Automatisation des tâches ou remplacement par l'IA : le vrai calcul sur trois ans

Remplacer un poste par l'IA : un calcul qui tient sur une ligne, et c'est le problème

Un salaire chargé d'un côté, un abonnement à une IA générative de l'autre. Sur un tableur, la décision paraît prise d'avance. Ce raisonnement revient souvent chez les dirigeants de TPE et de PME depuis que ChatGPT, Mistral ou Claude sont accessibles à n'importe qui pour quelques dizaines d'euros par mois.

Je ne dis pas « n'automatisez pas ». J'automatise moi-même une bonne partie de mon activité. Je dis : automatisez des tâches, pas des postes. La différence ne relève pas de la morale. Elle se voit dans les comptes, à condition de les tenir sur trois ans et non sur trois mois.

L'enjeu est réel. Selon une étude de McKinsey citée par Mathieu Quinou, maître de conférences à l'université Paris 8, l'intelligence artificielle générative fait passer l'exposition à l'automatisation des professions de niveau Master de 28 % à 57 %, et celle des professions sans diplôme de 54 % à 63 %. Être exposé ne veut pas dire disparaître : cela signifie qu'une partie des tâches devient automatisable. Toute la question est de savoir lesquelles.

Salaire contre abonnement : les trois lignes que le tableur oublie

Le premier oubli, ce sont les exceptions. Un processus réel n'est jamais propre : le client qui paie toujours en deux fois, le fournisseur dont les factures arrivent sans numéro de commande, la remise négociée par téléphone et jamais saisie nulle part. La personne qui occupait le poste traitait ces cas sans y penser. Une fois partie, l'automatisation les rejette ou les traite mal, et plus personne dans l'entreprise ne sait comment les gérer.

Le deuxième oubli, c'est la surveillance. Un workflow ou un agent IA casse. Une API change de format, un modèle est mis à jour et ne répond plus de la même façon, une donnée imprévue fait dérailler la chaîne. Il faut quelqu'un pour détecter la panne et la réparer. Ce quelqu'un est souvent un profil plus technique que la personne remplacée : un développeur, un intégrateur, un prestataire facturé à la journée.

Le troisième oubli, c'est l'erreur qui se répète. Un salarié qui se trompe se trompe sur un dossier. Un automatisme mal paramétré se trompe sur tous les dossiers, jusqu'à ce que quelqu'un s'en aperçoive. Une mauvaise TVA appliquée pendant trois semaines, ce sont des dizaines de factures à reprendre.

Sur trois ans, le calcul honnête doit donc contenir au minimum ces lignes :

• la mise en place initiale et son paramétrage ;
• les abonnements et les coûts d'API, qui augmentent avec le volume ;
• la maintenance et la surveillance des workflows ;
• le temps passé à traiter les exceptions à la main ;
• le coût des erreurs répétées avant détection ;
• le coût d'une marche arrière si le résultat ne convient pas.

Quand plus personne ne sait comment l'outil décide

Un processus entier qui tourne dans un outil devient vite une boîte noire. Pourquoi ce client a-t-il reçu cette réponse ? Pourquoi cette demande a-t-elle été classée en priorité basse ? Si personne dans l'équipe ne sait l'expliquer, personne ne sait non plus reprendre le travail à la main le jour où l'outil tombe en panne.

C'est le vrai déplacement : le savoir-faire migre de l'équipe vers le paramétrage d'un fournisseur. Vos règles métier, vos tolérances, vos habitudes avec chaque client finissent dans des prompts et des scénarios que vous ne maîtrisez pas toujours.

La responsabilité, elle, ne migre pas. En février 2024, le tribunal de résolution civile de la Colombie-Britannique a condamné Air Canada à indemniser un passager, Jake Moffatt. Le chatbot du site lui avait indiqué qu'il pouvait demander après coup un tarif réduit pour cause de deuil, alors que la politique de la compagnie disait l'inverse. Air Canada a soutenu que le chatbot était responsable de ses propres propos. Le tribunal a rejeté l'argument : l'entreprise répond de tout ce qui figure sur son site.

Le montant était modeste, un peu plus de 800 dollars canadiens. Le principe, lui, s'applique à toute entreprise. Un assistant qui promet un délai, une remise ou une garantie engage celui qui l'a mis en ligne, PME comprise.

Souveraineté : à qui confiez-vous votre cœur de métier ?

Confier un processus central à un service américain, c'est trois choses à la fois. Vous y envoyez vos données clients. Vous dépendez de ses prix et de ses conditions, qui peuvent changer d'une année sur l'autre. Et vous relevez en partie de lois étrangères, comme le Cloud Act, une loi américaine de 2018 qui permet aux autorités des États-Unis d'exiger des données détenues par un fournisseur américain, y compris quand elles sont stockées en Europe.

Pour une TPE, le risque d'une réquisition reste théorique. Le risque concret est ailleurs : la hausse de tarif que vous subissez sans alternative, la fonction supprimée du jour au lendemain, et les données personnelles collées dans des sites IA grand public sans base légale claire au regard du RGPD.

Des options auto-hébergées existent. n8n pour orchestrer les workflows sur votre propre serveur, des modèles open source comme ceux de Mistral pour le traitement du langage, une base de connaissances hébergée chez vous pour que l'assistant s'appuie sur vos documents. C'est ce que j'utilise moi-même au quotidien.

Cette voie a ses limites. L'auto-hébergement demande un serveur, des mises à jour, des sauvegardes et quelqu'un pour s'en occuper. Un modèle open source tournant sur une machine raisonnable reste en dessous des plus gros modèles américains sur certaines tâches de rédaction complexe. Pour un usage ponctuel sans données sensibles, un service hébergé reste souvent le choix le plus raisonnable.

Klarna, ou le prix du retour en arrière

En février 2024, Klarna a annoncé que son assistant IA, développé avec OpenAI, avait traité 2,3 millions de conversations en un mois, soit deux tiers des échanges de son service client. L'entreprise présentait ce volume comme l'équivalent du travail de 700 agents à temps plein.

En mai 2025, son dirigeant, Sebastian Siemiatkowski, a reconnu que la priorité donnée aux coûts avait pesé sur la qualité du service. Klarna a alors annoncé recommencer à recruter des agents humains, pour que les clients puissent toujours parler à une personne.

Klarna est un grand groupe, avec des moyens qu'une PME n'a pas. C'est justement pour cela que l'exemple compte. Une entreprise de vingt personnes qui supprime son poste d'accueil puis fait marche arrière paie tout : le recrutement, la formation, la période où la nouvelle recrue ne connaît ni les clients ni les usages, et la confiance perdue entre-temps. Recruter et reformer coûte plus cher que de ne pas avoir supprimé.

Beaucoup d'annonces de remplacement par l'IA relèvent d'ailleurs davantage de la communication que d'un gain mesuré, un phénomène décrit dans l'article sur l'AI washing et le calcul réel du remplacement des équipes.

Les tâches qu'il faut automatiser, et elles sont nombreuses

Refuser de supprimer des postes ne veut pas dire refuser d'automatiser. L'automatisation des tâches est rentable dès qu'une action est répétitive, fréquente et facile à vérifier. Voici celles qui reviennent le plus dans les TPE et PME :

• la saisie en double entre outils, par exemple les commandes de la boutique en ligne recopiées dans la comptabilité ou l'ERP ;
• l'extraction des données des factures fournisseurs ;
• les relances de devis sans réponse et d'impayés ;
• le tri et la qualification des demandes entrantes ;
• les réponses de premier niveau, avec passage à un humain dès que la demande sort du cadre ;
• la prise de rendez-vous ;
• les rapports hebdomadaires compilés à partir de plusieurs sources.

Point commun : la machine prépare, l'humain décide. Mon CRM automatise les relances, mais c'est moi qui passe l'appel. La relance part à la bonne date, sans oubli, et la conversation reste humaine. Une application concrète de cette logique se retrouve dans les projets d'automatisation et IA, qui ciblent ces flux répétitifs plutôt que des fonctions entières.

Il existe aussi des cas où supprimer un poste se justifie. Un poste réellement composé de saisie répétitive, sans exception ni relation client, en fait partie. Les pics saisonniers aussi : recruter trois personnes pour six semaines de commandes de fin d'année n'a pas toujours de sens si un workflow absorbe le surplus. Ces cas existent, mais ils sont plus rares que ne le laisse croire le calcul salaire contre abonnement.

La méthode : partir des tâches, pas de l'organigramme

La question « quel poste puis-je remplacer ? » mène presque toujours au mauvais calcul. La bonne question est : quelles tâches font perdre du temps à mon équipe ? Voici la démarche que je recommande.

Première étape : lister les tâches. Pendant deux semaines, chaque personne note ce qu'elle fait de répétitif, combien de fois et combien de temps cela prend. Pas de logiciel compliqué : un tableur partagé suffit.

Deuxième étape : mesurer le temps perdu. Multipliez la durée par la fréquence. Une tâche de cinq minutes répétée trente fois par jour pèse plus lourd qu'une tâche d'une heure par mois. Le classement surprend souvent les dirigeants.

Troisième étape : automatiser la plus simple. Pas la plus spectaculaire, la plus simple : celle qui a peu d'exceptions, des données propres et un résultat facile à contrôler. Un premier succès rapide sert de preuve à toute l'équipe et révèle les vraies contraintes techniques.

Quatrième étape : rendre le temps gagné. C'est le point que la plupart des projets ratent. Le temps libéré doit aller aux tâches qui demandent du jugement et de la relation : le suivi des clients importants, la négociation avec les fournisseurs, la gestion des cas difficiles. C'est là que se trouve la valeur, et c'est précisément ce qu'aucun workflow ne fait correctement.

Mon conseil est de documenter chaque automatisation, même sommairement : ce qu'elle fait, ce qu'elle ne sait pas faire, et comment reprendre la main en cas de panne.

Questions fréquentes

C'est quoi une IA générative ?

Une IA générative est un système d'intelligence artificielle capable de produire du contenu : textes, images, sons, vidéos ou code. Elle fonctionne selon une approche probabiliste, en prédisant la suite la plus plausible à partir de ce qu'elle a appris. C'est ce qui la distingue des systèmes experts des années 1970 à 1990, qui appliquaient des règles fixes et donnaient toujours le même résultat.

Est-ce que ChatGPT est une IA générative ?

Oui. ChatGPT, développé par OpenAI, repose sur un grand modèle de langage, ou LLM, qui génère du texte. Le Chat de Mistral, Claude d'Anthropic ou Gemini de Google appartiennent à la même famille.

Quel est l'impact de l'intelligence artificielle sur le marché du travail ?

Les données disponibles montrent surtout une transformation des tâches plutôt qu'une disparition massive des emplois. Une étude danoise, citée par le Guichet du numérique, ne trouve aucune différence d'embauche de débutants entre les entreprises qui adoptent l'IA et les autres. L'histoire de l'informatisation montre que les métiers de saisie répétitive ont souvent été hybridés avec des tâches de conseil plutôt que simplement supprimés.

L'IA générative va-t-elle transformer le marché du travail et les métiers ?

Elle le fait déjà, y compris pour des métiers qualifiés comme ceux d'avocat ou de développeur, qu'elle expose davantage que les vagues d'automatisation précédentes. Pour une PME, la transformation la plus probable n'est pas la suppression de postes mais la redistribution du temps de travail. Les entreprises qui en profitent sont celles qui choisissent quelles tâches confier à la machine.

Ce que le calcul sur trois ans dit vraiment

Sur trois mois, remplacer un poste par un abonnement semble rentable. Sur trois ans, les exceptions non traitées, la maintenance, la dépendance et le coût d'un éventuel retour en arrière renversent souvent le résultat, alors que l'automatisation des tâches bien choisies rapporte du temps sans détruire le savoir-faire de l'équipe.

Dans votre entreprise, quelle tâche répétitive coûte aujourd'hui le plus d'heures, et qui saurait encore la faire à la main si l'outil qui l'automatise tombait en panne demain ?

Sources : Réinventer la société face aux bouleversements du marché du travail provoqués par l'IA générative, Mathieu Quinou, Confrontations Europe La pénurie qu'on fabrique : pourquoi remplacer vos juniors par l'IA vous coûtera très cher en 2031, Guichet du numérique