L'IA au travail : une diffusion large mais peu profonde

Commençons par le pari célèbre. Il y a quelques années, certaines voix de l'IA annonçaient la disparition de la moitié des emplois de bureau en deux ans. Manyika a pris le contre-pied : il a parié que même un dixième des emplois ne serait pas automatisé en un an. Le délai a expiré et l'emploi a progressé. Il a redit ce calme optimiste dans son entretien avec Platformer pendant que les prévisionnistes repoussaient leurs dates.

Métiers perdus, métiers portés, métiers refaçonnés

Son cadre est simple : des métiers reculent, d'autres s'étendent, la plupart se refaçonnent. Le premier groupe est restreint, des postes dont les parts répétitives passent aux modèles. Le deuxième bondit, avec les électriciens comme exemple vivant. Le troisième est la foule : même intitulé, contenu neuf. L'économiste du MIT David Autor confirme la tendance : la plupart des métiers actuels n'existaient pas dans les années quarante. Dessinateur web prêtait à sourire en 1995, c'est un métier aujourd'hui.

L'étude ATLAS de Google chiffre le tableau, avec près de quinze millions d'échanges analysés dans l'appli Gemini, le mode IA et les interfaces pour développeurs. La portée est immense, la profondeur mince. Comme l'a résumé Axios, l'IA touche des métiers couvrant quatre-vingt-huit pour cent de l'emploi américain, mais le métier médian ne l'emploie que dans vingt et un pour cent de ses tâches. Tout le monde goûte, peu plongent.

La direction compte plus que le volume, et c'est l'assistance plutôt que l'autonomie. Dans les tâches de réflexion, moins d'un échange sur dix vise à confier tout un dossier au système. La plupart rédigent des brouillons, relisent, brassent des idées ou cherchent des faits. Imagine un apprenti et un maître : le système porte le brouillon, la personne signe. L'exécution entièrement autonome ne reste optimale que pour une minorité de tâches.

Pourquoi cette lenteur ? Parce que la technologie est irrégulière. Brillante sur une question, bloquée sur la suivante, chaque sortie exige une vérification. Le raisonnement visuel et le comptage restent des points faibles, et les habitudes des équipes n'ont pas suivi ; on fait tourner des instruments neufs dans des routines anciennes. La durée des missions que les systèmes d'agents pilotent s'allonge, mais la vie réelle est plus désordonnée que les mesures. La capacité sprinte, l'adoption flâne.

Un slogan mérite correction : l'exposition aux modèles ne vaut pas ruine. La formule sonne bien et les faits la rejettent. Les radiologues, les plus exposés, ont fini avec plus de production et une demande en hausse, pas du chômage. Les guichetiers racontent la même histoire : les distributeurs sont arrivés, l'emploi au guichet a grandi et le rôle a changé de forme. C'est l'élasticité de la demande ; un service facilité attire plus de clients.

Paies et métiers inédits

La vraie question n'est pas l'effectif mais la paie. Quand les modèles te portent vers une production de plus grande valeur, ton salaire devrait suivre. Quand les modèles captent la part précieuse et te laissent les miettes, ta paie se tasse. Les économistes parlent de part du travail. Comme il l'avait confié à CharterWorks il y a des années, Manyika craint que l'écart ne se creuse. La productivité grimpe depuis quatre décennies pendant que les salaires traînent ; les systèmes intelligents pourraient élargir l'écart.

Une part de la réponse est chez les travailleurs. Rends ta contribution visible et négocie ; les employeurs ne suivent pas ce rythme seuls. La forme du travail bouge aussi : les indépendants qui vendent des résultats à plusieurs entreprises se multiplient. Les modèles leur donnent de la vitesse et ils facturent au résultat. Mon conseil est net : possède la part précieuse, délègue le reste.

Des métiers inédits arrivent, qu'on nommera après coup. L'histoire marche toujours ainsi : l'intitulé suit, le travail précède. L'équipe ATLAS surveille justement cette émergence de firmes et de tâches neuves. Les fondateurs devraient tester plutôt que prédire : superviseurs d'agents, observateurs d'orchestration, services d'évaluation inédits. Les besoins des petites et grandes firmes changent chaque jour, et l'ouverture est là.

Trois signaux et le goulot du labo

Manyika cite trois signaux capables de réécrire le récit. D'abord, l'allongement des missions que les systèmes d'agents pilotent seuls ; les travaux sur l'horizon des économistes du MIT et les mesures de METR sur les tâches longues le suivent. Ensuite, l'effacement de l'irrégularité ; si les systèmes atteignent une constance semblable partout, les équilibres bougent. Enfin, la robotique : soixante pour cent des actifs du monde font un travail physique, et hors voitures sans chauffeur aucun bond n'a atterri. Si les robots rattrapent, tout se recalcule.

La journée d'un scientifique se partage de même : moitié systèmes généraux, moitié systèmes spécialisés. Un travail commun avec le MIT montre des chercheurs qui prennent Gemini pour la prose et la veille, et des systèmes spécialisés comme AlphaFold pour les protéines et les gènes. La plupart marient les deux. AlphaFold sert aujourd'hui quatre millions de chercheurs dans cent quatre-vingt-dix pays, et des maladies négligées deviennent étudiables pour la première fois. L'instrument appartient à tous désormais.

En face, un goulot inédit : proposer des idées coûte peu, les prouver coûte cher. Le programme GNoME de DeepMind a proposé deux virgule deux millions de structures cristallines ; quelques centaines de milliers semblaient produisibles et seules quelques milliers ont atteint la synthèse. Un partenariat avec Yale sur des voies contre le cancer n'a gardé qu'une poignée de propositions après les essais au banc. Imagine un tamis : beaucoup entre au-dessus, peu passe au-dessous. La science avance au rythme du tamis.

Pourtant la science accélère et atteint des terres neuves. Passer en revue d'un coup toutes les variantes d'une lettre du génome devient possible, impensable hier. Côté plans de câblage, une première carte complète d'un cerveau de mouche a vu le jour avec le partenariat Howard Hughes. J'y vois un microscope neuf : pas seulement du rythme mais un regard neuf. L'IA est à la fois technologie généraliste et fabrique d'inventions ; mon image, c'est les Lumières, avec lunettes et méthode ouvrant des lieux invisibles.

La santé aujourd'hui, le quantique demain, l'accès pour tous

Les effets en santé vivent au présent, pas au futur. Un dépistage du sein mené auprès de cent quatre-vingt mille femmes en Grande-Bretagne a saisi des signes manqués par les lecteurs, plus tôt. Des travaux sur le poumon et la tuberculose ont posé des diagnostics justes en Zambie et en Inde. L'assistant AMIE a passé des essais avec un hôpital lié à Harvard, et le dépistage de l'œil a dépassé six cent mille cas en Inde vers six millions. Personne ne remercie le modèle ; les patients retiennent le diagnostic. Crédit indirect, résultat concret.

La résilience progresse en silence aussi. Les prévisions d'inondations couvrent cent cinquante pays où vivent plus de deux milliards d'êtres, après le pilote indien concluant. Des capteurs Android ont poussé des alertes vers douze millions de personnes avant le séisme au Venezuela. Des modèles météo ont servi pendant l'ouragan Melissa. Ce ne sont pas des gros titres mais des alertes au téléphone, et les alertes sauvent des vies.

Les grands paris courent sur deux fronts. L'un est la cellule : un prédicteur de la vie intérieure des cellules, avec une contribution à l'atlas cellulaire du Broad. L'autre est l'IA quantique : structure des trous noirs, électromagnétisme, trous de ver traversables, molécules rétives. L'expérience du trou de ver publiée dans Nature et l'avancée Quantum Echoes racontée sur le Google Blog jalonnent ce front. Mon enthousiasme est simple : cela se passe en labo, pas en diaporama.

Sur l'intelligence générale, la réponse dépend de la définition. Relis le texte de Dartmouth de 1956 et on dirait une charte de l'intelligence générale ; Shane Legg a popularisé le terme en 2001. Dans une lecture minimale de l'étendue cognitive humaine, nous sommes proches ; dans une lecture scientifique pleine, nous sommes loin. L'Institut DeepMind existe pour ces puzzles profonds. L'auto-amélioration récursive presse le rythme, donc capacité et sûreté doivent avancer ensemble. L'enquête Springer sur le contrôle des agents dit pareil : les barrières seules tombent court, le contrôle vit dans la conception.

Le danger sous-estimé, c'est la connexion. Tester un système seul rate l'essentiel une fois les modèles branchés sur les réseaux et les infrastructures ; l'évaluation doit couvrir l'ensemble. Puis vient le danger du non-usage soulevé par le Sud global à l'instance de l'ONU : des lieux sans soins ni écoles ne gagnent rien si les modèles n'arrivent jamais. La question du Brésil mord ici : des impôts chez nous, des bienfaits partout, et pas de participation sans courant, sans liens, sans langue. Quand l'intelligence se fait bon marché, l'inventivité prend de la valeur ; les calculettes n'ont jamais fini l'arithmétique, elles ont grandi le sens. Je le lis ainsi : les systèmes calculent, les humains signifient.