L'analyse d'OpenAI portant sur plus de 800 000 requêtes ChatGPT liées au travail montre que 43,5 % des demandes de niveau spécialiste sont traitées par des utilisateurs en dehors de leur rôle professionnel principal, une tendance que l'entreprise appelle le « task crossover » (chevauchement de tâches). Cette découverte est importante car elle signale une reconfiguration rapide de la manière dont les entreprises mobilisent l'expertise et dont les individus définissent leurs compétences professionnelles.

Les données derrière le « task crossover »

OpenAI a associé chaque requête à une profession standard en utilisant la base de données professionnelle américaine O*NET. Après avoir écarté les activités génériques telles que la rédaction d'e-mails ou la planification, l'étude s'est concentrée sur des compétences de haut niveau qui nécessitent normalement une formation spécialisée. Parmi les requêtes restantes, près de la moitié demandaient à ChatGPT d'accomplir des tâches appartenant à une catégorie professionnelle différente de celle de l'utilisateur.

Où le changement s'opère

Le chevauchement est particulièrement marqué dans le marketing et l'ingénierie.

  • Les professionnels du marketing se tournent vers ChatGPT pour le dépannage technique et l'analyse de données — des tâches habituellement gérées par des ingénieurs ou des data scientists.
  • Les ingénieurs demandent au modèle de réviser des contrats et de résoudre des problèmes de sites web, des rôles traditionnellement occupés par des équipes juridiques ou front-end.

Les petites entreprises amplifient cette tendance. Avec des budgets limités pour les spécialistes, un seul employé peut utiliser ChatGPT comme un « multiplicateur de force », gérant un portefeuille de fonctions qui nécessiteraient autrement plusieurs embauches.

Pourquoi le chevauchement est important pour le travail et l'IA

Les données indiquent un passage du profil de « spécialiste » à celui de « généraliste augmenté ». À mesure que l'art de la rédaction de prompts (prompt-crafting) devient une compétence à part entière, les connaissances approfondies et cloisonnées pourraient céder la place à une polyvalence augmentée par l'IA. Les fondateurs et les développeurs ressentent désormais la pression de pousser les grands modèles de langage au-delà de la simple génération de texte pour fournir un raisonnement de haute fidélité en droit, en finance ou en ingénierie. L'abaissement de la barrière des tâches techniques pourrait remodeler le recrutement, la formation et même les intitulés de postes.

Risques et contre-arguments

Tout le monde n'adhère pas à ce changement. Les critiques avertissent que déléguer un travail de spécialiste à une IA pourrait diluer l'expertise, introduire des erreurs cachées et exposer les organisations à des risques de conformité. L'étude ne suit pas la fréquence à laquelle les résultats générés par l'IA sont validés, et elle ne quantifie pas non plus le coût potentiel des erreurs dans des domaines à enjeux élevés comme le droit des contrats ou la conception technique. Ces préoccupations suggèrent que, si l'IA peut étendre les capacités, elle peut également créer un faux sentiment de compétence.

Ce qu'il faut surveiller ensuite

  • Développement d'outils : Les futures mises à jour des LLM devront améliorer le raisonnement spécifique à un domaine et la vérification des erreurs pour répondre aux exigences du « task crossover ».
  • Politiques organisationnelles : Les entreprises pourraient élaborer de nouvelles directives internes pour le travail assisté par l'IA, en particulier dans les secteurs réglementés.
  • Signaux du marché du travail : Les recruteurs pourraient commencer à lister le profil de « généraliste augmenté par l'IA » comme une compétence, et les programmes de formation pourraient pivoter vers les compétences en ingénierie de prompts (prompt engineering).

Points clés

  • Le « task crossover » représente 43,5 % des requêtes de spécialistes, indiquant un chevauchement substantiel des fonctions professionnelles.
  • Le marketing et l'ingénierie mènent la transition, utilisant l'IA pour des tâches appartenant traditionnellement à d'autres spécialités.
  • Les petites entreprises comptent sur l'IA pour combler les manques de talents, transformant ainsi efficacement un seul employé en un opérateur multidisciplinaire.
  • Cette tendance présente à la fois des opportunités et des risques, suscitant des appels à une validation plus rigoureuse de l'IA et à de nouvelles normes de travail.