L'IA fait tomber les murs entre les métiers

Le 27 juillet 2026, OpenAI Economic Research publie le premier rapport de sa série Work at the Frontier, tiré de plus de 800 000 messages d'utilisateurs américains de ChatGPT. Quelques semaines plus tôt, Organization Science faisait paraître « The Cybernetic Teammate », une expérience de terrain menée chez Procter & Gamble auprès de 791 professionnels. Deux méthodes opposées, un même résultat : l'IA générative ne se contente pas d'accélérer le travail existant, elle redistribue qui fait quoi.

Chez P&G, l'IA se comporte comme un coéquipier

L'étude « The Cybernetic Teammate » (Dell'Acqua, Ayoubi, Lifshitz, Sadun, Mollick et al., 2026) repose sur une expérience de terrain préenregistrée : 791 professionnels expérimentés des fonctions R&D et commerciales ont passé une journée entière sur de vrais défis d'innovation produit issus de leurs propres business units. L'enjeu était réel, puisque les meilleures propositions étaient présentées aux dirigeants des unités concernées. Le protocole croise deux variables : travailler seul ou en binôme transverse (un profil R&D, un profil commercial), avec ou sans IA générative.

Sur la performance d'abord. Un individu équipé d'IA atteint le niveau de qualité d'un binôme travaillant sans IA : +0,37 écart-type par rapport aux individus seuls, contre +0,24 pour les équipes sans IA. L'IA reproduit une partie des bénéfices de la collaboration humaine. Et la combinaison équipe + IA se distingue là où l'innovation se joue : elle triple environ la probabilité de produire une solution classée dans le top 10 % des soumissions.

Vient ensuite le résultat qui touche à l'organisation du travail. Sans IA, chacun reste dans son couloir : les profils commerciaux proposent des solutions à dominante commerciale, les profils R&D des solutions techniques. Avec l'IA, la distinction disparaît. Les deux populations produisent des solutions équilibrées, couvrant tout le spectre technico-commercial, sans perte de qualité. Les auteurs décrivent l'IA comme un mécanisme de boundary-spanning : elle aide les professionnels à raisonner au-delà de leur domaine d'origine. Des collaborateurs éloignés du développement produit, travaillant seuls avec l'IA, atteignent le niveau d'équipes comptant un expert du domaine.

La dimension émotionnelle suit le même sens : les participants travaillant avec l'IA rapportent davantage d'enthousiasme et d'énergie, moins d'anxiété et de frustration. L'IA restitue une partie du bénéfice social qu'on associe d'ordinaire au travail en équipe.

Une nuance ferme le tableau. L'IA élève la qualité moyenne des idées générées, mais les binômes humains sans IA restent meilleurs pour identifier leur meilleure idée : environ 50 % de sélections correctes, contre 37 % avec IA. Le jugement évaluatif humain garde sa place dans la boucle.

OpenAI mesure le task crossover à grande échelle

À partir de plus de 800 000 messages d'utilisateurs américains de ChatGPT, l'équipe d'OpenAI Economic Research mesure ce qu'elle nomme le task crossover : des tâches historiquement associées à un métier qui apparaissent dans l'usage de l'IA de personnes exerçant un autre métier.

Une fois écartées les tâches génériques partagées par tous les métiers (écrire, résumer, planifier), 43,5 % des messages spécifiques à un métier sortent du métier de l'utilisateur. Près de la moitié. Le phénomène atteint 77 % chez les professionnels de l'expérience client, 75 % chez les designers, 69 % aux ressources humaines, 56 % dans le juridique et 53 % dans le marketing, contre 40 % dans la vente et la finance, et 28 % en ingénierie.

Toutes les tâches ne voyagent pas de la même façon. Le design importe beaucoup (35,2 % des messages des designers relèvent d'autres métiers) et n'exporte presque rien (1,7 %). L'ingénierie fait l'inverse : elle importe peu (18,5 %) et exporte largement, le dépannage et les systèmes techniques représentant 7,4 % des messages des autres fonctions. Le marketing cumule les deux dynamiques, avec le taux d'export le plus élevé de l'échantillon (8,9 %). Deux tâches figurent dans le top 3 des emprunts de tous les autres groupes de métiers : le calcul financier et le dépannage technologique.

La taille de l'organisation joue aussi. La part de tâches hors métier passe de 18,9 % dans les espaces de travail de 2 à 5 postes à 16,3 % au-delà de 100 postes. Là où les ressources spécialisées manquent, l'IA tient le rôle du généraliste : celui qui rencontre le problème le traite, au lieu de le déléguer.

Les auteurs qualifient ces données d'usage de signal avancé. Elles rendent visible la recomposition des métiers avant qu'elle n'apparaisse dans les fiches de poste, les intitulés ou les statistiques du marché du travail.

Le regard d'Ethan Mollick : les murs s'amincissent

Ethan Mollick, professeur à Wharton et co-auteur de l'étude P&G, a fait le lien entre les deux publications. Le résultat majeur de l'expérience Procter & Gamble, le brouillage des frontières entre métiers, trouve dans les données d'OpenAI une confirmation à grande échelle, avec un usage transverse encore plus marqué que ce que l'expérience laissait entrevoir.

Sa lecture tient en trois temps. Les frontières organisationnelles deviennent poreuses et les murs s'amincissent. Les entreprises devront repenser la division du travail, et la situation devient chaotique dès maintenant : refuser de traiter ce changement ne le fera pas disparaître. Mais Mollick insiste tout autant sur l'autre versant : correctement orchestrée, cette recomposition rapporte gros, à la fois sur la satisfaction des collaborateurs et sur la performance de l'entreprise.

Le brouillage des frontières est donc un fait organisationnel, déjà mesurable. Il reste à le structurer.

La Skill Based Organisation, la réponse retenue par SFEIR

SFEIR a basculé en Skill Based Organisation (SBO), sous l'impulsion de Rosalie Zandona, VP People & Culture.

Le principe répond point par point au diagnostic de Mollick. Si les tâches circulent entre les métiers, la fiche de poste figée ne peut plus servir d'unité d'organisation du travail. La SBO fait des compétences réellement opérationnelles la brique de base : chez SFEIR, jusqu'à treize compétences identifiées par métier, déployées là où le besoin est concret, indépendamment de l'intitulé de celui qui les porte. On passe d'une identité statutaire (« je suis manager ») à une identité opératoire (« je sais concevoir des architectures complexes »), objectivée et rendue transparente pour chaque collaborateur.

Ce modèle absorbe la porosité que l'IA installe. Quand un collaborateur étend son périmètre grâce à l'IA générative, ce task crossover devient visible, outillé et valorisé, au lieu de rester un bricolage informel dans l'ombre de l'organigramme. Un collaborateur qui connaît ses forces sait aussi ce qu'il peut déléguer à la GenAI pour se concentrer sur le reste. Selon Deloitte, les organisations par compétences ont 98 % de chances supplémentaires d'être perçues comme d'excellents lieux de croissance : le double bénéfice satisfaction/performance que Mollick appelle de ses vœux.

Rosalie Zandona détaille cette transformation dans « SBO : le grand saut vers des compétences réellement opérationnelles » sur sfeir.dev.

Ce qu'il faut retenir

L'expérience de P&G donne le mécanisme : l'IA étend le champ de compétence de chacun et gomme les silos fonctionnels. Les données d'OpenAI donnent l'ampleur : près de la moitié de l'usage professionnel spécifique déborde déjà du métier d'origine. Mollick fixe l'agenda : la division du travail héritée des organigrammes fonctionnels se recompose déjà, dans les prompts de vos collaborateurs, et l'ignorer ne l'arrêtera pas.

Reste à décider par quoi remplacer la fiche de poste. SFEIR a répondu par la compétence.

Sources

• pubsonline.informs.org : Fabrizio Dell'Acqua, Charles Ayoubi, Hila Lifshitz, Raffaella Sadun, Ethan Mollick, Lilach Mollick, Yi Han, Jeff Goldman, Hari Nair, Stew Taub, Karim R. Lakhani, « The Cybernetic Teammate: A Field Experiment on Generative AI and Teamwork », Organization Science, vol. 37, n° 4, 2026, p. 1217-1242 (protocole sur 791 professionnels de Procter & Gamble, écarts-types de performance, top 10 %, effacement des silos fonctionnels, effets émotionnels, sélection de la meilleure idée).
• openai.com : OpenAI Economic Research, « How AI is Expanding What People Do at Work », premier rapport de la série Work at the Frontier, 27 juillet 2026 (plus de 800 000 messages analysés, 43,5 % de task crossover, taux par fonction, import/export par métier, effet de la taille des espaces de travail).
• sfeir.dev : Rosalie Zandona, « SBO : le grand saut vers des compétences réellement opérationnelles », 19 février 2026 (principes de la Skill Based Organisation chez SFEIR, jusqu'à treize compétences par métier, identité opératoire, statistique Deloitte sur les organisations par compétences).