Augmented Work

  • Concept
  • Avancé
  • Transversal
  • Toujours utilisé

En bref

Amélioration des capacités humaines au travail grâce à des outils technologiques, notamment l'IA, qui assistent l'humain sans le remplacer entièrement.

Définition complète

L’Augmented Work (« travail augmenté ») désigne l’amélioration des capacités humaines dans l’exercice d’un métier grâce à des outils technologiques, en particulier l’intelligence artificielle, qui assistent, accélèrent ou complètent une tâche sans remplacer entièrement la personne qui l’exécute. La personne reste responsable de la décision finale et du jugement, mais elle est appuyée par un outil qui prend en charge une partie du travail.

Par exemple, un médecin généraliste qui utilise un outil d’aide au diagnostic, capable de suggérer des pistes à partir des symptômes décrits, reste seul décisionnaire du diagnostic final, mais gagne du temps et bénéficie d’une liste de vérifications qu’il aurait pu ne pas envisager seul.

Attention : le travail augmenté suppose un contrôle humain réel sur la suggestion de l’outil ; s’il devient une validation automatique sans vérification, on quitte le champ du travail augmenté pour entrer dans une forme d’automatisation non maîtrisée, potentiellement risquée.

À quoi ça sert

L’Augmented Work sert à identifier où et comment un outil technologique peut renforcer les capacités d’un professionnel sur des tâches précises, sans chercher à remplacer entièrement son rôle. Cette distinction aide à choisir des outils pertinents plutôt que de céder à une automatisation totale mal maîtrisée.

Elle aide un employeur ou un professionnel indépendant à repenser l’organisation d’un poste : quelles tâches restent entièrement humaines, lesquelles peuvent être assistées par un outil, et quel contrôle humain doit rester systématique sur les suggestions produites par cet outil.

Elle sert enfin à rassurer les équipes face à la crainte du remplacement par la technologie : le travail augmenté positionne l’outil comme un appui, pas comme un substitut, ce qui change la façon d’aborder son adoption dans une organisation.

Cas d'usage typiques

– Assister : un outil peut-il proposer une première analyse ou une suggestion, que le professionnel valide ou corrige ensuite ?
– Accélérer : une tâche de recherche ou de vérification, habituellement longue, peut-elle être raccourcie grâce à un outil sans perte de fiabilité ?
– Compléter : un outil peut-il repérer des éléments qu’un professionnel pourrait manquer, comme une liste de vérifications ou une anomalie ?
– Contrôler : la décision finale reste-t-elle toujours prise et validée par une personne responsable, plutôt que par l’outil seul ?
– Former : les collaborateurs concernés savent-ils utiliser l’outil et comprendre ses limites, plutôt que de lui faire une confiance aveugle ?
– Évaluer : l’utilisation de l’outil sur une tâche donnée est-elle mesurée dans le temps pour vérifier qu’elle apporte un réel bénéfice ?

Ce que tu sauras faire

Savoir distinguer une tâche où un outil technologique peut assister utilement un professionnel d'une tâche où la décision doit rester entièrement humaine, et organiser le contrôle nécessaire.

Mises en situation

Situation 1 : l’expert-comptable et la détection d’anomalies

Contexte : Un expert-comptable doit vérifier manuellement des centaines de lignes d’écritures comptables pour repérer d’éventuelles erreurs.

Application : Il utilise un outil qui signale automatiquement les lignes suspectes (montants inhabituels, doublons possibles), qu’il vérifie ensuite lui-même une par une.

Résultat attendu : Le temps de vérification diminue fortement, tout en gardant un contrôle humain systématique sur chaque anomalie signalée.

Situation 2 : l’avocat et la recherche de jurisprudence

Contexte : Un avocat passe plusieurs heures à rechercher manuellement des décisions de justice similaires à un dossier en cours.

Application : Il utilise un outil de recherche assistée pour obtenir une première sélection de décisions pertinentes, qu’il analyse ensuite en détail lui-même.

Résultat attendu : Le temps de recherche initiale diminue nettement, sans que l’analyse juridique finale, qui reste entièrement de sa responsabilité, ne soit déléguée.

Situation 3 : l’atelier de production et le contrôle qualité

Contexte : Dans un atelier de fabrication, le contrôle qualité visuel des pièces repose entièrement sur l’œil des opérateurs, ce qui laisse passer certains défauts.

Application : Un système de caméra assisté par un outil de reconnaissance signale automatiquement les pièces suspectes, que l’opérateur examine ensuite de plus près.

Résultat attendu : Le taux de défauts non détectés diminue, tout en gardant l’opérateur comme décideur final sur chaque pièce écartée.

Application guidée : tracer la limite du travail augmenté

Contexte : Une entreprise de recrutement utilise un outil qui présélectionne automatiquement des candidatures selon des critères définis, avant de les transmettre au recruteur.

Question : À quelle condition ce processus reste-t-il un exemple de travail augmenté, et à partir de quand basculerait-il vers une automatisation non maîtrisée ?

Résultat attendu : Le processus reste du travail augmenté tant que le recruteur examine réellement les candidatures présélectionnées et peut aussi consulter celles écartées en cas de doute ; il bascule vers une automatisation non maîtrisée si les candidatures écartées par l’outil ne sont jamais vues par un humain, sans aucun contrôle possible.

Application guidée : évaluer un bénéfice réel

Contexte : Une pharmacie utilise depuis six mois un outil d’aide à la vérification des interactions médicamenteuses, sans jamais avoir mesuré son impact concret sur le travail des pharmaciens.

Question : Quels indicateurs simples pourraient être suivis pour évaluer si cet outil apporte un bénéfice réel au travail augmenté des pharmaciens ?

Résultat attendu : On peut suivre le nombre d’interactions signalées et effectivement confirmées comme pertinentes par le pharmacien, le temps moyen de vérification avant et après l’outil, et le nombre de fois où le pharmacien a dû corriger ou ignorer une suggestion erronée de l’outil.

Pour bien le retenir

L'analogie

C’est comme un copilote qui surveille les instruments de bord pendant qu’un pilote garde la main sur les commandes : le copilote signale une anomalie ou propose un ajustement, mais c’est toujours le pilote qui décide et qui reste responsable du vol.

« Un copilote qui signale, mais qui ne prend jamais les commandes. »

Pièges à éviter

À ne pas confondre avec

Une confusion fréquente consiste à assimiler le travail augmenté à un remplacement progressif de l'humain par la machine : dans sa définition, il s'agit au contraire d'un renforcement des capacités humaines, avec un contrôle qui reste actif et une décision finale humaine. Un outil dont les suggestions ne sont jamais vérifiées ne relève plus du travail augmenté mais d'une automatisation risquée.

Autre piège : introduire un outil d'assistance sans former les personnes concernées à comprendre ses limites, ce qui peut conduire à une confiance excessive envers des suggestions parfois erronées.

Évolution historique

Apparition : Notion qui se diffuse largement dans les années 2010-2020, en lien avec la montée des outils numériques d'assistance

Quels changements depuis l’arrivée de l’IA ?

L’Augmented Work est une notion étroitement liée à la montée des outils numériques d’assistance, et l’intelligence artificielle en constitue aujourd’hui l’illustration la plus visible.

Avant

Le travail augmenté par la technologie existait déjà avec des outils informatiques classiques (logiciels de calcul, bases de données, systèmes experts spécialisés dans certains métiers techniques), mais de façon plus limitée et cadrée que les assistants d’IA actuels.

Aujourd’hui

L’IA générative et les outils d’analyse avancée élargissent fortement le champ des tâches assistées, y compris des tâches jugées auparavant purement intellectuelles comme la rédaction, l’analyse de documents ou le diagnostic, ce qui rend la question du contrôle humain et de la vérification des suggestions plus centrale que jamais.

Évolution historique

Années 1980-1990 : les premiers systèmes experts assistent certains métiers techniques et médicaux sur des tâches très cadrées.

Années 2000 : les logiciels métiers spécialisés (comptabilité, gestion, diagnostic technique) automatisent une partie croissante des tâches répétitives.

Années 2010 : l’expression « travail augmenté » se diffuse dans les discours sur la transformation numérique des entreprises.

Début des années 2020 : l’IA générative élargit fortement le champ des tâches pouvant être assistées, y compris des tâches de rédaction et d’analyse.

Aujourd’hui : le débat porte surtout sur la juste place du contrôle humain face à des outils de plus en plus capables de produire des suggestions autonomes.