Karim travaille au support IT depuis quatre ans. Il connaît par cœur les procédures VPN, les erreurs de certificat, les subtilités entre Mac et PC. Il connaît aussi les prénoms des utilisateurs qui l’appellent régulièrement, Stéphane qui oublie son mot de passe le lundi matin, Céline qui télétravaille depuis un réseau capricieux. Ce travail-là, on l’appelle souvent le support de « niveau 1 ». Répétitif. Peu valorisé. Et désormais, dans le viseur de l’intelligence artificielle.

La question qui se pose rarement dans les comités IT : qu’est-ce qu’on perd vraiment quand on automatise le « sale boulot » ?

Le Shift-Left poussé à l’extrême : le ticket qui n’existe pas

Le concept de Shift-Left dans l’ITSM repose sur une logique simple : plus on rapproche la résolution du problème de l’utilisateur final, sans escalade, sans intermédiaire, plus on gagne en efficacité. L’arrivée de l’Agent Virtuel d’Atlassian Intelligence dans Jira Service Management pousse cette logique à son terme : le ticket idéal est celui qui n’est jamais créé, parce que l’IA a résolu le problème avant.

Fini les arbres de décision rigides des anciens chatbots. L’Agent Virtuel ingère la base de connaissances Confluence et dialogue naturellement avec l’utilisateur, directement dans Slack ou Microsoft Teams. L’échange est fluide : un utilisateur signale qu’il ne parvient pas à se connecter au VPN, l’IA détecte qu’il est sur Mac, lui propose la procédure adaptée, vérifie le certificat. En quelques échanges, le problème est résolu, sans ticket créé, sans agent mobilisé.

Techniquement, c’est élégant. Mais la sociologie du travail invite à une lecture plus nuancée de ce qui disparaît en même temps que le ticket.

Les fonctions invisibles du travail répétitif

Réinitialiser des mots de passe, reconfigurer un VPN, expliquer pour la dixième fois comment accéder à un outil partagé, ce travail est souvent qualifié de « dirty work » : tâches peu qualifiées, peu valorisées, facilement délégables. Et pourtant, ce travail remplit des fonctions sociales que l’automatisation ne capture pas.

C’est souvent le premier contact humain qu’un nouvel employé a avec l’IT. C’est l’occasion, pour un agent attentif, de détecter un signal faible. Par exemple : pourquoi ce même utilisateur réinitialise-t-il son mot de passe trois fois par semaine ? C’est aussi, plus simplement, un moment de reconnaissance : « quelqu’un prend le temps de m’aider, je ne suis pas seul face à la machine ». Dans un environnement professionnel de plus en plus digitalisé, cette dimension relationnelle n’est pas anecdotique.

Karim le sait. Pas consciemment, pas avec ce vocabulaire. Mais il le sait : ses utilisateurs ne la contacte pas seulement pour résoudre un problème technique.

L’angoisse de l’obsolescence : ce que l’IA dit sans le dire

Il y a un message implicite dans toute automatisation : « ce que tu fais est assez simple pour qu’une machine le fasse à ta place. » Ce message, les agents de support niveau 1 l’entendent. Et il génère une anxiété décisionnelle bien réelle, qui n’est ni irrationnelle, ni exagérée.

Concrètement, trois scénarios s’ouvrent quand l’IA absorbe 70 à 80 % des tickets de niveau 1.

Le premier, le plus favorable : les agents sont formés pour monter en compétence sur des demandes complexes : incidents d’infrastructure, accompagnement de projets, gestion des accès sensibles. Leur rôle est enrichi, pas supprimé.

Le deuxième : les effectifs sont réduits proportionnellement à la baisse du volume de tickets.

Le troisième, le plus insidieux : les mêmes agents traitent les 20 % de cas que l’IA n’a pas su résoudre : les plus compliqués, les plus pénibles, les plus ambigus. Sans que leur travail ne soit reconnu à leur juste valeur.

Le premier scénario est le seul porteur de sens. Mais il exige un investissement en formation et en accompagnement que toutes les organisations ne sont pas prêtes à consentir. Et lorsque ce n’est pas dit clairement en amont, la méfiance des équipes envers le déploiement de l’IA est une réaction de survie, pas un frein au progrès.

Ce que l’IA ne voit pas dans un ticket

La clinique de l’activité distingue le travail prescrit, la demande telle qu’elle est formulée, du travail réel, ce qui se passe effectivement dans la situation vécue. Un ticket « Je n’arrive pas à me connecter au VPN » peut cacher plusieurs réalités très différentes : un problème technique simple, un problème de compréhension de l’outil, un défaut de provisionnement des droits d’accès, un conflit non déclaré avec le management qui génère du télétravail non autorisé, ou simplement un utilisateur anxieux qui a besoin de parler à quelqu’un.

L’Agent Virtuel résout le premier cas très bien. Pour les quatre autres, il manque d’une capacité que les agents humains développent avec l’expérience : lire entre les lignes d’une demande, entendre ce qui n’est pas dit. Cette intelligence de terrain, les compétences tacites qui ne s’apprennent pas dans les procédures documentées, n’est pas reproductible par un algorithme entraîné sur des articles de base de connaissances.

Vers un support IT augmenté, pas seulement optimisé

Déployer Atlassian Intelligence dans JSM avec une intention claire, c’est possible. Cela suppose de distinguer ce qu’on cherche vraiment : réduire les coûts, ou libérer les agents pour ce que l’IA ne sait pas faire ? La réponse conditionne le reste : la configuration de l’outil, la communication avec les équipes, les indicateurs de succès retenus.

Quelques principes font la différence entre un déploiement subi et un déploiement construit.

La transparence d’abord : les utilisateurs doivent savoir qu’ils interagissent avec une IA.

L’escalade humaine facile ensuite : si atteindre un agent suppose de traverser un labyrinthe de menus, on envoie le signal que le problème de l’utilisateur ne mérite pas vraiment d’attention humaine.

La valorisation du travail restant aussi : les agents qui traitent les cas complexes ne sont pas « ceux que l’IA n’a pas encore remplacés » : ils sont les experts de ce que la machine ne peut pas faire.

Et enfin, mesurer la satisfaction utilisateur, pas seulement le volume de tickets résolus. Un ticket résolu en dix secondes par l’IA n’est un succès que si l’utilisateur repart avec le sentiment d’avoir été aidé.

Karim, lui, a été formé au niveau 2 depuis six mois. Il gère maintenant les incidents d’accès critiques et les onboardings complexes. Il ne réinitialise plus beaucoup de mots de passe. Mais il appelle encore certaines personnes le lundi matin, pas pour le ticket, pour vérifier que tout va bien. Et il prend en main Rovo, qui lui permet d’augmenter sa compréhension et son usage de l’ensemble de la connaissance présent dans l’écosystème Atlassian de son entreprise.

La vraie question n’est pas « l’IA peut-elle faire ce travail ? » Elle est : qu’est-ce qu’on décide de faire du temps qu’elle libère ?