Le risque IA se mesure dans le travail réel

L’IA au travail a longtemps été rangée dans trois dossiers : informatique, productivité, conformité. L’Australie vient d’en ouvrir un quatrième, beaucoup plus ordinaire : la santé et la sécurité.

Le 23 juillet 2026, Safe Work Australia a publié un ensemble de recommandations sur l’IA et les technologies numériques. Son idée centrale n’est pas spectaculaire. Les risques liés à ces outils doivent être traités avec le même processus que n’importe quel autre danger professionnel : identifier, évaluer, contrôler, puis vérifier que le contrôle fonctionne. Les travailleurs et leurs représentants doivent être consultés.

Cette banalité est une avancée. Elle déplace la question du modèle vers le travail réel. Une IA peut être exacte et rendre le travail plus intense. Elle peut automatiser une tâche répétitive et laisser aux humains une journée composée uniquement d’exceptions difficiles. Elle peut surveiller la fatigue et créer une nouvelle surveillance. Elle peut réduire un danger physique tout en ajoutant une responsabilité que personne ne sait porter.

Le risque n’habite donc pas seulement la sortie fausse. Il habite la nouvelle journée de travail.

Le logiciel n’est pas le bon périmètre

Les registres IA partent souvent de l’outil : nom du fournisseur, version du modèle, données utilisées, finalité, niveau de risque, propriétaire. Ces informations sont utiles. Elles décrivent mal ce qui arrive à la personne placée devant l’écran, derrière le guichet, dans l’atelier ou au téléphone.

Prenons un assistant qui résume les dossiers d’un service client. Sa fiche technique peut être impeccable. Le système n’accède qu’aux données autorisées. Les réponses sont relues. Les journaux sont conservés. Pourtant, le travail peut se dégrader de plusieurs façons.

Les dossiers simples partent plus vite. Les cas restants demandent davantage de concentration. Le nombre de dossiers attendu augmente parce que la moyenne de traitement baisse. La personne doit vérifier les résumés sans disposer du temps économisé par l’outil. Les clients arrivent plus rapidement au niveau humain après avoir échoué face à un automate et sont déjà irrités. La responsabilité du message final reste humaine, mais le salarié ne contrôle ni le modèle ni ses mises à jour.

Aucun de ces problèmes n’est visible dans un taux d’erreur global. Ils apparaissent dans le rythme, la charge mentale, la marge de décision, la qualité des échanges et le droit de ralentir.

Le bon périmètre n’est donc pas « l’assistant de résumé ». C’est « traiter un dossier client avant et après l’assistant ». La différence semble sémantique. Elle change toute l’enquête.

Automatiser le simple concentre le difficile

La recommandation australienne nomme un mécanisme que les démonstrations évitent : lorsque les tâches routinières disparaissent, les personnes peuvent se retrouver avec une proportion plus élevée de tâches complexes. Le volume baisse peut-être. L’intensité cognitive augmente.

Une journée n’est pas une moyenne. Dix dossiers ordinaires et deux exceptions ne ressemblent pas à douze exceptions, même si l’outil fait gagner le même nombre de minutes sur le papier. Les tâches répétitives peuvent être ennuyeuses, mais elles servent aussi de respiration entre deux décisions difficiles. Les retirer sans redessiner la charge revient à enlever les silences d’une partition.

L’effet existe ailleurs. Un filtre automatise le tri des contenus les plus évidents et laisse aux modérateurs les images les plus ambiguës ou violentes. Un outil comptable rapproche les factures simples et concentre les anomalies chez une équipe plus petite. Un copilote de développement produit vite le code courant et laisse la revue, l’intégration et les incidents aux mêmes personnes. Un assistant médical prépare le dossier, mais chaque incohérence restante exige un jugement plus attentif.

La bonne mesure n’est alors pas seulement le temps gagné. Il faut observer la durée maximale de concentration, la fréquence des interruptions, le nombre de cas sans solution claire, les reprises et la possibilité de passer temporairement à une tâche moins exigeante.

Le paradoxe est simple : une automatisation peut réduire la quantité de travail et augmenter la fatigue.

Un danger peut entrer par une mise à jour

Safe Work Australia insiste aussi sur un angle presque absent des politiques internes : une mise à jour ordinaire peut modifier le risque. Le fournisseur change une interface, un seuil, une recommandation par défaut, une fréquence de notification ou le comportement du modèle. Le logiciel garde le même nom. Le travail, lui, change.

Les entreprises savent évaluer un nouveau projet. Elles savent moins bien réévaluer un outil qui évolue sans cérémonie. Une fonction est activée par défaut. Un score apparaît dans le CRM. Un résumé automatique est ajouté à la réunion. Une cadence de rappel devient plus insistante. Chaque changement semble trop petit pour réunir le comité qui avait validé le déploiement initial.

C’est précisément ainsi que le périmètre dérive.

Une technologie installée pour la sécurité peut glisser vers l’évaluation de performance. Une surveillance des pauses destinée à prévenir la fatigue peut devenir un indicateur disciplinaire. Un assistant facultatif peut devenir une norme implicite lorsque les objectifs sont recalculés sur les personnes qui l’utilisent le plus. Une recommandation peut devenir un ordre lorsque s’en écarter demande une justification supplémentaire.

Le contrôle utile n’est pas une révision annuelle du document. C’est un déclencheur modeste : toute modification qui change le rythme, les données observées, la décision proposée ou la possibilité de contredire l’outil entraîne une nouvelle observation du travail.

Pas une nouvelle charte. Une nouvelle observation.

La responsabilité sans contrôle use les personnes

Le risque le plus discret est peut-être la responsabilité résiduelle. L’outil prépare, suggère, classe ou rédige. L’humain « garde la décision finale ». La formule paraît protectrice. Elle peut devenir une manière de transférer la faute.

Une personne ne peut pas réellement superviser un système si elle manque de temps, d’information ou d’autorité pour le contredire. Cliquer sur « valider » n’est pas exercer un jugement lorsque le dossier complet est devenu inaccessible, lorsque le débit attendu interdit une seconde lecture ou lorsque chaque refus de la suggestion doit être expliqué au manager.

La recommandation australienne relève ce cas : des travailleurs peuvent rester responsables de réponses produites par des outils qu’ils ne contrôlent pas complètement. C’est un risque d’organisation avant d’être un débat abstrait sur l’humain dans la boucle.

Il faut donc poser quatre questions très concrètes.

• La personne voit-elle les éléments nécessaires pour vérifier la proposition ?
• Dispose-t-elle d’un temps compatible avec cette vérification ?
• Peut-elle modifier ou refuser sans être pénalisée par le système ?
• Sait-elle qui reprend le dossier lorsque l’outil échoue ?

Si une réponse manque, la supervision est décorative. La responsabilité, elle, reste entière.

Le marché du travail ne donne pas encore un verdict

Le ministère australien de l’Emploi a publié en juillet un autre rapport, plus prudent que les annonces de rupture. Il ne trouve pas de bouleversement général du marché du travail attribuable à l’IA. Les métiers les plus exposés à l’automatisation générative ont toutefois progressé plus lentement que les autres. Les auteurs parlent d’un signal précoce, pas d’une preuve de destructions massives.

Cette incertitude compte. Une organisation n’a pas besoin d’attendre que les statistiques nationales tranchent pour voir ce que son outil fait à une équipe. Le marché du travail mesure des emplois, des secteurs et des trajectoires. Le risque professionnel se manifeste plus tôt : surcharge, perte d’autonomie, confusion des rôles, sentiment d’injustice, diminution du retour humain, exposition répétée aux cas les plus durs.

Le rapport commandé par le gouvernement norvégien arrive à une conclusion proche par un autre chemin. Sa revue de littérature souligne que les effets de l’IA et du management algorithmique dépendent de la manière dont les outils sont introduits. Accélération du rythme, autonomie réduite, perte de maîtrise ou de sens ne sont pas des propriétés inévitables de la technologie. Ce sont des résultats d’organisation.

Autrement dit, l’avenir du travail ne descend pas du modèle. Il se fabrique dans les objectifs, les effectifs, les droits de correction et la place accordée à la discussion.

La consultation n’est pas une présentation

Consulter les travailleurs ne consiste pas à montrer l’outil deux jours avant son activation. Une présentation explique ce qui a été décidé. Une consultation peut encore modifier la décision.

Les personnes qui exécutent le travail savent où se cachent les exceptions, les arrangements informels et les signes faibles. Elles savent quelle tâche apparemment répétitive permet de repérer une erreur. Elles savent pourquoi deux dossiers identiques dans la base ne le sont pas dans la réalité. Elles savent à quel moment un client ne comprend plus, quand une équipe compense un système fragile et quelle alerte est déjà ignorée.

Cette connaissance n’est pas un supplément humain à la fiche produit. C’est une partie des données de conception.

Avant le déploiement, il faut décrire une journée réelle : tâches simples, tâches difficiles, interruptions, pics, dépendances, reprises et responsabilités. Pendant le test, il faut observer qui vérifie, qui attend, qui répare et qui absorbe l’exception. Après le test, il faut demander ce qui a disparu, ce qui s’est déplacé et ce qui est devenu plus lourd.

La question « aimez-vous l’outil ? » est trop pauvre. Un salarié peut aimer gagner du temps et détester le nouveau rythme. Il peut apprécier la rédaction assistée et craindre la mesure permanente de son usage. Il peut reconnaître la qualité du système et refuser d’en porter seul les erreurs.

Le désaccord n’est pas un rejet de l’innovation. C’est parfois le capteur le plus sensible du déploiement.

Les compétences ne remplacent pas l’organisation

L’OCDE rappelle que l’IA peut compléter le travail humain, améliorer la productivité et créer des tâches nouvelles. Elle souligne aussi le besoin de compétences fondamentales, numériques et sociales. Cette perspective est nécessaire : l’outil n’est pas seulement un danger, et la prévention ne doit pas devenir une interdiction automatique.

Mais former ne corrige pas tout. Une personne très compétente ne peut pas compenser durablement des objectifs irréalistes, une interface instable, une responsabilité floue ou une surveillance détournée. La littératie IA aide à comprendre les limites d’une sortie. Elle ne rend pas acceptable une cadence qui empêche de les vérifier.

La formation est souvent choisie parce qu’elle est visible et facile à compter. Tant de personnes formées, tant d’heures suivies, tant de modules terminés. Le changement d’organisation est plus inconfortable. Il peut obliger à réduire un objectif, maintenir un effectif, supprimer un indicateur, ralentir un déploiement ou reconnaître qu’une automatisation ne réduit pas encore la charge.

Une entreprise mature fait les deux. Elle développe les compétences et modifie le système de travail. Elle ne demande pas aux salariés de devenir assez compétents pour survivre à un mauvais design.

Un registre de cinq lignes

Il n’est pas nécessaire de créer une bureaucratie parallèle. Pour chaque usage, cinq lignes peuvent suffire à lancer la bonne conversation :

1. Tâche modifiée : ce que l’outil fait, mais aussi ce qui reste aux personnes.
2. Exposition : qui subit le rythme, la surveillance, les erreurs, les exceptions ou le contact difficile.
3. Déplacement : où vont le temps, la complexité et la responsabilité après automatisation.
4. Contrôle : ce qui permet de ralentir, corriger, refuser, reprendre ou arrêter.
5. Réexamen : le signal qui impose de revenir voir le travail, notamment après une mise à jour.

Ce registre ne remplace ni le droit local ni une analyse de prévention complète. Il évite seulement l’erreur la plus fréquente : croire qu’un risque IA se résume à la probabilité d’une réponse fausse.

Une sortie fausse est un événement. Un travail qui devient chaque semaine plus dense, plus surveillé ou moins contestable est un processus. Il fait moins de bruit. Il peut faire davantage de dégâts.

Regarder la journée, pas la démonstration

La meilleure idée de la nouvelle recommandation australienne tient dans son refus de l’exceptionnalisme. L’IA n’exige pas toujours un nouveau temple de gouvernance. Elle exige que les anciennes disciplines regardent enfin le travail qu’elle transforme.

Identifier le danger. Écouter les personnes exposées. Contrôler le risque à sa source. Vérifier après la mise en service. Recommencer lorsque le système change.

La démonstration montre ce que l’outil sait faire pendant vingt minutes. La prévention regarde ce que les personnes doivent faire pendant huit heures, y compris quand l’outil hésite, accélère, se trompe ou se met à jour.

C’est là que le risque IA devient mesurable. Non dans la puissance annoncée du modèle, mais dans le travail réel qu’il laisse derrière lui.