L’intelligence artificielle (IA) transforme le monde du travail à plusieurs niveaux simultanément. Elle modifie les conditions de travail de ceux qui y contribuent, souvent dans des tâches invisibles et précaires ; elle modifie les processus de recrutement, d’organisation et de promotion professionnelle, où les décisions automatisées peuvent reproduire des inégalités historiques sous un apparat de neutralité ; elle laisse entrevoir un nouveau paradigme du travail dans lequel une partie de la valeur économique pourra croître sans augmentation proportionnelle du travail humain ; et elle transforme la manière dont nous formons les professionnels qui devront cohabiter avec elle, en modifiant tant les méthodes d’enseignement que les compétences attendues des diplômés. Ce texte propose de passer en revue ces domaines afin de réfléchir à la manière d’orienter le développement et l’utilisation de l’IA vers une collaboration institutionnelle, éducative et sociale qui met au centre la dignité des personnes et leurs conditions de travail.

L’infrastructure humaine derrière l’intelligence artificielle

La magie apparente des algorithmes d’IA repose sur une infrastructure profondément humaine qui reste hors champ. Bien qu’on l’imagine souvent comme un système autonome, purement informatique, elle dépend en réalité de millions de personnes qui produisent, corrigent et valident les données qui rendent son fonctionnement possible. Ceux qui annotent des images, classent des textes ou modèrent des contenus construisent cette « vérité de base » (ground truth), sans laquelle les modèles de pointe ne pourraient pas continuer à se développer.

Cette dimension invisible, ou plutôt rendue invisible, révèle comment s’organise la chaîne de valeur mondiale de l’IA : fragmentée, délocalisée et, dans de nombreux cas, délibérément opaque. Selon les estimations de la Banque mondiale ^[1], entre 154 et 435 millions de personnes participent, à titre d’activité principale, secondaire ou marginale, à une forme quelconque de travail en ligne à la demande. Une partie de cet écosystème porte sur les tâches de production, de tri et d’annotation des données nécessaires aux systèmes d’IA. Ces tâches sont souvent externalisées vers des pays du Sud, tels que le Kenya, les Philippines, l’Inde ou le Brésil. Là-bas, les travailleurs accomplissent ces tâches dans des conditions précaires, avec une charge psychologique élevée et une faible stabilité contractuelle. Dans l’ensemble, le travail en ligne à la demande est encore plus marqué chez les femmes, qui apprécient justement la possibilité de concilier le travail à distance avec des tâches de soins non rémunérées.

Diverses études ont documenté ces conditions de travail. Au Kenya, certaines personnes chargées de classer des contenus toxiques pour entraîner des systèmes d’IA percevaient entre 1,32 et 2 dollars de l’heure et devaient être confrontées en permanence à des descriptions de violence, d’abus sexuels et d’autres contenus traumatisants ^[2]. Aux Philippines, des milliers de travailleurs de ce type, appelés « taskers», travaillent via des plateformes d’annotation de données, souvent depuis des cybercafés, leur domicile ou des lieux de travail précaires. L’un des travailleurs interrogés a déclaré effectuer des journées d’environ 12 heures, sept jours sur sept, tandis que d’autres ont dénoncé l’absence de contrats, de protection sociale et de mécanismes efficaces pour réclamer le paiement des salaires impayés ou des réductions salariales ^[3]. La précarité va donc bien au-delà de la rémunération : elle inclut les temps d’attente et de formation non rémunérés, l’instabilité, le manque de reconnaissance professionnelle et l’exposition à des contenus psychologiquement préjudiciables ^[4].

Dans ce contexte, la récente encyclique Magnifica Humanitasmet en garde contre la consolidation d’un nouveau colonialisme numérique, qui ne s’exerce plus uniquement sur des territoires ou des corps, mais aussi sur les données vitales de populations vulnérables qui alimentent les systèmes de pouvoir algorithmique ^[5]. Dans cette perspective, le pape Léon XIV parle explicitement de « nouvelles formes d’esclavage » pour désigner des formes de travail qui, sous le prétexte de l’innovation technologique, reproduisent des relations d’exploitation dissimulées.

Le raisonnement est clair : aucune technologie se présentant comme émancipatrice ne peut se justifier sur le plan éthique si elle repose sur une main-d’œuvre précarisée et délibérément invisible. Face à cela, la justice sociale à l’ère numérique exige bien plus qu’un accès « universel » à la technologie. Elle implique de garantir des conditions de travail dignes, la transparence dans l’utilisation des données et des mécanismes de contrôle public qui empêchent que le profit économique ne devienne le seul critère de décision.

Une technologie de pointe au service des stéréotypes les plus anciens

La problématique de l’IA ne se limite toutefois pas aux conditions de travail de ceux qui l’entraînent. Elle se manifeste également dans les domaines où les algorithmes prennent des décisions concernant d’autres personnes. L’un des domaines les plus sensibles est le recrutement. De plus en plus d’entreprises utilisent des systèmes d’IA pour filtrer les CV, classer les candidatures, analyser des entretiens enregistrés ou prédire les performances futures des candidats. Bien que ces outils soient souvent présentés comme des mécanismes objectifs et efficaces, diverses études ont montré qu’ils peuvent reproduire et amplifier les biais présents dans les données historiques sur lesquelles ils ont été entraînés ^[6].

Le problème vient du fait que les algorithmes apprennent à partir de décisions antérieures. Si une organisation a historiquement embauché davantage d’hommes que de femmes pour certains postes, ou si certains groupes sociaux ont eu moins d’accès aux opportunités éducatives et professionnelles, le système peut interpréter ces schémas comme des indicateurs de réussite et les reproduire dans ses recommandations futures. Au lieu de corriger les inégalités préexistantes, l’automatisation risque de les renforcer sous le couvert d’une neutralité technique. À cela s’ajoute un phénomène particulièrement préoccupant : une série d’expériences portant sur une tâche de diagnostic médical simulée a montré que les personnes peuvent intégrer puis reproduire les biais des recommandations de l’IA ^[7] . Ainsi, les préjugés sociaux alimentent les algorithmes et, par la suite, leurs réponses influencent à nouveau les décisions humaines, créant un cercle de rétroaction susceptible de renforcer et de normaliser ces mêmes schémas d’exclusion.

La discrimination algorithmique est particulièrement préoccupante, car elle opère souvent de manière invisible, selon des critères dissimulés derrière des modèles complexes et peu transparents. Ainsi, les personnes exclues d’un processus de sélection peuvent rarement connaître les raisons de cette exclusion, la contester efficacement ou même se rendre compte qu’elle a eu lieu. Pour preuve, une étude récente montre que certains modèles d’IA générative recommandent, dans certains cas, des offres salariales nettement inférieures pour les femmes par rapport aux hommes présentant des profils professionnels identiques ^[8].

Dans cette perspective, l’IA peut agir comme un amplificateur des vulnérabilités sociales. Les personnes déjà confrontées à des obstacles structurels liés au genre, à l’origine ethnique, à l’âge, au handicap ou à la situation socio-économique peuvent voir leur situation aggravée lorsque les systèmes automatisés transforment les inégalités historiques en prédictions sur l’avenir, et que ces prédictions deviennent, à leur tour, des prophéties auto-réalisatrices.

Il existe un risque élevé que la technologie institutionnalise et amplifie les formes d’exclusion existantes, en leur conférant une légitimité apparente. C’est pourquoi nous avons besoin de mécanismes d’audit, de transparence et de responsabilité permettant de détecter les biais discriminatoires et de garantir que les décisions respectent la dignité humaine et le principe de l’égalité des chances.

Productivité, substitution et transition professionnelle

Nous observons un troisième impact sur le monde du travail, découlant du changement de paradigme dans de nombreux secteurs productifs. L’Organisation internationale du travail (OIT) met en garde contre la vulnérabilité particulière de certains emplois administratifs et de professions à prédominance féminine ^[9] ; le Fonds monétaire international (FMI) estime que l’IA pourrait affecter près de 40 % de l’emploi mondial et souligne que les pays à faible revenu disposent de moins d’infrastructures et de capacités pour en tirer parti ^[10] ; et la Conférence des Nations unies pour le commerce et le développement (CNUCED) met en garde contre le fait que cette inégalité de préparation pourrait creuser les écarts entre les pays ^[11].

Nous ne savons pas dans quelle mesure l’IA remplacera la cognition humaine dans chaque secteur ^[12]. Mais il semble clair qu’elle peut accroître la valeur économique non seulement grâce à davantage de travail humain, d’heures travaillées ou d’emplois, mais aussi grâce à une capacité artificielle de prédiction et de traitement cognitif de plus en plus abordable, évolutive et rapide. Cela laisse entrevoir une économie dans laquelle une partie de la croissance de la productivité dépendra moins de l’augmentation de la main-d’œuvre et davantage du déploiement de systèmes capables d’effectuer un travail cognitif à faible coût ^[13].

Cependant, nous pouvons anticiper certaines tensions liées à une augmentation de la productivité de cette ampleur : se traduira-t-elle par une amélioration de la qualité de vie des travailleurs ou simplement par une augmentation des bénéfices grâce à la réduction du coût de la main-d’œuvre ? Dans un système axé sur la réduction des coûts et l’augmentation des marges, l’IA permet d’accroître la production et la valeur générée sans accroître la main-d’œuvre dans les mêmes proportions. Cela laisse présager que certains emplois cognitifs, en particulier les plus routiniers ou à faible valeur ajoutée, pourraient être réduits, transformés ou disparaître dans un délai relativement court.

Le principal risque réside peut-être dans la rapidité de la transition. Les employeurs s’attendent à ce que 39 % des compétences actuelles changent ou deviennent obsolètes entre 2025 et 2030, tandis que 63 % d’entre eux identifient déjà le manque de compétences comme l’un des principaux obstacles à la transformation des entreprises ^[14]. Si l’intégration de l’IA progresse plus rapidement que la reconversion des personnes, la réorganisation des secteurs productifs, l’adaptation réglementaire et le renforcement des filets de protection sociale, la période d’ajustement pourrait se traduire par des suppressions d’emplois, des pertes de revenus et une aggravation des inégalités ^[15].

Cette augmentation potentielle de la concentration des richesses devrait inciter les gouvernements à revoir les mécanismes de redistribution et de protection sociale. Pendant la transition, il sera nécessaire de mobiliser une partie de la valeur générée par l’IA pour financer la reconversion professionnelle, soutenir ceux qui subissent une perte de revenus et faciliter l’adaptation des tissus productifs.

Éduquer à l’IA et éduquer avec l’IA : un leadership humaniste numérique

L’IA étend ses capacités dans un nombre croissant de domaines professionnels. Il est donc indispensable de préparer les futurs professionnels à une utilisation efficace, efficiente et éthiquement responsable de cette technologie. Il s’agit d’une formation à caractère professionnalisant, orientée vers une utilisation utile de l’IA, où la profession éducative occupe une place centrale. Dans ce contexte, la formation des enseignants constitue l’un des grands défis, tant pour leur apprendre à utiliser ces outils que pour les intégrer de manière éthique à la pratique pédagogique.

Mais il est également vrai que l’IA peut amplifier les erreurs, les biais et les mauvaises décisions, avec des conséquences très dangereuses lorsque nous l’utilisons pour automatiser des processus et déléguer des décisions concernant des organisations et des personnes. La nouveauté, par rapport à la révolution industrielle de l’automatisation, est que l’IA n’agit pas uniquement sur des systèmes physiques ou des processus industriels, mais aussi sur des tâches cognitives, organisationnelles, de gestion et de décision qui ont un impact direct sur les personnes. Dans cette nouvelle révolution, la question éducative revêt une urgence particulière : elle doit former au discernement pour déterminer ce qu’il convient d’accélérer, quels processus nécessitent une supervision constante et quelles décisions ne devraient pas être automatisées sans évaluation éthique préalable ^[16].

Et comment le système éducatif peut-il agir ? L’université de Deusto, par exemple, a mis en place plusieurs mesures tant au niveau institutionnel qu’au niveau opérationnel. Elle s’est engagée à adopter une position éthique sur l’utilisation de l’IA, qui prévoit son intégration dans l’enseignement, la recherche, le transfert de connaissances et la gestion selon des critères d’honnêteté, de transparence, de responsabilité, de durabilité, d’équité et de service à la personne ^[17]. Sur le plan pratique, elle a mis en place une Commission de l’IA, chargée d’orienter et d’accompagner ce processus au niveau institutionnel, ainsi qu’une Unité d’innovation numérique, qui promeut des ressources, des critères et des expériences visant à intégrer la technologie dans l’activité universitaire ^[18]. Dans le domaine pédagogique, elle repense les compétences et la formation des étudiants, en encourageant des projets d’innovation pédagogique visant à intégrer l’IA dans le processus d’enseignement et d’apprentissage, en réexaminant les processus d’évaluation et de recherche, l’utilisation de différents types d’IA, ainsi que la manière dont ces outils doivent être déclarés. Cette démarche trouve par ailleurs un cadre naturel dans les cours de « Formation humaine et valeurs », communs à toutes les formations de l’Université de Deusto, où la question de la technologie est liée à la justice, à la responsabilité professionnelle, au soin de la personne et de la planète.

Éduquer à l’IA et éduquer avec l’IA sont deux tâches distinctes qui doivent progresser de concert dans la recherche d’un leadership humaniste numérique, qui ne se limite pas à autoriser ou à interdire des technologies, mais qui forme à discerner où elles sont utiles et où elles sont néfastes ; lorsque leur emploi est justifié ou non.

Conclusions

L’impact sur les sociétés les plus vulnérables peut être profond et le défi écrasant. Mais c’est précisément sur ce point que l’encyclique Magnifica Humanitaslance un appel à l’espoir : elle met en garde contre la tentation de penser que les problèmes sont si grands que nos décisions ne changent rien et, face à cette forme de résignation, elle rappelle que la civilisation de l’amour se construit aussi grâce à de petits gestes de fidélité tenaces. De cette conviction naît une question : au-delà de la défense et de la formation, comment l’IA peut-elle se mettre au service de ceux qui accompagnent déjà des réalités de vulnérabilité ?

Certains systèmes d’IA sont capables d’analyser des informations, de détecter des tendances et d’aider à comprendre des réalités complexes, telles que les situations de vulnérabilité ou de risque d’exclusion. Le secteur social, qui prend en charge, accompagne et met en lumière ces réalités, doit transformer des informations fragmentées et dispersées en connaissances susceptibles d’avoir un impact, souvent avec des ressources limitées. L’IA, en tant que technologie générale, pourrait améliorer les diagnostics et renforcer l’action publique en s’appuyant sur une base plus solide. Mais une IA généraliste qui traiterait des données de mauvaise qualité, biaisées ou trop éloignées de l’expérience réelle des personnes les plus vulnérables finirait par reproduire l’exclusion au lieu de la corriger. Au moins trois conditions seraient nécessaires : des données soumises à un examen critique, une supervision humaine pour les décisions délicates et une orientation claire vers la prise en charge, l’accompagnement et le plaidoyer. La question est la suivante : l’IA généraliste nous est-elle utile pour cet objectif ? Existe-t-il des systèmes d’IA spécialisés qui seraient plus adaptés ? Où est-il indispensable de construire un système d’IA spécifique pour atteindre cet objectif ?

Il est évident qu’un seul acteur ne peut, à lui seul, faire face à ce changement de paradigme. Le secteur social connaît des réalités qui ne se traduisent souvent pas par des données utiles à la prise de décision ou au plaidoyer. Le monde universitaire et technologique, quant à lui, peut apporter des connaissances techniques et des outils pour structurer, interpréter et donner de la cohérence à une partie de cette complexité. C’est précisément là que réside une opportunité précieuse : la collaboration entre ceux qui maîtrisent la technologie et ceux qui connaissent de près les réalités sociales d’injustice que celle-ci devrait contribuer à résoudre.

L’IA fait déjà son entrée dans le secteur social : la question est de savoir si elle parviendra à se mettre au service d’une meilleure compréhension de la vulnérabilité et d’une action sociale plus juste.

Références

^[1] Datta, N., Chen, R., Singh, S., Stinshoff, C., Iacob, N., Nigatu, N. S., Nxumalo, M., & Klimaviciute, L. (2023).Travailler sans frontières : les promesses et les risques du travail en ligne à la tâche. Banque mondiale. https://doi.org/10.1596/40066

^[2] Perrigo, B. (18 janvier 2023). Exclusif : OpenAI a fait appel à des travailleurs kényans payés moins de 2 dollars de l’heure pour rendre ChatGPT moins toxique. Time. https://time.com/6247678/openai-chatgpt-kenya-workers/

^[3] Simon, T. (24 avril 2025). Les travailleurs philippins en première ligne face à l’intelligence artificielle.Equal Times. https://www.equaltimes.org/the-filipino-workers-at-the-sharp

^[4] Salim Wagner, C., Miceli, M., Kinyua, J., Dinika, A., & Hanna, A. (2026).Le travail sur les données dans la convention de l’OIT sur le travail sur les plateformes [Rapport d’orientation]. DAIR Institute. https://data-workers.org/policy-iloconvention/

^[5] Léon XIV. (15 mai 2026). Magnifica Humanitas : Lettre encyclique sur la protection de la personne humaine à l’ère de l’intelligence artificielle. Saint-Siège. https://www.vatican.va/content/leo-xiv/es/encyclicals/documents/20260515-magnifica-humanitas.html.

^[6] Collett, C., Neff, G., & Gouvea, L. (2022). Les effets de l’IA sur la vie professionnelle des femmes. UNESCO, OCDE et Banque interaméricaine de développement. https://doi.org/10.18235/0004055

^[7] Vicente, L., & Matute, H. (2023). Les humains héritent des biais de l’intelligence artificielle. Scientific Reports, 13, article 15737. https://doi.org/10.1038/s41598-023-42384-8

^[8] Sorokovikova, A., Chizhov, P., Eremenko, I., & Yamshchikov, I. P. (2025). Équité en surface, biais profond : une étude comparative des biais dans les modèles linguistiques [Prépublication]. arXiv. https://doi.org/10.48550/arXiv.2506.10491

^[9] Gmyrek, P., Berg, J., Kamiński, K., Konopczyński, F., Ładna, A., Nafradi, B., Rosłaniec, K., & Troszyński, M. (2025). IA générative et emploi : un indice mondial affiné de l’exposition professionnelle(Document de travail n° 140 de l’OIT). Organisation internationale du travail. https://doi.org/10.54394/HETP0387

^[10] Cazzaniga, M., Jaumotte, F., Li, L., Melina, G., Panton, A. J., Pizzinelli, C., Rockall, E. J., & Tavares, M. M. (2024). Gen-AI : l’intelligence artificielle et l’avenir du travail(Note de discussion du personnel n° 2024/001). Fonds monétaire international. https://doi.org/10.5089/9798400262548.006

^[11] Conférence des Nations Unies sur le commerce et le développement. (2025). Rapport 2025 sur la technologie et l’innovation : Une intelligence artificielle inclusive au service du développement. Nations Unies. https://unctad.org/publication/technology-and-innovation-report-2025

^[12] Acemoglu, D. (2025). The simple macroeconomics of AI. Economic Policy, 40(121), 13–58. https://doi.org/10.1093/epolic/eiae042

^[13] Agrawal, A., Gans, J., & Goldfarb, A. (2018). Prediction machines: The simple economics of artificial intelligence. Harvard Business Review Press.

^[14] Forum économique mondial. (2025). Rapport sur l’avenir de l’emploi 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/

^[15] Cazzaniga, M., Jaumotte, F., Li, L., Melina, G., Panton, A. J., Pizzinelli, C., Rockall, E. J., & Tavares, M. M. (2024). Gen-AI : L’intelligence artificielle et l’avenir du travail(Note de discussion du personnel n° 2024/001). Fonds monétaire international. https://doi.org/10.5089/9798400262548.006

^[16] Bond, M., Khosravi, H., De Laat, M., Bergdahl, N., Negrea, V., Oxley, E., Pham, P., Chong, S. W., & Siemens, G. (2024). Une revue méta-systématique de l’intelligence artificielle dans l’enseignement supérieur : un appel à davantage d’éthique, de collaboration et de rigueur.International Journal of Educational Technology in Higher Education, 21, article 4. https://doi.org/10.1186/s41239-023-00436-z. Voir aussi Mirsch, M., Moreno, S. G., Schultz, B., & Leicht-Scholten, C. (2026).L’ingénierie responsable à l’ère de l’IA : la valeur d’une formation responsable en IA du point de vue des étudiants en ingénierie.SEFI Journal of Engineering Education Advancement, 3(1), 6–51. https://doi.org/10.62492/sefijeea.v3i1.48

^[17] Université de Deusto. (mars 2024). Position de l’Université de Deusto concernant l’utilisation de l’intelligence artificielle(Version 1.1). https://www.deusto.es/document/deusto/es/posicionamiento-deusto-uso-ia.pdf

^[18] Université de Deusto. (s. d.). L’intelligence artificielle à Deusto. Consulté le 15 juillet 2026, sur https://www.deusto.es/es/inicio/somos-deusto/estrategia-academica/ia-deusto

Auteurs

Crédits de l’image de couverture : Cheiro, prenant des notes au cours d’une journée de travail depuis son domicile à Cagayan de Oro. Photo : Théophile Simon. Publié le 24 avril 2025 dans Equal Times.