Gouverner les agents IA dans votre établissement

L'IA agentique va-t-elle réduire l'emploi ?

Anticiper8 min de lecture

La réponse courte

À terme, l'IA agentique transformera l'emploi plus qu'elle ne le réduira : des tâches partiront vers des agents, et le travail humain se déplacera vers la conception, la décision et le contrôle.

Les gains de productivité arriveront sans doute plus tard, et seront probablement moins visibles qu'on ne le croit.

Ce que devient le temps gagné dépend d'une décision de votre direction, à écrire avant la mise en service.

1. Les gains de productivité seront-ils aussi visibles qu'on le croit ?

Probablement pas, et pas tout de suite. En 1987, l'économiste Robert Solow écrit : « On voit les ordinateurs partout, sauf dans les statistiques de productivité »1. Les gains de l'informatique sont ensuite restés invisibles dans la productivité mesurée pendant une décennie.

Brynjolfsson, Rock et Syverson ont décrit ce mécanisme en 2021 sous le nom de courbe en J3. Les gains d'une technologie générale arrivent après des investissements complémentaires (organisation, compétences, processus), et la productivité mesurée baisse avant de monter. Un agent IA ne produit rien d'utile tant que le processus n'est pas écrit, que ses accès ne sont pas décidés et que personne n'a appris à relire ses sorties.

Le temps libéré peut aussi être absorbé par une exigence plus haute. En 1983, Ruth Schwartz Cowan a montré que les appareils ménagers n'avaient pas réduit le temps de travail domestique : on a lavé plus souvent, et la norme de propreté est montée avec la machine2. Le même effet peut se produire avec les agents IA (une hypothèse, qu'aucune enquête ne mesure encore) : plus de documents préparés, plus de réponses envoyées, donc plus de décisions à prendre. L'étudiant qui acceptait d'attendre sa réponse trois jours l'exigera le jour même.

Dans l'État, les gains annoncés existent. La direction des achats anticipe plus de 60 % de temps gagné sur la recherche et l'intégration des fournisseurs, et une expérimentation auprès de 10 000 agents dans six ministères a mesuré jusqu'à 16 % de temps gagné sur les synthèses documentaires4. Le rapport des inspections générales de juillet 2026 constate pourtant que ces gains restent « diffus » et rarement mesurés, et que l'immense majorité des expérimentations n'atteint pas le stade de l'industrialisation5.

Personne ne sait aujourd'hui quand ces gains se verront, ni quelle sera leur ampleur. Ne fondez donc ni un budget ni un plan d'effectifs sur un gain annoncé. Mesurez le temps de traitement d'un processus avant la mise en service, puis après quelques mois d'exécution.

2. Quelles tâches vont partir vers des agents, et que devient le travail humain ?

Sans doute celles qui réunissent trois conditions : 1) un fort volume ; 2) des règles écrites ; 3) un résultat vérifiable. Dans un établissement, ce sont les conventions de stage, les attestations, les premières réponses aux candidats et aux étudiants. Le poste du gestionnaire qui traite ces dossiers change de contenu.

Prenez une convention de stage. Un premier agent extrait les informations et vérifie leur cohérence avec le référentiel de la formation ; un deuxième contrôle les mentions obligatoires (gratification, durée, tuteur) ; un troisième prépare la réponse à l'étudiant et à l'entreprise ; un quatrième signale à un humain ce qui sort de la règle. Le gestionnaire ne traite plus toutes les conventions. Il traite celles qui posent problème (par exemple 10 %, un ordre de grandeur à calibrer sur vos chiffres) et contrôle les autres par échantillonnage. Il doit garder les cas difficiles : c'est en les traitant qu'il reste capable de juger si les cas simples sont justes.

Le responsable d'une ligne de montage automatisée ne visse plus les boulons. Il répond de ce que la ligne produit, de sa cadence, et décide quand l'arrêter. Le travail humain se déplace de la même façon, vers cinq activités :

  1. 1)concevoir : écrire ce que l'agent doit faire et ne jamais faire, à partir du règlement des études et des procédures ;
  2. 2)orienter : choisir les tâches confiées aux agents et le niveau d'autonomie de chacun ;
  3. 3)tester : vérifier sur des cas réels, avant la mise en service puis à chaque changement, que l'agent traite correctement les dossiers ;
  4. 4)décider : trancher les cas qui sortent de la règle, la décision restant humaine ;
  5. 5)contrôler : lire le journal des exécutions, vérifier un échantillon, arrêter l'agent si besoin.

Ces activités demandent de connaître le métier. Le gestionnaire qui connaît le règlement des études par cœur est le mieux placé pour écrire ce que l'agent doit faire, et pour repérer ce qu'il rate.

Les usages mesurés suivent déjà ce déplacement. Le Work Trend Index 2026 a analysé plus de 100 000 conversations avec un assistant IA en entreprise : 49 % des échanges servent à analyser, raisonner et décider, 17 % seulement à produire des contenus6. Dans l'enquête du même rapport (20 000 utilisateurs d'IA au travail, dix pays), le contrôle de la qualité des sorties de l'IA arrive en tête des compétences humaines qui gagnent en importance, citée par 50 % des répondants (43 % en France)7. Ces chiffres ne portent pas sur l'enseignement supérieur : l'enquête couvre tous les secteurs, et l'analyse des conversations exclut l'enseignement et ne couvre que l'Amérique du Nord.

3. Que ferez-vous du temps gagné ?

Écrivez-le avant la mise en service, et faites signer la phrase par la direction. Que l'IA agentique réduise ou non l'emploi dans votre établissement dépend en grande partie de cette réponse.

Vos équipes attendent cette décision. Dans le Work Trend Index 2026, 65 % des utilisateurs d'IA au travail craignent d'être distancés s'ils ne s'adaptent pas vite, et 45 % jugent pourtant plus sûr de rester sur leurs objectifs actuels que de repenser leur travail avec l'IA (53 % et 43 % en France)7. Seuls 26 % des utilisateurs jugent leur direction claire et alignée sur l'IA (20 % en France)7.

Un gain de temps qu'on n'a pas affecté se dilue en réunions, en relectures et en tâches existantes. Quatre affectations se défendent dans un établissement :

  1. 1)l'analyse : comprendre pourquoi une règle produit des exceptions, et la corriger ;
  2. 2)la relation : recevoir l'étudiant avant son départ en stage, rencontrer l'entreprise d'accueil ;
  3. 3)les cas complexes : l'étudiant en difficulté, la dérogation qui demande un jugement, la réclamation qui s'envenime ;
  4. 4)la croissance : absorber une hausse des effectifs étudiants sans recrutement supplémentaire.

La quatrième est un choix légitime, à condition de l'écrire aussi clairement que les trois autres. Une phrase suffit, sur le modèle : « le temps gagné sur les conventions de stage sert à recevoir chaque étudiant avant son départ ». Elle engage la direction et répond à la question que vos équipes se posent ; une charte qui liste des interdits n'y répond pas.

Le règlement européen sur l'IA impose déjà d'informer le personnel dans certains cas. Avant de mettre en service ou d'utiliser un système à haut risque sur le lieu de travail, l'établissement employeur doit en informer les représentants du personnel et les personnels concernés (article 26, paragraphe 7)8. Les usages à haut risque de l'enseignement sont listés à l'annexe III, point 3 (l'accès et l'admission, l'évaluation des acquis, l'évaluation du niveau d'enseignement approprié, la surveillance des examens) ; leurs obligations s'appliquent à partir du 2 décembre 2027. Une chaîne qui vérifie les conventions de stage n'y entre pas, tant qu'elle ne sert ni à admettre ni à évaluer un étudiant. Informez quand même, par écrit et avant la mise en service, pour chaque agent : la réunion coûte peu, et l'habitude sera prise quand l'obligation s'appliquera à l'admission.

4. À quoi s'attendre dans quatorze mois ?

À des agents environ quatre fois plus autonomes. METR mesure la durée d'une tâche humaine qu'un modèle réussit seul une fois sur deux9. Cette durée était de 4 secondes en 2019 ; elle atteint 16 heures en 2026, soit deux journées de travail d'un expert. Elle double tous les sept mois. Si la courbe tient, elle atteindra 64 heures fin 2027, soit une semaine et demie de travail d'un chef de projet (une extrapolation : au-delà de 16 heures, les mesures sont encore peu fiables).

La liste des tâches qu'un agent peut mener seul s'allongera probablement vite, et un périmètre écrit aujourd'hui (« les agents feront ceci, jamais cela ») risque d'être dépassé fin 2027. Le cadre peut rester stable. Il tient en trois noms par agent : qui conçoit (consignes et accès), qui surveille (journal, arrêt), qui signe ce qui sort. Il fixe aussi, par écrit, le niveau d'autonomie de chaque agent : monter d'un niveau revient à ouvrir un accès de plus, et cela se décide.

La phrase sur le temps gagné suit la même logique. Écrite pour un premier processus, elle servira de référence pour les suivants ; sans elle, la question reviendra à chaque nouvel agent, service par service.

À faire

  1. 1)Écrire la phrase sur le temps gagné et la faire signer par la direction : « le temps gagné sur X sert à Y ».
  2. 2)Choisir le premier processus candidat : fort volume, règles écrites, résultat vérifiable (conventions de stage, attestations, premières réponses aux candidats).
  3. 3)Désigner la personne qui lit le journal chaque semaine : une personne nommée, et non un service.

Ce que fait Edugent

Chaque module suit un déroulé écrit et versionné, réglé sur vos étapes, vos consignes, vos documents et vos destinataires.

Chaque agent a un responsable nommé et des outils accordés un par un ; votre administrateur peut l'arrêter à tout moment, et chaque exécution est tracée dans un journal exportable.

Les décisions restent toujours humaines : ce que l'agent prépare pour vos équipes attend leur validation, et ses échanges avec une personne extérieure portent la mention de transparence de l'article 50.

Pour aller plus loin

Sources

  1. 1.Robert Solow, New York Times Book Review, 12 juillet 1987.
  2. 2.Ruth Schwartz Cowan, « More Work for Mother », 1983.
  3. 3.Erik Brynjolfsson, Daniel Rock et Chad Syverson, « The Productivity J-Curve », American Economic Journal: Macroeconomics, 2021.
  4. 4.Exemples tirés du rapport IGF-IGAS-IGA de juillet 2026, repris par l'AFP le 6 juillet 2026 : https://www.weka.fr/actualite/administration/article/dans-les-administrations-publiques-l-ia-produit-deja-des-gains-d-efficacite-selon-un-rapport-de-l-igf-216410/ ; expérimentation de la DITP auprès de 10 000 agents dans six ministères, présentée avec le plan « Notre IA » le 16 juin 2026 : https://www.economie.gouv.fr/actualites/video-le-plan-notre-ia-pour-les-services-publics-devoile
  5. 5.IGF-IGAS-IGA, « Le déploiement de l'intelligence artificielle dans les administrations publiques : analyse comparée, enjeux et conditions de réussite », rendu public le 2 juillet 2026 : https://www.igas.gouv.fr/le-deploiement-de-lintelligence-artificielle-dans-les-administrations-publiques-analyse-comparee-enjeux-et-conditions-de-reussite
  6. 6.Work Trend Index 2026, rapport annuel, mai 2026 : analyse de 105 000 conversations avec un assistant IA en entreprise, une semaine de février 2026, Amérique du Nord, enseignement exclu ; les pourcentages sont des parts des objectifs des utilisateurs détectés dans les conversations : https://assets-c4akfrf5b4d3f4b7.z01.azurefd.net/assets/2026/05/2026_Work_Trend_Index_Annual_Report_050526-7_69fc5b1c4e265.pdf
  7. 7.Work Trend Index 2026, enquête auprès de 20 000 utilisateurs d'IA au travail dans dix pays (2 000 en France), février-avril 2026, données déclaratives, tous secteurs ; données par pays en annexe : https://assets-c4akfrf5b4d3f4b7.z01.azurefd.net/assets/2026/05/2026_Work_Trend_Index_Annual_Report_050526-7_69fc5b1c4e265.pdf
  8. 8.Règlement (UE) 2024/1689 du 13 juin 2024 sur l'intelligence artificielle, article 26, paragraphe 7, et annexe III, point 3 : https://eur-lex.europa.eu/eli/reg/2024/1689/oj ; règlement (UE) 2026/1744, publié au Journal officiel de l'Union européenne le 24 juillet 2026, qui reporte au 2 décembre 2027 les obligations des usages à haut risque de l'annexe III : https://eur-lex.europa.eu/eli/reg/2026/1744/oj
  9. 9.METR, « Task-Completion Time Horizons of Frontier AI Models », mai 2026 (mesure à 50 % de réussite ; au-delà de 16 heures, les mesures sont encore peu fiables, et fin 2027 est une extrapolation).

Parlons de vos agents IA

Une démonstration de 30 minutes avec notre équipe, sans engagement.