Pourquoi votre intitulé de poste sera sans importance

01 — Des intitulés de poste aux compétences qui peuvent être développées et redéployées

Le marché interne des talents alimenté par l’IA d’Unilever n’a pas supprimé d’emplois. Il a supprimé le postulat selon lequel l’intitulé de poste d’une personne définit le travail qu’elle peut accomplir. En cartographiant les compétences des employés à un niveau granulaire et en les mettant en correspondance avec des projets à l’échelle de l’entreprise, Unilever a libéré 500 000 heures de capacité auparavant invisibles — enfermées dans des rôles qui ne reflétaient pas l’ensemble de ce que les employés pouvaient apporter. Le résultat : une amélioration de 41 % de la productivité et 70 % des affectations traversant les frontières fonctionnelles.

Yum China a appliqué la même logique au recrutement de première ligne. Avec plus de 16 000 restaurants et des besoins de recrutement continus et à fort volume, l’entreprise a déployé l’IA pour la présélection des candidats, la mise en correspondance avec les rôles et l’intégration. 89 % des besoins de recrutement sont désormais pourvus en une à deux semaines. Le taux de rotation des managers a baissé de 9,7 % à 7,8 % — une conséquence d’une meilleure adéquation entre les compétences des candidats et les exigences des rôles, et pas seulement d’un traitement plus rapide.

02 — Des revues de talents périodiques à l’intelligence continue

L’approche de Johnson & Johnson en matière de gestion des compétences de ses effectifs illustre ce à quoi ressemble l’intelligence continue des talents à l’échelle de l’entreprise. L’entreprise a cartographié 41 compétences d’avenir au sein de ses effectifs technologiques, construit un système d’IA qui suit en continu le développement des compétences individuelles et l’exposition aux projets, et ouvert l’accès à des ressources d’apprentissage alignées sur ces compétences à 90 % de sa population de technologues. Le résultat : une augmentation de 20 % de l’engagement dans l’écosystème d’apprentissage — non pas grâce à un programme de formation imposé, mais en rendant les parcours de développement pertinents visibles et accessibles en temps réel.

L’implication pour la planification des talents est que les besoins en compétences des organisations évoluent plus rapidement que les revues annuelles traditionnelles des talents ne peuvent les suivre. Les organisations qui maintiennent une cartographie des compétences en temps réel — sachant quelles compétences sont automatisées, lesquelles connaissent une demande croissante, et quels individus sont à portée d’acquérir des compétences critiques — prennent de meilleures décisions de déploiement et de développement que celles qui fonctionnent à partir d’un instantané annuel.

03 — Des hiérarchies en couches aux équipes plates homme-agent

Le déploiement de l’IA par Repsol dans ses fonctions informatiques et opérationnelles illustre le changement structurel que l’IA introduit dans l’architecture des équipes. L’entreprise a déployé 22 agents d’IA sur 38 cas d’usage dans sa division technologique et passe à l’échelle vers 90 agents, avec 3 000 employés informatiques interagissant directement avec des flux de travail fondés sur les agents. Chaque agent gère un domaine de tâches défini ; les humains opèrent comme orchestrateurs, gestionnaires d’exceptions et responsables de la qualité — et non comme le décideur par défaut à chaque étape.

Moderna est allée plus loin au niveau organisationnel. L’entreprise a fusionné ses fonctions RH et informatique sous un seul Chief People and Digital Transformation Officer, déployé des milliers d’outils fondés sur GPT en interne, et éliminé la frontière traditionnelle entre « gestion des effectifs » et « gestion de la technologie ». Lorsque les agents d’IA et les employés humains travaillent à partir de la même file de tâches, la distinction entre une question RH et une question informatique perd tout son sens.

04 — L’apprentissage continu comme système d’exploitation

Les conclusions du WEF sur l’engagement des effectifs sont saisissantes par leur ampleur. Les organisations utilisant des systèmes de talents pilotés par l’IA rapportent une rétention supérieure de 21 %, un engagement des effectifs 5× plus élevé, et une augmentation de 33 % de la productivité par heure d’utilisation de l’IA. Ce ne sont pas les résultats d’un programme de formation et développement. Ce sont les résultats de l’intégration de l’apprentissage au sein même du flux de travail.

Le modèle d’apprentissage traditionnel sépare le développement du travail : les employés suivent une formation, puis retournent à leurs fonctions. L’IA rend possible un modèle différent — dans lequel le système identifie les lacunes de compétences dans le contexte du travail réel, fait remonter le contenu d’apprentissage pertinent au moment où il est nécessaire, et suit le développement par rapport à des signaux de performance réels plutôt qu’à des relevés d’achèvement de cours.

Les agents d’IA de Repsol ne se contentent pas d’automatiser des tâches. Ils créent des données sur la manière dont ces tâches sont abordées, sur les endroits où surviennent les erreurs, et sur les compétences en pénurie. Ces données alimentent directement les décisions de planification des effectifs : quelles compétences développer en interne, lesquelles externaliser, et lesquelles automatiser davantage.

Les organisations les plus avancées en matière de talents n’investissent pas dans des budgets de formation et de développement plus importants. Elles investissent dans des modèles de gouvernance qui définissent quel travail est effectué par des humains et lequel est effectué par des agents — et construisent les systèmes de compétences permettant d’affecter les personnes aux deux. Les intitulés de poste ne disparaîtront pas du jour au lendemain. Mais les organisations qui continuent à les utiliser comme architecture principale de la planification des effectifs se retrouveront de plus en plus incapables de déployer les compétences dont elles disposent.