Le travail n’attend pas une loi spéciale sur l’IA

L’intelligence artificielle arrive souvent au travail sous une forme trop petite pour déclencher une discussion sérieuse. Un assistant résume les réunions. Un module classe les candidatures. Un tableau recommande l’ordre des interventions. Un outil rédige les réponses du service client. Chaque ajout ressemble à une fonction logicielle. Leur somme peut pourtant réorganiser une journée, déplacer une responsabilité et modifier la manière dont un salarié est observé.

Une étude publiée le 24 juillet 2026 par l’OCDE fournit un constat moins spectaculaire que les annonces sur la « révolution du travail », mais plus utile. Dans les pays du G7, l’Union européenne et plusieurs économies latino-américaines, les effets de l’IA sur le travail sont encore traités principalement par les cadres existants : compétences, protection des données, non-discrimination, santé et sécurité, transparence, responsabilité et dialogue social. Les politiques explicitement consacrées à l’IA sont surtout développées pour la formation et l’adoption. Elles restent plus incomplètes sur la vie privée, la transparence et la responsabilité.

Ce décalage est généralement présenté comme un vide juridique. Il peut être lu autrement. Le travail n’est pas resté sans règles en attendant que l’IA reçoive les siennes. Les vieilles questions sont déjà là : que change l’outil dans l’organisation, qui est consulté, quelles données circulent, qui peut contester une décision et comment l’employeur prévient un risque devenu mesurable ?

Le retard le plus concret n’est donc pas toujours celui de la loi. Il se trouve dans le dossier que l’entreprise n’a pas ouvert parce qu’elle croyait encore tester un simple logiciel.

Le droit ancien avait déjà prévu les nouvelles technologies

La directive-cadre européenne de 1989 sur la santé et la sécurité au travail ne pouvait pas nommer les modèles génératifs. Elle prévoit pourtant que la planification et l’introduction de nouvelles technologies fassent l’objet d’une consultation des travailleurs ou de leurs représentants lorsque le choix des équipements affecte la sécurité, la santé, les conditions ou l’environnement de travail.

La disposition ne transforme pas chaque abonnement logiciel en négociation générale. Elle rappelle une logique que la nouveauté technique fait facilement oublier : l’évaluation porte sur l’effet produit dans le travail, pas sur le vocabulaire commercial du produit.

Un outil peut sembler accessoire et augmenter la pression en réduisant les pauses entre deux tâches. Il peut sembler consultatif et devenir la référence que le manager n’ose plus contredire. Il peut promettre de libérer du temps et déplacer vers les salariés le contrôle d’erreurs produites à grande vitesse. Il peut améliorer la sécurité d’un geste et dégrader l’autonomie avec laquelle la journée était organisée.

Dans chacun de ces cas, demander si le logiciel « contient de l’IA » est moins précis que décrire le changement : rythme, ordre, mesure, visibilité, marge de décision, charge de correction et possibilité de recours.

L’Agence européenne pour la sécurité et la santé au travail décrit le management algorithmique comme un ensemble de systèmes qui collectent et analysent des données sur les lieux, les travailleurs et les tâches pour organiser le travail ou soutenir des décisions. Les risques recensés sont notamment psychosociaux : intensification, surveillance, perte d’autonomie, stress et fatigue. Le sujet commence donc avant la décision entièrement automatisée. Il commence quand l’outil modifie les conditions dans lesquelles une décision humaine est prise.

Directive-cadre 89/391/CEE et EU-OSHA, management des travailleurs fondé sur l’IA, vérifiées le 6 août 2026.

Former est la partie la plus facile à compter

L’OCDE observe que les politiques ciblées sur l’IA sont les plus avancées du côté des compétences et de l’adoption. Ce n’est pas un hasard. Une formation possède un intitulé, une durée, une liste de participants et un taux de complétion. Elle produit un indicateur propre. La réorganisation du travail en produit rarement un aussi commode.

Former reste nécessaire. Un salarié doit comprendre ce que l’outil peut faire, ce qu’il ne sait pas garantir, quelles données ne doivent pas lui être confiées et comment signaler une erreur. Mais la littératie IA peut aussi devenir le moyen le plus poli de reporter la responsabilité vers l’utilisateur. Si le système alloue mal les tâches, il sera tentant de conclure que l’équipe l’utilise mal. S’il intensifie le travail, on proposera une nouvelle session sur les bonnes pratiques. S’il produit une recommandation discriminatoire, on rappellera à l’humain qu’il devait garder un regard critique.

Cette réponse confond capacité individuelle et conception du travail. Un salarié formé ne choisit pas nécessairement les données d’entrée, le seuil d’alerte, l’objectif d’optimisation, la fréquence des mesures ou le poids donné à la recommandation dans son évaluation. Il peut connaître les limites du système sans avoir le pouvoir de les compenser.

La revue empirique publiée en juin par l’Organisation internationale du Travail invite d’ailleurs à la prudence sur la promesse de productivité. Les gains observés dans certaines expériences sont réels mais inégaux et souvent non vérifiés au niveau de l’organisation. Les économies de temps déclarées ne se traduisent pas automatiquement en production, revenus ou emplois supplémentaires. Entre la tâche accélérée et le résultat collectif se trouvent la coordination, la qualité, la reprise des erreurs et la manière dont le temps libéré est réaffecté.

Une formation répond à « sait-on utiliser l’outil ? ». Elle ne répond pas à « qu’est devenu le travail après son introduction ? ».

Le management commence avant la décision finale

Le débat juridique se concentre volontiers sur la décision automatisée : une candidature rejetée, une prime refusée, un compte suspendu. Le RGPD offre ici un repère important. Son article 22 protège contre certaines décisions fondées exclusivement sur un traitement automatisé et produisant un effet juridique ou similaire significatif, avec des exceptions et des garanties comme l’intervention humaine, l’expression du point de vue et la contestation.

Ce seuil est essentiel. Il ne couvre pas à lui seul toutes les manières dont un système façonne le travail.

Une IA peut ne jamais décider d’une sanction et rendre certains salariés plus visibles que d’autres. Elle peut seulement recommander un planning et installer une norme de disponibilité. Elle peut calculer un score que le manager valide presque toujours. Elle peut rédiger une évaluation dont les formulations deviennent progressivement celles de l’entreprise. Elle peut classer les dossiers de sorte que les cas difficiles arrivent toujours à la même équipe.

La présence d’un humain en bout de chaîne ne remet pas automatiquement les compteurs à zéro. Si cette personne reçoit cent recommandations par jour, ne voit pas les données qui les fondent et doit justifier chaque écart, son pouvoir de contrôle est plus formel que réel. L’automatisation ne se mesure pas seulement à celui qui clique. Elle se mesure à la capacité pratique de comprendre, refuser et corriger.

C’est pourquoi la protection des données, la santé au travail, la non-discrimination et le dialogue social ne devraient pas attendre le cas où le système décide entièrement seul. Ces cadres observent des objets différents : les données collectées, les risques créés, les effets inégaux et la distribution du pouvoir de décision. Leur superposition peut sembler moins élégante qu’une loi unique sur l’IA. Elle correspond mieux à la manière dont l’outil entre réellement dans une organisation.

La consultation après le pilote arrive déjà trop tard

Le prototype est souvent présenté comme une période neutre. Quelques volontaires testent un outil, l’équipe technique collecte des retours, aucune décision officielle n’est encore prise. Puis le résultat paraît suffisamment prometteur pour être étendu. La consultation commence à ce moment-là, lorsque le fournisseur est choisi, les connecteurs installés et le gain annoncé.

Le problème est que le pilote a déjà fixé une partie du travail futur. Il a choisi ce qui sera mesuré, les données faciles à extraire, les tâches jugées automatisables et les erreurs tolérées. Il a créé des habitudes et parfois un groupe de salariés devenus dépendants de la fonction. Revenir en arrière n’est plus impossible, mais devient coûteux et politiquement difficile.

Consulter avant le pilote ne signifie pas demander à chacun de voter sur le modèle. Cela signifie ouvrir assez tôt les questions auxquelles l’équipe technique ne peut pas répondre seule : quelle part du métier demeure invisible dans les données ? Quelle exception protège aujourd’hui la qualité ? Qui absorbera les cas que le système ne sait pas traiter ? Quel indicateur risque de devenir une cible ? Quel rythme est soutenable ? Quelle correction doit être possible sans pénaliser celui qui la signale ?

Les études de cas mondiales publiées par l’OIT sur le dialogue social montrent que les représentants des travailleurs peuvent agir sur trois terrains : l’emploi et les compétences, le management algorithmique, puis les conditions et droits dans les chaînes de valeur de l’IA. Le dialogue est plus efficace lorsqu’il ne se limite pas à accompagner une décision déjà prise, mais peut influer sur l’investissement, l’usage et les protections.

La consultation n’est pas un frein ajouté à la fin du projet. Elle est une méthode de découverte des exigences que le cahier des charges n’avait pas vues.

La directive sur les plateformes dessine un miroir imparfait

La directive européenne de 2024 sur le travail via une plateforme donne une forme plus explicite à certaines protections : transparence, équité, supervision humaine, sécurité et responsabilité dans le management algorithmique. Elle limite aussi certains traitements de données et prévoit une explication ainsi qu’un réexamen humain pour des décisions importantes.

Son champ porte sur le travail via des plateformes. Une entreprise ordinaire ne peut donc pas recopier ses articles comme si chaque outil interne transformait immédiatement le bureau en plateforme numérique. Cette limite est précisément ce qui rend le texte instructif.

La directive montre le niveau de détail qu’une règle sectorielle peut atteindre lorsque l’organisation algorithmique du travail devient visible : quelles données ne doivent pas être traitées, quelles informations doivent être données, quelle surveillance humaine doit exister, comment une décision est expliquée et qui porte le coût de l’expertise.

Dans les lieux de travail ordinaires, ces questions restent réparties entre plusieurs branches du droit et plusieurs interlocuteurs. L’OCDE décrit cette fragmentation sans conclure que rien ne s’applique. Elle constate plutôt que les mesures spécifiques restent émergentes, en particulier sur la vie privée, la transparence et la responsabilité.

Le contrepoint est donc double. Une loi spéciale peut clarifier des droits et combler des seuils. L’attendre peut aussi devenir une excuse pour ne pas mobiliser les obligations présentes. Le texte nouveau est utile lorsqu’il précise un recours. Il l’est moins lorsqu’il sert à déclarer le reste du terrain provisoirement vide.

Le premier dossier tient en six questions de travail

Une organisation n’a pas besoin de rédiger immédiatement une doctrine générale. Elle peut commencer par un dossier court pour chaque système qui influence le travail. Ce dossier doit décrire des faits observables, pas l’intention du fournisseur.

Question	Preuve attendue avant extension
Quel travail change ?	Une comparaison avant/après des tâches, du rythme, des exceptions et des responsabilités
Quelles données entrent ?	L’inventaire des sources, durées, destinataires et données déduites sur les travailleurs
Quelle décision est influencée ?	Le chemin entre sortie du système, appréciation humaine et effet concret
Quel risque apparaît ?	Une évaluation incluant charge, autonomie, surveillance, sécurité, erreur et effets inégaux
Quel recours fonctionne ?	Un test où une personne obtient une explication, corrige une donnée et fait réexaminer le résultat
Qui a été consulté ?	Les questions soulevées, les réponses apportées et les changements décidés avant le déploiement

Méthode Jachère : synthèse opérationnelle des six domaines examinés par l’OCDE, des obligations européennes sur les données et la santé au travail, et des travaux de l’OIT sur l’organisation et le dialogue social. Vérification le 6 août 2026.

Le test le plus révélateur consiste à suivre un cas contesté. Un salarié signale qu’une recommandation est fausse ou qu’un indicateur ne représente pas son travail. Peut-il connaître les données utilisées ? Quelqu’un sait-il corriger la source ? La recommandation peut-elle être suspendue sans bloquer le service ? Le manager dispose-t-il d’une vraie marge pour décider autrement ? La correction modifie-t-elle les résultats futurs ?

Si le dossier ne sait répondre qu’au cas heureux, l’entreprise n’a pas encore décrit un système de travail. Elle a décrit une démonstration.

Ce qu’il faut laisser reposer

La demande d’une grande loi neuve pour chaque transformation technique contient une intuition juste : certaines protections existantes ont été écrites avant les architectures actuelles, leurs seuils laissent des zones grises et les recours sont dispersés. L’étude de l’OCDE montre précisément où les politiques restent peu développées.

Mais l’idée d’un vide complet arrange trop de monde. Elle permet au fournisseur de promettre une conformité future, à l’entreprise de repousser la consultation et au manager de traiter un changement d’organisation comme une mise à jour logicielle. Pendant ce temps, les données sont déjà collectées, les tâches déjà réparties et les salariés déjà invités à s’adapter.

Le droit ancien n’a pas prévu chaque modèle. Il a prévu que les travailleurs aient une santé, des données, des droits, des représentants et une capacité à contester ce qui les affecte. Ce socle n’est ni parfait ni suffisant. Il est disponible.

La maturité ne consiste donc pas à attendre que l’IA obtienne enfin sa règle spéciale. Elle consiste à reconnaître que, dès qu’un outil mesure, ordonne, recommande ou accélère le travail, il est entré dans un espace déjà gouverné. Le premier geste n’est pas de chercher une exception technologique. C’est d’ouvrir le dossier du travail qui a changé.