L’industrialisation de la conception numérique : Entre promesses et questionnements

Nous assistons à la robotisation progressive de la conception numérique, un phénomène qui s’inscrit dans une longue histoire de transformations industrielles. Cependant, pour la première fois, ce n’est pas seulement la force physique ou les tâches répétitives qui sont automatisées, c’est le travail intellectuel, créatif et conceptuel. En d’autres termes, ce qui est arrivé hier aux cols bleus se produit aujourd’hui chez les cols blancs. Comme nos prédécesseurs, nous voyons désormais nos tâches être progressivement automatisées par des « robots », des algorithmes ou plus précisément des “intelligences artificielles” comme LLMs et IA génératives.

En effet, cette analogie avec le monde industriel n’est pas fortuite. Le secteur du numérique partage aujourd’hui les mêmes logiques que le monde industriel ; produire toujours plus, toujours plus vite et à moindre coûts. Via l’observation de comment l’industrie a traversé ses différentes révolutions, nous disposons d’une grille de lecture précieuse pour décrypter, ou du moins essayer, ce qui se joue actuellement dans le numérique (en vitesse accélérée). Mais surtout, pour essayer de comprendre et anticiper les défis qui nous attendent.

Car derrière les promesses d’efficacité et les craintes de déclassement, se joue quelque chose de plus fondamental : la redéfinition même de nos métiers de la conception numérique, de ce qu’est créer et du sens que nous voulons donner aux outils et aux expériences que nous mettons entre les mains de milliards d’utilisateurs.

Les révolutions industrielles : de hier à aujourd’hui

Prenons un instant pour revoir les différentes mutations du monde industriel. Les connaîtres nous permettra de mieux saisir les dynamiques actuelles et leurs échos dans le monde numérique.

La première révolution industrielle (1760-1840)

Elle débute à la fin du XVIIIe siècle au Royaume-Uni, puis en France au début du siècle suivant et transformera radicalement l’économie britannique puis européenne. Passant d’une économie essentiellement agraire à une production de biens manufacturés à grande échelle. Cette période marque l’avènement de la machine à vapeur (1769) qui permettra l’industrie textile mécanisée, la métallurgie moderne et révolutionnera les transports avec l’apparition du chemin de fer.

L’impact sur le travail est profond : les artisans et les travailleurs à domicile voient progressivement leurs métiers transformés par la concentration de la production dans les usines. La machine commence à remplacer peu à peu le travail manuel, néanmoins l’humain restera au cœur du processus de production, opérant et surveillant ces nouvelles machines.

La deuxième révolution industrielle (1870-1914)

La deuxième révolution industrielle commence à la fin du XIXe siècle aux États-Unis et en Allemagne. Cette seconde révolution, à l’aube du XXe siècle, inaugure l’électricité, l’acier, le travail à la chaîne et la production en série. C’est l’époque de Henry Ford et de son modèle T, où la standardisation et la division extrême du travail permettent une productivité sans précédent.

Cette période voit naître des doctrines comme le taylorisme ou le fordisme, qui décomposent le travail en gestes élémentaires répétitifs. L’ouvrier devient un maillon d’une chaîne où chaque mouvement est optimisé, chronométré, standardisé.

Cette rationalisation du travail permettra une accélération de la production et génèrera une prospérité économique massive ainsi que l’avènement de la société de consommation.

La troisième révolution industrielle (1970-2000)

La troisième révolution industrielle apparaît à la fin du XXe siècle aux États-Unis et au Japon.
Elle est portée par trois innovations majeures : l’électronique, les technologies de l’information et les télécommunications. C’est durant cette période que naîtra véritablement la robotisation telle que nous la connaissons aujourd’hui.

Les premiers robots industriels font leur apparition dans les usines automobiles japonaises et américaines. Ces machines programmables peuvent effectuer des tâches complexes avec une précision et une régularité impossibles à atteindre pour un humain. Le robot n’est plus une simple machine-outil améliorée : il devient un système intelligent capable d’adapter ses actions en fonction de capteurs et de programmes sophistiqués.

Cette révolution transforme radicalement l’organisation du travail. Les ouvriers deviennent des techniciens, programmant et supervisant des machines autonomes. La productivité explose, néanmoins de nombreux emplois manufacturiers disparaissent, migrant vers les pays à bas coût de main-d’œuvre ou deviennent automatisés.

La quatrième révolution industrielle (2010-aujourd’hui)

La quatrième révolution industrielle ou industrie 4.0 repose sur des processus de production induits par les innovations liées à l’internet des objets et aux technologies du numérique, tels que la réalité augmentée, l’impression 3D ou encore l’intelligence artificielle.

Elle s’appuie sur un ensemble de technologies numériques qui transforment en profondeur les opérations industrielles, permettant une plus grande flexibilité et personnalisation de la production. Nous ne sommes plus dans l’automatisation simple, mais dans l’interconnexion et l’intelligence des systèmes de production.

L’intelligence artificielle est au cœur de cette quatrième révolution industrielle, car elle permet non seulement aux industriels de recueillir toutes ces données, mais aussi de les utiliser pour analyser, prévoir, comprendre et établir des rapports. Les usines deviennent “intelligentes”, capables d’auto-optimisation, de maintenance prédictive, et d’adaptation en temps réel aux demandes du marché.

Pour conclure, chaque révolution est permise par la précédente et à permis de toujours produire plus, mieux et plus efficacement. En moins de 250 ans nous sommes passés du travail artisanal, manuel, local de faible production à un travail industriel, utilisant des chaînes complexes qui permettent une production démesurée et à travers le monde.

L’industrialisation de la conception numérique

Le secteur numérique fantasme sur le modèle de l’usine, cherchant à industrialiser chaque parcelle, chaque étape, chaque pan du processus de conception.
En ce sens il cherche depuis des décennies à copier le taylorisme cher aux manufactures, tant sur l’organisation, que sur les méthodologies ou encore les outils. Avec cette même logique en tête ; produire plus, plus vite, à moindre coût.

Intéressons-nous à quelques éléments marquants qui rapprochent ces deux univers.

La parcellisation du travail créatif et technique est désormais la norme.
Là où une petite équipe polyvalente concevait autrefois l’intégralité d’un produit, nous avons une hyperspécialisation qui touche tous les métiers : UX researcher, product manager, UI designer, UX writer, Product Designer, Interaction Designer, Motion Designer, design ops, content strategist, front-end developer, back-end developer, DevOps, QA, data analyst, etc… Chacun intervient sur une portion délimitée du processus, optimisant son segment sans nécessairement avoir la vision d’ensemble. Cette division du travail permet une efficacité remarquable dans les grandes organisations, mais fragmente l’acte de conception dans son entièreté.

La standardisation des méthodes s’est imposée à tous les niveaux de la production.
Les méthodologies agiles structurent aujourd’hui le développement. Le design thinking codifie l’innovation. Chaque phase est décomposée : phase de discovery, user research, définition du problème, idéation, prototypage, développement, testing, déploiement, itération. Les sprints découpent le temps en unités mesurables, les rituels se répètent mécaniquement : daily stand-up, sprint planning, sprint review, retrospective. Cette rationalisation permet une prévisibilité et une coordination essentielles, mais elle engendre une forme d’aliénation : la conception devient un processus reproductible, standardisé où chaque acteur exécute sa partition, sans questionnement et sans maîtrise de l’œuvre collective.

Le rythme dicté par le temps transforme la conception en production cadencée.
Comme dans une usine où les cadences sont mesurées à la minute près, où les chaînes de montage imposent leur tempo, la conception numérique est désormais rythmée par des temporalités strictes et mesurables. Les sprints découpent le temps en unités reproductibles. Les daily stand-ups synchronisent les équipes à heure fixe. Les instances de suivi s’assurent du bon déroulé de la production. La conception numérique a ainsi adopté le chronomètre taylorien : chaque tâche doit être estimée, chaque phase doit respecter ses délais, chaque membre de l’équipe doit justifier son temps. Comme l’ouvrier dont chaque geste était mesuré pour éliminer les “temps morts”, le concepteur numérique voit son emploi du temps optimisé pour maximiser la production. Le temps long, celui de la maturation des idées, de la compréhension profonde des problèmes, de l’expérimentation sans garantie de résultat, devient un luxe que l’organisation ne peut plus se permettre. La conception numérique fonctionne désormais à la cadence de l’usine : régulière, mesurable, optimisable.

Le contrôle par les métriques rappelle la mesure scientifique du travail chère à Taylor.
Les product managers pilotent par les OKRs (Objectives and Key Results) et autres KPIs (Key Performance Indicators). Les UX researchers mesurent le NPS (Net Promoter Score) et les taux de satisfaction. Les designers optimisent les taux de conversion et les taux de rebond. Les développeurs suivent la vélocité des sprints, le code coverage, la dette technique, et j’en passe. Chaque décision doit être justifiée par des données, validée par des A/B tests, mesurée par des tableaux de bord. L’intuition créative cède le pas à l’optimisation “data-driven” généralisée. La performance de chaque maillon de la chaîne se mesure en métriques quantifiables afin d’en justifier ou non sa valeur. Il s’agit d’optimiser ou de diminuer les coûts de chaque étape.

La scalabilité comme objectif impose la logique de la croissance industrielle.
Tout comme les manufactures cherchaient à augmenter leur production sans augmenter proportionnellement leurs coûts, la conception numérique moderne est obsédée par la scalabilité.
Un produit doit pouvoir passer de 1000 à 1 million d’utilisateurs sans multiplier les équipes. Il doit se déployer sur tous les marchés avec un minimum d’adaptation. Cette quête structure toutes les décisions : on privilégie les solutions reproductibles aux créations sur-mesure, les composants réutilisables aux conceptions uniques, l’automatisation devient le Graal. L’objectif n’est plus de créer un produit, mais de créer une machine à produire des produits. Les organisations numériques ne conçoivent plus des applications mais des systèmes capables d’en générer en continu. Cette logique sacrifie la singularité au profit de l’efficience : un produit vraiment innovant, qui nécessiterait de repenser les processus, devient un risque pour la capacité à scaler. La croissance industrielle impose sa loi : ce qui ne scale pas n’a pas sa place dans le système de production.

L’IA comme accélérateur, comme catalyseur, vers la conception automatisée

Cette industrialisation, plus ou moins avancée en fonction des entités est accélérée par l’usage toujours plus fort des LLMs et de leur intégration dans les processus. L’automatisation de la conception ou d’un pan complet de la production devient réalité.

Les IA génératives ne se contentent plus d’assister l’humain dans des tâches précises : elles prennent en charge des pans entiers du processus créatif et intellectuel, redistribuant les cartes de la valeur et du travail. Elles touchent tous les métiers du cycle de conception et accentue considérablement la taylorisation déjà à l’œuvre. Elles permettent une automatisation massive de la production et tout comme la robotisation dans l’industrie ces IA apportent des promesses de rendement, de diminution des coûts, d’accéleration de la production et j’en passe.

La où le robot à remplacé l’humain dans les usines, l’IA remplace petit à petit l’humain derrière les bureaux.

Libération des tâches répétitives ou à faible valeur ajoutée : Tout comme la robotisation de l’industrie a promis de libérer l’ouvrier de la tâche répétitive et aliénante – visser un boulon sur des milliers de produits – l’IA promet de libérer les professionnels de la conception des tâches intellectuellement peu stimulantes, de “faible valeur” et/ou chronophages.

Gains de productivité : Tout comme dans l’industrie manufacturière où les robots peuvent travailler 24h/24, 7j/7, sans fatigue ni pause, l’IA promet de produire en continu. À la demande. Sans limitation temporelle. Cette disponibilité permanente transforme radicalement les rythmes de production.

Démocratisation des compétences : De même que la robotisation de l’industrie a permis à des ouvriers moins qualifiés d’effectuer des tâches complexes – une machine CNC permettant à un opérateur de produire des pièces de précision sans être usineur qualifié – l’IA permet aujourd’hui à des profils non-techniques et non-experts d’accomplir des tâches qui nécessitaient auparavant des années de formations et d’expériences.

Réduction des erreurs humaines : L’automatisation des tâches critiques réduit considérablement les erreurs dues à la fatigue, à l’inattention ou à l’oubli humain. Dans l’industrie, les robots ne se trompent pas dans les dosages, ne ratent pas une soudure par distraction, ne montent pas un composant à l’envers par étourderie. Dans la conception numérique, l’IA apporte des garanties similaires de consistance et de fiabilité.

Création de nouveaux emplois : Tout comme les différentes révolutions industrielles ont créé des emplois qui n’existaient pas auparavant – mécaniciens pour maintenir les machines à vapeur, électriciens avec l’électrification, informaticiens avec la révolution numérique -, la robotisation de la conception via l’IA va créer de nouveaux métiers. Ou du moins transformer en profondeur certains métiers existants, créant de nouvelles spécialisations et de nouvelles expertises.

Ces promesses, aussi séduisantes soient-elles, nous sont familières : ce sont celles qui ont accompagné chaque vague d’industrialisation. Reste à savoir si, cette fois, le tertiaire échappera aux effets de bord qui ont marqué la robotisation manufacturière : la déqualification progressive, la perte d’autonomie, la standardisation du travail intellectuel. Car si l’IA peut effectivement automatiser la conception, la question demeure : que devient le concepteur dans ce nouveau système de production ?

L’envers du décor : les effets de bord

Si les promesses de l’automatisation de la conception via l’IA sont séduisantes et ses bénéfices tangibles il y a un risque réel sur nos métiers et pratiques. Ces risques ne sont pas hypothétiques ou infondées : ils se manifestent déjà concrètement dans nos productions et nos organisations.
De plus, contrairement aux bénéfices qui peuvent sembler évidents et immédiats, ces risques sont souvent plus insidieux, se développant lentement jusqu’à ce qu’il soit difficile de revenir en arrière.

Déqualification et dépendance technologique : Comme dans l’industrie où certains savoir-faire artisanaux ont disparu avec la mécanisation, nous risquons de voir s’effriter certaines compétences fondamentales de la conception numérique. Cette déqualification progressive est d’autant plus insidieuse qu’elle s’opère dans le confort apparent de l’efficacité accrue.

Homogénéisation des solutions : L’IA tend à reproduire des patterns existants, ce qui peut mener à une standardisation excessive et à une perte de diversité dans les approches techniques et créative.

Risque de sur-optimisation : Il y a aussi des pièges à éviter si vous voulez réussir dans l’implémentation de l’automatisation et de l’IA. La recherche effrénée d’efficacité peut parfois nuire à la qualité ou à l’innovation.

Une surproduction : Tout comme l’industrialisation massive à permit un inondation de produits physiques de diverses qualitées. La robotisation via l’IA dans le numérique provoque cette même inondation, mais cette fois, de produits numériques.

La dévalorisation des métiers de la conception numérique est aussi à craindre. Si n’importe qui peut obtenir un résultat « suffisant » avec l’IA en quelques heures, pourquoi payer une équipe de professionnels pendant des semaines ?

Destruction d’emplois potentielle, comme avec l’industrie de nouveaux emplois seront créés, mais tout un lot va disparaître. Cependant, à contrario du secteur industriel où les personnes pouvaient migrer vers le secteur tertiaire, il n’y a pas de secteur quaternaire qui permettraient aux personnes du tertiaire de migrer.

Délocalisation massive : La recherche constante d’optimisation des coûts dans l’industrie a provoqué une délocalisation massive des emplois vers où il est le moins cher. Il est fort a parier que la chose va s’accélérer dans le monde numérique avec cette robotisation.

L’effet de bord le plus pervers est peut-être celui-ci : sous couvert de belles promesses nous accélérons l’automatisation de nos métiers à coup d’IA. Nous cherchons à déléguer le moindre acte de réflexion, de recherche, de consolidation, d’échanges, de création.
Cette course vers l’automatisation totale se fait sans véritable recul critique, portée par l’enthousiasme technologique et la pression concurrentielle. Nous reproduisons avec l’IA les mêmes erreurs que l’industrie manufacturière : privilégier l’efficacité à court terme sans mesurer les conséquences à long terme sur nos compétences, notre cognition, notre autonomie, la qualité de nos productions. Et lorsque nous réaliserons l’ampleur de la dépendance créée, il sera peut-être trop tard pour faire marche arrière.

Conclusion

Que dire ? L’histoire nous a enseigné une leçon essentielle : chaque révolution industrielle a profondément transformé le travail, redistribuant les cartes entre efficacité et aliénation, entre gains de productivité et perte d’autonomie. Aujourd’hui, avec l’IA générative, nous vivons un moment charnière où ce ne sont plus nos bras mais nos cerveaux qui sont mis sur la chaîne de production.

L’IA n’est ni un ennemi, ni un ami, ni un sauveur providentiel. C’est un outil, un outil “puissant”, mais cela reste un outil. Si nous choisissons de l’utiliser pour automatiser aveuglément chaque pan du processus de conception, pour produire toujours plus d’applications éphémères, pour optimiser jusqu’à l’absurde chaque métrique, chaque action humaine alors nous construirons effectivement notre propre déqualification. Nous deviendrons les opérateurs d’une usine numérique où la créativité est standardisée et où le questionnement est un luxe improductif qui n’a pas lieu d’être.

Néanmoins… nous pouvons faire un autre choix.

Ce choix implique du courage : celui de ralentir quand l’industrie accélère, de privilégier la qualité quand elle valorise la quantité. Il demande aussi de la lucidité : accepter que certaines promesses de l’IA soient des mirages, que la démocratisation des compétences cache souvent une dévalorisation des expertises, que les gains de productivité se paient parfois en perte de sens.

Comme dans l’industrie, plusieurs voies coexisteront : des équipes qui choisiront l’artisanat numérique, cultivant le craft et la réflexion approfondie ; d’autres qui intégreront l’IA de manière raisonnée comme un outil parmi d’autres ; d’autres encore qui automatiseront massivement, sans réflexion particulière. Chacune de ces voies aura ses produits, ses clients, ses valeurs. À nous de décider dans quel écosystème nous voulons évoluer, quelles valeurs nous voulons porter, quels produits nous souhaitons construire.

Nous avons une chance, le futur de la conception numérique n’est pas écrit. Il sera ce que nous en ferons. Un monde où l’IA nous assiste sans nous asservir, où la technologie sert l’humain plutôt que l’inverse, où les produits numériques portent encore la marque de la créativité et de la pensée critique de ceux qui les conçoivent, ce futur est encore possible. Mais il ne se construira pas tout seul.

Alors il est temps de choisir, voulons-nous être les architectes de cette transformation ou de simples opérateurs d’une automatisation que nous ne maîtriserons plus ?

Annexes

Document m’ayant été utiles à la rédaction de cet écrit (liste non exhaustive) :

Pour en savoir plus sur les images utilisées :

Published: 02/10/2026

Using human-centered design to transform complex systems into clear, effective and engaging tools. My goal? Create value by merging both design and technology.

Let's work together!

Contact