Au travail, l’IA fait déborder les métiers : une étude d’OpenAI chiffre à 43 % l’usage hors périmètre — ce que ça change pour votre PME

Le 27 juillet 2026, OpenAI a publié Work at the Frontier: How AI is Expanding What People Do at Work, premier volet d’une nouvelle série de recherches sur la façon dont l’IA transforme les tâches quotidiennes. L’étude a analysé plus de 800 000 messages envoyés par des utilisateurs professionnels américains de ChatGPT : un modèle d’IA a lu chaque message, résumé la tâche sous-jacente, puis l’a rattachée à un métier dans O*NET, la base de données professionnelle du ministère du Travail américain. Quand la tâche identifiée relevait d’un métier différent de celui de l’utilisateur, OpenAI l’a comptée comme un « débordement de tâche » (task crossover). Le chiffre central : 16,8 % de l’ensemble des messages professionnels, et 43,5 % des messages rattachés à un métier précis, portent sur une tâche qui relève formellement du métier de quelqu’un d’autre.

Qui déborde le plus de son métier

Le taux varie fortement selon les métiers. Les équipes support client arrivent en tête, avec 77 % de leurs messages liés à leur métier portant en réalité sur des tâches d’un autre domaine — suivies par les designers (75 %), les professionnels RH (69 %), le juridique (56 %) et le marketing (53 %). Les ingénieurs se situent à l’autre extrémité, restant les plus proches de leur cœur de métier. OpenAI y voit la preuve que l’IA ne se contente pas de rendre les gens plus rapides dans leur propre métier — elle leur permet de prendre en charge, de façon compétente, des tâches qui exigeaient auparavant un spécialiste différent.

Ce que la recherche montrait déjà avant cette étude

Ce schéma de débordement rejoint un résultat antérieur, très souvent cité. Une étude de 2023 de Shakked Noy et Whitney Zhang publiée dans Science, Experimental evidence on the productivity effects of generative artificial intelligence, a fait réaliser des tâches de rédaction réalistes à des professionnels diplômés du supérieur, avec et sans ChatGPT, et a montré que l’outil réduisait le temps d’exécution d’environ 40 % et augmentait la qualité du rendu d’environ 18 % en moyenne — avec les gains les plus importants pour les salariés les moins performants sans IA. L’écart entre un bon exécutant et un moins bon sur une même tâche se réduisait nettement. Mise en regard des nouvelles données d’OpenAI, c’est le même phénomène observé à plus grande échelle : l’IA générative n’accélère pas seulement les spécialistes, elle réduit l’écart de compétence entre un spécialiste et quelqu’un qui aborde cette tâche pour la première fois.

Ce que ça change pour votre PME

Une PME vit déjà de débordement de tâches informel — le responsable des opérations qui rédige une réponse client, le commercial qui bricole un reporting, l’assistant qui retouche un visuel pour un post. Ce que confirment les données d’OpenAI, c’est que ce phénomène se produit désormais avec l’IA à très grande échelle, que l’entreprise l’ait organisé ou non. La vraie question pour une PME n’est pas de savoir si les salariés vont utiliser l’IA pour sortir de leur périmètre — l’étude suggère que c’est déjà majoritairement le cas, en support client et en RH plus qu’ailleurs. La question est de savoir si ce débordement passe par un onglet ChatGPT personnel, sans contexte d’entreprise ni étape de relecture, ou par un agent structuré construit sur vos propres processus et données — un agent support client IA sur lequel un commercial peut s’appuyer sans devenir spécialiste du support, un agent de tri d’emails qui route correctement les demandes dès le premier passage, ou un agent de reporting automatisé qui transforme des chiffres épars en document sans que la personne qui les compile ait besoin d’un bagage financier.

• →Repérez où ce débordement se produit déjà de façon informelle dans votre équipe — qui fait discrètement du marketing, du reporting ou du support en dehors de son intitulé de poste — avant de choisir où investir dans un agent structuré.
• →Priorisez les fonctions où l’étude montre le plus de débordement : le support client et les RH, pas nécessairement l’équipe technique, que les données d’OpenAI montrent la plus proche de son cœur de métier.
• →Gardez une étape de relecture humaine sur tout rendu assisté par IA qui sort du domaine habituel d’un salarié — le gain de productivité mesuré par Noy et Zhang venait d’une IA en assistance, pas d’un rendu IA non relu tenant lieu d’expertise.

La question que ces données posent à un dirigeant de PME n’est pas de savoir si les frontières entre métiers s’estompent — les chiffres d’OpenAI disent qu’elles le font déjà, dans près de la moitié des usages spécialisés de l’IA. C’est de savoir si ce brouillage se produit dans un système que vous pouvez voir et superviser, ou invisiblement, un onglet de navigateur à la fois.