Le Dark Office (Tribune)

Si la logique de la «Dark factory», cette usine capable de fonctionner sans présence humaine continue, commence aujourd’hui à franchir les portes du bureau, c’est aussi parce qu’une partie du travail tertiaire y avait été discrètement préparée. Le développement logiciel en offre la démonstration la plus nette, non parce que les développeurs seraient intrinsèquement plus exposés, mais parce que leur univers de travail est depuis longtemps structuré dans des formats que les systèmes peuvent lire, suivre et exploiter. Les spécifications y sont consignées dans des outils dédiés, les maquettes décrites dans des formats standardisés, le code conservé dans des dépôts versionnés, les anomalies converties en tickets, les validations et déploiements intégrées dans des chaînes automatisées. Dans un environnement bien tenu, chaque étape laisse une trace numériquement exploitable.

C’est dans cet écosystème formalisé que les agents trouvent leur point d’entrée le plus naturel. Il suffit qu’un responsable-produit formule un objectif pour qu’à partir de là, une orchestration distribuée se mette en marche : un agent cadre le problème, un autre prépare les maquettes dans Figma, un troisième transforme cette matière en tâches structurées dans Jira ou Trello, d’autres interviennent dans GitHub pour produire du code, lancer des tests et surveiller les exigences de conformité. Ce qui rend cette continuité possible, c’est l’existence d’une couche de liaison, le Model Context Protocol (MCP), capable de maintenir le fil du travail d’un outil à l’autre sans dissoudre le contexte au passage. Le responsable produit reçoit ensuite une notification l’informant que le livrable est prêt pour validation.

Ainsi se met en place une architecture de travail nouvelle, dans laquelle un point d’entrée reçoit l’objectif, des niveaux intermédiaires en assurent la traduction et l’exécution et des mécanismes de contrôle veillent à la cohérence du résultat, tandis que l’intervention humaine se repositionne en surplomb. Pendant des années, l’IA a été présentée à travers le vocabulaire rassurant de l’«augmentation», qui la cantonnait dans un rôle d’appui sans remettre en cause la structure du travail. Ce cadre s’efface, non sous l’effet d’une perfection soudaine des systèmes, mais parce que leur rôle s’inscrit désormais dans la continuité même des processus.

La transformation la plus significative ne réside pas dans l’accélération des tâches, mais dans la manière dont le travail circule d’une étape à l’autre sans subir les déformations habituelles. Dans une organisation classique, chaque passage de relais introduit une perte partielle de contexte, une intention initiale se dilue en une série d’interprétations successives qui nécessitent d’être corrigées, réexpliquées, reformulées. Ce phénomène alimente une grande partie de l’activité invisible des entreprises : réunions, validations intermédiaires, mises au point qui mobilisent du temps sans produire directement de valeur. Lorsque cette continuité est assurée par des systèmes capables de conserver et de transmettre le contexte tout au long de la chaîne, la déperdition se réduit. L’exigence se déplace et porte désormais moins sur la qualité de l’exécution que sur la capacité à définir avec rigueur ce qui doit être exécuté.

La recomposition ne se limite plus aux équipes pionnières. Elle laisse des traces mesurables dans les choix des grandes entreprises mondiales. Chez IBM, environ 8.000 postes dans les fonctions RH et administratives ont été réduits, pendant que l’entreprise renforçait ses recrutements sur les profils techniques et commerciaux. En janvier 2026, Capgemini annonçait jusqu’à 2.400 suppressions en France, en reliant explicitement cette décision aux mutations induites par l’IA. Pris isolément, chacun de ces mouvements pourrait encore être lu comme un ajustement sectoriel. Ensemble, ils dessinent une recomposition rapide de la valeur dans l’économie du savoir. McKinsey estimait en novembre 2025 que 57% des heures de travail étaient déjà automatisables, et que 40% des emplois américains pourraient être concernés d’ici 2030. Mustafa Suleyman, PDG de Microsoft AI, allait plus loin dans le «Financial Times» en février 2026, estimant que la plupart des tâches réalisées derrière un ordinateur pourraient être entièrement automatisées par l’intelligence artificielle dans un horizon de douze à dix-huit mois.

La logique économique sous-jacente est ancienne, même si son terrain d’application change de nature. Lorsqu’une capacité d’exécution devient plus abondante et moins coûteuse, sa valeur marchande se comprime. Ce phénomène a déjà traversé l’impression bouleversée par le numérique ou la distribution transformée par le commerce en ligne. Il commence à s’appliquer à une partie du travail intellectuel d’exécution, qu’il s’agisse de livrer du code à partir d’une spécification, produire des analyses sur des données bien structurées ou rédiger des documents selon des formats stabilisés. Ce qui ne se comprime pas de la même manière, c’est ce qui précède l’exécution, à savoir la capacité à poser le bon problème, à cadrer correctement les contraintes et à définir avec précision ce qu’un système devra produire sans se perdre en route.

Une confusion persiste dans de nombreuses organisations. Beaucoup restent convaincues qu’il suffirait d’adopter les bons outils, de connecter les bons modèles et d’intégrer quelques agents pour transformer en profondeur la manière de travailler. Cette lecture résiste mal à l’épreuve du réel, car si le développement logiciel se prête plus rapidement à cette évolution, ce n’est pas pour des raisons technologiques, mais parce qu’il repose sur une discipline de formalisation. Les objets y sont définis, les versions tracées, les transitions d’un état à l’autre explicitement décrites.

Dans la plupart des autres fonctions, l’information existe souvent en abondance, mais elle reste fragmentée, dispersée dans des supports hétérogènes, accumulée sans être organisée pour être mobilisée. Des présentations anciennes coexistent avec des échanges informels, des décisions non formalisées et des raisonnements implicites. L’ensemble est bien numérisé, mais structuré de manière trop ambiguë pour être interprété sans erreur par un système automatisé. C’est dans cet écart que se joue le vrai retard. Le «Retrieval Augmented Generation» (RAG) permet à un système d’aller chercher au moment pertinent les éléments d’une base de connaissance, à condition que cette base existe sous une forme exploitable. Toutes les entreprises disposent de données, mais peu disposent d’un savoir structuré, accessible et interprétable sans ambiguïté. Le Dark office agit comme un révélateur de cet écart, bien plus que comme un test d’adoption technologique.

Dans cette dynamique et à mesure que les agents acquièrent une capacité réelle d’action, une question s’impose que peu d’organisations ont commencé à traiter à la hauteur de ses enjeux. Lorsqu’un système agit, décide d’un enchaînement, produit un livrable ou transmet une instruction à un autre système, que signifie encore superviser ? Des travaux de recherche récents sur l’autonomie des agents IA convergent sur un résultat contre-intuitif. Les utilisateurs les plus compétents tendent à déléguer davantage, avec un taux d’approbation automatique qui progresse significativement après plusieurs centaines de sessions. Non parce qu’ils renonceraient à leur vigilance, mais parce qu’ils développent la capacité de repérer rapidement une dérive et d’intervenir au bon moment. La qualité de la supervision tient moins au nombre d’approbations qu’à la pertinence des garde-fous et à la possibilité effective d’interrompre ou de reconfigurer le système.

Beaucoup d’entreprises continuent de raisonner comme si la présence d’un humain quelque part dans la chaîne suffisait à produire de la gouvernance. Un humain qui valide machinalement, sous l’effet de la cadence ou d’une confiance excessive dans la routine, n’exerce pas un contrôle réel. Le véritable contrôle réside dans la définition des permissions accordées aux agents, dans la précision des objectifs qui leur sont assignés et dans la traçabilité des décisions prises au fil du processus. À ce stade, Il ne s’agit plus de pilotage opérationnel, mais d’architecture institutionnelle du système de travail.

Cette transformation ne se joue pas seulement dans les économies avancées. Le Maroc, classé second pays africain pour son potentiel d’investissement IA par l’AFD en 2025 avec un score de 63,34 sur 100, ambitionne une contribution de 100 milliards de dirhams de l’IA à son PIB d’ici 2030. Mais cet horizon favorable masque une tension structurelle : le secteur de l’offshoring, qui vise 130.000 emplois et 40 milliards de dirhams d’exportations, repose précisément sur les fonctions d’exécution que l’automatisation comprime le plus vite. La question n’est pas tant de savoir si la vague atteindra le Maroc que de mesurer à quelle vitesse elle en reconfigure déjà les équilibres.

Les agences bancaires marocaines à forte adoption IA, selon une étude de l’Université Mohammed V publiée en 2025 portant sur Attijariwafa et BCP, enregistrent une hausse de 15% des revenus mensuels et une réduction de 30% du temps opérationnel. Ce double mouvement de gains de productivité d’un côté et de compression des emplois d’exécution de l’autre, constitue précisément la dynamique que le Dark Office met en lumière. Les organisations qui traverseront cette bascule sans dommages irréversibles ne seront pas nécessairement celles qui auront investi le plus tôt dans la technologie. Elles seront celles qui auront compris, avant d’y être contraintes, que leur vrai capital n’était pas dans leurs outils, mais dans leur capacité à formaliser ce qu’elles savaient faire.