L'IA au travail est partout, mais reste superficielle
La version courte
Le débat sur l'IA et l'emploi a enfin une meilleure carte.
Pas une carte parfaite.
Pas une carte neutre.
Mais une carte.
Le 23 juillet, Google a publié le premier rapport AI & Economy ATLAS, une étude continue sur la manière dont les gens utilisent les outils IA de Google. Le PDF complet s'appuie sur 15 millions d'interactions désidentifiées issues de l'app Gemini, de Google AI Mode et de l'API Gemini. Le rapport cartographie ces usages sur plus de 800 métiers, 4 000 tâches professionnelles, 300 activités domestiques, 150 pays et 140 langues.
C'est un dataset sérieux.
C'est aussi un dataset Google.
Les deux faits comptent.
La conclusion utile n'est pas :
"L'IA remplace tout le monde."
Ce n'est pas non plus :
"Détendez-vous, il ne se passe rien."
La conclusion utile est plus étrange :
L'usage de l'IA est large, superficiel, surtout collaboratif, et il déborde dans des endroits que le débat classique sur l'emploi sait mal décrire.
Google dit que l'adoption de l'IA au travail couvre des métiers représentant un peu plus de 88% de l'emploi américain. C'est énorme. Mais dans le métier médian où Google observe un usage IA, l'IA apparaît seulement dans 21% des tâches. Moins de 10% des conversations liées à du travail cognitif non routinier ressemblent à une automatisation de bout en bout. Plus de 86% des interactions avec l'IA conversationnelle ont lieu hors du travail formel.
Donc oui, l'IA est partout.
Non, cela ne veut pas dire que l'économie s'est déjà automatisée.
Très pratique. Le futur refuse encore une fois de rentrer dans le titre d'une table ronde.
C'est pour ça que le rapport compte. Il déplace la conversation des intitulés de poste vers les comportements de tâche : ce que les gens demandent à l'IA, où ils l'utilisent, si elle aide ou remplace, si l'usage se passe au travail ou à la maison, si c'est du texte ou du multimodal, et quelles parties de l'économie restent invisibles dans les statistiques de productivité habituelles.
C'est une bien meilleure question que "l'IA va-t-elle prendre mon emploi ?"
La vraie question est plutôt :
Quelles parties du travail sont absorbées par le logiciel, et qui récupère le gain ?
Large ne veut pas dire profond
L'expression la plus importante du rapport est "broad but shallow".
Large, mais superficiel.
Google observe de l'usage IA dans tous les grands secteurs : services professionnels, construction, loisirs et hôtellerie, et d'autres. Il en observe dans les métiers dont tout le monde parle, comme les développeurs et les analystes marketing. Il en observe aussi dans des catégories moins à la mode : agriculteurs, forestiers, ingénieurs industriels, mécaniciens, réparateurs.
Cela devrait tuer une histoire paresseuse.
L'IA n'est pas seulement un phénomène de salariés de bureau à San Francisco.
Mais le chiffre de profondeur compte autant.
Si l'IA apparaît dans 21% des tâches du métier médian où il y a usage, ce n'est pas un chiffre de remplacement d'emploi. C'est un chiffre de surface d'adoption. Il dit que les travailleurs testent l'IA sur des morceaux de travail. Il dit que l'outil entre dans les workflows de manière inégale. Il dit qu'un métier peut être "touché par l'IA" sans être proche de l'automatisation complète.
Cette distinction est essentielle.
Une responsable marketing qui demande à Gemini des angles de campagne ne remplace pas son équipe marketing.
Un mécanicien qui utilise l'IA multimodale pour interpréter un résultat de test ne vit pas dans un monde où un robot répare déjà la voiture.
Un avocat qui utilise l'IA pour résumer de la jurisprudence ne transforme pas le système judiciaire en chatbot en robe, ce qui serait, franchement, une idée à éviter.
La question n'est pas de savoir si l'IA apparaît.
Elle apparaît clairement.
La question est de savoir où elle devient structurelle.
Assistif ne veut pas dire inoffensif
Le rapport de Google dit que la plupart des usages professionnels de l'IA sont collaboratifs et assistifs. Les gens l'utilisent pour l'idéation, la stratégie, la recherche d'information, l'apprentissage, la rédaction partielle, la relecture et l'amélioration. Dans le travail cognitif non routinier, l'automatisation complète d'une tâche apparaît dans moins de 10% des conversations.
C'est une correction importante à la boucle de panique.
Ce n'est pas une raison d'arrêter de s'inquiéter.
L'assistance peut quand même transformer le marché du travail.
Si l'IA rédige la première version, relit la deuxième, trouve le bug, explique la règle, génère le test, résume la réunion ou aide une agente support à traiter deux fois plus de tickets, cela ne ressemble pas forcément à de "l'automatisation" dans un classifieur.
Mais cela peut quand même changer le poste.
Parfois, ce changement est bon. La travailleuse gagne du levier. La tâche pénible raccourcit. L'erreur est repérée. La personne qui a moins de formation formelle obtient un tuteur utile. Le technicien de réparation comprend un diagnostic étrange à 21h47 sans attendre quelqu'un d'autre.
Parfois, le changement est moins gentil. La même personne reçoit plus de volume, plus de monitoring, plus de pression pour faire le travail de deux personnes, ou moins de pouvoir de négociation parce que la première passe est devenue moins chère.
C'est pour ça que "assistif, pas automatisé" ne clôt pas le débat.
C'est le début du problème de mesure.
Qu'est-ce que l'outil a changé ?
A-t-il fait gagner du temps ?
La qualité a-t-elle augmenté ?
La travailleuse a-t-elle gardé ce temps, ou l'entreprise l'a-t-elle absorbé ?
Le poste junior devient-il plus facile à former, ou plus facile à ne pas ouvrir ?
L'expert devient-il plus précieux, ou son jugement est-il emballé dans un workflow contrôlé par quelqu'un d'autre ?
Ce sont ces questions-là qui comptent.
L'angle mort des métiers manuels est réel
L'une des bonnes parties d'ATLAS, c'est que le rapport ne traite pas le travail physique comme un monde sans IA.
Google dit que des travailleurs dans des métiers manuels et techniques utilisent l'IA conversationnelle comme collaboratrice pour le diagnostic, le dépannage et l'apprentissage en temps réel. Le rapport mentionne des techniciens automobiles et des mécaniciens industriels qui utilisent l'IA pour interpréter des résultats de tests, déboguer du câblage électrique ou inspecter l'usure de machines. Il dit aussi que l'usage multimodal de l'IA est plus de deux fois plus fréquent dans ces contextes que dans la moyenne des usages professionnels.
C'est logique.
Si votre travail touche le monde physique, l'IA purement textuelle est souvent une mauvaise abstraction. Un technicien n'a pas seulement besoin d'un paragraphe. Il peut avoir besoin de montrer la machine, le câblage, la pièce, la jauge, le code erreur, l'objet cassé qui refuse de s'expliquer poliment.
C'est là que l'histoire "l'IA remplace d'abord les cols blancs" devient trop propre.
Les métiers manuels contiennent des tâches cognitives.
Les métiers techniques contiennent de la documentation.
Le travail physique contient du diagnostic.
Les métiers de terrain contiennent des boucles d'apprentissage.
L'IA peut entrer par ces tâches adjacentes sans reprendre tout le métier.
Cela compte pour les travailleurs, les formations, les syndicats, les vendeurs d'outils, les assureurs, les écoles et toutes les personnes qui essaient de comprendre la productivité au-delà des métiers passés devant un laptop.
L'économie ne se résume pas aux documents et au code.
Même si, tragiquement, il reste beaucoup de documents.
La maison est peut-être l'économie cachée
Le résultat le plus bizarre du rapport est peut-être hors du travail.
Google dit que plus de 86% des interactions d'IA conversationnelle dans ATLAS ont lieu hors du travail formel. Le rapport rattache les activités non professionnelles aux catégories de l'American Time Use Survey et affirme que les conversations IA couvrent des activités représentant environ 98% du temps éveillé des Américains.
Cela ne veut pas dire que 98% de la vie est automatisée.
S'il vous plaît, ne faites pas ce deck.
Cela veut dire que l'IA apparaît dans le tissu ordinaire de la vie : gestion du foyer, recherche d'achat, éducation, soins personnels, voyage, questions juridiques, finances, services publics, appareils ménagers, outils et toute la petite administration pénible.
Cette partie est facile à sous-compter parce que les statistiques classiques de productivité sont construites autour du travail formel et des transactions de marché. Si l'IA aide quelqu'un à comprendre un formulaire d'aides sociales, comparer un devis de réparation, écrire un recours scolaire, traduire une instruction médicale ou trouver la bonne pièce pour un lave-vaisselle, la valeur peut être réelle même si aucun employeur ne l'enregistre.
Google estime que si l'usage domestique de l'IA faisait gagner en moyenne 30 minutes par semaine, les gains de productivité non rémunérés aux États-Unis pourraient représenter environ 100 milliards de dollars selon des méthodes de valorisation standard.
Il faut traiter cela comme une estimation.
Une estimation très estimative.
Mais il ne faut pas rater le fond.
Une partie de la première valeur économique de l'IA ne ressemblera peut-être pas à "une entreprise a réduit ses effectifs".
Elle ressemblera plutôt à : des millions de personnes ont reçu un peu d'aide pour naviguer dans des systèmes agaçants après les heures de bureau.
C'est aussi de la valeur économique.
Elle est juste plus difficile à compter.
La carte de Google n'est pas le territoire
Maintenant, la prudence.
Google a des intérêts.
Google préfère évidemment que le débat public voie l'IA comme utile, largement distribuée, assistive plutôt que destructrice d'emplois, et bénéfique pour les gens ordinaires qui essaient de résoudre des problèmes pratiques. Cela ne rend pas le rapport faux. Cela veut dire qu'il faut le lire comme une preuve produite par l'un des plus grands propriétaires de plateformes IA au monde.
ATLAS repose sur des surfaces Google : app Gemini, AI Mode et API Gemini. Il ne capture pas tout l'usage de l'IA. Il ne capture pas pleinement Workspace, Google Cloud Gemini Enterprise, AI Overviews, le code agentique, les world models, les produits des autres labs, les déploiements privés en entreprise, les modèles ouverts locaux ou l'IA intégrée silencieusement dans des logiciels.
Il ne prouve pas non plus les résultats.
Le rapport le dit clairement. ATLAS peut observer ce que les gens font avec l'IA. Il ne voit pas le produit final, ni si l'interaction a marché, ni si du temps a été gagné, ni si la qualité a augmenté, ni si un manager a ensuite utilisé ce workflow pour réorganiser une équipe.
C'est l'écart.
L'usage n'est pas l'impact.
Un prompt n'est pas de la productivité.
Une conversation n'est pas un résultat sur le marché du travail.
C'est particulièrement important pour l'embauche junior. Le rapport dit qu'ATLAS ne permet pas encore vraiment de savoir si l'IA pèse sur l'embauche de début de carrière. C'est l'une des grandes questions ouvertes de toute l'économie de l'IA. Si les seniors utilisent l'IA pour faire davantage de première passe, celle qui servait aussi à former les juniors, les effets d'emploi peuvent apparaître avant que les intitulés de poste disparaissent.
La carte est utile.
Ce n'est pas le territoire.
Ce que cela change
Il y a deux semaines, j'écrivais que l'économie de l'IA a besoin d'instruments, pas de panique.
ATLAS est un instrument.
Un instrument imparfait.
Mais un instrument quand même.
Il montre où la mesure doit aller :
- des intitulés de poste vers les tâches
- des tâches vers les workflows
- de l'usage vers les résultats
- des outputs vers la qualité
- des grandes affirmations d'automatisation vers l'intention réelle
- du travail de bureau vers le travail physique
- du travail payé vers la valeur domestique
- du récit "États-Unis contre Chine" vers les patterns d'adoption mondiale
- de "l'IA arrive" vers "où, à quelle profondeur, et pour qui ?"
C'est l'histoire sérieuse.
L'IA n'est pas une vague unique qui frappe tous les travailleurs de la même manière.
C'est une diffusion désordonnée à travers les emplois, les corvées, les langues, les pays, les métiers, les entreprises et les surfaces logicielles. Une partie est superficielle. Une partie va s'approfondir. Une partie restera de l'autocomplete avec de meilleures manières. Une partie deviendra de l'infrastructure critique. Une partie ne sera mesurée qu'après que le lieu de travail aura déjà changé.
La bonne réponse n'est donc pas la panique.
Ce n'est pas non plus le réconfort.
C'est l'instrumentation.
Si vous dirigez une entreprise, mesurez quelles tâches l'IA touche vraiment, si la qualité monte, et où le temps de revue se déplace.
Si vous construisez des produits IA, montrez aux utilisateurs ce qui a changé, ce que le modèle a lu, son niveau de confiance et où la revue humaine a eu lieu.
Si vous faites de la politique publique, arrêtez de débattre d'un seul chiffre national d'emplois et financez plutôt une meilleure télémétrie du marché du travail, des expériences de formation, des données d'adoption par secteur et des mécanismes pour partager les gains quand les workflows se compressent.
Si vous êtes travailleur ou travailleuse, ne demandez pas seulement si l'IA peut faire votre métier.
Demandez quelles parties de votre travail deviennent du logiciel, quelles parties exigent encore du jugement, et si vous devenez la personne qui dirige le système ou celle dont le travail est silencieusement absorbé par lui.
C'est la ligne à surveiller.
Pas "IA ou pas IA".
Large, superficielle, bizarre, et en train de s'approfondir.