IA et dialogue social : de la négociation défensive à la discussion sur les moyens

Dans la plupart des entreprises, la consultation du comité social et économique sur un projet lié à l’IA se déroule selon le même scénario : la direction présente des intentions rassurantes et générales, les représentants du personnel répondent avec les craintes que les études sectorielles alimentent depuis des mois, et les deux camps négocient sur des bases qu’aucun des deux ne peut réellement vérifier. Ce n’est pas un problème de bonne volonté. C’est un problème de données. Voici comment une base factuelle, poste par poste, transforme la nature de cette discussion.

Le point aveugle du dialogue social sur l’IA

Une présentation en CSE sur un projet d’IA ressemble le plus souvent à un exercice de communication plutôt qu’à un exposé de données : « l’IA va nous aider à être plus compétitifs », « aucun licenciement sec n’est prévu à ce stade », « nous accompagnerons les équipes concernées ». Ces formulations ne sont pas fausses, mais elles ne disent rien de vérifiable — combien de postes, dans quelle direction, à quel horizon, avec quel budget de reconversion. En face, les représentants du personnel n’ont souvent, pour argumenter, que les mêmes statistiques macro-sectorielles que la direction évite soigneusement de citer, parce qu’elles ne s’appliquent pas plus précisément à l’entreprise que les éléments de langage présentés en séance.

Résultat : une négociation où aucune des deux parties ne dispose d’un chiffre qu’elle peut défendre, et où la confiance se construit — ou se détruit — sur la forme du discours plutôt que sur son contenu.

Ce que la loi impose déjà, et ce qui arrive

Le cadre réglementaire ne laisse plus beaucoup de place à l’approximation. La négociation triennale sur la gestion prévisionnelle des emplois et des parcours professionnels (GEPP) impose, pour toute entreprise de plus de trois cents salariés, une consultation du CSE dès lors qu’une transformation touche à l’organisation du travail — ce qui inclut, de fait, la plupart des projets d’IA ayant un impact sur les postes. À cela s’ajoute l’AI Act européen, qui impose des obligations de documentation aux usages à haut risque à partir d’août 2026, et décembre 2027 pour les entités bénéficiant du mécanisme Omnibus. Sans compter les exigences de la CNIL dès lors que le projet traite des données relatives aux salariés eux-mêmes.

Ces obligations ne sont pas des contraintes accessoires. Elles créent, de fait, un besoin de traçabilité et de justification qu’une communication générale ne peut pas satisfaire — il faut des données précises, documentées, et mises à jour.

Une négociation sociale sans données précises ne se joue pas sur les faits. Elle se joue sur qui, de la direction ou des représentants du personnel, raconte l’histoire la plus convaincante — ce qui n’est bon ni pour l’un, ni pour l’autre.

Ce que change une base factuelle dans la négociation

• Le périmètre devient précis — au lieu de « certains postes pourraient être affectés », la direction peut indiquer quelles tâches, dans quelle direction, représentent quelle part de temps automatisable, avec un ordre de grandeur vérifiable.
• L’échéance devient discutable — un calendrier réaliste, fondé sur un diagnostic, remplace les formulations vagues du type « à moyen terme », qui n’engagent personne et rassurent encore moins.
• Le budget de reconversion se calcule, plutôt qu’il ne s’annonce — connaître la nature des tâches qui basculent permet de chiffrer les besoins de formation réels, plutôt que d’annoncer une enveloppe arbitraire.
• Le suivi devient un engagement vérifiable — un point de mesure trimestriel permet aux représentants du personnel de constater l’évolution réelle, plutôt que de devoir faire confiance à une promesse ponctuelle.

Trois étapes pour aborder le CSE avec des données plutôt qu’avec des intentions

1. Diagnostiquer avant d’annoncer — mesurer, poste par poste, l’exposition réelle avant toute communication publique. Présenter un projet avant d’avoir les chiffres revient à improviser une négociation que l’on pourrait préparer.
2. Présenter par poste, pas par pourcentage agrégé — un chiffre global masque toujours des situations très différentes d’une direction à l’autre. Le détail, même partiel, inspire plus confiance qu’une moyenne qui dissimule les écarts.
3. Annoncer le prochain point de mesure — indiquer d’emblée que le diagnostic sera revu dans les mois suivants montre que le sujet reste piloté dans la durée, et non traité comme un dossier clos après la première présentation.

La sur-communication vague est, elle aussi, un risque

Beaucoup de directions pensent limiter les tensions en restant volontairement floues sur l’ampleur du projet, par peur d’inquiéter. C’est un calcul risqué : une communication vague qui se révèle, six mois plus tard, en décalage avec la réalité observée sur le terrain coûte davantage en confiance qu’une communication précise, même si celle-ci annonce un changement plus important que prévu. Les représentants du personnel qui découvrent un écart entre le discours et les faits négocient ensuite tout, y compris les sujets sans rapport, avec une méfiance beaucoup plus difficile à désamorcer.

Ce que gagne une direction qui joue la transparence chiffrée

Une direction qui arrive avec un diagnostic factuel, réalisé à partir des données de l’entreprise elle-même — sans que ces données transitent par des systèmes tiers, dans une logique de traitement souverain conforme aux exigences de la CNIL — change la nature du rapport de force. La discussion cesse de porter sur la réalité du projet, contestable dans l’absence de preuve, pour porter sur les moyens d’accompagnement, qui sont, eux, négociables. C’est un déplacement de terrain qui profite aux deux parties : la direction gagne en crédibilité, les représentants du personnel gagnent un partenaire de discussion sur des bases stables plutôt qu’un interlocuteur retranché derrière des éléments de langage.

Le dialogue social sur l’IA ne sera jamais un long fleuve tranquille. Mais il peut cesser d’être une négociation à l’aveugle, à condition que les données arrivent avant les éléments de langage — et non l’inverse.