En janvier 2016, j’ai publié sur Facebook une liste des professions les plus recherchées en Italie. Le Digital Marketing arrivait en tête et j’en étais satisfait, même un peu vaniteux, j’imagine : c’était le secteur dans lequel j’avais décidé de construire mon avenir et les chiffres semblaient me dire que j’avais fait le bon choix.

Dans ce même post, j’avais écrit cinq choses, dans cet ordre : positionnement, focus, stratégie et objectifs, outils, mesure. J’avais aussi ajouté une note : l’ordre n’est pas un hasard. Je l’écrirais encore aujourd’hui, sauf que la raison est désormais différente.

Une prévision plutôt facile

Quelques années plus tard, peu avant la pandémie, j’étais à Milan devant une centaine d’entrepreneurs. J’expliquais Meta Business Manager : écrans, réglages, campagnes, toute la partie technique. À un moment, j’ai dit à peu près ceci : l’objectif des plateformes sera d’écarter ceux qui font mon métier ; tôt ou tard, vous choisirez ce que vous voulez obtenir, combien vous voulez dépenser, et l’algorithme fera une grande partie du reste.

Ce n’était pas une prophétie particulièrement brillante. C’était la direction naturelle des choses. Si Meta et Google gagnent de l’argent lorsque les entreprises investissent sur leurs plateformes, tout intermédiaire nécessaire pour les faire fonctionner est aussi une friction à réduire.

Aujourd’hui, cette direction est beaucoup plus évidente. En 2025, Reuters, citant le Wall Street Journal, relatait le projet de Meta d’automatiser progressivement la création et le ciblage des campagnes publicitaires d’ici fin 2026 : l’annonceur fournit une image du produit et le budget, tandis que le système génère les éléments créatifs et décide de leur diffusion. Cela ne signifie pas que l’être humain a déjà disparu du processus ; cela signifie que l’objectif industriel est de rendre automatique une part toujours plus grande de l’exécution.
Source : Reuters, 2 juin 2025.

Mais ce qui m’intéresse n’est pas Meta. C’est nous.

Pendant des années, nous avons confondu le travail avec les outils du travail

Une grande partie de la valeur économique de nombreuses professions numériques venait aussi de la difficulté à exécuter : paramétrer une campagne, écrire une landing page, monter une vidéo, créer une présentation, analyser une feuille de données, produire un rapport, écrire du code, traduire, préparer une première recherche ou une première ébauche.

C’étaient des activités qui demandaient du temps et un certain seuil de compétence technique pour y accéder. Ce seuil baisse très vite. Quand quelque chose qui prenait hier quatre heures n’en prendra demain que quatre minutes, le travail ne disparaît pas automatiquement, mais la raison pour laquelle quelqu’un est prêt à vous payer change. C’est cette partie-là, à mon sens, que nous continuons à sous-estimer.

La donnée la plus intéressante concerne ceux qui devraient commencer

En août 2026, le Stanford Digital Economy Lab a publié une révision de l’étude Canaries in the Coal Mine?, fondée sur des données administratives concernant des millions de travailleurs américains et mises à jour jusqu’en juin 2026.

Le premier résultat est important précisément parce qu’il contredit le récit le plus facile : les chercheurs n’observent pas de substitution généralisée de l’emploi dans l’ensemble de l’économie. Ils observent toutefois une divergence précise. Chez les travailleurs de 22–25 ans exerçant des professions fortement exposées à l’IA, l’emploi est environ 19 % inférieur au niveau qu’il aurait atteint s’il avait suivi l’évolution de leurs pairs dans des professions moins exposées. L’écart semble surtout se manifester par une baisse des embauches, et non par une vague de licenciements ; il se concentre en outre dans les métiers où l’IA tend à remplacer des tâches humaines, tandis que le tableau est différent dans les emplois où elle sert surtout à assister les personnes.

Les auteurs eux-mêmes présentent ces résultats comme des signaux empiriques à interpréter avec prudence, et non comme la preuve que toute variation de l’emploi observée serait causée par l’IA.
Source : Stanford Digital Economy Lab, révision du 12 août 2026.

Pour moi, la question la plus intéressante naît précisément ici. Je n’ai pas commencé en faisant de la stratégie, et je crois que presque personne ne commence par le travail le plus complexe. D’abord, on fait mal les choses simples, puis on les fait mieux ; on se trompe, on observe quelqu’un de meilleur, on copie, on découvre pourquoi copier ne suffit pas, on accumule des cas et des contextes. À un moment, on appelle expérience toute cette matière qui s’est déposée avec le temps.

Si l’IA devient très bonne précisément dans les tâches grâce auxquelles nous construisions normalement cette expérience, alors la question n’est pas seulement de savoir combien d’emplois elle détruira. C’est aussi de savoir comment nous formerons les personnes qui, un jour, devraient exercer les métiers que nous ne voulons pas confier à l’IA. Supprimer le premier barreau de l’échelle ne crée pas automatiquement davantage de seniors.

Les grands chiffres doivent être lus pour ce qu’ils mesurent

Même le Future of Jobs Report 2025 du World Economic Forum est souvent mal résumé. Il ne dit pas que l’intelligence artificielle supprimera 92 millions d’emplois. L’estimation porte sur l’ensemble des transformations technologiques, économiques, démographiques, géopolitiques et environnementales prises en compte par le rapport : d’ici 2030, environ 170 millions de rôles pourraient être créés et environ 92 millions déplacés, soit un solde positif de 78 millions.

Dans ce même rapport, toutefois, 41 % des employeurs interrogés déclarent prévoir des réductions d’effectifs là où l’IA pourra automatiser certaines tâches. Là encore, ce n’est pas un futur gravé dans le marbre : ce sont les attentes déclarées par des entreprises interrogées. Mais cela suffit pour comprendre que nous ne parlons pas simplement d’un logiciel de plus.
Sources : World Economic Forum, Future of Jobs Report 2025 et communiqué de synthèse.

Il en va de même pour un autre chiffre devenu très efficace dans les titres. En 2026, Mark Ritson a commenté dans Adweek une analyse d’Anthropic selon laquelle environ 65 % des tâches réalisées par les professionnels du marketing pourraient, à terme, être remplacées par des opérations d’IA. Des tâches, pas des emplois. La différence est énorme : une profession est un ensemble d’activités et, lorsqu’une partie est automatisée, ce travail peut disparaître, se réduire, changer ou devenir plus productif.
Source : Adweek, “65% of Marketing Jobs May Not Survive AI”.

Qu’est-ce qui reste à nous ?

Pendant des années, nous nous sommes rassurés en disant que les machines feraient les tâches répétitives et nous laisseraient la créativité. Puis nous avons construit des machines qui écrivent, dessinent, composent de la musique, programment, produisent des vidéos et proposent des idées. Alors nous avons commencé à déplacer la ligne : créativité, empathie, stratégie, intuition.

Je ne sais pas où passera cette ligne dans dix ans et je me méfie de ceux qui prétendent le savoir. Je sais toutefois qu’il existe encore aujourd’hui des choses qui ne se résument pas à l’exécution d’une tâche : le jugement, la responsabilité, le contexte, l’expérience qui n’est écrite nulle part, la capacité à comprendre quel problème nous cherchons réellement à résoudre et la relation entre deux personnes qui doivent se faire confiance.

Il y a aussi une chose qui exige du temps précisément parce qu’elle ne peut pas être produite d’un seul coup : la réputation.

Dans son rapport 2026 sur les comportements des consommateurs, Adobe relève qu’un tiers des personnes interrogées cesseraient d’interagir avec une marque si elles découvraient qu’un contenu qu’elles pensaient humain avait été généré par l’IA. Cela ne signifie pas que les gens rejettent l’intelligence artificielle en bloc ; cela signifie que la transparence et la confiance restent des questions ouvertes.
Source : Adobe, AI and Digital Trends: Customer Behaviors and AI, 2026.

Et il y a là un paradoxe que je trouve intéressant : plus il devient bon marché de produire des mots, des images, des vidéos, des analyses et des logiciels, moins le simple fait de les produire prouve quoi que ce soit. Autrefois, publier un livre constituait aussi une barrière ; avoir un site était une barrière ; tourner une vidéo correcte était une barrière ; produire un logiciel était une barrière. Beaucoup de ces barrières sont en train de tomber, et c’est en grande partie une bonne nouvelle. Mais cela signifie aussi que le produit final peut être excellent tout en nous disant très peu de choses sur la compétence de la personne qui l’a généré.

C’est pourquoi la confiance devra probablement s’appuyer de plus en plus sur autre chose : l’histoire, la cohérence, la responsabilité, les preuves et la continuité.

Alors, sommes-nous déjà morts ?

Une partie de ce que je faisais professionnellement il y a dix ans est déjà morte. Je ne vois pas pourquoi je devrais prétendre le contraire simplement parce que quelqu’un me payait pour le faire.

Si une machine peut accomplir une activité mieux, plus vite et à un coût immensément inférieur, défendre cette activité au nom de la nostalgie serait ridicule. La question est de savoir si nous nous confondions avec cette activité.

Si je ne vendais que la capacité à appuyer sur certains boutons, j’ai un problème. Si ma valeur consistait aussi à comprendre sur quel bouton appuyer, quand ne pas appuyer, pourquoi le faire et à assumer la responsabilité des conséquences, alors la situation change. Cela ne veut pas dire que je suis à l’abri ; cela veut dire que je dois continuer à me déplacer vers ce qui exige davantage de compréhension et moins de simple exécution.

En 2016, j’écrivais que l’ordre de mes cinq points n’était pas un hasard. Dix ans plus tard, les outils apprennent à faire une part toujours plus grande de ce qui venait ensuite. C’est peut-être précisément pour cela que ce qui vient avant est devenu encore plus important : comprendre où aller, comprendre pourquoi, et avoir quelqu’un prêt à répondre de ce choix.