’acquérir les fondamentaux du métier.

Les compétences importantes ne se réduiront donc pas à savoir utiliser une interface d’IA. Il faudra comprendre son domaine professionnel, poser une demande précise, détecter une réponse douteuse et assumer une décision. La créativité, l’esprit critique, la communication avec les clients ou les collègues, ainsi que la capacité à gérer des cas imprévus restent des qualités difficiles à automatiser.

La supervision des agents numériques pourrait ainsi devenir une activité courante dans de nombreux métiers. Il ne s’agit pas nécessairement de créer un poste entièrement nouveau dans chaque entreprise. Dans beaucoup de cas, des salariés existants devront intégrer ce rôle à leur pratique : contrôler un flux de travail automatisé, reprendre la main lorsqu’un résultat est incohérent et s’assurer que les données sensibles ne sont pas utilisées de manière inappropriée.

Les entreprises doivent organiser les gains de productivité

Déployer une IA sans revoir les processus peut produire l’effet inverse de celui recherché. Les équipes risquent de multiplier les outils, de vérifier systématiquement des résultats peu fiables ou de perdre du temps à copier des informations d’un service à l’autre. Le bénéfice apparaît lorsque l’outil s’intègre à une méthode de travail claire.

Les entreprises ont donc intérêt à identifier les tâches qui consomment le plus de temps, à tester les outils sur des cas précis et à mesurer ce qui est effectivement économisé. Elles doivent également fixer des règles sur les informations qui peuvent être confiées à une IA, notamment lorsqu’il s’agit de données de clients, de documents internes ou de contenus confidentiels.

La formation continue est un autre enjeu. Elle ne doit pas seulement apprendre à rédiger une consigne pour une IA. Elle doit aider les salariés à comprendre les limites de l’outil, à vérifier les réponses et à savoir quand une décision humaine est indispensable. Sans cette montée en compétences, les promesses de productivité peuvent se transformer en dépendance à des résultats difficiles à contrôler.

Ce qu’il faut surveiller dans les prochaines années

La question déterminante ne sera pas seulement de savoir si l’IA fait gagner du temps. Il faudra observer qui bénéficie de ce temps gagné. Les salariés pourront-ils réduire leur temps de travail, améliorer l’équilibre entre vie professionnelle et vie personnelle, ou devront-ils produire davantage dans le même nombre d’heures ? Les réponses varieront selon les secteurs, les métiers et les choix de chaque organisation.

Les promesses liées à l’IA s’inscrivent aussi dans un contexte d’attentes économiques très élevées. Certains économistes s’interrogent sur le risque d’une bulle financière liée à l’enthousiasme autour de ces technologies. Cela rappelle qu’une prévision de productivité, aussi séduisante soit-elle, doit être confrontée à des usages concrets et à des résultats mesurables.

La vision d’Eric Yuan a le mérite de déplacer le débat. L’enjeu n’est pas uniquement de remplacer des tâches par des logiciels, mais de décider ce que la société veut faire des gains obtenus. Une semaine de travail plus courte est techniquement plus plausible si l’IA tient ses promesses. Elle restera toutefois une décision collective, et non une simple fonctionnalité à activer.