Retour sur l’intervention de Vincent Luciani, Co-founder & Executive Chairman d’Artefact, lors du Tech Up du Hub de Bpifrance le 17 septembre.

Le 17 septembre dernier, Le Hub de Bpifrance réunissait l’écosystème à l’occasion de son événement Tech Up, centré sur l'adoption concrète de l'IA en entreprise. Invité à s'exprimer sur la thématique centrale de l’IA et le futur du travail, Vincent Luciani, Co-founder & Executive Chairman d’Artefact, a livré un keynote de dix minutes intitulé : « L’IA et le futur du travail ».

Loin des spéculations abstraites ou des postures alarmistes, il a partagé son analyse de terrain forgée au contact des organisations : les impacts réels sur l'emploi, la réalité du modèle hybride de collaboration humain-machine, l'émergence des agents autonomes et les règles de gouvernance indispensables pour réussir cette transformation.

Métiers et dynamique de l'emploi : pourquoi la « job apocalypse » n’aura pas lieu

Pour amorcer son propos, Vincent Luciani a rappelé l'ampleur de la pénétration de la technologie. L’intelligence artificielle s'est installée dans la quasi-totalité des organisations : 90 % des entreprises y ont recours aujourd’hui dans au moins une fonction, selon l'étude McKinsey State of AI (2026), l’Europe se plaçant d'ailleurs au premier rang mondial en matière d'adoption.

Les impacts mesurés sont tangibles. Chez les petits employeurs américains qui utilisent le plus l'IA, les chiffres de la Réserve fédérale américaine (Fed, 2026) témoignent d'effets directs sur l'activité : des gains de productivité, une hausse de 39 % de la qualité et une progression de 31 % des ventes.

Pour autant, cette diffusion rapide ne s'est pas traduite par des destructions massives d'emplois. Vincent Luciani le souligne sur la base de son expérience directe : sur le terrain, aucune vague de licenciements imputable à l’IA n'a été constatée. Les études récentes convergent avec ce constat d'observation.

  • D'après une étude rapportée par The Economist , environ 1 million d'emplois ont été créés par l'écosystème de l'IA aux États-Unis, contre environ 200 000 suppressions attribuées à l'IA depuis la mi-2023, y compris dans des métiers particulièrement exposés comme les ingénieurs logiciels (software engineers) et les professions juridiques.
  • Parallèlement, une étude du Financial Times indique que les grands adopteurs de l'IA affichent une progression de +10,2 % de leurs effectifs deux ans après l'adoption, et même de +12 % sur les postes juniors.

Pour le dirigeant d'Artefact, la conclusion est nette : la « job apocalypse » n’a pas eu lieu et n’aura très probablement pas lieu.

Entre promesse et réalité : la collaboration humain-machine face à la complexité organisationnelle

Si les discours se focalisent souvent sur le remplacement intégral de l'humain par des machines, Vincent Luciani rappelle que le mode privilégié aujourd'hui reste la collaboration hybride entre l'humain et la machine.

Il observe une différence considérable entre les performances d'agents autonomes individuels en environnement de test et leur mise en œuvre réelle au sein d'une entreprise. Un métier ne se résume pas à une succession linéaire de tâches : il repose sur des interactions humaines, des coopérations transversales et des informations informelles ou non explicites. Dès lors, on constate une perte de productivité marquée à mesure que l'échelle d'application s'élargit :

  • Dans le développement individuel, l'utilisation de l'IA permet de multiplier la vitesse d'exécution par un facteur de 4 à 5 (x4-x5).
  • À l'échelle d'une équipe, le gain mesuré s'établit à environ +80 %.
  • À l'échelle globale de l'entreprise, l'impact positif net retombe à environ +20 %, rattrapé par les goulots d'étranglement (bottlenecks) et la lourdeur des processus internes : plus l’entreprise grandit, plus elle est contrainte par ses propres rouages.

C’est pourquoi les exemples d'agents véritablement autonomes restent rares aujourd'hui. Les organisations privilégient des segments de processus combinant automatisation décisionnelle et IA supervisée par l'humain. Vincent Luciani illustre cette réalité par plusieurs cas concrets :

  • Dans le secteur de l'eau, les équipes métiers d'un fournisseur utilisent l'IA pour relire, repérer et regrouper des engagements contractuels complexes parmi plus d'une centaine de contrats, gagnant à la fois en rapidité et en qualité de traitement.
  • Dans les travaux et la construction, les chefs de chantier automatisent la rédaction des comptes rendus de visites.

Dans l'ensemble de ces cas, les bénéfices résident dans un gain de temps et une élévation de la qualité (des tâches qui n'auraient parfois pas été réalisées faute de temps), tout en offrant une extension des compétences individuelles, en particulier pour les profils moins experts. Mais ces solutions demeurent rattachées à des collaborateurs physiques et restent sous leur contrôle direct.

L’émergence des agents autonomes : nouveaux cas d’usage et signaux d’alerte

Le paysage technologique voit néanmoins arriver une nouvelle génération d'agents dotés d'une véritable logique autonome : définis par un objectif précis, ils bénéficient d'un degré de liberté d'action élargi et d'un fonctionnement non strictement déterministe.

Cette vague a démarré dans l'ingénierie logicielle. Il est aujourd'hui possible d'interpeller directement sur Slack un collaborateur agentique pour qu'il prenne en charge et résolve un problème dans le code. Artefact applique déjà ce principe sur certains logiciels : un agent lit de manière autonome les logs d'événements analytics, analyse l'erreur, identifie la cause du problème et décide lui-même d'ouvrir une Pull Request (PR). La revue de code constitue ainsi l'un des premiers domaines de généralisation des agents autonomes.

D'autres fonctions sont touchées : dans la relation client, à l'instar d'Heineken qui recourt à la vente automatique, puis progressivement au sein des fonctions support avec des agents dédiés aux Ressources Humaines, aux Achats ou à la Finance.

Face à cette autonomie croissante, Vincent Luciani invite à tirer les enseignements du terrain et met en lumière les défis majeurs qui émergent :

  1. Le passage à l’échelle: Passer du prototype au déploiement généralisé à grande échelle est loin d'être évident.
  2. La gestion du risque et le niveau de criticité: Il est impératif de calibrer le niveau de délégation et d'établir des garde-fous (guardrails). Une erreur d'agent générant une commande trop élevée chez Heineken reste gérable pour un débit de boissons, mais un dysfonctionnement équivalent serait inacceptable en environnement hospitalier.
  3. La dérive des coûts d'inférence: L'usage de ces modèles peut coûter cher (jusqu'à une quinzaine d'euros par tâche complexe). Dès que les agents deviennent autonomes et dialoguent entre eux, les coûts dérivent rapidement. Vincent Luciani cite les dérives budgétaires observées sur le marché (Microsoft, Uber), ainsi que chez un client comme L'Oréal, dont le budget prévisionnel a complètement explosé sous l'effet de ces interactions démultipliées.
  4. Le déplacement des compétences: Le travail évolue selon une trajectoire continue : de l'intervention humaine constante vers l'humain augmenté, puis l'automatisation partielle, jusqu'à une posture de supervision de haut niveau. Cette transition exige de maintenir des compétences solides et de continuer à pratiquer son métier, sous peine de perdre en qualification.
  5. Le décloisonnement des organisations :Les agents imposent un fonctionnement horizontal qui bouscule les hiérarchies et les silos métiers. Par exemple, un agent dédié à la supervision des stocks peut constater une rupture chez un fournisseur, passer directement une nouvelle commande auprès des Achats chez un fournisseur alternatif, mettre à jour le prévisionnel financier pour la direction financière et réajuster en conséquence le carnet de livraison des opérations.

Cinq recommandations pour bâtir une transformation collective

Pour conclure son intervention au Tech Up, Vincent Luciani a partagé cinq priorités stratégiques afin de transformer les expérimentations individuelles en une réussite collective durable :

  • Donner la priorité au contexte de l'organisation: Pour que les IA apportent une réelle valeur ajoutée, elles doivent comprendre le fonctionnement interne, les règles implicites et le contexte spécifique de l'entreprise.
  • Mettre en place une gouvernance et gérer les agents comme de nouveaux collaborateurs: Les agents IA doivent être intégrés, formés au contexte de l'entreprise, évalués dans le temps, et dotés de droits d'accès et d'habilitations rigoureusement suivis.
  • Fédérer une communauté d’AI builders: La transformation doit être portée par les équipes métiers à travers la pratique et l'expérimentation concrète (learning by doing).
  • Former massivement aux compétences de demain par un Strategic Workforce Planning :L'actualisation des compétences est un chantier continu qui doit être conduit quasiment en temps réel. Deux axes se dessinent déjà nettement : d'une part, une montée en compétence technique généralisée illustrée par les product managers d'OpenAI qui consacrent désormais 50 % de leur temps à produire du code contre 0 % auparavant ; d'autre part, le développement des compétences de supervision et de formation au management.
  • Valoriser le capital humain: Enfin, la conduite du changement repose sur le respect et l'implication des collaborateurs, ce qui implique de garantir un droit à l'information sur les décisions prises par la direction et un droit effectif à la formation continue pour accompagner l'évolution des métiers.