ChatGPT, IA générative, RPA, Codex.
En quelques années, les outils pour automatiser le travail se sont multipliés.
Les brouillons de texte, l'IA peut les rédiger. Les totaux dans Excel, on peut les demander à l'IA. Avec le RPA (des robots logiciels qui répètent les clics et la saisie qu'une personne ferait sur son ordinateur), on peut automatiser les manipulations à l'écran et les recopies de données d'un endroit à un autre. Avec une IA qui exécute réellement les tâches, comme Codex, on peut faire avancer d'un coup une grande quantité de travail : articles, pages d'atterrissage, code, documents, traitement de données, et même propositions d'amélioration.
Pourtant, quand on regarde ce qui se passe sur le terrain, il reste des tâches comme celles-ci.
- Ouvrir Excel
- Copier
- Coller
- Vérifier à l'œil
- Recopier dans un autre système
- Revérifier qu'il n'y a pas d'erreur
- Confirmer encore une fois en réunion
- Recevoir une demande de correction et tout refaire à la main
C'est, ni plus ni moins, du travail à la lance de bambou à l'ère de l'IA. (Au Japon, l'expression vient de la fin de la guerre, quand on entraînait des civils à affronter des armes modernes avec des perches de bambou taillées en pointe : beaucoup d'efforts, mais le mauvais outil.)
Bien sûr, Excel n'est pas le problème en soi. Au contraire, Excel est puissant. Comme tableur, pour les totaux, comme base de données de fortune, pour les formulaires, les graphiques, les tableaux de contrôle, les tableaux de suivi, et comme abri provisoire de tous les services, il reste excellent.
Le problème n'est pas d'utiliser Excel.
Le problème, c'est de continuer à faire tourner avec les mains, les yeux, la force de volonté et les réunions de confirmation ce qu'Excel pourrait faire.
Les chiffres d'utilisation montrent qu'on est encore assez au début
Vous pensez peut-être : « Mais tout le monde utilise déjà l'IA et le RPA, non ? »
C'est vrai, ChatGPT est devenu très connu. D'après Reuters, Sensor Tower estime que l'application ChatGPT a atteint 1 milliard d'utilisateurs actifs par mois dans le monde en mai 2026.
En revanche, ceux qui parviennent à confier aussi l'exécution de leur travail à l'IA et à l'automatisation sont encore très peu nombreux.
D'après Axios, Codex d'OpenAI comptait plus de 5 millions d'utilisateurs actifs par semaine en juin 2026. Environ un cinquième d'entre eux seraient des travailleurs du savoir.
C'est un outil d'IA exécutant des tâches, disponible dans le monde entier, et il n'a que 5 millions d'utilisateurs hebdomadaires de plus. C'est moins que la population de la préfecture d'Aichi, la région de Toyota, au centre du Japon.
À côté du milliard d'utilisateurs mensuels de l'application ChatGPT, les 5 millions et quelques de Codex par semaine font très peu.
Il y a donc cet écart :
- Plus de gens posent des questions à l'IA
- Plus de gens lui font retoucher leurs textes
- Mais peu de gens lui confient du travail
- Et encore moins savent le lui confier en morceaux assez précis pour qu'elle l'exécute
C'est là que se trouve un énorme potentiel commercial.
Le taux d'adoption du RPA est lui aussi loin d'être élevé
Pour le RPA, c'est pareil.
Le RPA est une façon de faire effectuer par des robots logiciels les tâches routinières que les gens font sur ordinateur. Saisie de données, recopie d'un fichier à l'autre, totaux, vérifications, établissement de documents, travaux qui traversent plusieurs systèmes : cela correspond bien au travail manuel sous Excel.
Pourtant, dans l'enquête 2024 de Startear Raise, le taux d'adoption du RPA dans l'ensemble des entreprises japonaises était de 13.04 %. Il était de 8.51 % dans les petites et moyennes entreprises, et même les grandes entreprises n'atteignaient que 27.69 %.
Autrement dit, la plupart des entreprises japonaises n'ont pas encore adopté le RPA.
La même enquête a aussi demandé quels étaient les problèmes avant l'adoption du RPA : le n° 1 était « beaucoup de travail manuel (saisie, recopie, enregistrement, etc.) », et le n° 2 « beaucoup d'erreurs dues au travail manuel ».
C'est très parlant.
Sur le terrain, il y a beaucoup de travail manuel. Il y a beaucoup d'erreurs. Il y a aussi un manque de main-d'œuvre. Et pourtant, l'adoption du RPA n'est que d'environ 13 %.
Donc la demande existe (« on a tellement de travail manuel qu'on voudrait l'automatiser »), mais dans la réalité, beaucoup d'entreprises restent bloquées au manuel.
Les erreurs des nouveaux se corrigent par la conception du système, pas par le procès de leur caractère
Cela rejoint la formation des nouveaux arrivants.
Sur les lieux de travail, ce genre de choses arrive tout le temps :
- Un nouveau saisit mal une donnée
- Un nouveau se trompe de nom de fichier
- Un nouveau enregistre le fichier au mauvais endroit
- Un nouveau saute un point de contrôle
- Un nouveau utilise un ancien modèle
- Un nouveau se trompe sur une échéance ou sur la personne à qui s'adresser
Et son entourage dit :
« Les nouveaux font beaucoup d'erreurs. » « Vérifie bien. » « Je te l'ai déjà dit. » « Pourquoi tu refais toujours la même erreur ? »
Mais ce qu'il faut se demander ici, ce n'est pas seulement le caractère ou l'attention du nouveau.
Ce qu'il faut plutôt examiner, c'est si la structure du travail permet trop facilement de se tromper.
Un nouveau ne connaît pas encore le contexte du travail. Il ne connaît pas les règles non écrites. Il ne connaît pas les habitudes de son prédécesseur. Il ne sait pas pourquoi on regarde cette colonne, pourquoi le fichier porte ce nom, pourquoi ce contrôle est nécessaire.
Si on le jette dans la saisie libre, la vérification à l'œil, les explications orales, la recopie manuelle et des contrôles qui dépendent d'une personne en particulier, il est normal que des erreurs apparaissent.
Plutôt que de le gronder à chaque fois, mieux vaut dès le départ mettre en place un système où l'erreur est difficile.
Par exemple, des améliorations comme celles-ci changent beaucoup de choses :
- Des listes déroulantes plutôt que la saisie à la main
- Des choix plutôt que du texte libre
- Des règles de saisie pour les dates et les montants
- Un avertissement si un champ obligatoire est vide
- Un nom de fichier généré automatiquement
- Un emplacement d'enregistrement fixe
- Une impossibilité d'utiliser un ancien modèle
- Un contrôle automatique des contradictions dans ce qui est saisi
- Une liste qui n'affiche que les erreurs probables
- Un écran de confirmation avant l'envoi
- Un journal conservé une fois le travail terminé
- Les erreurs fréquentes transformées en liste de contrôle
Il ne s'agit pas de dorloter les nouveaux.
Il s'agit d'intégrer dans le système ce qu'il faudrait enseigner.
Plutôt que de dire aux gens « fais attention », il est plus rapide de créer un parcours où l'erreur est improbable, avec les règles de saisie d'Excel, VBA (le langage de macros intégré à Excel), le RPA, des formulaires, des listes de contrôle et une relecture par l'IA.
Et c'est aussi plus confortable pour le nouveau.
Il n'est pas grondé à chaque fois. La personne qui le forme n'a pas à répéter sans cesse la même mise en garde. Les responsables sont moins submergés par le nettoyage après les erreurs.
Mettre en système la prévention des erreurs, ce n'est donc pas seulement une question d'efficacité.
C'est une conception de sécurité qui réduit la charge mentale du nouveau comme de celui qui l'encadre.
Si vous dites que « les nouveaux font trop d'erreurs », la première chose à vérifier n'est pas leur personnalité.
C'est de savoir si ce travail n'est pas conçu comme une lance de bambou qui invite à l'erreur.
L'IA générative aussi reste bloquée au niveau des entreprises
Pour l'IA générative aussi, il y a un décalage entre le ressenti des individus et l'adoption réelle dans les entreprises.
Dans une enquête de Nikkei Research relayée par Reuters en juillet 2024, environ 24 % des entreprises japonaises avaient déjà adopté l'IA, 35 % prévoyaient de le faire et 41 % n'avaient aucun projet.
Autrement dit, même si l'IA fait la une des journaux, à l'échelle des entreprises, une sur quatre environ l'a adoptée. Près de 40 % répondent qu'elles n'ont pas l'intention de l'utiliser.
Là aussi, on retrouve le même schéma.
On en parle beaucoup. Mais cela n'est pas entré dans le travail réel.
On trouve ça pratique. Mais on n'a pas réussi à l'intégrer dans les processus de travail.
Les personnes qui ont déjà essayé ChatGPT sont plus nombreuses, mais celles qui découpent vraiment leur travail pour le confier à l'IA, au RPA, à VBA ou à Codex restent peu nombreuses.
Alors, pourquoi tout le monde fait-il encore Excel à la main ?
La raison n'est pas simplement la paresse.
Il y a cinq raisons principales.
1. On ne sait pas décomposer le travail
Pour automatiser, il faut d'abord décomposer le travail.
Par exemple, pour automatiser la recopie de données dans Excel, il faudrait décider de choses comme :
- Où se trouvent les données d'entrée ?
- Où vont les données de sortie ?
- Quelle colonne va dans quelle colonne ?
- Quels sont les cas d'exception ?
- En cas d'erreur, on s'arrête ou on la note simplement dans un journal ?
- Quelle partie une personne vérifie-t-elle à la fin ?
Sans ce travail de mise en ordre, impossible de faire fonctionner VBA, le RPA ou l'IA.
Beaucoup de gens savent faire le travail lui-même. Mais ils ont du mal à le structurer et à le confier à une machine sous une forme qu'elle peut utiliser.
Et ils restent bloqués là.
2. Le travail dépend de personnes précises
Le travail manuel sous Excel finit presque toujours par dépendre d'une seule personne.
« C'est untel qui s'en occupe. » « Je l'ai repris de mon prédécesseur. » « Mieux vaut ne pas toucher cette cellule. » « Je ne sais pas pourquoi la formule est comme ça. » « Chaque mois on fait ça à peu près comme ça. »
Dans ces conditions, avant même de parler d'automatisation, on ne comprend plus le sens du travail.
Si l'on installe du RPA sans comprendre le sens du travail, on obtient seulement une version accélérée d'une tâche mystérieuse.
Automatiser, ce n'est pas remplacer le travail par une machine. C'est d'abord rendre visible le sens du travail.
3. Peu de gens savent utiliser VBA ou le RPA
Les fonctions d'Excel, beaucoup de gens les utilisent, mais dès qu'on arrive à VBA et aux macros, les effectifs chutent.
Je n'ai pas trouvé de données publiques fiables sur le taux d'utilisation de VBA. Mais d'après ce qu'on voit sur le terrain, beaucoup de gens savent se servir d'Excel, et très peu savent construire des processus de travail avec VBA.
De plus, même quand quelqu'un sait utiliser VBA, le travail a tendance à se concentrer sur lui.
Résultat :
- Il y a beaucoup de travail manuel
- Peu de gens savent automatiser
- Les demandes se concentrent sur ceux qui savent
- Ces personnes deviennent les bonnes à tout faire du bureau
- Personne ne peut assurer la maintenance
- Au final, tout le monde retourne au manuel
C'est un zoo plein de trous. (C'est mon surnom pour un service en sous-effectif et rafistolé de partout.)
4. On n'utilise l'IA que comme confident
Même ceux qui utilisent ChatGPT s'en servent encore, pour la plupart, comme d'un interlocuteur à consulter.
- Corrige ce texte
- Fais un résumé
- Donne-moi des idées
- Écris-moi un e-mail
C'est pratique à sa manière.
Mais si l'on s'arrête là, l'IA reste un bloc-notes bien pratique.
Ce qui est vraiment puissant vient après.
- Décomposer le travail
- En faire un cahier des charges
- L'écrire en Markdown (un format de texte brut tout simple)
- Le confier à Codex
- Le publier sur GitHub (un site pour stocker et partager du code)
- Le répercuter sur des pages d'atterrissage, des articles, des applications
- En faire un script d'automatisation
- Aller jusqu'à créer les points de test
Il ne s'agit pas de demander à l'IA, mais de lui confier du travail.
Ceux qui sont arrivés à ce stade sont encore peu nombreux.
5. Les entreprises ont peur du risque
Quand une entreprise utilise l'IA ou le RPA, il y a aussi des risques.
- Données personnelles
- Informations confidentielles
- Gestion des droits d'accès
- Résultats erronés
- Qui est responsable
- Sécurité
- Résistance sur le terrain
- Cohérence avec le travail existant
Vu tout cela, il est naturel que les entreprises soient prudentes.
Mais être prudent n'est pas la même chose que ne rien faire.
Ne pas saisir de données personnelles. Traiter en local. Essayer avec des données fictives. Conserver une relecture humaine. Ne pas utiliser le résultat tel quel. Conserver des journaux.
Si l'on conçoit ainsi le fonctionnement, on peut commencer petit sans déployer l'outil dans toute l'entreprise dès le premier jour.
Le problème, c'est quand la peur mène à « tout interdire ». Dans ce cas, le terrain restera indéfiniment à Excel manuel.
L'économie d'Excel à la main va encore durer un moment
Vu tout cela, le travail manuel sous Excel risque fort de rester encore longtemps sur le terrain.
La raison est simple :
- L'adoption du RPA est d'environ 13 % dans l'ensemble des entreprises japonaises
- Elle est inférieure à 10 % dans les PME
- Pour l'IA générative, seule une entreprise sur quatre environ l'a adoptée
- Codex n'a que 5 millions et quelques d'utilisateurs hebdomadaires dans le monde
- Peu de gens savent manier VBA ou le RPA
- Encore moins savent décomposer le travail pour le confier à l'IA
En d'autres termes, le monde n'est pas encore entré complètement dans « l'ère où l'IA exécute le travail ».
Dans les actualités, l'IA est formidable. Sur les réseaux sociaux, les témoignages d'usage de l'IA défilent. Mais sur le terrain, il reste du copier-coller, de la recopie, de la vérification à l'œil et de la confirmation en réunion.
Ce n'est pas du pessimisme. C'est même une opportunité.
Ce qui prendra de la valeur, ce sont les « plombiers du travail »
Ce qui prend de la valeur à l'ère de l'IA, ce n'est pas simplement celui qui connaît l'IA.
Ce qui prend de la valeur, c'est celui qui sait transformer le travail en une forme qu'on peut confier à l'IA, au RPA, à VBA et à Codex.
Autrement dit, un plombier du travail.
Sur le terrain, il y a des tâches éparses. Il y a Excel. Il y a des e-mails. Il y a des PDF. Il y a des notes manuscrites. Il y a des réunions. Il y a des savoirs implicites qui n'existent que dans la tête de certaines personnes.
On transforme tout cela en ceci :
- L'objectif de la tâche
- Les informations d'entrée
- Le format de sortie
- Les critères de décision
- Le traitement des exceptions
- La méthode de relecture
- Ce qui peut être automatisé
- Ce que regarde une personne
- Les instructions à confier à Codex ou au RPA
Ceux qui savent descendre jusqu'à ce niveau sont forts.
Le travail à l'ère de l'IA passe de « celui qui fait tout lui-même » à « celui qui conçoit le travail pour pouvoir le confier à l'IA ».
« Savoir confier le travail » vaut plus que « savoir utiliser l'IA »
Ce qui fera la différence à partir de maintenant, ce n'est pas d'avoir déjà utilisé l'IA ou non.
Ceux qui ont déjà utilisé l'IA seront de plus en plus nombreux. Ceux qui ont déjà touché à ChatGPT aussi. Générer du texte ou faire un résumé, beaucoup de gens sauront le faire.
Mais ceux qui savent faire ce qui suit sont encore peu nombreux :
- Décomposer leur propre travail
- Repérer les tâches manuelles à automatiser
- Décider quelles colonnes d'Excel utiliser
- Définir le traitement des exceptions
- Écrire le Markdown à confier à l'IA
- Donner à Codex les conditions d'achèvement
- Le répercuter sur des pages d'atterrissage, des articles, des applications
- Regarder le résultat et s'améliorer
C'est là que l'écart se creuse.
L'avantage de demain n'est donc pas chez les « utilisateurs d'IA », mais chez les « concepteurs de l'exécution par l'IA ».
Les tâches manuelles à examiner en premier sur le terrain
Alors, par où commencer l'automatisation ?
Il faut d'abord regarder des tâches comme celles-ci.
1. Les tâches répétées chaque mois, chaque semaine ou chaque jour
Plus une tâche revient souvent, plus l'effet de l'automatisation est facile à obtenir.
Même une heure par mois, cela fait 12 heures par an. Si plusieurs personnes la font, le total est encore plus grand.
2. Les tâches avec beaucoup de copier-coller
Le copier-coller est un candidat à l'automatisation. Cela a peu de sens que ce soit une personne qui le fasse.
Cependant, s'il y a beaucoup d'exceptions à juger, commencez par une semi-automatisation plutôt que par une automatisation complète.
3. Les tâches avec beaucoup de vérification à l'œil
Vérifier à l'œil est fatigant. Des erreurs s'y glissent aussi.
Si les conditions de vérification sont claires, on peut les réduire beaucoup avec des fonctions Excel, VBA, Python, l'IA ou le RPA.
4. Les tâches confirmées à chaque réunion
Ce qu'on confirme à chaque réunion peut très probablement être mis à l'avance sous forme de tableau ou de liste de contrôle.
Rien que passer de « on demande en réunion » à « on fait remplir avant » améliore beaucoup l'efficacité.
5. Les tâches que seul le prédécesseur comprenait
Un travail que seul le prédécesseur comprend est dangereux.
D'abord, on le met par écrit sous forme de procédure standard. Ensuite, on cherche les parties qu'on peut automatiser.
Automatiser sans standardiser est risqué. On ne ferait qu'accélérer un travail que personne ne comprend.
6. Les tâches où les nouveaux se trompent souvent
Les tâches où les nouveaux se trompent souvent sont prioritaires pour l'automatisation et la standardisation.
Car on y trouve généralement l'un de ces éléments :
- Les règles sont un savoir implicite
- Les champs de saisie sont trop libres
- Les critères de décision ne sont pas écrits
- Le traitement des exceptions repose sur la mémoire des gens
- Il y a trop de points à contrôler
- On ne s'en aperçoit qu'une fois l'erreur commise
C'est moins un problème du nouveau qu'un problème de conception du travail.
Là où un nouveau se trompe, un vétéran se trompera aussi quand il est fatigué. Là où un nouveau bloque, la passation de poste bloquera aussi. Ce qu'un nouveau ne comprend pas, c'est qu'on ne l'a pas non plus mis dans une procédure standard.
C'est pourquoi les erreurs des nouveaux sont de précieux journaux de débogage. (Un journal de débogage est la trace que lisent les programmeurs pour trouver où un programme se trompe.)
Plutôt que de voir « encore une erreur », voyez « ici, on demande trop d'attention aux gens ».
Rien qu'avec ce point de vue, la formation devient bien plus facile.
De petites étapes pour sortir du travail à la lance de bambou
Inutile de lancer d'un coup une transformation numérique de toute l'entreprise.
Commencez petit.
Step 1 : Choisir une tâche manuelle
Choisissez une tâche Excel que vous faites chaque mois. Recopie, totaux, vérification, contrôle des noms de fichiers, liste de PDF, tout convient.
Step 2 : Écrire les étapes avec des mots
Écrivez les étapes comme si vous les expliquiez à quelqu'un.
- Quel fichier ouvrir
- Quelles colonnes regarder
- Selon quelles conditions décider
- Où mettre le résultat
- Que faire des exceptions
Step 3 : Demander à l'IA quelles parties peuvent être automatisées
Demandez à ChatGPT ou à une autre IA quelque chose comme :
Dans les étapes de cette tâche, sépare les parties qui peuvent être automatisées avec des fonctions Excel, VBA, le RPA, Python ou l'IA générative. Une automatisation complète n'est pas nécessaire ; une semi-automatisation suffit. Propose-les par ordre de risque croissant.
Step 4 : Commencer par une semi-automatisation
Ne visez pas l'automatisation complète dès le début.
D'abord, faites un tableau de contrôle. N'affichez que les erreurs probables. Faites les totaux d'un seul clic. N'automatisez que la vérification avant la recopie.
Ça suffit.
Step 5 : Si ça marche, en faire un modèle
Une fois qu'une chose fonctionne, faites-en un modèle.
- Manuel de procédure
- Liste de contrôle
- Code VBA
- Scénario RPA
- Prompt pour l'IA
- Markdown à fournir à Codex
Si vous conservez tout cela, votre travail personnel devient un actif.
Attention à ne pas devenir la bonne à tout faire de l'entreprise
Une mise en garde, toutefois : ceux qui savent automatiser en entreprise doivent faire attention.
Plus on voit les problèmes, plus on vous les fait ramasser. Plus on sait construire, plus on vous fait porter. Plus on sait améliorer, plus on devient la bonne à tout faire.
Cela arrive souvent dans le zoo plein de trous.
L'entreprise ne prévoit ni le temps de standardisation, ni responsable, ni évaluation, ni dispositif de maintenance, et laisse les seuls individus capables absorber les améliorations.
Résultat : ceux qui savent améliorer s'épuisent.
C'est pourquoi, quand vous proposez une amélioration en entreprise, il faut présenter ces quatre points ensemble :
- Qui décide
- Qui exploite
- Qui assure la maintenance
- Jusqu'où va votre rôle
Si vous améliorez en laissant cela flou, votre bonne volonté se fait aspirer.
À l'entreprise, dépensez le minimum. Sur vos propres actifs, donnez tout.
Cette séparation est importante.
En résumé : pendant que tout le monde fait Excel à la main, construisez la plomberie
L'IA est déjà formidable. Il y a le RPA. Il y a VBA. Il y a Codex.
Mais quand on regarde les chiffres d'utilisation, ceux qui parviennent à confier aussi l'exécution de leur travail sont encore peu nombreux.
L'application ChatGPT s'est répandue jusqu'à 1 milliard d'utilisateurs par mois. Codex, lui, n'a que 5 millions et quelques d'utilisateurs par semaine. Le taux d'adoption du RPA est de 13.04 % dans l'ensemble des entreprises japonaises. Environ 24 % des entreprises japonaises ont adopté l'IA.
Autrement dit, le monde n'a pas encore complètement changé.
Beaucoup de lieux de travail continuent à ouvrir Excel, à copier-coller, à vérifier à l'œil et à confirmer en réunion.
C'est un retard. Mais c'est aussi une opportunité.
Ce qui aura de la valeur à partir de maintenant, ce n'est pas celui qui se contente de jouer avec l'IA. C'est celui qui décompose le travail et le met sous une forme qu'on peut confier à l'IA, au RPA, à VBA et à Codex.
Pendant que tout le monde fait Excel à la main, nous construisons la plomberie.
Pendant que la réunion des singes fait du copier-coller, nous faisons couler le Markdown en coulisses. (La « réunion des singes » est ma blague pour une réunion absurde où tout le monde ne fait que copier-coller à la main.) Tant que l'économie d'Excel à la main dure, nous construisons l'usine d'exécution par l'IA.
C'est la stratégie gagnante du moment.
