Les accords d’entreprise sur l’IA se multiplient en France

Un phénomène en pleine accélération

Le nombre d’accords mentionnant l’intelligence artificielle (IA) a quasiment doublé entre 2024 et 2025, signe d’une intégration rapide de ces technologies dans les relations professionnelles. Ce bond traduit à la fois une prise de conscience accrue des risques et opportunités de l’IA et une volonté des acteurs (employeurs, syndicats, législateurs) de formaliser des règles. Par exemple, des conventions collectives dans le secteur bancaire ont récemment inséré des articles sur l’usage des algorithmes pour le scoring client afin de sécuriser les processus décisionnels.

Les secteurs en première ligne : finance, industrie, TIC

Trois secteurs concentrent l’essentiel des mentions : la finance, l’industrie et les technologies de l’information et de la communication (TIC). Chacun présente des cas d’usage concrets :

• Finance : algorithmes de trading, scoring de crédit automatisé, détection de fraude.
• Industrie : maintenance prédictive, optimisation de chaînes de production, robotique collaborative.
• TIC : chatbots de support, modération automatisée, services cloud pilotés par IA.

Ces exemples montrent pourquoi les accords intègrent désormais des clauses techniques et sociales pour encadrer l’usage.

Une place croissante de l’emploi dans les textes

L’augmentation des mentions d’IA s’accompagne d’une montée en puissance des préoccupations liées à l’emploi : protection des postes, adaptation des compétences, et modalités des requalifications. On retrouve dans les accords des engagements concrets comme :

• plans de formation professionnelle ciblés sur les compétences numériques ;
• dispositions de mobilité interne pour limiter les licenciements ;
• préférences pour le recrutement interne lors de la création de postes liés à l’IA.

Exemple précis : un accord industriel peut prévoir 200 heures de formation certifiante pour les opérateurs dont les tâches sont automatisées par l’IA.

Types de clauses rencontrées et exemples précis

Les accords riches en références à l’IA comportent souvent des clauses récurrentes et opérationnelles :

• Formation et reconversion : calendrier, financement, certification (ex. : prise en charge à 80 % des coûts par l’employeur) ;
• Protection des données : anonymisation, limitation des finalités, audit des algorithmes ;
• Responsabilité et transparence : traçabilité des décisions automatisées, droits d’explication pour les salariés affectés) ;
• Gouvernance : création de comités mixtes employeurs-syndicats pour suivre les déploiements IA.

Un exemple concret : une convention collective du secteur des télécoms impose un audit algorithmique annuel et la publication d’un rapport d’impact social.

Conséquences concrètes pour salariés et employeurs

L’intégration formelle de l’IA dans les accords produit des effets tangibles, avec des bénéfices et des risques :

• Pour les salariés : opportunités de montée en compétences, mais risque d’obsolescence de certaines tâches ;
• Pour les employeurs : gains de productivité et innovation, mais obligation d’investissement social et juridique ;
• Pour le dialogue social : nécessité d’un suivi continu et d’indicateurs partagés (taux de reclassement, nombre d’heures de formation).

Par exemple, une usine ayant automatisé une ligne a réduit les heures de travail répétitif tout en créant un centre de formation interne pour requalifier 30 % de son personnel.

Actions prioritaires et points de vigilance

Face à cette évolution, plusieurs actions pratiques émergent comme prioritaires pour encadrer l’IA dans les accords :

• Négocier des plans de formation précis et mesurables dès la signature d’un accord.
• Instaurer des garanties de maintien dans l’emploi ou des procédures de mobilité interne.
• Mettre en place une gouvernance algorithmique (audits, comités, reporting).
• Assurer la transparence et le respect des droits des salariés affectés par des décisions automatisées.

En pratique, un bon accord prévoit des indicateurs de suivi, des financements dédiés et des instances mixtes pour ajuster les mesures au fil du déploiement des technologies.