Le raisonnement semble imparable : si les agents IA absorbent une part croissante des interactions clients, il y a de moins en moins d'humains à planifier et donc de moins en moins besoin de workforce management. Prévisions, dimensionnement, plannings, Erlang C : tout cela appartiendrait au monde d'avant.
C'est une thèse qu'on entend de plus en plus souvent, y compris dans des comités de direction qui arbitrent en ce moment des budgets service client. Elle mérite mieux qu'un haussement d'épaules ou qu'une défense corporatiste de la discipline. Alors prenons-la au sérieux, et regardons ce que disent réellement les données disponibles en 2026.
Elle repose sur une projection linéaire : les taux de déflexion annoncés par les éditeurs d'IA montent, donc les volumes traités par des humains baissent, donc le besoin de planification s'effondre. Selon Salesforce, 66% des organisations de service utilisaient des agents IA fin 2025, contre 39 % un an plus tôt.[1] À ce rythme d'adoption, la conclusion paraît évidente.
Sauf que la déflexion annoncée et la résolution réelle sont deux choses différentes. Gartner observe que si l'IA défléchit plus de 45 % des requêtes, seuls 14% des problèmes atteignent une résolution complète en self-service.[1] Une part importante des interactions « traitées » par l'IA revient donc dans la file humaine, plus tard dans le parcours, et rarement dans de meilleures dispositions.
La prédiction la plus parlante vient de Gartner : d'ici 2027, la moitié des organisations qui prévoyaient de réduire significativement leurs effectifs de service client grâce à l'IA abandonneront ces plans, faute d'avoir atteint leurs objectifs de « service sans agent ».[2] Un sondage mené en mars 2025 auprès de 163 dirigeants service client complète le tableau : 95% d'entre eux prévoient de conserver des agents humains, dans une logique que Gartner résume par « digital first, mais pas digital only ».[2]
Gartner va plus loin dans une seconde prédiction : aucune entreprise du Fortune 500 n'aura totalement éliminé le service client humain d'ici 2028.[3] Et le cas d'école existe déjà : Klarna, qui avait massivement remplacé ses équipes de service client par de l'IA, a fait machine arrière en 2025, son CEO reconnaissant publiquement que la démarche était « allée trop loin » et annonçant une campagne de recrutement pour garantir aux clients l'accès à un humain.[4]
Le marché ne dit pas autre chose. Le marché mondial du WFM pèse environ 10 milliards de dollars en 2026 et les projections le portent à plus de 25 milliards d'ici 2033.[5] Un marché qui devrait plus que doubler en sept ans n'a pas le profil d'une discipline en voie d'extinction.
Il serait malhonnête de s'arrêter là. L'IA réduit bel et bien les volumes à traiter par des humains, et donc le périmètre à planifier. Les estimations sectorielles évoquent une réduction de 15 à 30% des ETP nécessaires sur 12 à 18 mois après un déploiement réussi, obtenue le plus souvent par attrition naturelle et non-remplacement plutôt que par licenciements.
Une enquête Gartner auprès de plus de 320 dirigeants nuance toutefois ce mouvement : 85% élargissent les responsabilités de leurs agents humains, et lorsque des licenciements liés à l'IA sont mis en œuvre ou planifiés (31% des répondants d'ici fin T1 2027), Gartner constate qu'ils servent le plus souvent à financer les investissements IA, pas à acter un remplacement effectif des postes par la technologie.[6]
Mais réduction de volume ne signifie pas disparition du besoin de planification. Un centre qui passe de 60 à 45 ETP reste un centre à dimensionner heure par heure. Et c'est là que la thèse de l'obsolescence se retourne complètement.
Une file d'attente hybride ne se comporte pas comme une file classique en plus petit. Trois phénomènes changent la donne.
Les échecs de l'IA arrivent en grappes. Quand un agent IA bute sur un cas (nouveau motif, incident produit, formulation inhabituelle) il bute sur tous les cas similaires en même temps. Les escalades n'arrivent pas en flux régulier mais en vagues, exactement le profil de charge le plus difficile à couvrir.
Les clients arrivent plus tard et plus irrités. Un contact qui a déjà passé dix minutes avec un bot sans obtenir de réponse n'est pas un contact standard : la durée de traitement s'allonge, la tolérance à l'attente diminue, et la complexité moyenne du flux résiduel humain augmente mécaniquement, puisque l'IA a absorbé les cas simples.
L'IA devient elle-même une capacité à dimensionner. Un agent IA a des limites de débit, des seuils de confiance, des comportements de reprise et des schémas de défaillance. Il change le comportement des files, le timing des transferts et la définition même de la « couverture ». Et cette capacité a un coût : Gartner anticipe que le coût GenAI par résolution pourrait dépasser 3 dollars d'ici 2030, soit plus que de nombreux agents humains offshore en B2C, ce qui impose de la mesurer et de la piloter comme n'importe quelle ressource, pas de la traiter comme de l'efficacité gratuite.[6]
Autrement dit, le plan de capacité de demain ne couvre plus seulement des humains : il couvre des humains, des agents IA, des coûts par résolution et des flux d'escalade. Le périmètre du WFM ne rétrécit pas, il s'étend à des objets qu'aucun tableur ne sait modéliser.
Vous déployez ou pilotez un mix humain + IA ?
Un expert analyse votre dimensionnement en 30 minutes.
La question « le WFM est-il devenu inutile ? » confond deux choses : les outils et la discipline.
| Ce qui disparaît | Ce qui devient plus stratégique |
|---|---|
| La planification manuelle sous Excel | Le plan de capacité couvrant humains et agents IA |
| Les prévisions au doigt mouillé et les règles de pouce | La prévision assistée par IA, validée par un planificateur |
| Le dimensionnement annuel figé | Le pilotage du shrinkage et des escalades heure par heure |
| Le « on rajoute 10 % de marge pour tenir le SLA » | La mesure du coût par résolution, humain et IA confondus |
Le métier de planificateur suit la même logique. L'IA fait désormais une grande partie de la « science » : collecte, analyse, algorithmes de prévision, mais le consensus des praticiens reste que le planificateur doit valider les données, les prévisions et les plannings générés, et y ajouter les nuances issues du terrain pour lesquelles l'IA n'a tout simplement pas de source de données : un lancement produit mal documenté, une équipe en sous-effectif chronique, un prestataire qui décroche.
Une réserve méthodologique s'impose. Une partie des publications vantant le « WFM piloté par IA » émane d'éditeurs de solutions qui ont un intérêt commercial direct à cette narration. Les chiffres cités dans cet article s'appuient en priorité sur les travaux de Gartner et sur des faits publics vérifiables comme le cas Klarna, pas sur les livres blancs des vendeurs.
Pour une direction service client de 20 à 200 positions, la conclusion opérationnelle tient en trois points.
D'abord, ne construisez pas votre business case IA sur une suppression du WFM. Si votre projet de voicebot ou d'agent autonome promet de rendre la planification inutile, c'est un signal d'alerte sur la maturité du projet, la moitié des organisations qui ont fait ce pari feront machine arrière avant 2027, selon Gartner.[2]
Ensuite, anticipez la complexification du flux résiduel. Après déploiement, vos agents humains traiteront moins de contacts, mais des contacts plus longs, plus complexes et plus irritants, arrivant par vagues. Votre dimensionnement, vos compétences cibles et vos indicateurs (coût par heure productive, taux d'occupation, DMT) doivent être recalibrés en conséquence, pas simplement réduits au prorata des volumes.
Enfin, intégrez l'IA dans votre plan de capacité comme une ressource mesurable : taux de résolution réel (pas la déflexion annoncée), coût par résolution, comportement en cas d'incident. C'est la condition pour que la comparaison interne / externalisation / automatisation repose sur des bases saines.
Faites le diagnostic CCOptimizer et obtenez une première simulation chiffrée de votre service client - gratuit, en moins de 5 minutes.
Lancer le diagnostic gratuit →