Non, mais elle va transformer profondément les métiers de ceux qui y travaillent.
Non, l’IA générative ou agentique ne va pas tuer les ESN. Si ces technologies sont puissantes et sans aucun doute disruptives, elles ne suppriment pas pour autant les nécessaires évolutions organisationnelles, les résistances humaines au changement, les contraintes réglementaires et les enjeux de gouvernance des données.
Mais se contenter de cette réponse rassurante serait une erreur stratégique. La vraie question n’est pas la survie des ESN, c’est la capacité de leurs collaborateurs à rester pertinents dans un environnement où les agents IA exécutent en quelques secondes ce qui prenait des jours. Et sur ce terrain, l’heure n’est pas aux discours : elle est à la lucidité et à l’action.
L’histoire plaide pour la transformation, pas pour l’immobilisme
Chaque grande transition technologique du secteur informatique a été accompagnée de prédictions apocalyptiques similaires. L’émergence des progiciels dans les années 1990 devait rendre inutile le développement sur mesure. Dans les années 2010, le cloud devait simplifier le déploiement des applications au point de rendre les intégrateurs obsolètes.
À chaque fois, la réalité a été différente. Non pas parce que rien n’avait changé, mais parce que les ESN avaient su se repositionner sur des besoins nouveaux. Les architectures hybrides ont créé de nouveaux défis de sécurité et de gouvernance. Les migrations cloud ont exigé des compétences en FinOps et en réarchitecture applicative que peu d’entreprises maîtrisaient en interne.
Ce qui est différent avec l’IA, c’est la vitesse et l’intensité de la disruption. La fenêtre de repositionnement est bien plus courte que celle du cloud. Les ESN ne peuvent pas attendre, sous peine de se retrouver dépassées.
Ce que l’IA ne peut pas faire, et ce qu’elle commence à faire mieux que prévu
Ce que l’IA ne remplacera pas
L’accompagnement organisationnel et humain du changement ne s’automatise pas. Déployer une technologie, ce n’est pas seulement configurer des paramètres ou connecter des systèmes. C’est convaincre un directeur financier que ses processus de validation des factures devront changer, arbitrer entre les exigences contradictoires de deux directions métier, ou gérer la résistance d’équipes qui voient dans le nouveau système une menace pour leur emploi.
Aucun agent IA, aussi performant soit-il, ne peut remplir ce rôle. Ces situations exigent de la confiance, de l’écoute, de la diplomatie et une connaissance fine des dynamiques politiques internes d’une organisation. Un LLM ne sait pas agir avec discernement dans des situations implicites, contradictoires ou politiquement inconfortables. Un Humain, si.
Ce que l’IA fait déjà, et qui doit être pris en compte immédiatement
Il serait intellectuellement malhonnête de minimiser ce qui change réellement. Les agents IA de génération actuelle sont déjà capables de produire du code fonctionnel sur des spécifications simples, de rédiger des documentations techniques, d’exécuter des tests de non-régression, d’analyser des logs et de proposer des corrections. Le « vibe coding », pratique consistant à générer une application entière par prompts successifs, n’est plus une curiosité : c’est une réalité qui commence à peser sur les estimations de charge.
Ce n’est pas une menace abstraite. C’est une pression concrète sur les TJM des profils juniors, sur les volumétries de certaines prestations en régie, et sur la valeur perçue de tâches jusqu’ici facturées à prix plein.
L’impact par profil : qui est vraiment menacé, qui est renforcé ?
La question centrale n’est pas « les ESN vont-elles survivre ? ». Elles survivront, sous une forme ou une autre. Elle est : « quels profils seront encore employables, et à quel TJM, dans les mois à venir ? » Voici une analyse lucide, profil par profil.
| Profil | Impact de l’IA | Compétences qui s’effacent | Compétences à développer |
| Développeur junior / AMOA débutant | Fort : les tâches répétitives (CRUD, tests unitaires, doc) sont largement automatisables | Coding « mécanique », rédaction de specs standards, recettage manuel basique | Prompt engineering, revue de code IA, compréhension des risques de l’IA générative |
| Développeur confirmé / Tech Lead | Modéré : l’IA amplifie sa productivité mais ne remplace pas l’architecture et le jugement technique | Certaines phases de codage répétitif, recherche documentaire, génération de tests | Gouvernance du code IA, architecture multi-agents, sécurité des pipelines LLM, FinOps IA |
| Chef de projet IT | Modéré à fort : la coordination automatisable augmente, mais le pilotage humain reste irremplaçable | Reporting manuel, suivi de tickets, consolidation de statuts | Pilotage de projets IA/agents, gestion du risque algorithmique, conduite du changement augmentée |
| Consultant fonctionnel / AMOA senior | Faible à modéré : son rôle de traducteur métier-IT se renforce à condition d’intégrer l’IA dans son outillage | Rédaction de cahiers des charges génériques, animation de certains ateliers standardisés | Conception de cas d’usage IA, évaluation de modèles, ownership de la qualité des données |
| Architecte solutions / Cloud | Faible : son expertise est plus critique que jamais sur les systèmes multi-agents et hybrides | Architecture de systèmes « simples » qui sont désormais générés semi-automatiquement | Architecture LLMOps, orchestration d’agents, sécurité Zero Trust pour pipelines IA |
| Manager / Directeur de compte | Faible : la relation client et le développement commercial restent profondément humains | Reporting de performance standardisé, certains KPIs de suivi de projets | Vente de valeur IA, conseil sur la stratégie IA client, management d’équipes hybrides homme-IA |
Cette grille appelle trois observations importantes. Premièrement, la menace est très inégalement répartie : elle pèse massivement sur les profils d’exécution juniors, nettement moins sur les profils d’expertise et de conseil senior. Deuxièmement, la ligne de démarcation ne se situe pas entre « technique » et « non-technique », mais entre « tâches reproductibles » et « intelligence situationnelle ». Troisièmement, la reconversion n’est pas optionnelle : un développeur peut être mis en concurrence avec des agents dix fois plus rapides et moins coûteux. Il doit acquérir des compétences pour prompter efficacement et contrôler le code généré.
Les nouvelles missions des ESN : accompagner la transformation IA de leurs clients
Paradoxalement, l’IA crée autant de besoins d’accompagnement qu’elle en supprime, mais ce sont des besoins différents, plus complexes et mieux rémunérés.
Déployer des agents IA dans un système d’information n’est pas une opération triviale. Il faut d’abord définir les cas d’usage pertinents, ce qui suppose une connaissance fine des processus métier. Il faut ensuite s’assurer que les données auxquelles ces agents accèdent sont fiables, bien structurées et correctement gouvernées, une situation rare dans la plupart des entreprises. Il faut mettre en place des politiques d’accès, des mécanismes de supervision humaine, des procédures d’audit pour les décisions semi-automatisées. Il faut former les équipes à des outils qui transforment en profondeur leurs habitudes de travail.
Ces missions ne ressemblent pas à celles d’hier. Elles mêlent expertise technique, conseil organisationnel, gestion du risque et conduite du changement. Elles sont précisément ce que les ESN qui auront réussi leur propre transformation seront en mesure de délivrer.
Ce que cela implique concrètement pour les ESN
La transformation des métiers dans les ESN ne se fera pas toute seule. Elle suppose de réaliser des choix stratégiques :
- Revoir les pyramides de compétences : réduire les profils juniors d’exécution , investir massivement dans la montée en compétences des profils intermédiaires sur l’IA.
- Former différemment : les certifications cloud d’hier cèdent la place aux certifications LLMOps, prompt engineering et gouvernance IA. Les ESN qui forment proactivement leurs consultants prennent une avance difficile à rattraper.
- Repenser les modèles de facturation : la régie au jour/homme sur des tâches automatisables est un modèle condamné à court/moyen terme selon les secteurs. Le forfait sur résultat, le conseil en stratégie IA et la co-construction de solutions augmentées sont les modèles de demain.
- Faire de l’IA un différenciateur interne : les ESN qui utilisent elles-mêmes des agents IA pour améliorer leur productivité, leur qualité de delivery et leur efficacité commerciale seront structurellement plus compétitives.
- Assumer dans les négociations avec les clients : certains projets qui se facturaient 100 jours se factureront demain 40 jours, partiellement assistés par l’IA. Mieux vaut l’anticiper et repositionner la valeur sur l’expertise que se faire déjuger par un client qui a fait ses calculs.
La question n’est donc pas de savoir si les ESN survivront à l’IA. Elles survivront, comme elles ont survécu à chaque disruption technologique précédente. La question est de savoir si les femmes et les hommes qui y travaillent auront su transformer l’IA en un amplificateur de leur expertise.
General Manager
Les sujets IA
