Pour les acheteurs de prestations intellectuelles, l’une des conséquences possibles de l’IA est très concrète : mobiliser moins de consultants pour réaliser un même travail. Des professionnels équipés d’outils IA pourraient réduire la charge de certaines missions, leur durée ou la taille des équipes. Encore faut-il comprendre où se situent les gains et ce qu’ils deviennent à l’échelle d’une prestation complète.
La question entre déjà dans la négociation. Selon Stratégies avec l’AFP, Bercy a demandé aux ministères, dans un courrier du 31 août 2026, d’engager des discussions avec leurs prestataires numériques pour bénéficier des gains de productivité attribués à l’IA. Cette initiative exprime une attente des donneurs d’ordre ; elle ne mesure pas le gain réalisable sur chaque marché. [1]
Dans cette série, nous faisons l’hypothèse que certaines prestations deviendront moins consommatrices de journées humaines. Les « TJ » du titre désignent ces journées achetées. Leur diminution peut intervenir tout en conservant une facturation au temps, sans supposer que tous les contrats deviennent des engagements au résultat.
L’IA transforme les tâches et le dimensionnement des équipes
Une mission de prestations intellectuelles rassemble des activités très différentes. Le cadrage d’un besoin, l’analyse documentaire, la production de code, la préparation des tests, la rédaction de supports, les échanges avec les métiers et la validation finale n’ont ni la même nature ni la même sensibilité à l’automatisation. L’IA peut accélérer une partie de cet ensemble sans prendre en charge la mission complète.
Cette distinction n’empêche pas une réduction du besoin en consultants. Il suffit que des tâches suffisamment importantes dans la charge totale deviennent moins consommatrices de temps humain. L’équipe peut alors être plus petite, la mission plus courte, ou les deux. Les compétences attendues peuvent aussi changer : savoir utiliser un outil, organiser le travail qu’on lui confie et vérifier ses résultats devient une composante de la prestation.
Des gains à mesurer dans leur contexte
Les recherches disponibles montrent cependant pourquoi une décote uniforme serait fragile. L’étude Generative AI at Work, publiée dans le Quarterly Journal of Economics en 2025, porte sur 5 172 agents de support client. Elle mesure une hausse moyenne de 15 % du nombre de problèmes résolus par heure, avec de fortes différences selon les travailleurs. Ce résultat concerne un environnement précis ; il ne donne pas un taux applicable à toutes les missions de conseil ou de développement. [2]
À l’inverse, une expérimentation de METR publiée en juillet 2025, portant sur 16 développeurs expérimentés et 246 tâches dans leurs propres projets open source, mesurait un allongement de 19 % du temps de réalisation avec les outils IA testés. En février 2026, METR signalait que ses observations ultérieures suggéraient une amélioration, mais que les biais de sélection empêchaient d’en mesurer solidement l’ampleur. Ces travaux invitent à mesurer les effets dans leur contexte et à actualiser les évaluations. [3][4]
La bonne unité d’observation est donc la prestation complète, avec son niveau de qualité. Si, dans un exemple purement illustratif, 40 % de la charge est divisée par deux et que le reste demeure identique, le gain brut total est de 20 %. Il faut encore retrancher le temps supplémentaire de préparation, de vérification et de reprise. Une accélération spectaculaire sur une tâche peut ainsi produire une économie plus modeste sur l’ensemble de la mission.
L’acheteur devrait demander comment le prestataire reconstruit sa charge avec l’IA. Quelles activités évoluent ? Quelle intervention humaine reste nécessaire ? Quelles hypothèses ont été testées ? L’affirmation selon laquelle une équipe utilise l’IA devient utile lorsqu’elle explique un changement de dimensionnement, de délai ou de qualité.
Revoir le dimensionnement avant de négocier la remise
Pour un acheteur, cette évolution conduit à examiner la construction de l’équipe. Une proposition de cinq consultants pendant trois mois ne devrait pas être reconduite mécaniquement si les méthodes de travail ont changé. Le fournisseur devrait pouvoir expliquer les compétences mobilisées, la charge prévue et la part du travail qui exige une intervention humaine.
Cette discussion peut aboutir à moins de jours, sans nécessairement conduire à un TJM inférieur. Un consultant plus productif peut coûter davantage par jour tout en réduisant le coût de la mission. La comparaison doit donc conserver un périmètre et un niveau de qualité communs.
Chez Oalia, nous pensons que le VMS doit permettre de rendre ces hypothèses de charge plus lisibles dans la sélection et le suivi des prestations. La première question à poser au fournisseur devient : quelle équipe et quels moyens sont désormais nécessaires pour réaliser ce travail ?
À l’échelle d’une ESN, les journées économisées deviennent aussi des consultants à réaffecter. Le deuxième article examinera les conséquences de ce décalage sur les intercontrats, les prix et l’emploi.
Éric Decarpentries Cofondateur et directeur général d’Oalia
Sources
[1] Stratégies avec AFP, 4 septembre 2026. Le ministère de l’Action et des Comptes publics veut réduire les factures des prestataires numériques de l’État grâce à l’IA.
[2] Erik Brynjolfsson, Danielle Li et Lindsey Raymond. Generative AI at Work, Quarterly Journal of Economics, 2025.
[3] METR, 10 juillet 2025. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity.
[4] METR, 24 février 2026. We Are Changing Our Developer Productivity Experiment Design.
Analyse prospective — Septembre 2026. L’exemple chiffré de réduction de charge est illustratif.
