« L’IA va manager vos équipes » :
le grand récit qui cache ce qui se passe déjà

Depuis 2022, un discours s’est imposé dans les médias managériaux : l’IA sera bientôt chef d’entreprise, coach de dirigeant, membre de conseil d’administration. Fascinant. Futuriste. Et suffisamment vague pour éviter la seule question qui compte : que se passe-t-il pour les millions de travailleurs déjà gérés par des algorithmes, aujourd’hui, maintenant ?

---

Le discours ambiant (celui qu’on va décortiquer)

Voici les titres que vous avez lus ces dix-huit derniers mois :

• « Cette entreprise a nommé une IA PDG — et les actionnaires l’approuvent »
• « Zuckerberg veut un avatar IA pour le remplacer en réunion »
• « L’IA siège au conseil d’administration de ce fonds de capital-risque »
• « Le coach IA va révolutionner le développement managérial »
• « Les entreprises gérées par IA sont plus performantes »

Derrière chacun de ces titres : un fait réel, une extrapolation massive, et un angle mort soigneusement préservé. Prenons-les un par un.

---

Anatomie de cinq figures — ce qu’on dit vs ce qui est

---

L’angle mort total : l’IA manage déjà des millions de personnes

Et personne n’en parle dans les conférences sur « le futur du travail ».

Pendant qu’on débat du CEO IA de NetDragon, plusieurs millions de livreurs, chauffeurs VTC et travailleurs de plateforme sont gérés depuis dix ans sans aucun manager humain. Uber, Deliveroo, DoorDash, Bolt. Algorithme d’allocation des tâches, évaluation automatique, sanctions sans appel, pricing opaque. C’est le management algorithmique — et c’est la forme la plus avancée, la plus déployée, et la plus silencieuse d’IA managériale.

Duggan et al. (2020) le définissent comme « un système de contrôle où des algorithmes auto-apprenants se voient confier la responsabilité de prendre et d’exécuter des décisions affectant le travail, limitant ainsi l’implication et la supervision humaine. » Ce qui disparaît avec le manager humain : la protection, la négociation, le sens. Ce qui reste : le contrôle pur.

Le paradoxe central : l’IA managériale la plus avancée est aussi la plus brutale. Elle est déployée sur les travailleurs les moins protégés, dans des entreprises qui n’ont pas de DRH pour les coursiers, pas de délégués syndicaux pour les chauffeurs. Ce n’est pas un futur spéculatif. C’est le présent documenté.

---

Amazon et l’inversion du scénario : ce n’est pas l’ouvrier qui disparaît en premier

Tout le monde attendait le scénario classique : les robots remplacent les manutentionnaires. Amazon a surpris tout le monde en octobre 2025 en annonçant la suppression de 14 000 postes de managers intermédiaires, suivie de 16 000 suppressions supplémentaires en janvier 2026. Motif officiel : « réduire la bureaucratie, supprimer les couches organisationnelles ».

L’économiste Lynn Wu (Wharton) l’analyse clairement : c’est un « vidage des travailleurs à qualification intermédiaire ». Les emplois physiques non délocalisables résistent (pour l’instant). Les emplois hautement qualifiés (développement IA, robotique) restent en demande. C’est le middle qui s’effondre.

Mais voici la vraie contradiction : une étude IESE (Alekseeva et al., 2025) montre simultanément que l’IA augmente la demande de managers. Pourquoi ? Parce que les entreprises doivent coordonner équipes humaines ET systèmes IA, interpréter les outputs algorithmiques, superviser leur alignement avec les objectifs organisationnels. Ce n’est pas le même manager. C’est un profil radicalement différent : moins coordinateur, plus interprète et arbitre.

---

Ce que tout ça révèle sur le management lui-même

La vraie raison pour laquelle l’IA ne sera pas un bon manager — pas parce qu’elle manque d’intelligence, mais parce qu’elle manque d’engagement — tient en trois arguments que le discours dominant esquive systématiquement.

1. Le management est un acte politique. Décider de licencier quelqu’un, arbitrer un conflit entre deux DG, pivoter sur une intuition de marché : ce sont des actes qui produisent des gagnants et des perdants. Quelqu’un doit assumer cette asymétrie. L’IA optimise — elle ne s’engage pas. Elle peut recommander, jamais porter la responsabilité. Si l’IA influence réellement les décisions du board sans en porter la responsabilité juridique, on crée un décideur fantôme — transparent en droit, puissant en fait. C’est le schéma des algorithmes de trading systémique : personne n’est responsable du krach flash.

2. La confiance managériale est asymétrique. Un manager choisit de faire confiance à un collaborateur malgré le risque. Ce choix a de la valeur précisément parce qu’il pourrait être refusé. Une IA applique une règle — elle ne choisit pas. Cette distinction n’est pas philosophique : elle structure la relation de travail et le sens que les collaborateurs lui attribuent.

3. La légitimité contestée n’a pas de destinataire algorithmique. Si un collaborateur refuse une décision, il peut négocier avec un manager humain. Avec une IA, la contestation n’a pas de destinataire — c’est l’algorithme, donc personne, donc tout le monde, donc personne. C’est précisément ce que documentent les recherches sur Amazon : les travailleurs ne contestent plus, ils hackent le système. Ce n’est pas de la résistance — c’est de l’adaptation à une absence.

---

Et les agents IA verticaux dans tout ça ?

C’est ici que la question change de nature. La vraie évolution n’est pas l’IA qui remplace le manager — c’est l’agent IA vertical qui augmente des fonctions managériales précises, dans un périmètre défini, avec une supervision humaine explicite.

Un agent IA vertical n’est pas un CEO artificiel. C’est un système entraîné sur un domaine précis — analyse de performance équipe, préparation d’entretiens individuels, détection de signaux faibles de désengagement, simulation de scénarios RH — qui opère avec des données réelles, dans un contexte organisationnel spécifique, et rend compte à un humain qui décide.

C’est précisément ce que j’explore avec Emma, l’agent IA vertical que je développe et documente sur ce site — une approche radicalement différente du discours sur l’ »IA CEO ». Pas de substitution, pas de cosmétique : une augmentation ciblée, traçable, avec des garde-fous explicites sur ce que l’agent ne décide pas.

La ligne de fracture entre « agent IA utile » et « IA managériale toxique » tient à trois critères :

• La lisibilité du périmètre : que décide l’agent, que recommande-t-il, que transmet-il à un humain ?
• La traçabilité de la décision finale : qui a réellement décidé, et peut-on le contester ?
• L’asymétrie de protection : le système protège-t-il le travailleur autant qu’il protège l’organisation ?

---

Ce que ça change concrètement — pour les managers, pour les étudiants

Si vous êtes manager aujourd’hui : votre valeur n’est plus dans la coordination et le reporting — l’IA le fait mieux et moins cher. Elle est dans les trois fonctions que l’IA ne peut pas assumer : l’engagement (assumer une décision risquée), la légitimité (être contestable), et la signification (donner du sens à ce qui résiste aux métriques). Si vous ne développez pas ces trois dimensions, vous entrez dans la zone d’obsolescence documentée par les licenciements Amazon.

Si vous formez des managers (Master, MAE, executive) : enseigner le management sans intégrer la dimension des agents IA et du management algorithmique, c’est former pour un monde qui a déjà partiellement disparu. Les programmes qui continuent à traiter l’IA comme un « outil parmi d’autres » produisent des diplômés sans carte pour naviguer dans des organisations où l’IA structure déjà les processus de recrutement, d’évaluation et d’allocation.

Si vous êtes travailleur de plateforme ou responsable RH : le management algorithmique n’est pas une question futuriste. C’est un enjeu juridique, social et organisationnel actif. La directive européenne sur le travail de plateforme (adoptée en 2024) impose désormais une transparence minimale sur les décisions algorithmiques — c’est un début de régulation d’un phénomène qui existe depuis dix ans.

---

Cet article mobilise des sources académiques récentes (Binns et al. 2025, Gandini & Pais 2024, Wiggin 2025, Alekseeva et al. 2025) ainsi que des données institutionnelles (Microsoft WTI 2026, BCG 2025, Gartner 2025). Il a été rédigé avec l’assistance de Claude (Anthropic). Les interprétations et positions exprimées sont celles de l’autrice.