L’IA au travail : qui en profite vraiment ?

L’intelligence artificielle générative s’installe dans le quotidien des entreprises. S’il s’agit de synthèse de documents, d’analyse de données, ou de rédaction automatisée, les outils comme ChatGPT ou Copilot permettent à un nombre croissant de professionnels de produire davantage et plus vite. Mais cette révolution pose une question que dirigeants et responsables des ressources humaines ne peuvent plus esquiver. Est-ce que tout le monde va travailler plus, ou moins ? Et surtout, qui va capter les bénéfices de cette nouvelle productivité ?

Dans un article de recherche¹ coécrit avec Gilles Chemla, nous proposons un modèle qui répond à ces questions en distinguant deux types d’IA selon leurs effets sur le travail. Notre cadre articule la relation contractuelle entre une entreprise et ses salariés avec la dynamique concurrentielle du marché de l’emploi. Les résultats révèlent que l’IA bouleverse les incitations à l’effort fourni par les salariés, mais de manières très différentes selon les profils et les situations.

Tout le monde travaillera plus, mais pas pour les mêmes raisons

Pour comprendre l’impact de l’IA sur l’effort, on peut partir d’un constat simple. Dans toute entreprise, les salariés se trouvent quelque part entre deux extrêmes. D’un côté, certains ne sont pas performants et risquent le licenciement. De l’autre, certains performent très bien mais peuvent se faire débaucher par un concurrent, souvent avec un chèque à la clé. Entre les deux, le contrat de rémunération ajuste en permanence les incitations pour maintenir l’effort du salarié. L’arrivée de l’IA vient bousculer cet équilibre de part et d’autre.

Considérons d’abord une IA qui améliore les compétences du salarié sans le remplacer. On parle alors d’IA complémentaire. On pense ici à un consultant qui utilise l’IA pour approfondir ses analyses ou un juriste qui s’en sert pour synthétiser la jurisprudence. Dans ces cas, l’IA décuple l’impact de chaque heure d’effort. Notre modèle montre que les salariés proches de se faire débaucher augmentent fortement leur effort, car celui-ci est désormais amplifié par la technologie. Chaque point d’effort supplémentaire produit bien plus de valeur qu’avant, ce qui les rend encore plus attractifs sur le marché et augmente leur chance de se faire débaucher ou promouvoir. C’est l’incitation monétaire qui agit ici, à savoir la perspective d’avoir une rémunération plus élevée.

Pour ceux qui se trouvent plus proches de la zone de licenciement, l’effet existe aussi, mais pour une raison différente. Avec l’IA complémentaire, un petit surcroît d’effort suffit à réduire fortement le risque d’être licencié, car cet effort supplémentaire est amplifié par la technologie. Ainsi, l’IA complémentaire lui permet de sécuriser sa position.

La menace de l’IA comme aiguillon

Le tableau change considérablement lorsqu’on introduit une IA substitutive. Il s’agit là d’une technologie qui permet à l’entreprise de produire sans recourir à un salarié humain. La firme dispose d’une option de remplacement crédible. Elle peut automatiser entièrement le poste, et cette opportunité modifie profondément les rapports de force entre la firme et le salarié.

Notre modèle montre que l’IA crée alors une puissante incitation non monétaire, en particulier pour les salariés ayant mal performé. La peur de se faire remplacer par une IA constitue un aiguillon redoutable. Quand l’entreprise peut effectivement substituer un travailleur peu performant par un processus automatisé, la menace devient concrète et immédiate, ce qui pousse ces salariés à redoubler d’effort. L’entreprise n’a même pas besoin d’augmenter la rémunération pour obtenir cet effet. C’est la technologie elle-même qui discipline.

Ainsi, lorsqu’une même IA peut à la fois améliorer et remplacer les salariés, tout le monde finit par travailler davantage, mais pour des raisons différentes. Chez les plus performants, c’est la carotte qui domine, à savoir la perspective d’être débauché avec une prime élevée, amplifiée par l’IA. Chez ceux qui ont mal performé, c’est au contraire le bâton, c’est-à-dire la menace crédible d’être remplacé par la machine. Le résultat global est donc sans ambiguïté. L’effort augmente pour tous, mais les mécanismes sous-jacents sont radicalement différents.

Qui captera les gains ? La réponse est sur le marché de l’emploi

Si l’IA fait travailler tout le monde davantage, une question cruciale demeure. Les salariés verront-ils leur rémunération augmenter, ou les entreprises garderont-elles l’intégralité des gains ? Pour y répondre, il ne faut pas regarder la technologie en elle-même, mais la structure du marché du travail.

Les travailleurs coûteux à remplacer parce qu’ils sont peu nombreux, disposent d’un capital intellectuel important ou possèdent des compétences rares, verront leur valeur de marché augmenter grâce à l’IA. Dans un marché en tension, l’IA complémentaire les rend encore plus désirables. Leur productivité accrue pousse les entreprises concurrentes à surenchérir pour les attirer, ce qui force leur employeur actuel à ajuster la rémunération à la hausse. Les indemnités de départ augmentent également, reflétant le coût accru de la perte d’un talent devenu plus productif. Pour ces profils, les gains de l’IA sont partagés entre l’entreprise et le salarié.

À l’inverse, dans les secteurs où le marché du travail est fluide et les profils - même qualifiés - facilement remplaçables, les entreprises n’ont aucune raison de partager les revenus liés à l’utilisation de l’IA. Même si un salarié est devenu plus productif, la concurrence entre travailleurs disposant des mêmes compétences empêche toute revalorisation individuelle. Le surplus est alors capté intégralement par la firme. Ce mécanisme explique pourquoi les gains de l’IA risquent de creuser les inégalités non pas entre qualifiés et non-qualifiés, comme le suggérait la littérature antérieure, mais au sein même des travailleurs à haute compétence, selon les frictions propres à leur marché.

IA maison ou IA sectorielle : pourquoi la performance relative ne suffit plus

Un dernier enseignement de notre modèle concerne le périmètre de l’innovation. Lorsqu’une entreprise développe en interne un outil d’IA propre, les conditions sur le marché du travail ne changent pas. Les concurrents n’ont pas accès à la même technologie et la valeur de marché du salarié, même coûteux à remplacer, reste inchangée. L’entreprise n’a donc pas besoin d’augmenter les salaires pour retenir ses talents. L’effort augmente uniformément car la firme devient plus profitable à chaque niveau de performance, mais la totalité du gain reste en interne.

En revanche, lorsqu’une IA est disponible dans toute une industrie comme c’est le cas avec les grands modèles de langage actuels, la productivité de tous les travailleurs du secteur augmente simultanément. Leur valeur de marché monte, et les entreprises doivent ajuster la rémunération pour éviter une fuite des talents. Or, dans ce contexte, les outils classiques d’évaluation comme la rémunération à la performance relative (RPE) deviennent inadéquats. La RPE récompense ceux qui font mieux que leurs pairs. Mais quand un choc technologique sectoriel augmente la valeur de marché de tous, personne ne surperforme en termes relatifs, alors même que chacun vaut davantage sur le marché du travail. Une entreprise qui s’en tiendrait à la RPE risquerait de sous-payer systématiquement ses talents et de les voir partir chez des concurrents plus réactifs.

Notre recherche appelle donc à repenser les outils d’évaluation et de rémunération. Il ne s’agit plus seulement de mesurer qui fait mieux que les autres, mais de comprendre comment la valeur de chaque individu évolue dans un environnement technologique en mutation rapide. À l’heure où l’intelligence artificielle redessine les contours de la productivité, intégrer ces mécanismes dans la conception des contrats de rémunération n’est plus un luxe académique mais une nécessité managériale.