Le pouvoir algorithmique décide-t-il du travail ?

Un logiciel attribue des priorités, suggère un candidat, calcule un itinéraire, signale une baisse de performance ou répartit des horaires. Personne ne formule d'ordre direct, et pourtant l'activité se réorganise. C'est précisément là que s'exerce le pouvoir algorithmique : dans la capacité de modèles, de données et de règles de calcul à orienter ce qui compte, ce qui est visible et ce qui devient possible au travail.

Le réduire à une question technique serait commode, mais trompeur. Un algorithme ne commande jamais seul. Il traduit des objectifs définis par une organisation, repose sur des données produites dans des contextes particuliers et s'insère dans des rapports hiérarchiques existants. Il peut rendre le travail plus cohérent ou plus arbitraire, selon la place laissée au jugement, à la contestation et à l'expérience des professionnels.

Le pouvoir ne disparaît pas, il change de forme

Le pouvoir managérial traditionnel est identifiable : un responsable fixe un objectif, évalue un résultat et peut être interrogé sur ses choix. Avec les systèmes algorithmiques, l'injonction se fait souvent plus diffuse. Une recommandation apparaît comme une information neutre. Un score semble décrire une réalité objective. Un tableau de bord impose ses catégories avant même que la discussion ne commence.

La sociologue Marion Fourcade a montré que les dispositifs de classement organisent des hiérarchies sociales autant qu'ils les mesurent. Dans les organisations, le même mécanisme est à l'œuvre. Dès lors qu'un score de performance, de risque ou de potentiel devient central, il influence les décisions de recrutement, d'affectation, de formation ou de promotion. La mesure ne se contente plus d'observer le travail : elle contribue à le définir.

Ce déplacement compte pour les managers. Quand une décision est présentée comme « ce que dit le système », la responsabilité paraît s'évaporer. Or elle ne disparaît pas. Elle est répartie entre la direction qui a fixé les objectifs, les équipes qui ont paramétré les critères, les personnes qui alimentent les données et les managers qui appliquent ou corrigent la recommandation. Dire qu'un algorithme a décidé est souvent une manière d'éviter la vraie question : qui a choisi les règles de la décision ?

Ce que les systèmes rendent visible, et ce qu'ils effacent

Tout dispositif algorithmique a besoin de variables. Il convertit donc une activité complexe en éléments comparables : temps traité, volume produit, taux de réponse, respect d'une procédure, satisfaction déclarée. Cette opération est utile dans certains cas. Elle permet de repérer une surcharge, de suivre une activité dispersée ou de détecter des écarts difficiles à voir autrement.

Mais ce qui n'est pas mesuré tend à compter moins. L'entraide entre collègues, la régulation d'une situation tendue, l'attention portée à un client fragile, l'apprentissage informel ou la prévention d'une erreur ne se laissent pas toujours réduire à un indicateur. Lorsqu'ils disparaissent des tableaux de bord, ces gestes peuvent être dévalorisés, alors même qu'ils assurent la qualité réelle du service et la solidité du collectif.

C'est l'un des paradoxes du pilotage par la donnée : plus l'organisation mesure avec précision ce qui est facile à compter, plus elle risque de mal voir ce qui fait effectivement tenir le travail. Les recherches sur le management algorithmique, notamment celles de Stephen Kellogg et de ses collègues, soulignent ce double mouvement. Les systèmes peuvent coordonner efficacement des tâches, mais aussi intensifier le contrôle et limiter les marges de manœuvre lorsque leurs critères deviennent indiscutables.

La neutralité est une promesse, pas une propriété

Un algorithme n'est pas neutre parce qu'il calcule. Il incorpore des choix : la définition d'une bonne performance, la période retenue pour comparer, le niveau de risque acceptable, les données considérées comme fiables. Il incorpore aussi les inégalités du passé lorsque celles-ci sont présentes dans les données utilisées.

Prenons une évaluation de la disponibilité. Si elle valorise systématiquement les réponses tardives ou les amplitudes horaires élevées, elle peut avantager des salariés ayant moins de contraintes familiales ou de responsabilités de care. Le résultat paraît objectif, puisque chacun est évalué selon la même règle. Pourtant, la règle elle-même produit des effets différenciés. L'égalité de traitement n'est pas toujours l'équité.

Le pouvoir algorithmique devient un enjeu d'identité professionnelle

Les effets ne sont pas seulement organisationnels. Ils touchent à la manière dont les salariés se perçoivent dans leur métier. Un professionnel expérimenté peut accepter qu'un système l'aide à repérer une anomalie. Il vivra autrement le fait que ce même système prescrive sa conduite, juge son activité à partir d'indicateurs incomplets ou invalide son expertise sans explication.

Dans les métiers du soin, du conseil, de l'enseignement ou de la relation client, le jugement professionnel consiste précisément à interpréter une situation singulière. Une recommandation algorithmique peut être un appui si elle ouvre une enquête. Elle devient une dépossession si elle clôt la discussion. La différence est déterminante : l'enjeu n'est pas de choisir entre intuition humaine et calcul, mais de savoir qui conserve le droit d'interpréter et de déroger lorsque le contexte l'exige.

Cette tension explique certaines résistances à l'IA. Elles ne relèvent pas nécessairement d'un refus du progrès ou d'une peur de la technologie. Elles peuvent exprimer une inquiétude très concrète : perdre la possibilité de bien faire son travail selon des critères qui ont du sens, plutôt que selon des signaux imposés de l'extérieur. Écouter cette inquiétude permet souvent d'identifier des défauts de conception avant qu'ils ne deviennent des conflits ouverts.

Faire du pouvoir algorithmique un objet de discussion

La bonne question n'est donc pas : faut-il faire confiance à l'algorithme ? Elle est trop générale. Il faut plutôt demander : pour quelle décision, avec quelles conséquences, sur quelles données, et avec quel droit de recours ? Une recommandation de faible enjeu ne mérite pas le même niveau d'examen qu'un système qui influence l'accès à l'emploi, la rémunération ou l'organisation du temps de travail.

Les organisations gagnent à organiser cette discussion avant le déploiement, puis tout au long de l'usage. Cela suppose de réunir les personnes concernées, pas seulement les fonctions techniques ou la direction. Les salariés connaissent les exceptions, les compromis et les risques concrets que les modèles ignorent souvent. Les représentants du personnel, les managers de proximité et les fonctions RH apportent également des lectures différentes, indispensables pour éviter qu'un projet soit pensé uniquement sous l'angle de l'efficience.

Quatre exigences donnent un cadre praticable : rendre les finalités explicites, expliquer les critères qui pèsent réellement sur une décision, prévoir une possibilité de contestation et vérifier régulièrement les effets produits. Ce dernier point est décisif. Un système peut fonctionner conformément à son cahier des charges tout en créant de la surcharge, de la discrimination indirecte ou une concurrence délétère entre collègues. La conformité ne suffit pas à établir la justesse.

Le rôle irremplaçable du manager

Le manager n'a pas à devenir ingénieur des données. En revanche, il ne peut pas se contenter de relayer les résultats d'un système. Son rôle consiste à remettre du contexte là où le calcul simplifie, à détecter une situation atypique et à protéger la possibilité d'un désaccord argumenté.

Concrètement, cela signifie ne pas transformer un score en verdict. Lors d'un entretien, un indicateur peut servir de point de départ : que montre-t-il, que ne montre-t-il pas, et quelle histoire du travail raconte-t-il mal ? Cette posture demande du temps et du courage managérial. Elle évite toutefois une forme de déresponsabilisation où l'autorité se cache derrière un écran.

Il faut aussi veiller aux effets de langage. Dire « le système a identifié un problème » n'a pas la même portée que dire « nous avons choisi d'examiner cet indicateur ». La seconde formulation rend visible la responsabilité humaine et maintient l'espace nécessaire pour discuter de la décision.

Une technologie peut-elle rester discutable ?

Le critère d'une adoption responsable n'est pas l'absence d'erreur. Aucun collectif humain ne décide sans incertitude, et aucun modèle ne sera parfait. Le critère est la possibilité de rendre une décision intelligible, contestable et révisable. Une organisation mature ne demande pas aux équipes d'obéir aveuglément à la donnée. Elle leur donne les moyens d'en discuter les effets.

Le pouvoir algorithmique devient dangereux lorsqu'il se présente comme inévitable. Il redevient gouvernable lorsque l'on reconnaît qu'il résulte de choix humains, donc de choix qui peuvent être expliqués, négociés et corrigés. Préserver cette capacité de discussion n'est pas ralentir l'innovation : c'est éviter que la technologie décide, en silence, de ce que le travail doit valoir.