Ce que l’IA fait au prix de nos efforts

Article IA 10.11.2026
Par Elie Abitbol

Elie Abitbol codirige l’équipe Pricing & Sales Excellence au sein de Converteo (Principal, Lead IA & Data) et accompagne les entreprises dans leur transformation data et l’optimisation de leurs modèles économiques. À la croisée de la stratégie métier et de l’IA générative, il interroge ici la valeur réelle du travail humain et du conseil face à l’industrialisation des contenus et du code.

Les 3 points clés à retenir

  • L’abondance du « sans effort » déplace la valeur vers l’authentique. Comme dans l’alimentation ultra-transformée, la saturation de contenus lisses (AI Slop) finit par provoquer l’écœurement et fait flamber le prix de ce qui porte la trace d’un vrai travail humain.
  • La « fast-fashionisation » du logiciel ne tuera pas les grands éditeurs. Si le vibe coding permet de générer des applications jetables en quelques minutes, les entreprises continueront de payer pour la « résistance » des grands systèmes (ERP, CRM) et pour une gouvernance capable d’endiguer le Shadow AI.
  • Dans le conseil et les services, le TJM redevient un vrai « Jour-Homme ». L’IA condamne la facturation au volume de slides ou au faux temps passé. Ce que le client achète désormais au prix fort, c’est l’engagement, l’arbitrage politique et un humain capable de répondre de ses décisions.

La valeur de ce qui résiste

Derrière nos écrans, nous avons pris une nouvelle habitude : nous écrivons des « prompts » – autrement dit, nous donnons des ordres. Nous exigeons d’une machine qu’elle nous livre à la seconde un rapport, un mail ou cent lignes de code bien propres, bien lisses. Au quotidien, les personnalités s’effacent : le SMS d’une nounou, le mot d’une maîtresse d’école, le mail d’un collègue ou celui d’un client nous donnent l’impression de parler à la même personne… mais qui ?!
Derrière ce grand lissage gratuit et instantané, une question finit par nous rattraper : qu’est-ce qui a encore vraiment de la valeur en nous, et qu’est-ce qui résistera ?

Pour le comprendre, il faut regarder à l’opposé, un monde que je connais bien à travers l’atelier de mon grand-père, le sculpteur Shelomo Selinger.

Chez lui, il n’y a ni disqueuse électrique, ni robot, ni maquette en terre glaise à recopier. Il travaille face à des blocs de granit de plusieurs tonnes ou des troncs massifs de chêne et de bois de rose. Ses seuls outils sont des burins, des massettes, et le temps. Il pratique la « taille directe » : un corps-à-corps où chaque coup de marteau est irréversible. Si on tape trop fort, le morceau qui tombe ne se recolle pas. « Nous sommes trois dans cette aventure, dit-il souvent : la matière, la lumière, et moi. S’il y a une hésitation, c’est toujours la matière qui a raison. Si l’artiste veut avoir raison par la force, il perd tout. »

Shelomo Selinger sculptant le bois en taille directe (à gauche) et détail d’une de ses sculptures sur bois (à droite).
Shelomo Selinger sculptant le bois en taille directe au maillet et à la gouge dans son atelier. | Détail d’une sculpture sur bois de Shelomo Selinger laissant apparaître les veines et fentes naturelles du tronc.

Il utilise d’ailleurs un mot très fort : pour lui, sculpter, c’est s’interdire de « violer » la matière. Quand il travaille le bois, il ne lui impose pas une forme décidée d’avance. Il écoute ses fibres, suit ses nœuds, ses fentes, ses ondulations naturelles. Ces défauts apparents ne sont pas des erreurs à raboter. Ils sont la signature du monde, la mémoire vivante de l’arbre qui a poussé contre le vent et cherché la lumière. Le sculpteur ne fait que révéler ce qui s’y cachait déjà.

Avec l’IA, nous faisons tout l’inverse. Nous croyons créer alors que nous passons simplement commande. Nous broyons du bois massif avec ses veines et ses nœuds pour en faire des planches d’aggloméré bien plates. Bref, le mot est brutal, mais nous violons la pensée au lieu de la laisser venir.

De l’abondance à l’indigestion

Or, chaque fois qu’une industrie remplace le brut par du produit calibré pour nous épargner tout effort, le même cycle se répète. D’abord l’euphorie de l’abondance. Puis l’écœurement. Et enfin, la flambée du prix de l’authentique.

C’est exactement ce qui s’est passé dans nos assiettes. Quand les plats préparés et les surgelés ont envahi les supermarchés, tout le monde y a d’abord vu un progrès génial : un gain de temps fou, de la nourriture pas chère et prête en trois minutes. Puis, à force d’avaler des produits ultra-transformés (saturés de sucre et de gras pour flatter le palais, mais identiques et sans saveur), la commodité a fini par provoquer une forme de dégoût. C’est en réaction directe à cette malbouffe que notre génération s’est reprise de passion pour le « fait maison », le pain au levain, les légumes anciens un peu tordus et le travail des artisans.

Submergés par ces contenus crachés par la machine (le fameux AI Slop), nous commençons à ressentir la même indigestion. Et comme on plaque une étiquette “recette d’antan” sur une barquette industrielle, tout un marché essaie déjà de contrefaire cette authenticité…

Il suffit de regarder l’explosion des recherches « make AI text sound human » ou « how to bypass AI detectors » sur Google Trends pour s’en apercevoir. Tout un business de la « fausse patine » s’est monté autour d’outils comme StealthGPT ou Undetectable AI.

Google Trends : requêtes populaires et requêtes en hausse sur « ai to human », « make ai sound human », « how to make ai sound human », « ai text to human »…

Ces outils calculent une dose de surprise lexicale et brisent artificiellement le rythme des phrases. On paie des algorithmes pour réinjecter du désordre dans des textes trop propres générés par un autre algorithme… C’est dire si l’on ne se fait même plus confiance pour avoir l’air humain !

Human vs AI : visualisation de la perplexité et de la burstiness sur des textes humains et générés par IA.
Visualisation de la perplexité et de la burstiness sur des textes humains (à gauche, ponctués de mots imprévisibles en rouge/orange) et générés par IA (à droite, uniformément prévisibles en bleu). Source : Pangram Labs (pangram.com).

Nous essayons d’imiter la trace d’un effort que nous n’avons pas fait. Mais tapez sur un meuble en aggloméré recouvert d’un autocollant imitation chêne… Votre intuition ne s’y trompe pas, vous sentez bien que cela sonne creux.

« Ce qui ne coûte rien ne vaut rien »

La valeur d’une œuvre ne tient jamais à son seul résultat final. Nous valorisons le chemin parcouru, le risque pris et ce qui nous a résisté. Le monde des mathématiques vient d’en faire l’expérience brutale.

Le 6 octobre 2026, OpenAI a publié d’un coup 719 articles de recherche, résolvant en quelques heures de calcul 372 problèmes complexes sur lesquels les chercheurs butaient parfois depuis des décennies. En découvrant la liste, le mathématicien français Hugo Duminil-Copin, médaille Fields 2022, a raconté son choc : « Mardi, dans la nuit, j’ai pleuré et cela a réveillé ma fille. » Seize des problèmes résolus par la machine en une nuit étaient ceux sur lesquels il travaillait d’arrache-pied depuis des années.

Maigre consolation : trois de ces preuves ont déjà été réfutées. « Pas si mal, comparé aux sept cents dernières publiées par des humains », sourient malgré tout certains chercheurs.

Le Monde : « Nouveau coup de massue d’OpenAI sur les mathématiciens : « Ils ont annihilé mon domaine de recherche » »
Le mathématicien français Hugo Duminil-Copin (médaille Fields 2022) devant son tableau de recherche. Article du Monde : « Nouveau coup de massue d’OpenAI sur les mathématiciens » (Photo : Fabrice Coffrini / AFP).

Mais un chercheur ne pleure pas parce qu’il regrette la découverte de la vérité. Il pleure parce que les mathématiques ne sont pas une simple liste de bonnes réponses. Ce qui compte pour lui, ce sont les mois à noircir des tableaux, les impasses, l’obsession d’une question qu’on garde en tête sous la douche et la joie de trouver enfin la faille. Là, l’algorithme a craché le résultat final sans avoir eu besoin de comprendre le problème. D’autant que la machine publie désormais plus vite que les humains ne sont capables de lire et de vérifier ses preuves.

Ce malaise nourrit aujourd’hui la suspicion partout, du scandale autour du roman de Thélyson Orélien (écarté du Goncourt sur fond de soupçons d’IA) jusqu’au filigrane invisible textGrain qu’OpenAI commence à glisser dans ChatGPT, comme un code-barres sur un produit d’usine.

Le Parisien : « Il fallait réagir très vite » : pourquoi le Goncourt a lâché Thélyson Orélien, accusé de plagiat et d’utiliser l’IA. / Abondance : OpenAI va ajouter un filigrane invisible textGrain aux textes de ChatGPT en Europe.
L’affaire Thélyson Orélien : l’écrivain évincé de la sélection du Goncourt sur fond de soupçons d’IA. Source : Le Parisien. | Déploiement par OpenAI du filigrane invisible « textGrain » pour marquer les textes de ChatGPT. Source : Abondance.

Derrière cette obsession de savoir « qui a écrit quoi », nous cherchons quelqu’un qui joue sa peau, qui a engagé son temps, son effort et sa réputation. Une machine ne risque rien, ne doute jamais, n’a pas de peau. Si l’on met de côté sa facture bien réelle en serveurs, en électricité et en eau (une équation économique intenable sur laquelle il faudra revenir), ce qu’elle sort ne nous coûte aucun effort. Et pour nos esprits, ce qui ne coûte rien finit toujours par ne plus valoir grand-chose.

Au fond, ne fait-on pas depuis toujours le plus d’efforts possible pour en faire le moins possible ? L’IA est l’aboutissement de cette quête. Mais arrivés au bout de cette logique, quand l’effort d’écrire, de chercher ou de coder disparaît complètement, on s’aperçoit qu’on a aussi éliminé ce qui nous tenait en éveil.

La « fast-fashionisation » de la tech face aux socles de l’entreprise

Ce phénomène ne touche pas que l’écriture ou la science. Nous avons importé dans la tech nos réflexes de consommation les plus compulsifs. Ce mouvement est probablement irrémédiable.

La standardisation industrielle a évidemment ses vertus. Personne ne regrette les charrettes à bœufs. Pour meubler un bureau, une chaise produite en série fait très bien l’affaire. De la même manière, pour synthétiser une réunion, trier des données ou rédiger un courrier courant, l’IA offre une efficacité immédiate à un coût dérisoire.

Mais en poussant cette logique, nous basculons avec le logiciel dans le même travers qu’avec la fast fashion.

Construire un outil informatique exigeait jusqu’ici du temps et de l’architecture : on concevait pour durer parce que produire coûtait cher. Aujourd’hui, avec le vibe coding, n’importe quelle équipe peut générer une application à la volée en quelques instructions pour répondre au besoin de la semaine. Si le besoin évolue l’année suivante ou qu’un dysfonctionnement apparaît, pourquoi prendre la peine de réparer ou d’industrialiser quand on peut tout jeter et regénérer autre chose en dix minutes ? Nous consommons désormais du code comme ces vêtements à bas coût et de piètre qualité, portés deux fois avant d’être remplacés parce que leur coût de fabrication est marginal.

Illustration : des applications jetables suspendues comme des vêtements sur un portant, certaines jetées à la corbeille, face à un logiciel solide posé sur un socle.

C’est d’ailleurs face à cette dérive du « tout-jetable » que l’on comprend pourquoi les entreprises continuent de payer au prix fort de grands logiciels SaaS comme Salesforce ou ServiceNow. Il suffit d’observer le revirement de ceux qui, comme Klarna, avaient annoncé débrancher leurs grands éditeurs au profit d’une IA maison avant de faire marche arrière. Ce que l’on achète chez ces grands éditeurs, ce n’est plus du code, c’est leur résistance : des milliers d’arbitrages humains et de règles métier patiemment construits, qui portent l’entreprise.

Pourtant, même si ces grands socles ont de solides raisons de tenir debout, ils ne doivent pas masquer une fracture qui est en train d’exploser au visage des directions générales. L’IA décuple la capacité individuelle de chaque collaborateur alors même que l’entreprise s’échine à tout unifier depuis vingt ans à coups de centres de compétences transverses sur l’IT ou la data, et de millions d’euros investis pour « acculturer » les équipes, diffuser des « bonne pratiques » et imposer des outils communs.

Or, tout cet édifice se retrouve soudain contourné de l’intérieur par l’usage clandestin de l’IA (le Shadow AI) : selon le Work Trend Index de Microsoft, 78 % des salariés qui utilisent l’IA au travail apportent désormais leurs propres outils sans attendre l’aval de leur direction informatique, et près de la moitié affirment qu’ils continueraient même en cas d’interdiction formelle. Et après tout, pourquoi s’embarrasseraient-ils ? Seuls avec leur IA, ils sont plus puissants, plus rapides, plus précis, et ne dépendent plus d’aucun silo organisationnel. Comment lutter, vraiment ?

La fin du faux « temps passé » et le retour du vrai « Jour-Homme »

Ce qui est vrai pour la solidité de nos logiciels l’est encore plus pour le modèle tarifaire des métiers de service. On entend beaucoup dire que l’IA condamne la facturation au temps passé, du taux journalier (TJM) du conseil ou aux honoraires des avocats. Je crois que c’est une erreur de lecture.

Ce qui est condamné, c’est de facturer au prix fort des tâches d’exécution automatisées en cachette. Le dernier rapport Future of Professionals 2026 de Thomson Reuters montre bien le problème : 74 % des professionnels utilisent déjà l’IA plusieurs fois par semaine, mais seuls 6 % de leurs clients ont le sentiment d’en retirer une vraie valeur ajoutée, au point qu’un tiers d’entre eux pensent à changer de prestataire dans l’année.

Les clients ne sont pas dupes : qui voudra sérieusement payer des milliers d’euros pour un rapport ou un contrat généré en trois minutes ? L’écart est d’ailleurs déjà mesurable sur le marché : selon l’indice Future Workforce 2026 d’Upwork, la rémunération des tâches d’exécution simples a déjà décroché de 28 % en un an, tandis que celle des missions complexes demandant un vrai jugement humain a bondi de 45 %.

Graphique : rémunération des missions (indice 100), année N vs année N+1. Missions complexes (jugement, expertise, conseil…) : +45 %. Tâches d’exécution simples (automatisables) : −28 %.

Le TJM va être sérieusement challengé, mais il ne va pas disparaître. Il va simplement redevenir ce qu’il dit être : un Jour-Homme.

Une fois qu’on enlève la corvée de production basique, le jour facturé redevient un pacte de présence humaine. Ce qu’un client achète, ce n’est plus un volume de slides ou de pages ; c’est du vrai temps de cerveau humain qui se frotte à ses problèmes. C’est l’assurance d’avoir quelqu’un en face qui écoute, qui comprend les tensions internes et qui mouille la chemise. En clair, quelqu’un qui assume une « responsabilité » (étymologiquement, répondre de ses actes face à l’autre). Tant qu’il ne s’agit que de produire des contenus, tout le monde est interchangeable derrière la machine. Mais dès qu’il y a un visage en face et un risque à prendre, celui qui s’engage à en répondre devient irremplaçable : il lève enfin l’anonymat du « mais qui ? ».

Scène de la série Pluribus : une foule d’individus réunis en plein air.
Dans la série Pluribus (Vince Gilligan, Apple TV), l’humanité entière fusionne en une seule conscience collective lisse et souriante : à travers la bouche de milliers d’individus devenus interchangeables, c’est toujours la même entité qui vous répond

Plus il sera facile et gratuit de produire des contenus ou des outils en un clic, plus ce frottement humain prendra de la valeur. Qu’on soit avocat, consultant ou expert métier, ce qui justifiera demain nos tarifs tient d’abord dans l’art de ne pas forcer la matière : prendre le temps d’écouter les vrais blocages, l’histoire et les particularités d’une entreprise, au lieu d’y plaquer une recette toute faite. Et la valeur se niche ensuite dans le premier coup de ciseau : choisir la bonne option en regardant son client dans les yeux, s’engager à ses côtés et assumer une décision sur laquelle on ne pourra pas faire « machine » arrière.

Par Elie Abitbol

Senior Manager Lead AI & Data for Pricing & Sales Excellence

1 / 1

Ce que l’IA fait au prix de nos efforts

L’IA lisse tout et ne coûte rien : que reste-t-il de la valeur du travail humain ? Sculpteur, maths, vibe coding, Jour-Homme : le filtre d’Elie Abitb...

Product Builder, Prompt Tester, Conversational Designer : les 4 nouveaux rôles IA dans les équipes métier

Découvrez les 4 rôles IA clés (Product Builder, AI Builder, Conversational Designer, Prompt Tester) à intégrer dans vos équipes métier.

Client story : Comment L’Oréal transforme ses actifs créatifs en données exploitables grâce à l’IA

Comment structurer vos actifs créatifs grâce à l'intelligence artificielle ? Décryptage de la stratégie IA marketing de L'Oréal sur le cloud.

Filter Travel : ce qu’AI Overviews change pour le Travel & l’Hospitality

AI Overviews et le Mode IA font chuter les clics. Charlotte Poulain explique pourquoi la donnée propriétaire devient l’atout du Travel & Hospitality.

Ce que le cas IKEA révèle vraiment sur le travail à l’ère de l’IA

Face à l'automatisation par l'IA, IKEA a choisi de reconvertir 8 500 agents de centre d'appels.

SCALE AI – Comment la DSI doit évoluer pour réussir le passage à l’échelle de l’IA

Découvrez comment la DSI doit évoluer en fournisseur de plateforme « as a service » pour réussir le passage à l'échelle de l'IA avec les équipes méti...

Agents IA et CDP (Customer Data Platform) : le guide pratique pour passer d’une vision au déploiement d’un projet concret

Couche sémantique, architecture, kill switches, pilote en 10 semaines : comment déployer des agents IA sur votre CDP sans faire dérailler le projet.

Finops IA : Comment maîtriser le coût des tokens dès le prototype et la clé de la rentabilité à l’échelle

Découvrez comment le FinOps IA aide à maîtriser le coût des tokens, du prototype à la production. Optimisez vos modèles LLM et maximisez le ROI.

L’Oréal x Converteo : l’intelligence artificielle au service de l’analyse et de la classification des contenus à grande échelle

Découvrez comment L'Oréal et Converteo utilisent l'IA multimodale pour automatiser la classification de vidéos publicitaires et optimiser leurs coûts...

GEO, LLM et service client : le nouveau front de l’après-vente

Vos clients préfèrent ChatGPT ou Claude aux chatbots de marque. Découvrez comment le GEO redéfinit le service client et le parcours après achat.

MCP Contentsquare : ce que les équipes CRO peuvent vraiment en attendre

Découvrez comment le MCP Contentsquare couplé à l'IA agentique transforme l'analyse comportementale. Opportunités, limites et intégration Jira par Co...

Modèles open weight et modèles frontier : une nouvelle donne pour nos projets agentiques ?

Découvrez pourquoi les modèles open weight concurrencent les modèles frontier et comment adapter votre infrastructure IA pour plus de contrôle et d'e...