43,5 % : les métiers sortent déjà de leur territoire

Les descriptions de poste pourraient bien avoir un temps de retard. Dans son étude « How AI is expanding what people do at work », publiée le 27 juillet 2026, OpenAI analyse plus de 800 000 messages professionnels adressés à ChatGPT par des utilisateurs américains. 16,8 % des messages liés au travail concernent des tâches associées à un autre métier. Lorsqu’on écarte les activités génériques comme écrire, résumer ou planifier, la proportion atteint 43,5 % des usages suffisamment spécifiques pour être rattachés à une profession. OpenAI nomme ce phénomène « task crossover ». Un commercial explore lui-même des données qu’il aurait auparavant transmises à un analyste ; un responsable marketing intervient sur un site sans nécessairement solliciter un développeur ; un professionnel RH s’aventure sur des tâches relevant d’autres expertises. Le phénomène est particulièrement marqué dans certaines fonctions : parmi les usages non génériques étudiés, 77 % des messages provenant de l’expérience client correspondent à des tâches extérieures au métier traditionnel, 75 % chez les designers, 69 % dans les ressources humaines, 56 % dans le juridique et 53 % dans le marketing. Ces salariés ne changent pas nécessairement de métier : leur métier change autour d’eux, à mesure que l’IA leur donne accès à des capacités qui leur étaient auparavant moins accessibles.

Le Learning face à des métiers qui apprennent à déborder

Voilà d’abord une opportunité considérable pour les responsables formation. Pouvoir accomplir une tâche nouvelle ne signifie pas savoir l’accomplir correctement. Le commercial qui interroge lui-même ses données n’est pas devenu analyste ; le professionnel RH qui obtient une première analyse juridique ne possède pas pour autant les compétences du juriste. L’IA donne accès à l’action avant de donner la maîtrise du domaine. Entre les deux apparaît précisément un espace d’apprentissage. Les départements formation pourraient donc avoir à accompagner non seulement l’évolution des compétences à l’intérieur des métiers, mais l’extension même de leur périmètre : quelles tâches nouvelles un métier peut-il raisonnablement absorber ? Quelles compétences faut-il acquérir pour les exercer ? Jusqu’où peut aller l’autonomie ? À quel moment faut-il repasser la main au spécialiste ? Le « task crossover » bouscule ainsi une mécanique bien installée : définir un emploi, identifier les compétences requises, mesurer les écarts, puis former. Cette mécanique suppose un périmètre professionnel relativement stable. Or l’usage de l’IA peut faire apparaître de nouvelles activités avant que la fiche de poste et le référentiel de compétences les aient enregistrées. Pour les professionnels de la formation, une nouvelle mission se dessine : observer ces déplacements et aider les métiers à franchir leurs frontières sans perdre en qualité, en sécurité ou en expertise.

Pourquoi la formation échapperait-elle au crossover ?

C’est le retournement de perspective. Si l’IA permet aux métiers de franchir leurs frontières, pourquoi celle de la formation resterait-elle étanche ? Un manager peut déjà demander à une IA de construire un parcours d’intégration pour son équipe. Un expert métier peut transformer une procédure en tutoriel, générer des cas pratiques et produire des questions d’évaluation. Un commercial peut simuler une négociation ; un technicien obtenir une explication adaptée au problème qu’il rencontre ; un collaborateur construire à la demande son propre chemin d’apprentissage. Autant d’activités qui nécessitaient hier, à des degrés divers, l’intervention du service formation. Le mouvement n’est pas entièrement nouveau : contenus produits par les utilisateurs, communautés de pratiques et apprentissage dans le flux du travail avaient déjà commencé à distribuer la fonction d’apprentissage dans l’entreprise. L’IA change toutefois l’échelle du phénomène. Elle met à disposition des métiers des capacités de conception, d’explication, de reformulation, de simulation et de production dont l’accès demandait auparavant du temps et des compétences spécifiques. Le « task crossover » prend alors une autre signification : le département formation qui accompagne les métiers dans l’élargissement de leur périmètre découvre que ces mêmes métiers peuvent élargir le leur sur des tâches qu’il considérait comme siennes.

Céder des tâches, pas la maîtrise du système

Les premières activités exposées sont celles pour lesquelles l’IA réduit fortement le coût d’entrée : produire une ressource courte, expliquer une notion, adapter un contenu à un public, générer un exercice ou un quiz, préparer un tutoriel ou répondre à un besoin ponctuel d’apprentissage. Défendre systématiquement ce territoire serait probablement une bataille perdue. Si un manager peut obtenir en quelques minutes une ressource satisfaisante pour son équipe, il acceptera de moins en moins d’attendre qu’un processus centralisé la lui fournisse. Reste tout ce que cette autonomie ne garantit pas : l’exactitude d’un contenu, la pertinence d’un exercice, la réalité de l’apprentissage, la conformité ou la capacité de l’entreprise à savoir ce que ses collaborateurs savent effectivement faire. Le service formation peut donc accepter que certaines tâches pédagogiques migrent vers les métiers tout en organisant cette migration. À lui de fournir méthodes, environnements, standards et garde-fous ; à lui aussi de former les opérationnels à cette nouvelle autonomie. Son expertise se concentre alors davantage sur l’architecture des parcours, l’ingénierie des compétences, l’évaluation, la qualité et la gouvernance. Le paradoxe est fécond : le « task crossover » donne de nouvelles missions aux responsables formation parce que les métiers ont besoin d’aide pour élargir leur territoire ; il peut simultanément retirer certaines tâches aux professionnels de la formation parce que ces mêmes métiers deviennent capables de les assurer eux-mêmes. Opportunité d’un côté, menace de l’autre : la fonction formation devra apprendre à organiser les deux mouvements.