L'IA est capable de prendre en charge davantage de tâches que jamais. Les entreprises qui confondent ces tâches avec le travail de réflexion risquent de se priver d'automatisations qui pourraient leur être bénéfiques.
Au début de l'année 2026, Oracle a demandé à ses employés de documenter leurs processus de travail et d'utiliser ses outils d'IA internes. Certains de ces employés ont ensuite été licenciés.
Un ancien responsable informatique de haut niveau a déclaré au magazine Time que les ingénieurs débutants utilisaient l'IA pour générer de grandes quantités de code défectueux. Les ingénieurs confirmés devaient ensuite passer tout ce code au crible pour le rendre utilisable. Oracle a par la suite procédé à des réductions d'effectifs, touchant notamment le personnel expérimenté.
Cette séquence met en évidence l'un des principaux risques liés à l'essor actuel de l'IA. Oracle a automatisé une partie du processus, puis a affaibli la dimension de jugement qui conférait de la valeur au résultat.
Il ne s'agit pas seulement d'une histoire concernant Oracle, ni même d'une histoire liée aux logiciels. Dans tous les secteurs d'activité, les dirigeants examinent ce que l'IA est désormais capable de faire et se demandent de combien de personnes ils ont encore besoin. Cette question est tout à fait compréhensible. Les gains en termes de capacités sont bien réels.
METR, une association à but non lucratif qui évalue les agents d’IA, mesure l’étendue des tâches que les modèles sont capables d’accomplir à un niveau de fiabilité donné. Ses recherches ont révélé que l’horizon de tâches à 50 % des agents de pointe a doublé environ tous les sept mois entre 2019 et 2025. Les nouvelles versions de ce benchmark continuent d’afficher des progrès rapides, bien que METR précise que ses mesures les plus longues restent incertaines. Les tâches se concentrent également dans les domaines du génie logiciel, de l’apprentissage automatique et de la cybersécurité. Elles ne constituent pas un indicateur exhaustif du travail intellectuel.
Cette précision est importante. Ce critère de référence nous indique que l'IA devient de plus en plus performante pour mener à bien des tâches plus longues et bien définies. Il ne nous indique pas pour autant qu'un système d'IA soit capable de diriger une entreprise, de comprendre un client, de former un professionnel ou de déterminer les compromis qu'une institution devrait accepter.
Pourtant, ces concepts sont souvent considérés comme s’ils étaient identiques. Selon ce raisonnement, si l’IA peut prendre en charge une plus grande partie du travail, il devrait falloir moins de personnes pour obtenir le même résultat. Sur une feuille de calcul, cet argument peut sembler irrésistible.
Au sein d'une véritable organisation, les choses sont bien plus compliquées.
L'exécution n'est pas un jugement
Dans le débat sur l'IA et l'emploi, la distinction la plus pertinente ne réside pas entre les tâches que l'IA est capable d'accomplir et celles qu'elle ne peut pas accomplir. Cette frontière évolue trop rapidement. La distinction la plus durable est celle qui oppose l'exécution au jugement.
L'exécution désigne un travail pouvant être clairement défini et évalué. Écrivez cette fonction. Vérifiez la conformité de cette demande à un ensemble de règles. Examinez ces contrats afin de repérer d'éventuelles clauses inhabituelles. Rédigez une première ébauche de ce rapport. Transmettez cette demande client. Effectuez le rapprochement de ces comptes.
L'IA excelle déjà dans bon nombre de ces tâches. Elle est rapide, infatigable et peu coûteuse à la marge. Bien utilisée, elle peut vous épargner des heures de travail répétitif et vous laisser davantage de temps pour vous consacrer à des problèmes complexes.
Le jugement commence là où s'achève le cahier des charges.
Faut-il vraiment développer ce produit ? Quelle solution de facilité technique s'avérera coûteuse d'ici deux ans ? Le client ne demande-t-il pas quelque chose d'inapproprié ? L'historique d'un client justifie-t-il de s'écarter de la politique en vigueur ? Une décision techniquement conforme peut-elle tout de même être injuste ? Quel sera l'impact de cette recommandation sur une relation qui a mis dix ans à se construire ?
Ces questions dépendent du contexte, des conséquences et de la responsabilité. Elles exigent que quelqu’un remarque ce que le système n’a jamais été programmé pour détecter.
L'IA deviendra de plus en plus performante pour accompagner ce type de décisions. Elle pourrait remettre en question l'avis des experts et mettre en évidence les faiblesses du raisonnement humain. Mais les organisations auront toujours besoin de personnes capables de comprendre la réalité du terrain, d'évaluer les résultats obtenus et d'assumer leurs responsabilités lorsque la réponse est erronée.
Une meilleure exécution ne rend pas le jugement moins important. En général, elle le rend même plus important, car le volume et la rapidité de la production augmentent.
Le moteur, le poste de pilotage et le compas
Une manière concrète d'appliquer cette distinction consiste à envisager le travail organisationnel comme se composant de trois niveaux.
1. Le moteur : une exécution pilotée par l'IA
Le module « Engine » comprend des tâches structurées et reproductibles, avec des données d'entrée claires et des résultats mesurables. Il inclut notamment la génération de code standard, le rapprochement des comptes, l'acheminement des demandes d'assistance, la présélection des candidatures, l'extraction de clauses contractuelles et la rédaction de premières ébauches.
C'est dans ce domaine que l'IA peut accomplir le plus de tâches de manière autonome. Plus une tâche peut être définie avec précision, et plus la vérification de ses résultats peut être réalisée à moindre coût, plus l'automatisation s'avère justifiée.
Le principe est simple : si la tâche peut être définie clairement et vérifiée à moindre coût, confiez-la au moteur.
2. Le poste de pilotage : collaboration entre l'homme et l'IA
Le « Cockpit » correspond à la couche mixte. L'IA génère des analyses, des options ou des recommandations, tandis qu'une personne interprète la situation et détermine si les résultats proposés sont adaptés au contexte.
La vérification du code généré par l'IA relève de ce domaine. Il en va de même pour la gestion des cas clients atypiques, l'évaluation des exceptions en matière de crédit, l'examen des alertes de conformité et l'adaptation d'une proposition aux réalités politiques au sein de l'organisation d'un client.
La personne qui se trouve dans le « cockpit » n'est pas là pour approuver tout ce que la machine produit. Son rôle consiste à remettre cela en question, à réorienter le processus et à identifier les moments où la situation ne correspond plus aux hypothèses sur lesquelles repose le système.
Le principe est le suivant : laissez l'IA accélérer le travail, mais veillez à ce qu'une personne qualifiée continue de le piloter activement.
3. La boussole : le jugement humain
La « boussole » définit la direction à suivre. Elle englobe les objectifs, les valeurs, les compromis et la responsabilité. Que doit développer l'entreprise ? Quels risques doit-elle accepter ? Quels clients doit-elle servir ? Quand une politique doit-elle être modifiée ? Quel type d'organisation souhaite-t-elle devenir ?
L'IA peut éclairer ces choix. Elle peut mettre en évidence des éléments probants, remettre en question des hypothèses et modéliser les résultats possibles. Mais ce sont les personnes qui doivent assumer à la fois la décision et ses conséquences.
Le principe est le suivant : utiliser l'IA comme source d'informations, mais en conservant la responsabilité humaine.
Les frontières entre ces couches vont évoluer. À mesure que l'IA progressera, de plus en plus de tâches passeront du « Cockpit » au « Moteur ». C'est exactement ce que les organisations devraient souhaiter. Mais les capacités peuvent évoluer plus rapidement que les responsabilités. Le fait qu'une tâche puisse désormais être automatisée ne signifie pas pour autant que la décision qui l'entoure soit désormais dénuée de contexte.
Le moteur agit. Le poste de pilotage interprète. Le compas décide.
L'échec survient lorsque les dirigeants renforcent le « moteur », affaiblissent le « cockpit » et partent du principe que la « boussole » se débrouillera d'elle-même d'une manière ou d'une autre.
Klarna a atteint ses limites
Klarna permet de vérifier concrètement cette distinction.
En 2024, la société de paiement a déclaré que son assistant IA effectuait un travail équivalent à celui de 700 conseillers du service client et traitait les deux tiers de ses échanges par chat dans le mois qui a suivi son lancement. Klarna a également gelé les embauches, et ses effectifs ont par la suite diminué d'environ 22 %, principalement en raison des départs naturels.
Les perspectives économiques semblaient prometteuses. Puis l'entreprise s'est heurtée à une limite.
En 2025, le PDG Sebastian Siemiatkowski a reconnu que le coût était devenu un facteur trop prépondérant dans l'organisation du service client, ce qui se traduisait par une baisse de la qualité de l'assistance. Klarna a alors commencé à recruter des conseillers flexibles travaillant à distance et a insisté sur le fait que les clients devaient toujours pouvoir joindre un interlocuteur humain s'ils le souhaitaient.
Il ne s'agissait pas pour autant d'un abandon total de l'IA. Klarna a continué à utiliser largement cet assistant. Dans un document déposé ultérieurement, l'entreprise a indiqué avoir traité 80 % des conversations de service client au cours de l'année 2025 et n'avoir constaté aucune baisse du niveau de satisfaction, d'après ses propres enquêtes internes.
Cette leçon va bien au-delà d’un simple récit d’échec. Klarna a su préserver son efficacité tout en remettant en question l’idée selon laquelle l’efficacité constituait à elle seule l’essence même du produit. Un service automatisé peut fonctionner à merveille dans le cadre d’une interaction type, mais il reste nécessaire de faire appel à une personne pour gérer les situations qui sortent du cadre habituel. Dans le domaine du service client, ce sont souvent ces moments inhabituels qui déterminent la façon dont les clients se souviennent de la marque.
Klarna n'a pas constaté que l'IA était inefficace. Son moteur fonctionnait. L'entreprise a constaté que les clients avaient toujours besoin d'accéder à un « Cockpit » lorsque l'interaction ne correspondait plus au schéma standard.
Une réorganisation n'est pas la même chose qu'une équipe
Si Klarna illustre la difficulté de réduire excessivement le recours à l'intervention humaine, Meta illustre quant à elle la difficulté de réorganiser les effectifs autour d'une stratégie axée sur l'IA.
En mai 2026, Meta s’apprêtait à supprimer environ 10 % de ses effectifs tout en réaffectant quelque 7 000 salariés à de nouvelles structures axées sur l’IA. Des documents internes évoquaient des structures plus horizontales, des équipes plus réduites et une plus grande autonomie. Certains salariés ont qualifié ces mutations obligatoires de “ mobilisation ”.”
Un mois plus tard, Andrew Bosworth, directeur technique de Meta, a reconnu dans un message interne que l’entreprise avait fait un travail “ épouvantable ” lors du déploiement de l’une de ces nouvelles divisions. Plus révélateur encore, il a mis le doigt sur ce qui avait été mis à mal : la confiance des employés dans le fait que leur expertise serait valorisée, que leur carrière évoluerait et qu’ils pourraient avoir un impact significatif.
Grâce à cette restructuration, Meta pourrait bien finir par développer une IA plus performante. Un déploiement difficile ne signifie pas pour autant que la stratégie soit vouée à l'échec. Cependant, le simple fait de regrouper des personnes talentueuses au sein d'un organigramme axé sur l'IA ne suffit pas à créer une équipe efficace. Le Cockpit repose sur la confiance, la continuité et une compréhension commune de l'importance de ce travail.
Les gens ont besoin de savoir pourquoi leur travail est important. Ils ont besoin de responsables qui comprennent leurs points forts et d’une continuité suffisante pour comprendre comment les décisions sont prises. Vous pouvez déplacer des noms d’une case à l’autre en un après-midi. Mais les relations et le contexte commun ne les suivent pas automatiquement.
Une action en justice intentée en juillet 2026 par 26 employés de Meta met clairement en évidence ce problème. Ces employés affirment que Meta a utilisé des systèmes d’IA internes, un outil de surveillance de l’activité (data), des tableaux de bord sur l’utilisation des jetons et des classements de performance établis à l’aide d’algorithmes pour sélectionner les personnes concernées par les licenciements. Ils affirment que ce processus considérait les périodes de congé maladie, de congé parental ou de congé familial comme une baisse de rendement, ce qui augmentait le risque pour les salariés concernés d’être sélectionnés. Meta réfute ces allégations et affirme que ce sont des personnes, et non l’IA, qui ont pris ces décisions relatives aux effectifs.
Ces allégations n’ont pas été prouvées. Mais le mode de défaillance présumé est un phénomène que toute organisation devrait reconnaître. Un système peut traiter avec précision les indicateurs disponibles et pourtant aboutir à une mauvaise décision, car ces indicateurs manquent de contexte. Une baisse des résultats mesurés peut signifier une baisse de performance. Elle peut également signifier une grossesse, une maladie, la prise en charge d’un proche ou un aménagement pour cause de handicap.
Le Moteur met en œuvre l'indicateur. Le Cockpit s'interroge sur la signification de cet indicateur. La Boussole détermine les conséquences que l'organisation est prête à assumer.
Comment les organisations se souviennent
La plupart des connaissances organisationnelles ne se trouvent pas là où les dirigeants l'imaginent. Elles ne se trouvent pas toutes dans le code source, le CRM, le manuel des procédures ou le disque partagé. Une grande partie réside dans de petites interactions qui passent presque inaperçues au quotidien.
C’est la réunion hebdomadaire où quelqu’un se souvient pourquoi une idée similaire avait échoué il y a trois ans. C’est le débriefing avec le client qui révèle que la véritable objection était d’ordre politique, et non technique. C’est l’ingénieur senior qui examine un code qui réussit tous les tests et déclare : “ Cela ne fonctionnera pas dans les conditions réelles d’exploitation. ”
Ces moments peuvent sembler peu efficaces. C'est pourtant grâce à eux que les organisations se souviennent.
Que ce soit dans un cabinet d'avocats, un cabinet de conseil, une banque ou une agence, la relation fait partie intégrante du service fourni. La valeur ne provient pas seulement du résultat final, mais aussi de la compréhension de l’historique du client, de sa dynamique interne, de sa tolérance au risque et de ses contraintes implicites. Il en va de même au sein des administrations publiques, où un agent chargé des dossiers ou un responsable de la planification peut posséder des années d’expérience pratique que personne n’a songé à consigner par écrit.
L'IA peut aider à mieux saisir cet aspect. De meilleurs outils de recherche, de transcription et de gestion de la mémoire institutionnelle sont véritablement utiles. Mais la documentation n'est jamais qu'une sélection de la réalité. Les gens consignent ce dont ils savent déjà qu'il est important. L'expérience, c'est en partie la capacité à reconnaître l'importance d'un élément avant même que quiconque ne l'ait documenté.
Lorsque les concurrents ont accès à des modèles et à des infrastructures similaires, l'avantage durable réside dans la manière dont la technologie est mise en œuvre, le contexte dans lequel elle s'inscrit et les normes appliquées à ses résultats.
L'IA peut créer l'égalité. Ce sont les personnes qui transforment cette égalité en avantage.
Les licenciements transforment ceux qui restent
Le coût d'un licenciement est généralement évalué en fonction des indemnités de licenciement, des risques juridiques, de la période de transition et de la perte de compétences liée au départ des salariés. Il est plus difficile d'évaluer financièrement l'impact sur le comportement des salariés qui restent.
Une méta-analyse réalisée en 2002 par Magnus Sverke, Johnny Hellgren et Katharina Näswall a examiné 72 études portant sur la perception de la précarité de l'emploi. Elle a mis en évidence des relations négatives entre la précarité et la satisfaction professionnelle, l'engagement organisationnel et la performance. Il s'agissait de corrélations, et non de baisses en pourcentage dues à un licenciement particulier. Malgré tout, la tendance est constante : lorsque les personnes ne se sentent plus en sécurité, leur relation avec l’organisation s’en trouve modifiée.
Une étude menée par Charlie Trevor et Anthony Nyberg a établi un lien entre une réduction de 1 % des effectifs et une augmentation estimée à 31 % du taux de départs volontaires l'année suivante, même si les pratiques RH mises en œuvre ont influencé ce résultat.
Cela pose un problème de sélection. Les salariés les plus à même de partir sont souvent ceux qui possèdent de solides compétences, des réseaux utiles et des alternatives intéressantes. Lorsqu’une entreprise choisit de se séparer d’un groupe, elle risque d’inciter un autre groupe à partir de lui-même.
Cela ne signifie pas pour autant que les licenciements ne sont jamais nécessaires. Cela signifie simplement qu’une réduction des effectifs n’est pas une simple soustraction. Elle modifie la confiance, les motivations et les comportements au sein de l’ensemble de l’organisation. Lorsque l’IA est invoquée comme raison officielle, l’impact peut être d’autant plus marqué que l’on demande aux salariés de former et d’améliorer les systèmes qui pourraient justifier la prochaine réduction d’effectifs.
Le vivier de talents présente un échec différé
Les postes de niveau junior comptent parmi les plus faciles à automatiser, car une grande partie de leur production est structurée et vérifiable. Cela en fait une cible évidente pour la réduction des coûts. Mais cela rend également leur suppression risquée.
Un ingénieur junior ne devient pas ingénieur senior en évitant les tâches simples. Un avocat stagiaire ne développe pas son esprit de jugement sans examiner des contrats courants. Un nouveau consultant n'apprend pas à cerner les attentes d'un client en ne recevant que la recommandation finale.
L'expertise s'acquiert par la répétition, la correction, l'observation et les erreurs commises sous supervision.
Si l'IA se charge de la plupart des tâches d'exécution de base, les organisations devront repenser la manière dont les collaborateurs acquièrent de l'expérience. Cela pourrait constituer une réelle amélioration. De nombreuses tâches traditionnellement confiées aux débutants sont fastidieuses et n'apportent pas autant d'enseignements que les professionnels confirmés ne veulent bien l'admettre. Mais supprimer ces tâches ne revient pas à remplacer l'apprentissage qu'elles permettent.
Si les entreprises réduisent le recrutement de jeunes talents tout en supprimant les postes des cadres chargés de contrôler les résultats de l'IA, elles compromettent les deux extrémités du cycle de développement. Elles perdent ainsi à la fois la capacité de jugement d'aujourd'hui et celle de demain.
Les conséquences ne se feront pas sentir ce trimestre. Elles apparaîtront plusieurs années plus tard, lorsque les organisations se rendront compte qu'elles disposent de nombreux outils capables de fournir des réponses, mais de trop peu de personnes capables de repérer une mauvaise réponse.
Le vivier de talents n'est pas un programme RH. Il s'agit d'une infrastructure de production dont la mise en place nécessite un long délai de préparation.
Les arguments en faveur d'une réduction, quoi qu'il en soit
Il existe un argument de poids en faveur de l'autre point de vue.
Un directeur financier rigoureux pourrait affirmer qu’une grande partie des tâches subalternes est bel et bien en train de disparaître, et que prétendre le contraire relève de la nostalgie. Préserver des postes rendus superflus par la technologie n’est pas faire preuve de bonne gestion. Il s’agit d’une subvention que les concurrents ne prendront pas en charge. Une partie du savoir institutionnel perdu lors d’un plan social n’est qu’une habitude déguisée en sagesse. Les entreprises ont déjà automatisé des tâches artisanales par le passé, de la fabrication à la composition typographique en passant par les services financiers administratifs, et l’économie s’est adaptée.
Dans cette optique, le fait de conserver et de recycler le personnel ne fait que repousser un changement inévitable. Les entreprises qui prendront les devants bénéficieront de coûts réduits et d'activités plus respectueuses de l'environnement, tandis que les autres hésiteront.
Certains aspects de cet argument sont justes. Certains postes ne seront pas rétablis, et vouloir les défendre tous revient à courir à un déclin progressif. Cela ne signifie pas pour autant que les suppressions soient toujours une mauvaise chose. C'est simplement que le raisonnement s'arrête souvent trop tôt.
Les effectifs ne sont pas la seule variable qu'il convient d'optimiser. Les dirigeants doivent également déterminer quelles compétences doivent être préservées lors de la transition : le jugement, l’analyse, les relations et le vivier qui produira l’expertise de demain. Ils doivent savoir quelles tâches relèvent du « Moteur », où le « Cockpit » joue encore un rôle essentiel, et qui tient la « Boussole ». Ce n’est qu’alors qu’ils pourront faire un choix éclairé quant aux personnes qui doivent être licenciées, reconverties ou redéployées.
Oracle et Klarna n'ont pas mis en évidence une faiblesse de l'IA. Ils ont mis en évidence le coût d'une optimisation axée sur ce qui était le plus facile à mesurer, au détriment de ce qui était plus difficile à percevoir.
Un meilleur équilibre
La DBS, la plus grande banque de Singapour, propose un modèle plus réfléchi, même s'il n'est pas sans difficultés.
La banque prévoit la suppression d’environ 4 000 postes contractuels et temporaires sur une période de trois ans, à mesure que l’IA prendra en charge une part croissante du travail. Elle a également indiqué qu’elle prévoyait de créer environ 1 000 emplois liés à l’IA, tout en reconvertissant ses employés actuels vers de nouvelles fonctions. Les guichetiers, par exemple, ont été formés pour utiliser des guichets vidéo ou évoluer vers des fonctions de gestion de la relation client.
DBS continue également d'investir dans son vivier de talents. En mai 2026, la banque a annoncé son intention d'accueillir plus de 500 jeunes talents locaux dans le cadre de programmes de formation en gestion, de stages et d'apprentissage.
Il s'agit tout de même d'une réduction des effectifs. La différence réside dans le fait que DBS détermine explicitement quelles tâches peuvent être transférées vers l’« Engine » et quelles compétences humaines elle souhaite préserver et développer au sein du « Cockpit ». Son investissement continu dans les jeunes talents permet également de garantir l’avenir d’un vivier de personnes capables d’assumer le rôle de « Compass ». Il est trop tôt pour en juger les résultats, mais cette approche pose une question plus pertinente.
La solution ne consiste pas à ralentir l'adoption de l'IA. Les organisations qui refusent ces outils perdront en compétitivité, et leurs employés se retrouveront à effectuer des tâches manuelles superflues. La meilleure approche consiste à considérer l'adoption de l'IA comme un enjeu de conception organisationnelle plutôt que comme une simple question d'effectifs.
Cela implique de confier au « moteur » des tâches clairement délimitées tout en renforçant le « cockpit » qui l’entoure. Cela signifie mesurer les résultats plutôt que les invites, les jetons ou les heures économisées. Cela implique d’identifier les relations et les connaissances opérationnelles qui dépendent d’une équipe avant de réduire ses effectifs. Si l’IA supprime les tâches subalternes, leur fonction d’apprentissage doit être remplacée de manière réfléchie par des bilans, des simulations, des contacts avec les clients et l’accès au raisonnement des cadres supérieurs.
Cela implique également de donner aux personnes un certain pouvoir d'action dans cette transition. L'expérience de Meta montre à quelle vitesse une stratégie en matière d'IA peut se transformer en un problème de confiance lorsque les employés ont le sentiment d'être affectés à des tâches qui leur sont inconnues, sans objectif clair ni parcours professionnel défini.
Avant tout, les dirigeants devraient cesser de partir du principe que la réduction des effectifs doit être la seule variable à diminuer lorsque la productivité augmente. Une productivité accrue peut permettre de réduire les coûts. Elle peut également favoriser la création de meilleurs produits, un service plus rapide, davantage d'expérimentation et la réalisation de travaux qui n'étaient auparavant pas rentables.
Le choix entre croissance et réduction relève d'une décision de gestion, et non d'une conséquence automatique de la technologie. Il relève du Compass.
L'entreprise ne se résume pas à sa production
Les systèmes d'IA continueront à prendre en charge des tâches de plus en plus longues et complexes. La frontière entre ce que font les humains et ce que font les machines ne cessera d'évoluer. Tout article prétendant savoir exactement où elle se situera dans cinq ans risque fort de paraître rapidement dépassé.
Mais une entreprise n'est pas un simple ensemble de tâches.
Il s'agit d'un réseau fait de jugement, de confiance, de mémoire, de motivations et de relations. Ses produits sont le fruit de ce réseau, mais celui-ci n'est pas visible dans le produit lui-même. C'est pourquoi il est si facile de le mettre à mal. Une entreprise peut continuer à livrer ses produits alors même que les connaissances qui sous-tendent sa production s'amenuisent discrètement.
Les organisations qui tireront le plus grand profit de l'IA ne seront pas nécessairement celles qui parviendront les premières à réduire au minimum leurs effectifs. Ce seront celles qui sauront identifier les tâches appelées à disparaître, les compétences qu'il convient de renforcer, et la manière dont les collaborateurs continueront à développer leur capacité de jugement alors que les machines prendront en charge une part croissante des tâches opérationnelles.
L'IA permet d'automatiser l'exécution.
Ce sont les personnes qui font vivre les organisations.
Cette distinction n'est pas d'ordre sentimental. Elle est stratégique.
Avant que votre entreprise n'automatise un autre processus, il convient de se poser trois questions :
- Qu'est-ce qui doit figurer dans le moteur ?
- Dans quels domaines le Cockpit joue-t-il encore un rôle important ?
- Qui tient la boussole, et à qui incombent les conséquences ?
