IA et compétences de conversation

L'IA générative supprime de nombreuses petites frictions du travail intellectuel. Elle résume des documents, restructure une proposition, rédige un e-mail, transforme des notes en présentation, compare des options et aide à passer plus rapidement d'une page blanche à une première version exploitable.

C'est un véritable gain de productivité.

Mais une nouvelle étude de Microsoft Research soulève une deuxième question : lorsque l'IA modifie l'équilibre entre les différentes formes de travail, que deviennent les capacités humaines qui se construisent surtout dans l'interaction et non dans la production de documents ?

Les chercheurs ont analysé des traces d'usage de Microsoft 365 dans plusieurs grandes entreprises internationales. Chez les utilisateurs intensifs de l'IA, définis dans l'étude comme les personnes ayant utilisé le système plus de 100 fois pendant une période de 20 semaines après son adoption, les activités orientées vers la productivité ont augmenté de 21,2 %, tandis que les activités orientées vers la communication ont augmenté de 7,1 %. Les deux progressent, mais pas au même rythme. L'équilibre général se déplace vers un travail plus individuel et davantage centré sur la documentation.

Les chercheurs ne disent pas que l'IA rend les personnes moins compétentes en communication. L'étude mesure des schémas d'activité, pas la qualité des conversations.

La question intéressante est ce qui se passe si cette tendance se poursuit.

L'IA absorbe d'abord la communication la plus simple

Une grande partie de la communication au travail n'est pas une conversation exigeante au sens strict. C'est de la transmission d'information.

« Peux-tu résumer ceci ? »

« Peux-tu transformer ces notes en point d'avancement ? »

« Peux-tu rédiger une réponse ? »

« Quels étaient les points principaux de la réunion ? »

L'IA peut absorber une grande partie de ce travail. C'est souvent une amélioration bienvenue. Moins d'échanges de statut inutiles et moins de temps passé à mettre l'information en forme ne constituent pas une perte.

Mais les conversations qui restent sont souvent précisément celles qu'il était difficile d'automatiser dès le départ.

Le fournisseur demande 12 % de plus.

La partie prenante interne refuse une modification de spécification.

Le manager rejette la proposition.

Un collègue se sent contourné.

Un client escalade.

Un collaborateur doit recevoir un feedback difficile.

Dans une négociation, les deux parties comprennent les faits mais ne sont pas d'accord sur ce qui doit se passer ensuite.

Ce ne sont pas principalement des problèmes de transfert d'information. Ce sont des problèmes de coordination en temps réel, sous incertitude, pression, intérêts divergents et conséquences sociales.

Si l'IA retire davantage de travail écrit routinier, la conversation humaine moyenne peut devenir plus exigeante, pas moins.

Communiquer plus efficacement n'est pas la même chose que mieux savoir converser

Un manager qui utilise l'IA pour préparer un e-mail difficile peut communiquer plus clairement. Un acheteur qui utilise l'IA pour préparer des arguments de négociation peut arriver mieux préparé. Un commercial qui utilise l'IA pour anticiper les objections peut disposer d'un meilleur matériau.

Tout cela peut améliorer la performance.

Mais rien de cela ne construit automatiquement la capacité à gérer le moment où l'autre personne répond d'une manière que la préparation n'avait pas prévue.

La conversation est une compétence d'exécution. Elle exige rappel, jugement et adaptation en temps réel.

Il faut écouter tout en décidant de ce qui compte. Il faut repérer quand le cadre change. Il faut formuler une réponse avant de savoir exactement comment elle sera reçue. Il faut réguler sa propre réaction tout en lisant celle de l'autre. Parfois, il faut dire non sans détruire la coopération. Parfois, il faut contredire quelqu'un de plus senior. Parfois, il faut rester silencieux alors que tout pousse à remplir le vide.

Lire une excellente réponse produite par l'IA n'est pas le même acte mental que la produire soi-même sous pression.

Cette différence devient plus importante à mesure que la réponse générée devient meilleure.

Le risque n'est pas que les gens cessent de parler

La version simpliste de cette inquiétude serait : l'IA réduit la communication, donc les compétences sociales se dégradent.

Les données de Microsoft ne montrent pas cela. Les activités de communication ont elles aussi augmenté chez les utilisateurs intensifs. Ce qui change, c'est l'équilibre : les activités orientées vers la productivité progressent beaucoup plus vite.

La question la plus utile concerne la répartition de la pratique.

Les compétences deviennent fiables par l'usage. Si davantage de travail analytique, rédactionnel et de coordination est délégué à l'IA, les personnes peuvent recevoir moins de répétitions de certaines interactions à faible enjeu tout en restant attendues au même niveau sur les interactions à fort enjeu.

Cela crée un problème particulier de développement des capacités.

Nous pouvons devenir plus efficaces pour préparer les conversations au moment même où nous avons moins d'occasions d'entraîner le comportement nécessaire à l'intérieur de ces conversations.

Pour les professionnels expérimentés, cela peut être plus facile à compenser parce qu'ils disposent déjà d'une large bibliothèque de situations. Pour les personnes en début de carrière, la question peut être plus importante. De nombreux réflexes professionnels se construisaient historiquement à travers des centaines de petites interactions : poser la question inconfortable, expliquer une décision, résoudre un malentendu, résister à une demande ou regarder un collègue plus expérimenté gérer l'opposition.

Si une partie de cette couche d'interaction devient asynchrone ou médiée par l'IA, les organisations devront peut-être devenir plus délibérées sur l'endroit où ces répétitions se produisent.

Les achats offrent un bon exemple

Les achats deviennent de plus en plus assistés par l'IA.

L'IA peut aider à rechercher des fournisseurs, analyser les dépenses, comparer des contrats, identifier les facteurs de coût, structurer une préparation de négociation, rédiger un appel d'offres, résumer des réunions et produire des contre-arguments.

Une grande partie de cela est utile. Il n'y a aucune bonne raison de conserver un travail manuel uniquement parce qu'il était autrefois manuel.

Mais le résultat commercial dépend encore souvent d'un échange parlé.

Le fournisseur rejette le modèle de coût.

L'acheteur demande des preuves.

Le fournisseur déplace la discussion vers le risque de continuité.

L'acheteur doit décider si le risque est réel, s'il faut le contester et avec quelle fermeté.

Le fournisseur propose un mouvement en échange de volume.

L'acheteur doit déterminer si cet échange crée réellement de la valeur.

Aucun prompt parfait ne supprime le besoin de jugement pendant que cette séquence se déroule.

L'IA peut mieux informer l'acheteur et soutenir la décision. Mais si l'objectif est de développer la compétence, quelqu'un doit toujours s'entraîner à être la personne dans la conversation.

Les conversations restantes sont souvent celles où la relation compte le plus

La communication routinière peut souvent devenir plus efficace sans grand coût relationnel. Personne n'a besoin d'une expérience profondément humaine pour obtenir un compte rendu de réunion.

Les conversations difficiles sont différentes.

Négociation, feedback, conflit, escalade et persuasion impliquent confiance, statut, équité, intention et identité. Les personnes ne réagissent pas seulement à l'information échangée. Elles réagissent aussi à la manière dont elles sont traitées pendant le désaccord.

C'est pourquoi remplacer ces interactions par un texte parfaitement rédigé par l'IA n'est pas forcément équivalent à bien les gérer.

Un message peut être techniquement excellent tout en évitant la conversation qui devait avoir lieu.

C'est particulièrement important dans les organisations qui basculent déjà vers l'e-mail ou le chat dès qu'un sujet devient inconfortable. L'IA peut rendre l'évitement plus élégant. Elle peut produire un paragraphe diplomatique qui repousse un désaccord au lieu de le résoudre.

L'efficacité et l'évitement peuvent se ressembler étonnamment dans le résultat final.

Le temps gagné ne devient pas automatiquement du temps de développement

La question des compétences devient plus concrète lorsqu'on regarde ce que les organisations font réellement de la capacité libérée par l'IA.

Le premier baromètre AI at Work de Culture Amp, publié le 17 septembre 2026, s'appuie sur des données couvrant environ 112 000 salariés. 71 % disent que l'IA leur donne le sentiment d'être plus productifs. Pourtant, la perception de la charge de travail varie à peine avec l'intensité d'usage : 72 % des utilisateurs intensifs jugent leur charge raisonnable, contre 69 % des non-utilisateurs. Dans le même temps, 85 % déclarent que leur organisation encourage l'expérimentation avec l'IA, mais seulement 58 % estiment que les dirigeants ont clairement expliqué comment l'IA contribuera aux objectifs de l'entreprise.

Il s'agit de perceptions, pas d'heures économisées ni d'une mesure de la productivité. Culture Amp précise également que les organisations participantes sont probablement plus avancées dans l'adoption de l'IA que le marché dans son ensemble. Le résultat reste utile : la capacité créée par l'IA n'arrive pas avec une règle imposant d'en consacrer une partie à l'apprentissage.

Une étude de l'American Management Association auprès de 1 088 professionnels rend le choix d'allocation plus visible. 41 % des managers déclarent que l'IA a augmenté leurs attentes concernant la quantité de travail que les salariés devraient accomplir. Les managers disent aussi passer davantage de temps à examiner du travail assisté par IA et à utiliser des informations générées par IA dans leurs décisions. Les salariés, eux, continuent d'évaluer l'engagement managérial à travers des comportements visibles : communication régulière, direction claire, écoute et soutien au développement.

Un chemin très ordinaire mène alors du gain de productivité à la disparition d'occasions d'apprentissage. Vingt minutes disparaissent de la rédaction d'un document et ne deviennent ni coaching, ni observation, ni entraînement. Elles deviennent la tâche suivante.

Talogy rapporte séparément que 78 % des responsables RH et du développement des talents interrogés dans ses travaux craignent une perte à long terme de compétences essentielles de leadership à mesure que l'IA absorbe des tâches qui servaient auparavant à acquérir de l'expérience. C'est la preuve d'une inquiétude des employeurs, pas la preuve que cette perte s'est déjà produite. Mais le mécanisme est cohérent : si les répétitions à faible enjeu disparaissent et que chaque minute libérée est immédiatement convertie en davantage de production, le développement ne naît pas spontanément dans l'espace restant.

Les achats disposent maintenant d'un avertissement explicite sur la perte de compétences

Le 9 septembre 2026, Gartner a publié une recherche destinée aux CPO sous le titre Prevent AI-Related Skill Loss to Maintain Procurement Cost Goals. Son résumé public formule un risque précis : une dépendance excessive à l'IA peut freiner le développement des compétences humaines critiques nécessaires à la création de valeur stratégique.

Le résumé accessible publiquement ne donne pas assez de détails méthodologiques pour affirmer que les compétences achats sont déjà en train de se dégrader. Il ne faut pas lui faire dire cela.

Ce qui change, c'est que la perte de compétences n'est plus seulement une hypothèse générale sur le travail intellectuel. Un acteur majeur de la recherche achats la traite désormais explicitement comme un risque de management pour les directions achats.

Le sujet est particulièrement pertinent parce que beaucoup de tâches de préparation sont de bons candidats à l'automatisation : recherche fournisseur, analyse de dépenses, revue de contrats, synthèses de réunions ou préparation de négociation. La question n'est pas de préserver le travail manuel pour lui-même. Elle est de savoir quelles répétitions disparaissent avec lui alors que la capacité humaine reste nécessaire.

Si un acheteur gagne une heure sur la préparation d'un dossier, le gain de productivité est réel. Si cette heure devient immédiatement une autre tâche, l'occasion de développement disparaît. Si une partie est utilisée pour du retour, de la répétition orale ou l'analyse d'une conversation fournisseur difficile, l'organisation convertit une partie de l'efficacité en capacité.

L'alerte de Gartner ne prouve donc pas le déclin. Elle rend simplement la décision plus explicite : quelles répétitions étaient du travail inutile, et lesquelles faisaient aussi office d'apprentissage ?

L'écart d'adoption de l'IA devient un problème de conception des compétences

Un rapport de London Business School et Sifted publié le 21 septembre 2026 met clairement en avant la dimension organisationnelle. Solving Europe's AI Adoption Puzzle avance que le défi européen tient moins à un manque de technologie qu'à la manière dont les entreprises réorganisent le travail, développent les compétences et construisent la confiance autour de l'IA.

La question change alors de nature. Il ne suffit pas de savoir si les salariés ont accès à l'IA ou s'ils l'utilisent beaucoup. Deux entreprises peuvent déployer des outils comparables et produire des effets très différents sur les compétences. L'une peut supprimer des tâches administratives tout en protégeant volontairement le coaching, le jugement et l'entraînement. L'autre peut convertir chaque minute gagnée en charge supplémentaire et supposer que les capacités humaines se maintiendront d'elles-mêmes.

Une étude publiée le même jour dans BMC Psychology apporte un contrepoint utile à une lecture uniquement centrée sur la perte de compétences. À partir d'une enquête en trois vagues menée auprès de 380 travailleurs du savoir à temps plein, les chercheurs ont observé une association positive entre l'usage de l'IA générative et les comportements proactifs. Une expérience de flow plus forte et un sentiment moindre d'objectification au travail expliquaient une partie de cette relation. Le dispositif ne permet pas d'établir une causalité, mais il montre pourquoi la bonne question n'est pas de savoir si l'IA est globalement bonne ou mauvaise pour les personnes.

L'IA peut soutenir l'initiative et améliorer certaines dimensions du travail tout en modifiant les répétitions qui entretenaient d'autres compétences.

C'est le vrai problème de conception des compétences. Les organisations doivent choisir ce qu'elles veulent déléguer, ce que les personnes doivent encore savoir faire et où elles trouveront la pratique nécessaire. Un risque voisin apparaît lorsque l'IA ne se contente pas d'aider, mais confirme trop facilement le jugement de l'utilisateur.

On peut concevoir contre la perte de compétences sans interdire l'IA

Une expérience préenregistrée publiée le 17 septembre 2026 apporte un élément plus constructif à ce débat. Sebastian Maier, Kai Schwabe, Manuel Schneider et Stefan Feuerriegel ont testé deux interventions auprès de 704 participants qui s'exerçaient au calcul de fractions avec un assistant LLM avant de passer un test sans assistance.

Une intervention récompensait simplement les participants lorsqu'ils s'appuyaient moins sur le modèle. L'autre fournissait un retour métacognitif rendant explicites les conséquences de la délégation de la réponse. Ce retour a réduit la délégation complète des réponses et amélioré les performances ultérieures sans assistance. L'intervention fondée sur une récompense n'a pas produit le même résultat.

La tâche était étroite, l'étude courte et elle ne mesurait ni la négociation professionnelle ni le maintien des compétences à long terme. Elle ne permet donc pas de conclure qu'un dispositif particulier préservera des compétences professionnelles complexes.

Son apport est plus précis : l'accès à l'IA et la performance humaine autonome ne doivent pas être opposés. La conception de l'interaction compte.

Pour le développement des compétences, l'implication est immédiate. Si un système d'apprentissage fournit la réponse dès que l'apprenant hésite, il peut produire un résultat propre tout en supprimant précisément les efforts de rappel, de jugement et d'autocorrection qui devraient être exercés. Un système peut apporter de l'aide tout en laissant visible le moment où l'IA a fait le travail cognitif.

Pour la pratique orale de la négociation, le principe équivalent est simple. L'IA peut aider à préparer le dossier, jouer le rôle de la contrepartie et analyser l'échange après coup. Mais pendant la conversation, l'apprenant doit toujours décider quoi dire, retrouver son argument, gérer la résistance et assumer la réaction obtenue. L'objectif n'est pas de rendre l'IA moins utile. Il est de concevoir l'environnement d'apprentissage pour que cette utilité ne remplace pas le comportement que l'on cherche à développer.

Les entreprises devraient distinguer systèmes de productivité et systèmes de capacité

La plupart des organisations demandent aujourd'hui comment déployer l'IA pour augmenter la production.

Pour de nombreux flux de travail, c'est la bonne question.

Mais les fonctions d'apprentissage et de développement des compétences ont besoin d'une deuxième question : quelles parties du travail voulons-nous que l'IA retire, et quelles parties les personnes doivent-elles continuer à exécuter parce que l'exécution elle-même entretient la compétence ?

La réponse dépend du rôle.

Un juriste n'a pas besoin de rédiger manuellement chaque clause standard pour rester un bon juriste. Un acheteur n'a pas besoin de créer chaque synthèse fournisseur depuis zéro pour rester un bon négociateur. Un manager n'a pas besoin de mettre en forme personnellement chaque point d'avancement pour rester un bon manager.

Mais l'acheteur doit toujours savoir gérer la résistance. Le manager doit toujours savoir donner un feedback difficile. Le dirigeant doit toujours savoir défendre une position lorsque la salle n'est pas d'accord.

Si l'organisation attend encore des humains qu'ils assument le résultat, ces capacités ne sont pas des inefficacités à automatiser sans réflexion.

Ce sont des compétences à préserver.

La pratique peut devenir plus importante à mesure que l'IA s'améliore

Cela conduit à une conclusion contre-intuitive.

Plus l'IA peut faire avant et après une conversation, plus l'entraînement délibéré à la conversation peut devenir précieux.

Non pas parce qu'il faudrait rejeter l'IA, mais parce que le travail humain restant se concentre davantage sur les moments où le jugement en temps réel compte.

Un bon environnement d'entraînement peut créer des répétitions que le travail quotidien ne fournit plus de façon fiable. Un acheteur peut répéter une discussion de hausse de prix sans risquer une vraie relation fournisseur. Un manager peut s'entraîner à une conversation d'escalade avant d'avoir le vrai collaborateur en face de lui. Une équipe peut répéter plusieurs fois le même moment difficile et recevoir un retour précis sur ce qui a changé.

C'est la logique de Voice2Evolve. L'IA ne mène pas la vraie négociation fournisseur à la place de l'acheteur. Elle propose du sparring conversationnel pour entraîner les négociations achats, face à un partenaire animé par l’IA, puis analyse la conversation qui a réellement eu lieu.

Dans un environnement de travail plus riche en IA, cette distinction compte davantage, pas moins.

L'étude de Microsoft apporte une première indication d'un déplacement des schémas de travail, pas la preuve d'un déclin des compétences conversationnelles. Mais elle pointe vers une question que les organisations devraient commencer à traiter.

Si l'IA prend de plus en plus en charge documents, résumés, brouillons et coordination routinière, où les personnes construiront-elles les capacités nécessaires aux conversations qui ne peuvent pas être déléguées ?

La productivité peut être automatisée étonnamment vite.

La compétence conversationnelle doit encore être pratiquée.

Sources

• Maier, S., Schwabe, K., Schneider, M. & Feuerriegel, S. (17 septembre 2026). Designing Against Deskilling: Metacognitive Feedback Reduces Cognitive Offloading to LLM Assistants. Prépublication arXiv.

• London Business School & Sifted (21 septembre 2026). Solving Europe's AI adoption puzzle.

• Xu, S., Mei, Y., Yao, K., et al. (21 septembre 2026). More flow and less objectification: Dual influence mechanisms of generative AI use on employees' proactive behaviors. BMC Psychology.

• Gartner (9 septembre 2026). Prevent AI-Related Skill Loss to Maintain Procurement Cost Goals.

• Culture Amp (17 septembre 2026). AI at Work Benchmark 2026: 85% Are Encouraged to Use AI. 42% Don't Know Why.

• American Management Association (2026). The New Management Reality: AI, Engagement, and the Invisible Work of Managers.

• Talogy (15 septembre 2026). Starting a career in the age of AI: The human skills that matter.

• Yu, Y., Chen, Y., Hu, R., Suri, S., & Counts, S. (2026). Adoption of Generative AI in the Workplace: Increasing and Shifting the Balance of Productivity and Communication Activity. Microsoft Research / arXiv.