L'IA va-t-elle nous remplacer ? Ce que 70 ans d'histoire répondent

« L’IA va-t-elle nous remplacer ? » C’est la question que je lis dans le regard de la plupart des gens à qui je dis que je travaille dans l’intelligence artificielle. D’un côté, des entreprises qui m’appellent parce qu’elles ont un vrai besoin. De l’autre, des connaissances — dans des métiers très variés — persuadées que je participe à une machine qui va « voler tous les emplois ».

C’est une crainte légitime, et elle mérite une vraie réponse, pas une formule rassurante. Cette réponse, je vais la chercher là où on ne l’attend pas : dans l’histoire de cette technologie. Parce que derrière la peur du remplacement, il y a presque toujours une idée fausse — que l’IA serait une nouveauté brutale, apparue il y a trois ans avec ChatGPT, tombée du ciel pour bouleverser le travail. Or l’IA a soixante-dix ans. Elle traverse nos entreprises et nos administrations depuis des décennies. Et à chaque fois qu’on a craint qu’elle « remplace les gens », c’est autre chose qui s’est produit.

Voilà pourquoi cet article commence par un détour dans le passé : ce que l’IA a fait au travail depuis cinquante ans est le meilleur indice de ce qu’elle lui fera demain. Et le verdict, on va le voir, n’est pas celui qu’on redoute.

L’IA a 70 ans, pas trois

Pour savoir si l’IA va nous remplacer, il faut d’abord regarder d’où elle vient vraiment — parce que ce n’est pas du tout d’où on croit. Voici la chose que presque personne ne sait, et qui change tout le regard qu’on porte sur le sujet : le terme « intelligence artificielle » a été inventé en 1956, lors d’une conférence universitaire à Dartmouth, aux États-Unis. Et ses fondements mathématiques remontent encore plus loin — un premier modèle du neurone dès 1943, la fameuse question d’Alan Turing « une machine peut-elle penser ? » en 1950.

Autrement dit, quand vos parents ou vos grands-parents étaient jeunes, des chercheurs travaillaient déjà sur des machines capables de raisonner, d’apprendre et de décider. L’IA n’est pas une rupture de 2022. C’est un champ scientifique aussi vieux que l’informatique elle-même — et si les mots vous manquent pour en parler, j’en ai posé une définition simple et concrète dans un autre article.

Ce qui a changé récemment, ce n’est pas l’existence de l’IA — c’est sa visibilité. ChatGPT a rendu spectaculaire et accessible à tous une technologie qui, jusque-là, travaillait dans l’ombre. Et cette confusion entre « nouveau » et « nouvellement visible » est à la racine de presque toutes les peurs actuelles.

L’IA que vous utilisez déjà sans le savoir

Si vous pensez n’avoir jamais utilisé d’IA avant ChatGPT, détrompez-vous. Voici quelques technologies d’intelligence artificielle qui vous entourent depuis longtemps :

• Le tri du courrier. Dès 1965, la poste américaine mettait en service des lecteurs optiques capables de lire les codes postaux et de trier automatiquement les lettres. C’est de la reconnaissance de formes — une branche de l’IA — en production depuis soixante ans.
• La configuration industrielle. En 1980, le constructeur informatique DEC mettait en service XCON, un système expert qui configurait des ordinateurs sur mesure à partir du catalogue de pièces. Des milliers de commandes par an, validées par une machine qui raisonnait sur des règles.
• La détection de fraude bancaire. Quand votre banque bloque une transaction suspecte, c’est un système d’IA qui a repéré un comportement atypique. American Express en déployait un dès 1988, traitant des milliers de transactions à l’heure.
• Les recommandations en ligne. Le « les clients qui ont acheté ceci ont aussi aimé cela » d’Amazon repose sur des algorithmes d’IA affinés depuis le début des années 2000.
• Le filtre anti-spam de votre boîte mail, la reconnaissance vocale, la traduction automatique : toutes ces briques existent et travaillent discrètement depuis les années 1990-2000.

Le point commun de ces IA « historiques » ? Elles étaient spécialisées et invisibles. Chacune faisait une seule chose, enfouie dans un logiciel, sans jamais se présenter à vous comme « une intelligence artificielle ». Vous voyiez le résultat — un courrier trié, une transaction bloquée, une recommandation — jamais le moteur.

Les grands modèles de langage n’ont donc pas remplacé « l’ancienne IA ». Ils s’y sont ajoutés. Une banque, aujourd’hui, fait tourner en même temps un détecteur de fraude, un système de scoring, des règles de conformité et un assistant conversationnel. Ce dernier est juste le seul que le grand public voit.

Alors pourquoi cette impression que « tout arrive d’un coup » ?

Parce que les LLM ont franchi trois barrières que les IA précédentes n’avaient jamais franchies en même temps.

D’abord, ils parlent notre langue. Toutes les IA d’avant exigeaient un logiciel spécialisé, une intégration technique, une formation. ChatGPT, lui, comprend une phrase écrite normalement. L’interface universelle du langage a rendu la machine soudain accessible à tout le monde, sans installation ni compétence particulière.

Ensuite, ils produisent quelque chose qu’on voit immédiatement. Un score de risque bancaire est abstrait — vous ne le verrez jamais. Un texte, une image ou un bout de programme généré en trois secondes, c’est concret, spectaculaire, partageable. La visibilité crée l’impression de nouveauté.

Enfin, la diffusion a changé d’échelle. En quelques mois, des centaines de millions de personnes ont pu tester la même technologie. Aucune IA n’avait jamais connu ça. D’où le sentiment d’un raz-de-marée — alors qu’en réalité, c’est l’aboutissement visible de sept décennies de travail.

Le vrai sujet : l’IA va-t-elle voler les emplois ?

C’est la crainte de fond, et elle mérite mieux qu’une réponse rassurante en une ligne. Regardons ce que l’histoire montre réellement.

À chaque vague d’IA — les systèmes experts des années 1980, l’automatisation industrielle des années 1990 — la même inquiétude est revenue. Et à chaque fois, ce qui s’est produit n’est pas une disparition massive des emplois, mais un déplacement du travail. Prenez le cas de Ford dans les années 1990 : l’entreprise a déployé un système d’IA pour planifier l’assemblage automobile. Résultat ? Le système n’a pas licencié les planificateurs. Il a changé leur métier : moins de calculs répétitifs de temps de travail, plus de coordination, de supervision et d’amélioration des procédures. L’IA a pris les tâches mécaniques ; les humains ont gardé — et enrichi — les tâches qui demandent du jugement.

C’est exactement ce que vise l’IA agentique d’aujourd’hui, celle sur laquelle je travaille au quotidien — que vous cherchiez un intervenant en IA près d’Avignon ou simplement à comprendre ce que ces outils changent. Un « agent » IA, c’est un système qui exécute des enchaînements de tâches en autonomie. Et les tâches qu’on lui confie sont précisément celles que personne n’aime faire : ressaisir des données d’un fichier à l’autre, trier des centaines d’e-mails, remplir des rapports standardisés, réconcilier des tableaux, surveiller des seuils. Le genre de travail répétitif, sans valeur ajoutée humaine, qui use — et qui, à haute dose, conduit au désengagement et au burn-out.

Ce que l’IA déplace, concrètement

Quelques exemples de ce déplacement, tel que je le vois dans les projets réels :

Dans un cabinet comptable. L’agent ne remplace pas le comptable. Il fait la saisie et le rapprochement bancaire — la partie mécanique, chronophage, source d’erreurs de fatigue. Le comptable, lui, se recentre sur le conseil, l’analyse, la relation client : le cœur qualifiant de son métier, celui pour lequel il a fait des études.

Dans un service client. L’IA absorbe les questions répétitives (« où en est ma commande ? ») qui saturent les équipes. Les humains traitent les cas complexes, sensibles, émotionnels — ceux qui demandent de l’empathie et du discernement, et que justement une machine ne sait pas gérer. J’ai détaillé ailleurs comment se répartit ce travail entre l’IA et les conseillers.

Dans une PME artisanale. L’automatisation gère les devis standards, les relances, la paperasse administrative. L’artisan retrouve du temps pour son métier — celui qu’il maîtrise et qui a de la valeur — au lieu de le passer devant un tableur.

Le fil rouge est toujours le même : l’IA prend l’ingrat, l’humain garde le qualifiant. Ce n’est pas une utopie, c’est la logique économique même de ces outils — on n’automatise pas ce qui demande du jugement humain, parce que c’est précisément là que les machines échouent. C’est aussi la façon dont j’aborde chaque projet d’automatisation d’entreprise par l’IA : on part des tâches qui épuisent, pas des postes.

Une évolution, pas une disparition

Je ne vais pas vous vendre un monde sans friction. Tout changement technologique déplace des compétences, et certains métiers évoluent vite — il faut de l’accompagnement, de la formation, une transition pensée. Nier cela serait malhonnête. Mais confondre « déplacement » et « disparition », c’est se tromper de peur.

L’IA existe depuis soixante-dix ans. Elle a traversé des vagues, des hivers, des retours en force. À chaque fois, elle a rendu certaines tâches obsolètes — et à chaque fois, le travail humain s’est déplacé vers le haut, vers ce qui demande de la réflexion, de la relation, de la création. L’IA agentique d’aujourd’hui accélère ce mouvement, elle ne l’inverse pas.

Alors, l’IA va-t-elle nous remplacer ? Non — mais elle va transformer le travail, comme elle le fait discrètement depuis l’époque de nos grands-parents. La prochaine fois qu’on vous dira qu’elle va « tout remplacer », vous pourrez répondre deux choses. Que cette technologie nous accompagne depuis soixante-dix ans. Et qu’elle a toujours fini par libérer les gens des tâches qui les épuisaient, pour les rendre à celles qui les valorisent. C’est précisément ce que je cherche à faire à travers mes projets d’intégration et d’automatisation par IA : pas des machines qui remplacent des gens, mais des outils qui rendent le travail plus supportable et plus intéressant.

Cet article s’appuie sur l’histoire documentée de l’intelligence artificielle, de la conférence de Dartmouth (1956) aux modèles de langage actuels. Les dates et exemples cités — tri postal OCR de 1965, système XCON de DEC en 1980, Authorizer’s Assistant d’American Express en 1988, planification Ford dans les années 1990 — sont des jalons réels et sourcés de cette histoire.