À partir d’une enquête qualitative empruntant à la sociologie du travail et mobilisant la théorie du job crafting, il s’agit de comprendre comment ces professionnels bricolent, déplacent ou refusent les usages de l’IA, en fonction de leurs ressources et contraintes. L’originalité de la démarche réside dans la mise en lumière de pratiques situées, où la technologie est moins un facteur exogène qu’un objet de négociation quotidienne. Ce travail se donne ainsi pour objectif principal d’éclairer les reconfigurations contemporaines du travail créatif, à l’intersection de l’innovation technique et de la quête d’un travail signifiant (meaningful work). Il vise à contribuer aux débats sur l’IA non comme menace ou solution, mais comme épreuve située du sens du travail créatif (Benbya et al., 2024).

Fondements théoriques

Pour saisir cette épreuve située du sens du travail, il importe d’abord de rappeler que la littérature existante sur l’impact de l’IA sur l’emploi se caractérise par de nombreuses études quantitatives envisageant essentiellement les effets macroéconomiques : substitution des emplois, complémentarité homme-machine ou encore augmentation des capacités humaines (Brynjolfson et al. 2025 ; Jarraji, 2018 ; Webb, 2020). Pourtant, peu de recherches abordent l’échelle concrète de l’activité réelle des travailleurs créatifs, particulièrement dans le secteur audiovisuel où les usages situés, les micro-ajustements et les arbitrages quotidiens sont pourtant décisifs. C’est précisément ce gap méthodologique que nous entendons combler, en empruntant les différentes logiques globales de mutation du travail par l’IA – substitution, domination, augmentation et réhumanisation (Ferguson, 2019) – afin de les approfondir.

À l’échelle de l’activité donc, le recours au Job Characteristics Model (Hackman & Oldham, 1976) permet d’appréhender l’effet des technologies sur la variété des tâches, l’autonomie décisionnelle et la signification accordée au travail. La notion de meaningful work (Bankins & Formosa, 2023) devient centrale : c’est à travers l’expérience subjective de l’activité – et non la seule structure du poste – que se joue la dignité professionnelle. Toutefois, dans le contexte audiovisuel, il est crucial d’intégrer également la dimension spécifique de la créativité. En effet, comme l’a souligné Amabile (1988), la créativité se définit par l’originalité et l’adaptation à un contexte particulier, caractéristiques potentiellement affectées par l’automatisation algorithmique. Meaningful work et créativité sont donc mobilisées simultanément afin de comprendre comment l’introduction d’outils d’IA générative reconfigure le processus créatif lui-même, en interrogeant notamment l’équilibre entre liberté esthétique, singularité artistique et contraintes technologiques

Enfin, la théorie du job crafting (Wrzesniewski & Dutton, 2001) constitue un cadre essentiel pour comprendre les réajustements proactifs opérés par les professionnels. Modifier ses tâches, redéfinir ses interactions ou reconfigurer cognitivement son activité devient une manière de préserver son identité professionnelle face aux bouleversements technologiques. Plus récemment, le concept d’AI crafting (Li et al., 2024) désigne cette capacité à reconfigurer les usages de l’IA elle-même : paramétrage fin, détournement, filtrage esthétique. La réussite de ces ajustements dépend d’un double socle : les ressources dispositionnelles (locus de contrôle, agentivité, capital numérique) et les structures organisationnelles (autonomie réelle, reconnaissance symbolique, lisibilité des règles).

Méthodologie

Afin de saisir la matérialité des « rencontres » entre créateurs et algorithmes, une démarche qualitative inductive a été adoptée, ancrée dans la sociologie de l’activité et les Science and Technology Studies (Licoppe, 2008). Elle part du postulat que les effets des technologies ne peuvent être saisis de manière exogène, mais se construisent au sein d’interactions situées entre humains, artefacts et normes professionnelles, dans une perspective socio-matérielle des technologies numériques (Orlikowski, 2007). L’objectif méthodologique est donc d’observer, au plus près, la manière dont les professionnels de l’audiovisuel configurent ou détournent les outils d’IAGen dans la conduite de leur activité.

Le terrain d’enquête se compose de vidéastes indépendants (n=8) – réalisateurs publicitaires, créateurs de contenus sur YouTube, artistes de l’animation ou encore réalisateurs IA – évoluant dans des environnements professionnels variés, mais partageant une même polyvalence numérique. Tous internalisent, à des degrés divers, une large part de la chaîne de valeur (pré-production, production, post-production), ce qui rend visibles les micro-ajustements dans l’usage des outils et la redéfinition du travail.

Le dispositif repose sur une triangulation méthodologique : entretiens semi-directifs approfondis (d’une durée moyenne de 60 minutes), observations par partage d’écran (commentaire de projets en cours, démonstration d’outils IA) et analyse documentaire (cahiers des charges, contrats de production, éléments visuels). Cette approche permet de croiser le discours des enquêtés, leurs pratiques effectives, et les prescriptions techniques ou contractuelles qui encadrent leur marge d’action.

L’analyse des données a été conduite selon la méthode Gioia (Gioia et al., 2013), articulant codage inductif de premier ordre (catégories indigènes) et abstraction de second ordre (catégories théoriques). L’ensemble a permis de construire une typologie des postures vis-à-vis de l’IA (appropriation instrumentale, hybridation créative, refus éthique), tout en mettant en évidence les configurations favorables ou défavorables au job crafting assisté par IA. Cette méthodologie vise à produire une compréhension fine et incarnée des recompositions du travail créatif à l’ère de l’IAGen, en valorisant les discours, les routines et les bricolages des professionnels eux-mêmes.

Principaux résultats

Trois dynamiques majeures redessinant le travail créatif des vidéastes émergent de nos résultats. D’abord, au lieu d’un basculement massif, les créateurs pratiquent une externalisation « par touches ». La génération d’esquisses (storyboards, moodboards), la correction audio ou les sous-titres multilingues sont confiés à la machine, mais toujours selon une logique de micro-délégation réversible : l’outil est consulté, ajusté, puis validé. Ce morcellement libère des « plages créatives » dédiées au cadrage narratif ou à l’étalonnage couleur, secteurs jugés non substituables. Et si les gains de temps déclarés varient selon les projets, ils s’accompagnent également d’une hausse de travail méta-cognitif : filtrer, comparer, curer. Ainsi, l’IAGen permet de recentrer l’attention sur des segments à forte valeur symbolique (montage émotionnel, écriture de voix-off, colorimétrie) et de préserver un sentiment d’agentivité. Loin de remplacer la créativité, l’IA devient un partenaire dialogique, dont il faut apprendre à configurer les sorties, affiner les prompts, détourner les biais.

Deuxièmement, ce bricolage technologique est étroitement corrélé à une quête de sens. Plusieurs enquêtés expriment une inquiétude vis-à-vis d’une standardisation algorithmique menaçant la singularité de leur geste créatif. Certains refusent ainsi d’utiliser des images générées, d’autres développent une charte graphique ou des codes narratifs pour préserver une cohérence éditoriale. Le job crafting est ici défensif, devenant un rempart éthique et esthétique, en résonance avec les dimensions d’un travail signifiant : autonomie, intégrité des tâches, signification sociale, développement de compétences.

Enfin, la capacité à réinventer son travail à l’aune de l’IAGen se trouve conditionnée par les ressources dispositionnelles et collectives mobilisables. Les créateurs dotés d’un capital numérique élevé (code, animation, graphisme), ou intégrés à des collectifs réflexifs (studios, communautés Discord), tirent davantage parti de ces outils. À l’inverse, ceux dont le rapport au numérique est plus distant, ou qui évoluent seuls dans des environnements peu capitalisés, éprouvent un sentiment d’isolement et de perte de contrôle. L’AI crafting apparaît ainsi comme une pratique socialement encastrée, à la croisée d’un capital technique, d’une éthique professionnelle et d’un milieu d’activité.

Ces trois pistes convergent sur un point : loin d’un scénario de substitution ou d’euphorie, l’IAGen agit comme une épreuve de compétence réflexive. Ceux qui parviennent à articuler délégation granulaire, marquage esthétique et apprentissage communautaire consolident à la fois leur autonomie créative et leur viabilité économique. Les autres risquent d’entrer dans un cycle d’appauvrissement symbolique — dépendance aux presets, compression tarifaire — qui érode la signification même de leur travail. Ainsi, l’enjeu stratégique n’est pas tant d’« avoir » l’IA que de savoir la négocier au quotidien.

Recommandations

Les résultats peuvent s’évaluer à un double niveau théorique et empirique. Ils participent d’abord à l’appel de la communauté en management des SI de développer « des études empiriques détaillées [qui] permettraient d’étayer tout à la fois les déstabilisations engendrées par les technologies numériques au niveau individuel ou collectif, mais aussi la manière dont cela ouvre de nouvelles perspectives pour les individus, les groupes professionnels et les organisations qui réussissent à s’en saisir » (GTAIM, 2025). Dans leur dimension plus empirique, nos résultatsmettent en évidence la nécessité d’un accompagnement stratégique pour permettre aux vidéastes de tirer pleinement parti des intelligences artificielles génératives tout en préservant leur identité créative et professionnelle. Trois recommandations principales, inspirées des préconisations du Ministère de la Culture (2025), sont ainsi proposées :

a. Développer une charte des usages responsables de l’IAGen

Chaque studio ou collectif audiovisuel pourrait adopter une charte interne définissant clairement les tâches confiées à l’IA, celles réservées à l’intervention humaine, et fixant des critères de transparence à respecter vis-à-vis des clients et du public. Cette charte intégrerait également des engagements écologiques, notamment un usage raisonné des modèles et la limitation des ressources mobilisées, répondant aux impératifs de sobriété numérique.

b. Favoriser l’émergence d’un écosystème ouvert de partage des « bonnes pratiques IA »

La mise en place d’un portail collaboratif – à l’instar de la plateforme gouvernementale COMPAR:IA – permettrait aux créateurs de partager des prompts efficaces, des cas d’usage réussis et des benchmarks d’outils. Cette mutualisation favoriserait une montée en compétence collective tout en réduisant les inégalités observées en matière de capital numérique entre professionnels.

c. Mettre en place un label de qualité « Création augmentée responsable »

Un tel label encouragerait les vidéastes à une utilisation transparente de l’IAGen, garantissant notamment une traçabilité systématique des contenus générés et une reconnaissance équitable des créateurs humains impliqués dans les processus de production. Ce dispositif constituerait un levier de différenciation auprès des commanditaires et valoriserait une démarche créative responsable.

Ces recommandations visent ainsi à structurer durablement une utilisation créative et éthique des intelligences artificielles génératives, conciliant efficacité technique, intégrité artistique et responsabilité sociétale. 

Impact et utilité

Les enseignements de cette recherche portent un triple impact (pragmatique, stratégique et scientifique) pour l’écosystème audiovisuel à l’ère de l’IAGen. Sur le plan pragmatique, les pratiques de job crafting repérées offrent aux studios, agences et freelances un répertoire d’actions immédiatement transposables : scripting collaboratif de prompts, registres de traçabilité « humain-machine », ou encore ateliers de peer-review algorithmique. Ces leviers améliorent la vitesse de prototypage tout en renforçant la responsabilité éditoriale — critère désormais scruté par les annonceurs et les régulateurs européens dans le sillage de l’AI Act.

À un niveau stratégique, l’étude montre que les vidéastes capables d’orchestrer un AI crafting inclusif consolident simultanément leur capital créatif et leur attractivité talents. En d’autres termes, l’avantage concurrentiel ne réside plus dans la seule possession d’outils de pointe, mais dans la capacité à articuler prompt engineering, culture de la preuve et gouvernance participative.

Enfin, sur le plan académique, le croisement entre job crafting et sociologie de l’activité appliquées aux outils d’IA ouvre un programme de recherche appliqué : mesurer longitudinalement comment l’hybridation créateur–algorithme reconfigure la division symbolique du travail et la hiérarchie des métiers. Les cadres existants de l’économie de l’authenticité ou de la créativité distribuée peuvent être revisités pour intégrer la figure émergente du « créateur-curateur ».

Conclusion

L’enquête confirme que l’irruption des IAGen ne signe ni la disparition du geste créatif, ni son triomphe sans partage. Elle déplace pluôt la frontière du travail vers un espace hybride où l’auteur devient simultanément prompt-engineer, curateur esthétique et garant de la responsabilité sociale de l’image. En replaçant l’analyse au niveau de l’activité — celui des arbitrages quotidiens, des bricolages techniques et des compromis économiques — la recherche montre que le job crafting assisté par IA constitue le ressort principal d’une appropriation réussie : il permet de réallouer les tâches routinières, de réarticuler l’autonomie et de réinscrire la création dans un cadre éthique lisible.

Cette dynamique, toutefois, n’est pas universelle. Elle dépend de la distribution inégale du capital numérique, de l’accès à des communautés réflexives et de la capacité des organisations à instituer un « cadre de négociabilité » de la machine. Là où ces conditions font défaut, l’IA risque de se muer en agent de standardisation, érodant le meaningful work et intensifiant la précarité symbolique des créateurs.

Ces constats appellent à une gouvernance sociotechnique fondée sur la négociabilité, la traçabilité et la mutualisation des savoirs. Préserver la dignité du travail créatif suppose d’instituer des espaces où les créateurs peuvent expérimenter, documenter et partager leurs bricolages algorithmico-artistiques. La promesse d’une IA réellement « au service » de l’art ne se jouera donc pas dans la puissance de calcul, mais dans la capacité collective à transformer l’outil en partenaire explicite, questionnable et redistributif.