La réduction des effectifs libère des budgets, sans pour autant créer de valeur. Comment revoir l’organisation du travail pour mettre les personnes au cœur de votre stratégie IA?

Comment les organisations devraient-elles considérer leur main-d’œuvre lorsqu’elles cherchent à concevoir des flux de travail appuyés par l’IA? Au cours des dernières années, de nombreuses grandes entreprises ont adopté une approche bien connue : investir dans des outils d’IA, réduire les effectifs et s’attendre à un rendement rapide.

De grandes organisations, tous secteurs confondus, déploient des solutions d’IA, souvent suivies de réductions d’effectifs. En effet, plus de 80 % des entreprises qui mettent en œuvre des capacités opérationnelles autonomes procèdent également à des compressions de personnel¹.

Et si cette approche n’avait jamais permis de créer de valeur? Les données et l’expérience des leaders commencent à éclairer les conséquences d’une assimilation entre réduction des coûts et création de valeur.

Les recherches de Deloitte ne montrent aucune preuve constante que les réductions d’effectifs liées à l’IA améliorent la performance financière. Au contraire, alors que 84 % des organisations augmentent leurs investissements en IA, seulement 20 % font état de retombées significatives sur leurs revenus².  

Alors pourquoi l’IA seule ne se traduit-elle pas en création de valeur?

La plupart des organisations se sont arrêtées à l’automatisation. Elles ont déployé des outils d’IA et réduit leurs effectifs, sans pour autant repenser le travail lui-même. En conséquence, les gains d’efficacité initiaux ne se sont pas transformés en performance durable ni en retombées significatives sur les revenus.

Comme on pouvait s’y attendre, la réduction des effectifs crée des écarts. Des dimensions essentielles et propres à l’humain, comme le jugement, le contexte et la créativité, demeurent au cœur des résultats. Lorsque des postes sont supprimés sans redéfinir la manière dont le travail est effectué, ces capacités disparaissent également. Les organisations se retrouvent alors à tenter de reconstituer en urgence des expertises critiques, alors que des occasions manquées et des difficultés d’exécution commencent à se manifester.

La création de valeur repose sur une refonte du travail qui permet aux personnes et à l’IA d’agir de concert, chacun contribuant là où son apport est le plus déterminant.

La refonte du travail, moteur de création de valeur au-delà de l’efficience

Les organisations qui tirent une réelle valeur de l’IA la considèrent comme un levier de transformation du travail plutôt que comme un simple enjeu de taille des effectifs. Elles repensent les flux de travail, les mécanismes décisionnels et la manière dont le jugement humain s’articule avec les capacités des technologies. Selon l’étude Global Human Capital Trends 2026 de Deloitte (en anglais), les organisations qui entreprennent cette refonte sont deux fois plus susceptibles de dépasser leurs objectifs de rendement en matière d’IA et près de 2,5 fois plus susceptibles d’obtenir de meilleurs résultats financiers que celles qui se concentrent uniquement sur les gains d’efficience³.  

De nombreuses organisations en arrivent à ce constat à leurs dépens. Les premières réductions d’effectifs, fondées sur l’hypothèse que l’IA pouvait prendre en charge l’ensemble des activités, ont mis en lumière des lacunes de capacité qui ralentissent la mise en œuvre et limitent le passage à l’échelle. En réaction, les organisations réembauchent ou réintroduisent des expertises afin de rétablir les capacités perdues.

Lorsqu’elles prennent des décisions durables en matière de talents en s’appuyant sur des capacités technologiques nouvelles ou temporaires, et qu’elles considèrent les premiers gains de productivité comme la preuve d’un remplacement structurel, les organisations négligent une étape essentielle, soit réinvestir les capacités en repensant le travail.

Ce constat met en évidence un contraste marqué. On n’implanterait pas une nouvelle solution technologique sans revoir les processus, analyser les interdépendances et planifier son adoption. Pourtant, les décisions relatives au capital humain sont souvent traitées de manière binaire, soit conserver les postes, soit les supprimer. Une telle approche fait abstraction d’un enjeu plus complexe, mais aussi plus porteur, soit la redéfinition de la contribution des personnes aux côtés de l’IA.

Tout comme on revoit les flux de travail lors de l’introduction de nouvelles technologies, la création de valeur grâce à l’IA exige le même niveau de réflexion intentionnelle quant à la manière dont les personnes contribuent.

Trois archétypes qui façonnent l’avenir du travail produit par l’IA

Bien que l’IA puisse automatiser et accélérer certaines activités, les résultats continuent de reposer sur le jugement humain, le contexte et la prise de décision. Les organisations qui se démarqueront seront celles qui intégreront délibérément cet apport humain distinctif, en veillant à ce que ces capacités soient au cœur de l’exécution du travail.

Nos recherches chez Deloitte montrent que 93 % des investissements en IA sont consacrés aux technologies, contre seulement 7 % aux personnes et à la conduite du changement⁴. Une approche axée sur la refonte du travail permet de rééquilibrer ces investissements en accordant une place accrue aux personnes et à la transformation.

Les organisations les plus performantes s’appuieront sur trois archétypes de talents essentiels :

• Opérateurs : ceux qui déploient, exploitent et maintiennent les solutions d’IA en production
• Traducteurs : ceux qui établissent le lien entre les capacités de l’IA et les résultats d’affaires ainsi que les décisions
• Gouverneurs : ceux qui assurent la confiance, la gestion des risques et la qualité des décisions à grande échelle

Repenser le travail autour de ces archétypes s’inscrit dans une réinvention plus large de l’entreprise. Les organisations de premier plan partent de l’expérience qu’elles souhaitent offrir à leurs clients, puis redéfinissent les rôles et les processus pour atteindre cet objectif. Cette approche tranche avec la démarche courante qui consiste à multiplier les cas d’usage de l’IA et les initiatives d’automatisation, puis à tenter d’en favoriser l’adoption sans trajectoire claire vers la création de valeur.

Prochaines étapes : huit actions sans regret

Plutôt que de se concentrer sur la réduction des effectifs, les organisations qui obtiennent des résultats concrets se posent une question essentielle : « Comment repenser le travail en fonction des occasions qui s’offrent à nous, et disposons-nous des capacités nécessaires pour le réaliser? »

Voici huit actions sans regret pour y répondre.

1. Repenser le travail avant de transformer la main-d’œuvre

• Commencez par le travail, et non par les rôles. Repérez les flux de travail les plus critiques et décomposez-les en tâches à automatiser, à enrichir ou à rehausser.
• Planifiez les changements de manière séquencée afin qu’ils puissent être testés et adoptés sans perturber la performance ni l’expérience client.
• Appuyez-vous sur les données pour comprendre comment ces tâches sont réalisées aujourd’hui et comment elles évolueront avec l’IA.
• Prenez des décisions explicites quant aux activités qui disparaissent, aux points d’intervention de la technologie et à la nouvelle valeur à générer.

2. Réaffecter les talents avant de s’en départir

• Mettez en pause les départs liés à l’IA qui ne reposent pas sur une refonte du travail éprouvée.
• Mettez en place de courts cycles de travail axés sur l’automatisation, la gouvernance et les rôles redéfinis grâce à l’IA.

3. Faire évoluer le leadership avant le passage à l’échelle

• L’IA transforme les attentes envers le leadership. Rehaussez ces attentes pour refléter un environnement où le jugement, la responsabilité et la coordination priment sur la supervision.
• Considérez l’IA comme une responsabilité fondamentale des dirigeants, précisez le rôle du jugement humain et montrez l’exemple quant à une utilisation responsable de l’IA.
• Rendez visibles les arbitrages décisionnels, les risques et les orientations, particulièrement lorsqu’ils impliquent l’IA.

4. Mettre en place un système de compétences plutôt qu’un programme de formation

• Passez d’un perfectionnement ponctuel à un modèle de capacités durable.
• Établissez trois niveaux de compétences :
  1. Culture de l’IA (pour tous)
  2. Application aux flux de travail (spécifique aux rôles)
  3. Avancé (opérateurs, traducteurs, gouverneurs)
• Établissez une correspondance entre les talents actuels et les besoins futurs. Définissez clairement votre stratégie de développement et d’acquisition de talents. Aujourd’hui, la plupart des données sur la main-d’œuvre reflètent l’état actuel, soit les rôles en place et les compétences disponibles. Or, la refonte exige une perspective tournée vers l’avenir du travail lui-même : quelles tâches auront de l’importance, comment les flux évolueront et où de nouvelles sources de valeur émergeront. Des plateformes comme Workforce Analyzer (en anglais) de Deloitte aident les organisations à franchir cette étape, en passant d’une évaluation statique à une modélisation dynamique des besoins futurs en travail et en capacités.
• Ancrez ce modèle dans des données prospectives sur l’évolution attendue du travail et des tâches, et non seulement sur les capacités actuelles.

5. Adapter vos pratiques d’embauche et d’intégration à l’IA

• Recrutez des talents qui démontrent une utilisation concrète de l’IA dans leur travail.
• Concevez l’intégration pour favoriser la productivité dès le premier jour, plutôt qu’une simple orientation.
• Offrez un accès immédiat aux outils d’IA.
• Intégrez simultanément les personnes et les flux de travail appuyés par l’IA.

6. Reconfigurer les mécanismes de reconnaissance pour privilégier les résultats

• Encouragez les gains de productivité, les automatisations réalisées et l’amélioration des décisions, en vous appuyant sur des indicateurs clairement définis dès le départ.
• Faites évoluer les mécanismes de reconnaissance en les liant à des retombées d’affaires mesurables plutôt qu’au volume d’activités.
• Revoyez l’évaluation de la performance pour refléter des flux de travail appuyés par l’IA, où les individus sont responsables de la coordination des résultats, et non seulement de la production.

7. Mobiliser les anciens employés et les bassins de talents flexibles

• Réengagez d’anciens employés grâce à des programmes structurés et à des parcours de réintégration, en ciblant notamment les profils ayant une expertise en IA, en données et en automatisation.
• Recourez à des modèles de talents contractuels et flexibles pour accéder à des compétences spécialisées et ajuster la capacité en fonction de l’évolution des priorités technologiques et d’affaires.
• Les anciens employés connaissent déjà l’organisation. En plus de réduire les risques liés à l’embauche et d’accélérer la productivité, ils constituent une source stratégique de compétences rares, en apportant à la fois leur connaissance organisationnelle et leur agilité.

8. Mettre en place une gouvernance de l’IA dès le départ

• Définissez les situations où l’IA prend des décisions et celles où elle appuie la prise de décision humaine.
• Précisez les responsabilités à l’égard des résultats.
• Mettez en place des mécanismes de gestion des risques, d’audit et d’escalade.

Exemples concrets de refonte créatrice de valeur

La réaffectation des efforts permet un gain de productivité de 30 %

Une entreprise européenne de télécommunications a intégré l’IA à son service à la clientèle sans revoir les rôles ni les flux de travail, n’obtenant qu’un gain de productivité d’environ 5 %. En réorientant près de 90 % de ses efforts vers la refonte des interactions entre les personnes et l’IA, notamment les mécanismes d’escalade, les seuils de confiance et la formation, elle a atteint une amélioration d’environ 30 %⁵.

Libérer un potentiel de capacité de 60 millions de dollars

Une entreprise technologique mondiale s’est associée à Deloitte pour aller au-delà du simple déploiement d’outils d’IA et adopter une approche structurée de refonte du travail et des rôles. Les équipes ont recensé plus de 170 cas d’usage appuyés par l’IA et ont chiffré un potentiel de capacité de plus de 44 millions de dollars américains (environ 60 millions de dollars canadiens)⁶. Cette démarche a permis de traduire les investissements en IA en valeur d’affaires mesurable à grande échelle.

Préserver l’expertise pour accélérer la résolution de problèmes

Un constructeur automobile mondial risquait de perdre des expertises essentielles avec le départ à la retraite d’ingénieurs expérimentés, alors que ses opérations complexes exigeaient toujours un haut niveau de jugement technique. Il a mis en place un programme d’expertise avancée, réembauchant des ingénieurs retraités dans des rôles flexibles axés sur des projets afin de résoudre des défis techniques et d’accompagner les équipes. Cette initiative a permis de préserver les connaissances organisationnelles, d’accélérer la résolution de problèmes et de structurer le transfert des savoirs⁷.

Comment capter la pleine valeur de l’IA

Les organisations de premier plan redéfinissent leurs façons de mesurer la valeur en établissant un lien entre la refonte du travail et des indicateurs clés d’affaires, telles que l’expérience client, la rapidité et la qualité des décisions, plutôt que de se limiter aux économies de coûts. L’ajout de l’IA aux processus existants continuera autrement de produire des gains marginaux.

En combinant la refonte du travail à des données prospectives et à des capacités de modélisation, notamment grâce à des plateformes comme Workforce Analyzer (en anglais), Deloitte accompagne les leaders pour repérer les sources de valeur de l’IA, définir les capacités requises et suivre les résultats à mesure que le travail évolue. L’accent se déplace ainsi de la réduction des efforts vers la création de retombées, et d’une recherche d’efficience à court terme, obtenue par la réduction des effectifs, vers une performance durable portée par les personnes.

Communiquez avec nos leaders pour commencer.