IA et ressources humaines : quelles compétences faut-il préserver et développer ?
L'intelligence artificielle transforme la valeur du travail, le recrutement, la formation et le rôle du manager. Mais une entreprise peut-elle devenir plus productive tout en affaiblissant ses compétences, ses apprentissages et son intelligence collective ?
Le travail change de nature : une transformation beaucoup plus profonde que l'automatisation
Une entreprise peut automatiser une partie de sa production intellectuelle sans nécessairement améliorer sa capacité à comprendre, à apprendre et à décider. C'est tout le paradoxe de l'intelligence artificielle appliquée au travail.
L'IA peut produire des textes, des synthèses, du code, des analyses et des recommandations. Ces possibilités sont considérables. Elles peuvent améliorer les performances, mais elles déplacent également les frontières des compétences.
Ce qui importe n'est plus uniquement de produire une réponse. C'est d'en comprendre la valeur, les limites et les conséquences.
L'OCDE souligne dans son rapport de juin 2026 que les entreprises ont besoin de compétences numériques, de capacités d'analyse et d'interprétation des données, mais également de créativité, de résolution de problèmes et de compétences managériales.
Pour réfléchir à cette question, nous proposons quatre angles qui concernent directement les directions générales, les ressources humaines, les managers et les salariés.
Les compétences humaines prennent une nouvelle valeur
Pendant longtemps, une part importante de la valeur professionnelle reposait sur la capacité d'exécution : rédiger, calculer, produire, rechercher ou programmer.
L'intelligence artificielle peut désormais contribuer à beaucoup de ces activités. Mais l'exécution n'épuise pas la notion de compétence.
Un professionnel doit aussi comprendre le contexte, définir les objectifs, identifier les contradictions, hiérarchiser les informations, dialoguer avec les personnes et assumer les décisions.
Quatre compétences à renforcer
L'esprit critique
Vérifier les informations, confronter les sources, reconnaître les erreurs et ne pas confondre fluidité d'expression et vérité.
La pensée analytique
Décomposer un problème, identifier ses causes, interpréter les données et évaluer les conséquences.
La créativité
Formuler des intentions originales, questionner les solutions convenues et produire autre chose que des réponses standardisées.
La coopération
Croiser les compétences, construire des réponses collectives et travailler avec des profils et des métiers différents.
Faut-il abandonner les compétences techniques ?
Certainement pas. Un développeur doit encore comprendre l'architecture d'un système, ses contraintes, sa sécurité et ses conséquences métiers. Un analyste financier doit comprendre la comptabilité et les données qu'il utilise.
La transformation se situe davantage dans l'articulation entre les connaissances techniques, les compétences métiers et les capacités humaines.
L'IA peut accélérer l'exécution. Mais elle ne dispense pas de savoir ce que l'on fait, pourquoi on le fait et comment contrôler le résultat.
Et si l'IA devenait un contradicteur ?
L'IA peut être utilisée comme un partenaire de réflexion, un sparring partner. Au lieu de lui demander uniquement de produire une réponse, on peut lui demander de critiquer une hypothèse, d'exposer des objections ou de proposer des scénarios alternatifs.
Une étude publiée en 2025 par Microsoft Research auprès de 319 travailleurs du savoir montre une association entre une confiance élevée dans l'IA et un moindre effort déclaré de pensée critique. Cela ne démontre pas une perte automatique des capacités, mais invite à réfléchir aux usages professionnels.
Une IA vous propose une excellente réponse. Que faites-vous ?
Situation : un rapport de direction
Une IA produit une analyse convaincante qui recommande de réduire le budget de formation. Elle affirme que les salariés apprennent désormais plus vite grâce aux outils d'IA.
Comment réagissez-vous ?
L'exercice montre pourquoi la pensée critique n'est pas une méfiance systématique. Elle est une capacité à rechercher les informations nécessaires à une décision.
Si l'IA fait le travail des débutants, comment formerons-nous les experts de demain ?
Les premières années d'un métier sont souvent consacrées à des activités modestes : chercher, comparer, corriger, rédiger, observer, recommencer.
Pourtant, ces tâches permettent d'acquérir une connaissance progressive du métier. Les débutants y découvrent les situations réelles, les erreurs fréquentes et les critères de qualité.
Or l'IA générative peut désormais prendre en charge une partie de ces tâches. Les entreprises peuvent être tentées de privilégier des salariés expérimentés capables de superviser directement les productions automatisées.
Écart relatif d'emploi observé chez les travailleurs américains de 22 à 25 ans exerçant des métiers fortement exposés à l'IA, par rapport à une trajectoire suivant celle de leurs pairs moins exposés.
Stanford Digital Economy Lab, étude actualisée le 12 août 2026. Il ne s'agit pas d'une baisse générale de 19 % des embauches ni d'une statistique française.
Les chercheurs ne constatent pas de destruction généralisée de l'emploi à l'échelle de l'économie américaine. Ils identifient cependant un signal préoccupant pour certaines catégories de jeunes travailleurs.
Le trou de discernement
Imaginons un jeune consultant capable de produire en quinze minutes un rapport très bien présenté.
Peut-il cependant expliquer la méthode suivie, justifier chaque hypothèse, détecter une source fragile ou défendre ses conclusions devant un client exigeant ?
C'est le risque du judgment gap, ou trou de discernement : l'écart entre la qualité apparente d'une production assistée et le niveau réel de compréhension.
Réinventer le mentorat
Les professionnels expérimentés deviennent essentiels pour transmettre les critères de jugement, les connaissances tacites et la compréhension du contexte.
Mais les juniors peuvent, de leur côté, apporter de nouvelles méthodes, des expérimentations et un regard moins contraint par les habitudes.
Le mentorat inversé prend alors tout son sens : les générations apprennent les unes des autres au lieu de s'opposer.
Un exercice simple de mentorat intergénérationnel
Confiez une même situation métier à un junior et à un professionnel expérimenté.
- Le junior prépare une solution avec l'IA.
- Le senior expose les critères issus de son expérience.
- Les deux confrontent leurs méthodes.
- Ils repèrent les erreurs et les idées nouvelles.
- Ils produisent ensemble une fiche de connaissance.
L'objectif est de développer à la fois les compétences, la coopération et la mémoire de l'organisation.
À prolonger sur EVALIR : Jeunesse et IA : l'intelligence vivante de l'avenir.
L'IA peut faire gagner du temps. Peut-elle aussi épuiser les salariés ?
L'automatisation promet de supprimer certaines tâches répétitives ou fastidieuses. C'est une perspective positive.
Mais une autre situation peut apparaître : les activités simples disparaissent, tandis que les collaborateurs enchaînent davantage de validations, d'arbitrages et de décisions complexes.
Le temps économisé devient alors du temps immédiatement réoccupé.
Le phénomène du « cerveau frit par l'IA »
L'expression AI Brain Fry désigne familièrement une impression de saturation mentale liée à certains usages intensifs de l'IA. Ce n'est pas un diagnostic médical.
Elle permet néanmoins de poser une question pertinente : comment évolue la charge cognitive lorsque les professionnels doivent contrôler une production plus abondante et plus rapide ?
Surcharge cognitive
Trop de décisions à vérifier, trop de sollicitations et une concentration fragmentée.
Délégation excessive
La tentation de confier systématiquement à l'IA les lectures, les raisonnements et les premières analyses.
Perte de sens
Le sentiment de devenir un simple contrôleur de productions automatisées.
Affaiblissement des apprentissages
Moins d'occasions de pratiquer les fondamentaux et de comprendre les erreurs.
Ces risques ne sont pas des conséquences systématiques. L'IA peut aussi diminuer certaines charges de travail, faciliter l'accès aux connaissances et soutenir les collaborateurs.
Tout dépend de la manière dont les tâches sont redistribuées et dont le management organise le travail.
Cinq pratiques pour prévenir la surcharge
- Prévoir des plages de concentration sans interruption.
- Limiter les vérifications automatisées inutiles.
- Organiser des retours d'expérience sur le travail réel.
- Évaluer la charge liée aux nouveaux outils.
- Préserver des activités d'apprentissage et de réflexion autonome.
Ces mesures doivent être adaptées aux situations concrètes avec les acteurs de prévention des risques professionnels.
Le manager devient orchestrateur d'équipes humaines et numériques
L'IA ne transforme pas seulement le travail individuel. Elle modifie les relations entre métiers, outils, collaborateurs et responsables.
Un même processus peut désormais mobiliser un salarié, un système de recherche documentaire, un agent IA et un responsable chargé de vérifier ou d'autoriser le résultat.
Le rôle du manager évolue : il doit organiser cette coopération sans affaiblir l'autonomie ni la responsabilité des personnes.
Accompagner les équipes
Former, expliquer les transformations, écouter les préoccupations et organiser la progression.
Orchestrer le travail
Définir ce que l'IA prépare, ce que les personnes vérifient et ce qui relève d'une décision humaine.
Développer les compétences
Réaffecter une partie du temps libéré vers les activités relationnelles, créatives et formatrices.
Protéger les personnes
Prévenir les surcharges, organiser le dialogue et assurer des conditions de travail soutenables.
Le dialogue social devient incontournable
Les outils d'IA peuvent modifier les emplois, les compétences, les conditions de travail et parfois les modalités de surveillance des salariés.
L'Organisation internationale du travail a étudié en 2025 plusieurs expériences de dialogue social autour de l'IA et du management algorithmique, sur différents continents.
Ces travaux montrent l'importance d'associer les représentants des travailleurs à la conception, aux objectifs et à l'évaluation des dispositifs.
Recrutement et évaluation : l'humain doit pouvoir décider
Les outils destinés à analyser les candidatures, classer les personnes ou évaluer les performances présentent des risques particuliers.
Certaines utilisations relèvent des catégories de systèmes d'IA à haut risque du règlement européen. Il faut vérifier les obligations applicables selon la fonction réelle du système.
La supervision humaine ne doit jamais se réduire à une validation automatique ou symbolique.
Un outil IA recommande de rejeter un candidat. Que faites-vous ?
Cas pratique : sélection de candidatures
Le service RH utilise un logiciel qui classe automatiquement les CV. Un candidat expérimenté est écarté sans explication claire.
Quelle décision privilégier ?
Cet exercice rappelle pourquoi la gouvernance RH doit combiner connaissance des outils, respect des personnes, vérification des résultats et responsabilité humaine.
Votre organisation protège-t-elle les compétences humaines à l'ère de l'IA ?
Répondez à huit questions sur la formation, la transmission, la santé cognitive et la gouvernance.
1. Les collaborateurs apprennent-ils à vérifier les résultats de l'IA ?
2. La formation conserve-t-elle les fondamentaux métiers ?
3. Les juniors bénéficient-ils de situations réelles d'apprentissage ?
4. Les professionnels expérimentés disposent-ils de temps pour transmettre ?
5. Les impacts de l'IA sur la charge de travail sont-ils évalués ?
6. Le temps libéré est-il réutilisé de manière réfléchie ?
7. Les décisions RH sensibles disposent-elles de contrôles explicites ?
8. Les équipes participent-elles à l'évaluation des nouveaux outils ?
Diagnostic pédagogique EVALIR. Les réponses ne sont pas transmises à un serveur.
Une feuille de route RH pour les 90 premiers jours
Les entreprises n'ont pas nécessairement besoin d'engager immédiatement une transformation massive. Elles peuvent commencer par comprendre leurs usages, leurs compétences et les effets des outils sur le travail réel.
| Période | Actions | Livrable |
|---|---|---|
| Jours 1 à 20 | Recenser les usages IA, les équipes concernées et les activités transformées. | Cartographie des usages |
| Jours 21 à 40 | Identifier les compétences critiques, les besoins de formation et les situations à risque. | Diagnostic RH |
| Jours 41 à 65 | Tester des exercices de discernement, des dispositifs de mentorat et des contrôles adaptés. | Retours d'expérience |
| Jours 66 à 90 | Mesurer les apprentissages, la qualité du travail et les effets sur les collaborateurs. | Plan d'amélioration |
Les résultats à mesurer
Compétences
Les salariés comprennent-ils mieux les problèmes, les résultats et les limites de l'IA ?
Transmission
Les juniors progressent-ils et les connaissances des collaborateurs expérimentés sont-elles partagées ?
Qualité du travail
Les résultats sont-ils plus fiables, mieux contextualisés et plus utiles aux bénéficiaires ?
Conditions de travail
Les équipes disposent-elles d'autonomie, de temps de recul et d'espaces pour discuter ?
Vers une organisation apprenante et lucide
L'intelligence artificielle transforme la production des connaissances. Mais la capacité d'une organisation à devenir plus intelligente ne dépend pas seulement des systèmes qu'elle utilise.
Elle dépend de la façon dont ses membres apprennent, interprètent, coopèrent, transmettent et décident.
Une organisation qui automatise beaucoup mais n'entretient plus ses compétences peut perdre progressivement son autonomie.
Une organisation qui utilise l'IA pour enrichir ses connaissances, faire dialoguer ses métiers, développer les compétences et améliorer les décisions peut au contraire renforcer son intelligence collective.
Cette perspective prolonge les réflexions d'EVALIR sur la gouvernance éthique, la transformation des processus et l'alignement stratégique de l'IA.
EVALIR : accompagner la transformation des compétences et du management
EVALIR accompagne les entreprises, les collectivités et les organisations dans la compréhension et l'intégration responsable de l'intelligence artificielle.
Nos démarches associent acculturation, exercices pratiques, réflexion sur les métiers, développement des compétences, gouvernance et accompagnement des transformations organisationnelles.
Découvrir les formations, ateliers et accompagnements EVALIR →
Pour approfondir sur EVALIR
Garder l'esprit critique face à l'IA
Jeunesse et IA : l'intelligence vivante de l'avenir
Stratégie IA en entreprise : quatre leviers pour créer de la valeur
Sources et références
- OCDE — AI and Skills: What We Know So Far (2026) . Évolution des compétences et besoins de formation.
- Stanford Digital Economy Lab — Canaries in the Coal Mine, actualisation du 12 août 2026 . Évolution de l'emploi des jeunes dans les métiers exposés à l'IA.
- Microsoft Research, CHI 2025 — The Impact of Generative AI on Critical Thinking . Enquête sur la pensée critique et l'utilisation professionnelle de l'IA.
- OIT — Global Case Studies of Social Dialogue on AI and Algorithmic Management (2025) . Dialogue social et management algorithmique.
- Commission européenne — AI Act, annexe III . Catégories de systèmes à haut risque, notamment en recrutement et gestion du travail.
Dossier EVALIR — octobre 2026. Les cas et exercices sont pédagogiques. Les données issues des études internationales ne sont pas automatiquement transposables au marché français. Les suggestions d'organisation ne constituent ni un avis juridique ni un diagnostic médical ou professionnel.
