L’IA au travail peut-elle installer un « taylorisme augmenté » ?

L’intelligence artificielle ne transforme pas seulement les métiers en automatisant certaines tâches. Elle peut aussi modifier, beaucoup plus profondément, la manière dont le travail est découpé, évalué et dirigé. Derrière la promesse d’efficacité, c’est donc une question très concrète qui se pose aux salariés comme aux employeurs : l’outil numérique libère-t-il du temps et de l’énergie, ou retire-t-il peu à peu aux personnes la maîtrise de leur activité ?

Dans son essai Un taylorisme augmenté, le sociologue du travail Juan Sebastian Carbonell propose une lecture critique de cette mutation. Son idée centrale est que l’intelligence artificielle peut prolonger des méthodes anciennes d’organisation du travail : fragmenter les opérations, imposer des procédures, mesurer les performances et séparer ceux qui conçoivent l’activité de ceux qui l’exécutent. À l’heure où l’IA s’invite dans des secteurs très variés, cette grille de lecture éclaire les risques de déqualification, de surveillance et de précarisation.

Du taylorisme classique à l’organisation algorithmique

Le taylorisme renvoie aux principes développés à la fin du XIXe siècle et au début du XXe siècle par l’ingénieur américain Frederick W. Taylor. Son objectif était de rationaliser la production en observant les gestes, en chronométrant les opérations et en définissant la méthode jugée la plus efficace. Le travail était alors découpé en séquences simples, répétables et contrôlables.

Le terme est parfois employé trop largement, comme s’il suffisait d’introduire un logiciel ou un robot pour parler de taylorisme. Ce n’est pas le cas. Une technologie peut, au contraire, alléger une tâche pénible, fournir une information utile ou laisser davantage de temps à la relation avec un client, un patient ou un collègue. La critique de Carbonell porte sur une forme précise d’organisation : celle où l’outil informatique devient le centre qui prescrit, cadense et évalue le travail.

Dans cette configuration, l’IA ne se limite plus à assister une décision. Elle peut organiser la distribution des tâches, comparer les résultats, signaler les écarts à une norme ou imposer un enchaînement d’actions. Les données produites par l’activité deviennent alors un instrument de pilotage permanent.

Ce que Juan Sebastian Carbonell appelle la déqualification

Dans l’analyse de Juan Sebastian Carbonell, la déqualification ne signifie pas uniquement qu’une machine remplace une personne ou qu’un poste disparaît. Elle peut être plus progressive et moins visible. Un salarié peut conserver son emploi tout en perdant une partie de ce qui faisait la substance de son métier : l’expérience, le diagnostic, la capacité à hiérarchiser les priorités ou à ajuster une décision à une situation singulière.

Lorsqu’un logiciel prend en charge une part croissante des choix, le risque est que les compétences humaines ne soient plus mobilisées qu’en cas d’exception. À terme, les travailleurs peuvent être moins entraînés à exercer leur jugement, car les situations ordinaires sont déjà cadrées par une procédure automatisée. Le savoir-faire n’est pas forcément effacé d’un coup, mais il peut devenir périphérique.

Carbonell évoque des professions aussi diverses que les préparateurs de commandes et les oncologues. Le rapprochement est important : il ne dit pas que ces métiers se ressemblent ni que leurs responsabilités sont équivalentes. Il montre plutôt que la logique de simplification et de standardisation peut atteindre aussi bien les emplois d’exécution que les activités fondées sur une expertise élevée.

Dans un entrepôt, une organisation numérique peut imposer une succession de tâches à réaliser. Dans un métier qualifié, un système d’aide peut orienter l’attention vers certains critères, certains dossiers ou certaines options. Dans les deux cas, la question devient la même : qui conserve le pouvoir réel de définir le problème, de comprendre le contexte et de décider lorsqu’une règle générale ne suffit plus ?

Pourquoi l’autonomie des salariés est en jeu

L’autonomie au travail ne consiste pas à agir sans règle ni responsabilité. Elle désigne la possibilité de mobiliser son expérience, d’adapter sa méthode, de résoudre un imprévu et de participer aux choix qui concernent son activité. Or, pour Carbonell, les outils d’IA peuvent réduire cet espace lorsqu’ils transforment le travail en une série d’instructions à suivre.

Le chronométrage, caractéristique du taylorisme, retrouve alors une place centrale sous une forme numérique. Les outils connectés peuvent enregistrer le temps consacré à une opération, comparer les performances et produire des indicateurs en continu. Une mesure conçue pour repérer une difficulté ou améliorer un processus peut devenir un moyen de pression si elle sert seulement à intensifier les cadences.

Le problème n’est donc pas la donnée en elle-même. Dans de nombreux métiers, disposer d’informations fiables aide à mieux coordonner une équipe ou à prévenir une erreur. Tout dépend de la finalité du dispositif, des critères retenus et de la capacité des personnes concernées à comprendre, discuter et contester les résultats produits.

Cette distinction est essentielle : une IA d’assistance laisse de la place au jugement professionnel. Une IA de contrôle peut, à l’inverse, enfermer le travail dans des objectifs chiffrés auxquels il devient difficile d’échapper, y compris lorsque la qualité du service, la sécurité ou la relation humaine exigeraient de ralentir.

Les plateformes numériques, laboratoire d’un contrôle continu

Les entreprises de plateformes numériques constituent, pour Carbonell, une illustration particulièrement visible de cette évolution. Leur modèle repose sur des outils capables d’optimiser l’organisation de l’activité tout en suivant étroitement la performance des travailleurs. L’algorithme peut ainsi devenir l’intermédiaire incontournable entre la personne, la tâche à effectuer et l’évaluation de son résultat.

Cette configuration nourrit une dépendance particulière. Lorsque l’accès à l’activité, sa répartition ou son appréciation passent principalement par un système automatisé, le travailleur dispose de peu de prise sur les règles qui structurent son quotidien. Il peut connaître l’objectif à atteindre sans comprendre précisément comment il est calculé, ni sur quels critères son activité est jugée.

Pour le sociologue, ce phénomène dépasse les seules plateformes. Elles rendent simplement plus visible une logique qui peut être transposée à d’autres organisations : fixer des objectifs très détaillés, découper l’activité, centraliser les décisions et faire remonter des données en permanence. Le risque de précarisation apparaît lorsque l’individu doit s’adapter à un système qu’il ne maîtrise pas, avec des marges de négociation limitées.

La qualité du travail ne se résume pas à la productivité

L’une des forces de cette critique est de rappeler qu’un gain de vitesse n’est pas automatiquement un gain de qualité. Un travail de qualité suppose souvent de pouvoir vérifier, expliquer, échanger avec un collègue, tenir compte d’un cas atypique ou proposer une amélioration. Ces dimensions sont difficiles à réduire à un simple indicateur de productivité.

Lorsque l’IA simplifie les tâches et standardise les procédures, elle peut accroître la régularité d’un processus. Mais si cette standardisation devient excessive, elle risque aussi d’appauvrir le métier. La créativité et l’analyse critique peuvent céder la place à une logique de conformité : il ne s’agit plus de faire au mieux dans une situation donnée, mais de faire ce que le système attend.

C’est ce que Carbonell désigne par l’expression de « dépossession machinique ». Le travailleur n’est pas nécessairement absent du processus. Il peut rester indispensable pour alimenter le système, vérifier une proposition, traiter les cas qui résistent ou assumer la responsabilité finale. Mais son rôle est réduit à celui d’un appendice de la machine si l’essentiel des choix et de l’organisation lui échappe.

Cette dépossession peut toucher des professions exigeant une forte qualification. Dans ces cas, le danger n’est pas seulement de voir des tâches répétitives automatisées. Il est aussi de voir le métier redéfini autour de la supervision d’outils et du respect de procédures, au détriment de sa dimension relationnelle, créative ou réflexive.

Quels garde-fous pour une IA qui assiste vraiment le travail ?

Face à ces risques, l’enjeu n’est pas de refuser toute innovation. L’IA peut apporter une aide réelle lorsqu’elle réduit une charge administrative, accélère la recherche d’information ou sécurise une opération répétitive. Mais son déploiement doit s’accompagner de choix clairs sur la place des travailleurs et sur les limites du contrôle automatisé.

Plusieurs principes ressortent de cette réflexion :

• associer les salariés et leurs représentants à la conception et au déploiement des outils ;
• expliciter les données collectées, les objectifs poursuivis et les critères d’évaluation ;
• préserver une possibilité réelle de contestation lorsqu’une décision ou une évaluation est influencée par un algorithme ;
• investir dans la formation, afin que les personnes comprennent les outils et puissent conserver ou développer leurs compétences ;
• évaluer l’IA non seulement selon la rapidité produite, mais aussi selon ses effets sur la santé, la charge de travail, l’autonomie et la qualité du service.

Ces garanties sont d’autant plus importantes que les outils numériques peuvent sembler neutres. Un tableau de bord, un score ou une recommandation sont pourtant le résultat de choix : quelles données sont retenues, quel objectif est privilégié, quelle performance est valorisée et quelle réalité du travail reste invisible. La transparence ne suffit pas à résoudre tous les désaccords, mais elle est une condition minimale pour pouvoir les discuter.

Ce qu’il faut surveiller dans les années à venir

L’avenir du travail ne dépendra pas seulement de la puissance des systèmes d’IA. Il dépendra de la manière dont entreprises, pouvoirs publics et travailleurs choisiront de les intégrer. La question décisive sera de savoir si les technologies servent à enlever les contraintes inutiles ou à renforcer une surveillance qui rend l’activité plus fragmentée et plus intense.

Les signaux à observer sont concrets : la place laissée au jugement humain, l’évolution des compétences réellement exercées, la possibilité de refuser ou de corriger une instruction inadaptée, la clarté des critères de performance et la capacité collective à débattre des règles de travail. Une organisation qui confie à l’IA les tâches répétitives tout en renforçant l’expertise humaine ne produit pas le même résultat qu’une organisation qui réduit les salariés à suivre ses recommandations.

L’essai de Juan Sebastian Carbonell pose ainsi un débat qui dépasse la seule technique. À mesure que les algorithmes entrent dans les bureaux, les entrepôts et les professions qualifiées, préserver la dignité au travail exige de ne pas confondre efficacité mesurable et travail bien fait. L’IA peut devenir un appui. Elle ne doit pas devenir le nouveau contremaître invisible.