#145 : Il vaut mieux s'occuper du changement avant qu'il s'occupe de vous !

Bonjour à toutes et tous,

Cette semaine dans Métamorphoses n°145, quatre articles qui montrent à quel point l’IA commence à transformer bien plus que nos outils.

D’abord, derrière les appels à ralentir l’IA, une bataille beaucoup plus profonde se joue : qui décidera du rythme de son développement ? Les entreprises ? Les États-Unis ? La Chine ? L’Europe ? Car derrière la sécurité se cachent aussi des enjeux économiques et géopolitiques majeurs.

Ensuite, regardons l’économie américaine. Certains secteurs produisent davantage avec moins d’emplois, pendant que des centaines de milliards sont investis dans les infrastructures physiques nécessaires à l’IA. Et si la croissance commençait à se passer progressivement des humains ?

Autre frontière franchie : l’IA commence désormais à écrire le vivant, avec des génomes conçus par des modèles puis transformés en organismes biologiques fonctionnels.

Enfin, une question un peu provocatrice : après avoir passé vingt ans à rendre nos entreprises agiles, l’IA pourrait-elle mettre une partie de nos méthodes agiles à la retraite ?

Comme toujours, tout est lié.

Bienvenue dans Métamorphoses n°145.

Stéphane Amarsy

Vous pouvez retrouver cette newsletter en podcast ici

Moratoire sur l’IA : panorama systémique des positions des grandes entreprises, des États et des intérêts stratégiques

Il n’existe pas, à ce jour, de demande collective et homogène des grandes entreprises d’IA pour un “moratoire sur le développement de l’IA”. Cette formulation mélange en réalité quatre propositions très différentes : 

• arrêter temporairement l’entraînement des modèles les plus puissants 

• ralentir la progression des capacités à la frontière 

• suspendre conditionnellement certains entraînements ou déploiements quand des seuils de risque sont franchis 

• soumettre les acteurs de frontière à des évaluations, licences ou obligations réglementaires. Cette distinction change profondément l’analyse. 

Le véritable appel explicite à un moratoire reste historiquement la lettre du Future of Life Institute du 22 mars 2023, demandant une pause vérifiable d’au moins six mois pour les systèmes plus puissants que GPT‑4 et, à défaut d’accord volontaire, un moratoire imposé par les gouvernements. Cette lettre fut notamment signée par Elon Musk, Yoshua Bengio, Stuart Russell, Steve Wozniak, Yuval Noah Harari et Emad Mostaque. Elle n’était pas une déclaration commune d’OpenAI, Google DeepMind, Anthropic, Microsoft ou Meta.

Deux mois plus tard, le 30 mai 2023, Sam Altman, Demis Hassabis et Dario Amodei ont effectivement signé la déclaration du Center for AI Safety affirmant que le risque d’extinction lié à l’IA devait devenir une priorité mondiale comparable aux pandémies ou à la guerre nucléaire. Mais cette déclaration ne demandait pas de pause. La confusion entre les deux textes explique une partie importante du récit selon lequel “les patrons de l’IA demandent depuis 2023 un moratoire”. 

La situation a néanmoins changé de nature en septembre 2026. Le 12 septembre, Dario Amodei, CEO d’Anthropic, a publié We Must Pace the Frontier, déclarant explicitement : “We must slow the pace at which we improve the capabilities of AI models.” Mais il précise immédiatement que le pacing “does not mean halting model training or technical progress”. Autrement dit : ralentissement coordonné, oui ; moratoire général, non. Il propose des évaluateurs indépendants intégrés aux laboratoires, une coordination entre entreprises et démocraties, puis une coordination internationale incluant la Chine. 

Le phénomène devient politiquement important parce que Sam Altman, Demis Hassabis (Google DeepMind), Elon Musk et Satya Nadella (Microsoft) ont ensuite soutenu, à des degrés différents, cette idée de pacing et/ou d’évaluateurs indépendants. Altman a annoncé qu’OpenAI adopterait elle aussi des évaluateurs disposant d’un accès comparable à celui d’employés ; Hassabis a estimé que la direction proposée était correcte ; Nadella a approuvé un développement délibérément rythmé et des évaluateurs intégrés, tout en refusant que la gouvernance soit contrôlée par quelques acteurs. Cette convergence ne prouve pas que les risques sont instrumentalisés. Elle montre un problème classique d’économie politique : les mêmes entreprises qui définissent le danger, possèdent les modèles, détiennent une grande partie de l’information nécessaire pour mesurer ce danger et finissent par  proposer l’architecture institutionnelle destinée à les réguler. Les risques de capture réglementaire sont donc réels, indépendamment de la sincérité des dirigeants. La FTC a déjà montré que les partenariats Microsoft–OpenAI, Amazon–Anthropic et Alphabet–Anthropic comportent des droits financiers, des engagements de cloud, des mécanismes d’exclusivité ou de contrôle et des échanges d’informations pouvant accroître les coûts de changement de fournisseur et affecter l’accès aux ressources critiques.

L’hypothèse selon laquelle une réglementation de frontière pourrait consolider les positions des acteurs existants est donc économiquement plausible. Les grandes entreprises disposent précisément des ressources nécessaires pour absorber le coût de licences, audits, évaluations de sécurité, obligations de reporting et sécurisation des infrastructures. Brookings (Think Tank) a qualifié dès 2024 de potentiellement anti-concurrentiel un régime de licences limité aux grands modèles ; la littérature académique sur la capture réglementaire en IA identifie également l’agenda-setting, le contrôle de l’information et l’expertise technique asymétrique comme des canaux d’influence importants. Cela démontre un risque structurel de capture économique globale et non une intention frauduleuse d’une entreprise particulière. L’analyse symétrique est tout aussi importante car ignorer les alertes sous prétexte qu’elles pourraient bénéficier aux acteurs dominants serait une erreur. Anthropic a publié en 2026 plusieurs incidents au cours desquels des modèles ont obtenu un accès non autorisé à des systèmes tiers ; l’entreprise a temporairement suspendu certains environnements d’apprentissage par renforcement à risque, réaffecté du personnel vers la sécurité et renforcé ses contrôles. Le Rapport international sur la sécurité de l’IA 2026, rédigé par plus de cent experts et soutenu par plus de trente pays et organisations internationales, considère que les capacités continuent de progresser et que les risques cyber, biologiques et de perte de contrôle justifient des dispositifs de gestion plus robustes, tout en soulignant les incertitudes scientifiques considérables. 

La dimension chinoise est encore plus explicite que la dimension économique. Amodei propose que les puces d’IA les plus puissantes et les équipements de fabrication de semi-conducteurs restent interdits à la Chine, que les détournements de puces et l’accès distant aux datacenters soient combattus, que la distillation non autorisée des modèles occidentaux soit limitée et que la sécurité contre le vol des poids soit renforcée. Son argument est ouvertement géopolitique. Ces mesures pourraient selon lui élargir l’avance américaine pendant les trois à cinq prochaines années et créer un rapport de force permettant ensuite une négociation avec Pékin.

Vous l’avez compris, le projet de ralentir la frontière américaine s’accompagne d’un projet de ralentir davantage la Chine. Le pacing n’est pas seulement une politique de sécurité ; dans sa version Amodei, c’est également une stratégie de puissance. Pékin l’a immédiatement compris ainsi. Le ministère chinois des Affaires étrangères a répondu le 14 septembre 2026 que l’alarmisme, la confrontation et la compétition “vicieuse” entraveraient la gouvernance mondiale de l’IA, tandis que des médias d’État ont dénoncé une stratégie de containment. Cette réaction est cohérente avec l’initiative chinoise de gouvernance mondiale de 2023, qui s’opposait déjà aux monopoles technologiques, aux “mesures coercitives unilatérales” et aux barrières perturbant les chaînes d’approvisionnement. 

Washington se trouve pour sa part en opposition presque frontale avec la nouvelle position d’une partie de ses champions technologiques. Depuis janvier 2025, l’administration Trump a fait de la “global AI dominance” un objectif officiel, levé des contraintes héritées de l’administration Biden, favorisé l’export du stack américain et explicitement présenté la diffusion internationale des technologies, standards et modèles de gouvernance américains comme un instrument permettant de réduire la dépendance aux technologies adverses. Le président Trump a rejeté le 14 septembre 2026 les appels au ralentissement en invoquant notamment la compétition chinoise sans être soutenu par les élus y compris républicains et les citoyens.

L’Union européenne suit une troisième voie (ni moratoire, ni dérégulation compétitive) avec une régulation obligatoire des modèles d’IA à usage général, avec obligations renforcées pour les modèles présentant un risque systémique, parallèlement à une politique d’investissement dans les infrastructures et capacités européennes. Depuis le 2 août 2025, les fournisseurs de GPAI doivent notamment documenter leurs modèles et leur entraînement ; les fournisseurs de modèles à risque systémique doivent effectuer évaluations et atténuation des risques, notifier les incidents et assurer la cybersécurité. Anthropic, Google, Microsoft et OpenAI ont signé le Code GPAI européen.

Mon diagnostic est le suivant : nous assistons moins à l’émergence d’un “moratoire de Big Tech” qu’à une bataille pour déterminer qui contrôlera le rythme de l’IA car trois logiques se superposent : empêcher des catastrophes techniquement plausibles mais difficiles à probabiliser, préserver ou redistribuer les rentes économiques d’un marché extrêmement capitalistique et déterminer quelles puissances fixeront les standards, contrôleront le compute et disposeront des systèmes les plus avancés. La difficulté consiste à ne sacrifier aucune de ces dimensions aux deux autres.

La semaine prochaine, vous aurez un dossier complet sur ce sujet.

Décider

Être un décideur augmenté prêt pour 2030

L’intelligence artificielle transforme déjà notre manière de penser, d’arbitrer et de décider et cela n’est que le début. Avec ce livre, j’explore les futurs qui se dessinent et j’explore la place que nous voulons encore occuper dans la décision car plus les machines deviennent performantes, plus notre discernement, notre responsabilité et notre capacité à choisir deviennent stratégiques.

Ce livre est destiné aux dirigeants, managers, entrepreneurs et à tous ceux qui devront décider dans un environnement profondément transformé par l’IA.
Ne cherchons pas à rendre les machines plus humaines, cherchons plutôt à faire en sorte que les humains restent pleinement vivants à travers elles.

Vous pouvez le commander ici ou dans vos librairies et sites préférés.

L'économie américaine commence-t-elle à croître sans les humains ?

Une partie de l'économie américaine produit davantage avec moins de travail intellectuel, tandis qu'une autre construit l'immense infrastructure physique nécessaire à l'IA. On ne peut que s’interroger sur la durabilité de ce transfert. Et si nous regardions l'économie américaine avec les mauvais indicateurs ?

Depuis longtemps, nous commentons à l'envi le PIB, l'emploi, le chômage ou les investissements. Pris séparément, tous racontent une histoire somme toute assez classique : les États-Unis continuent de croître, le marché de l'emploi résiste et les entreprises investissent. Sauf qu'en superposant ces données, une autre histoire apparaît. Certains secteurs américains produisent davantage tout en ayant besoin de moins de personnes. Dans le même temps, des centaines de milliards de dollars se déplacent vers une immense infrastructure physique nécessaire à l'intelligence artificielle. Nous assisterons à un déplacement du travail avec moins de travailleurs intellectuels dans certaines activités numériques, davantage d'électriciens, de techniciens, de constructeurs, d'ingénieurs énergétiques ou de fabricants d'équipements. Le phénomène est particulièrement visible aux États-Unis.

Une croissance américaine qui change de nature

Au premier trimestre 2026, le PIB américain a progressé de 2,1 % en rythme annualisé. Parmi les principaux contributeurs sectoriels figurent l'information, les services professionnels, scientifiques et techniques et la fabrication de biens durables. À elle seule, l'Information a contribué pour environ 0,69 point à la croissance du PIB. Le phénomène le plus spectaculaire se trouve du côté de l'investissement. Après une croissance de 5,5 % en 2025, l'investissement fixe des entreprises a progressé de 11 % en rythme annualisé au premier trimestre 2026. La Réserve fédérale précise qu'une grande partie de cette vigueur provient des investissements nécessaires à la construction de l'infrastructure de l'IA. Hors catégories liées à l'IA, les investissements dans les bureaux et certaines infrastructures industrielles restent beaucoup moins dynamiques voir négatives.

Une estimation de la Fed permet même d'isoler la contribution probable des investissements liés à l'IA - logiciels, data centers, high-tech et énergie - à la croissance américaine.

Tableau 1 - Contribution estimée des investissements liés à l'IA à la croissance américaine.

Graphique 1 - Contribution estimée des investissements IA à la croissance du PIB. Source: Federal Reserve.

Autrement dit, l'IA est devenu un déterminant macroéconomique.

Le paradoxe de la tech : produire plus avec moins de monde

La catégorie Information du Bureau of Economic Analysis n'est évidemment pas synonyme d'IA. Elle comprend logiciels, data processing, télécommunications, publishing, services Internet et plusieurs activités numériques. Une partie de la tech se trouve également dans les services professionnels. Utilisons la donc comme un proxy imparfait mais mesurable du cœur de l'économie numérique. En 2024, l'Information représentait environ 5,4 % du PIB américain. Sa valeur ajoutée réelle a progressé de 4,4 % sur l'année, nettement plus vite que l'économie dans son ensemble. Puis l'accélération s'est poursuivie. La valeur ajoutée nominale annualisée du secteur passe d'environ 1 610 milliards de dollars au T3 2024 à 1 719 milliards au T3 2025. Pendant ce temps, l'emploi ne suit pas : environ 2,929 millions de personnes au T3 2024 contre 2,924 millions un an plus tard.

Cela permet de construire un indicateur simple : la valeur ajoutée annuelle produite par emploi.

Tableau 2 - Valeur produite par emploi dans le secteur Information, proxy du coeur numérique de l'économie américaine.

Graphique 2 - La valeur ajoutée par emploi augmente d'environ 6,9 % entre T3 2024 et T3 2025.

En un an, la valeur produite par emploi dans le secteur Information augmente d'environ 6,9 %, tandis que les effectifs stagnent puis reculent. Ce n'est pas une mesure pure de productivité de l'IA, mais le découplage est difficile à ignorer. Depuis, la divergence s'accentue. En août 2026, le BLS comptabilise environ 115 000 emplois de moins sur douze mois dans l'Information, soit une baisse proche de 4 %. Les télécommunications, l'hébergement et le traitement de données ou certaines activités informatiques participent à cette contraction.

La tech ne semble donc pas disparaître pour l’instant. Elle apprend simplement à croître sans faire croître proportionnellement ses effectifs.

Graphique 3 - Les secteurs qui créent et détruisent des emplois ne sont plus nécessairement ceux qui créent ou détruisent le plus de valeur.

Mais l'IA que nous imaginons virtuelle est extraordinairement physique

Un modèle d'IA ne flotte pas dans une sorte de nuage numérique magique. Il faut des GPU, puis des serveurs, des racks, des data centers, de la fibre, du refroidissement, des générateurs, des transformateurs et surtout énormément d'électricité. La chaîne réelle ressemble plutôt à ceci : IA -> puces -> serveurs -> data centers -> refroidissement -> électricité -> réseaux -> centrales -> cuivre, acier, béton.

La Fed souligne que la construction de data centers a fortement augmenté depuis 2022 et que les annonces de futurs projets ont encore accéléré. L'ampleur est devenue suffisamment importante pour que le BEA isole désormais les data centers comme une catégorie spécifique d'investissement non résidentiel. Une autre analyse de la Réserve fédérale estime même que les dépenses américaines liées aux data centers et à leur écosystème atteignent désormais des centaines de milliards de dollars.

Attention : toute la construction américaine ne bénéficie pas du boom

Tableau 3 - Deux constructions américaines : la construction traditionnelle et l'infrastructure directement ou indirectement liée à l'IA.

Dire que la construction américaine progresse grâce à l'IA serait excessif. Dire que l'IA crée une nouvelle poche extrêmement intensive en capital, en équipements et en travail physique au sein de la construction et de l'industrie est beaucoup plus juste. On retrouve cette transformation dans l'emploi. La fabrication américaine d'équipements électriques, appareils et composants atteignait environ 443 400 emplois en août 2026, en hausse sensible sur un an. Les métiers nécessaires aux infrastructures numériques représentent eux aussi un réservoir considérable : électriciens, spécialistes HVAC, installateurs, techniciens de maintenance, ingénieurs réseau et énergie.

Du col blanc au col bleu ?

Nous commençons ainsi à apercevoir un transfert. Dans l'économie numérique, les besoins relatifs en développeurs, personnels administratifs, intermédiaires, analystes ou certaines fonctions intellectuelles peuvent diminuer grâce à l'automatisation. À l'autre extrémité, les besoins augmentent dans des métiers beaucoup plus physiques : électriciens, techniciens de maintenance, spécialistes du refroidissement, ouvriers du bâtiment, ingénieurs énergie, opérateurs de réseaux, fabricants de transformateurs ou ingénieurs semi-conducteurs. L'IA n'effacerait donc pas immédiatement le travail. Elle déplacerait d'abord une partie du besoin de travail intellectuel vers le travail physique nécessaire à sa propre infrastructure. Cela explique une partie de l'étrange coexistence actuelle entre baisse des emplois dans certains pans de la tech et bonne résistance du bâtiment non résidentiel, des équipements électriques ou des infrastructures.

Et si le boom de l'infrastructure était temporaire ?

Combien de temps faudra-t-il construire des data centers à ce rythme ? Les géants du numérique ont porté leurs dépenses d'investissement à des niveaux sans précédent ce qui alimente aujourd'hui une quantité impressionnante d'activités en aval mais une infrastructure ne se construit pas éternellement. Trois scénarios deviennent possibles.

• Premier scénario : la demande d'IA continue d'exploser, les capacités restent durablement insuffisantes et le cycle de construction se prolonge pendant de nombreuses années.

• Deuxième scénario : nous atteignons un plateau ; les data centers sont construits, les puces deviennent plus efficaces et l'investissement ralentit.

• Troisième scénario : une surcapacité apparaît ; les investissements ont anticipé une demande supérieure à la réalité, les retours financiers déçoivent et les grands acteurs réduisent brutalement leurs dépenses.

Le second et le troisième scénario méritent notre attention. Car le système pourrait alors subir deux mouvements simultanés. D'un côté, l'automatisation aurait déjà réduit le besoin de travailleurs intellectuels dans de nombreuses activités. De l'autre, le moteur provisoire de création d'emplois physiques (la construction de l'infrastructure IA) se retournerait. Nous passerions alors d'un transfert de l'emploi à une contraction sur les deux fronts. Et l'effet économique pourrait être puissant précisément parce que les investissements sont aujourd'hui gigantesques. Une décroissance du capex IA toucherait en cascade la construction, l'électricité, les équipements, les semi-conducteurs, le transport, les matériaux et les territoires qui se spécialisent actuellement dans cette nouvelle infrastructure. Autrement dit, le risque n'est pas seulement une bulle technologique car il pourrait devenir une bulle d'infrastructure. Plus le poids de l'investissement IA dans la croissance augmente, plus son éventuel retournement peut devenir macroéconomique.

Quand l’IA commence à écrire le vivant

Après les mots, les images, le code informatique, l’intelligence artificielle commence à écrire aussi le vivant. En août, des chercheurs de Stanford ont annoncé avoir utilisé Evo 2 (IA qui écrit de l'ADN fonctionnel) pour concevoir des génomes complets de bactériophages. Près de 300 candidats ont été synthétisés. Seize se sont révélés particulièrement efficaces contre E. coli. L’expérience ouvre une nouvelle voie contre l’antibiorésistance. Elle franchit ainsi une frontière symbolique avec une séquence imaginée par une machine qui devient un organisme biologique fonctionnel.

Vous l’aurez compris, la même intelligence capable de nous aider à combattre une bactérie peut contribuer demain à concevoir ce que nous préférerions ne jamais rencontrer. Anthropic vient d’ailleurs de documenter cinq cas dans lesquels ses modèles ont été utilisés dans des recherches biologiques à double usage. Grippe aviaire, chikungunya, orthopoxvirus, toxines… L’entreprise ne dit pas avoir découvert cinq projets d’armes biologiques. Elle constate seulement que dans certains domaines, distinguer une recherche thérapeutique d’une recherche dangereuse devient terriblement difficile.

La frontière réside dans l’intention et plus dans la connaissance. Or une machine lit assez bien une requête et beaucoup moins une intention cachée. Pour autant, céder à la panique serait une erreur. L’IA ne dispose pas soudain d’une baguette magique biologique. Entre une séquence numérique et une pandémie existent encore des laboratoires, des équipements, des compétences tacites, des contrôles et surtout des humains mais ces barrières s’amincissent. En février, OpenAI et Ginkgo Bioworks ont relié GPT-5 à un laboratoire robotisé. Le système proposait les expériences, recevait leurs résultats puis définissait les suivantes. Plus de 36 000 réactions ont été testées et le coût de production de protéines a baissé de 40 %.

Pris séparément, chaque progrès enthousiasme. Reliés entre eux, ils racontent une autre histoire. Nous automatisons progressivement toute la chaîne qui sépare une idée de son incarnation dans le monde physique. Nous avons longtemps organisé la biosécurité autour de l’accès au savoir, aux laboratoires et aux compétences. Que devient ce modèle lorsque l’expertise tient partiellement dans un modèle, que le modèle dialogue avec des robots et que la conception biologique se rapproche peu à peu du logiciel ? Interdire serait aussi absurde que ne rien encadrer. La médecine pourrait tirer de cette convergence des avancées considérables. Anthropic vient d’ailleurs de créer un programme d’accès vérifié destiné aux professionnels des sciences du vivant, signe intéressant d’une gouvernance qui commence à distinguer les usages et les utilisateurs plutôt que de simplement fermer la porte.

Il faut désormais bâtir une biosécurité adaptée à ce nouveau monde : contrôle des accès sensibles, surveillance de la synthèse génétique, traçabilité, coopération internationale et responsabilité des laboratoires comme des concepteurs d’IA.

L’IA va-t-elle mettre nos méthodes agiles à la retraite ?

Pendant des années, nous avons expliqué aux entreprises qu’elles devaient devenir agiles. Découper les projets, raccourcir les cycles, multiplier les échanges, apprendre en avançant. L’intention était pertinente mais, à force de vouloir organiser l’adaptation, nous avons parfois construit une bureaucratie de l’adaptation avec ses rituels, ses certifications, son vocabulaire et ses gardiens du temple. L’IA arrive dans cet univers sans avoir passé sa certification Scrum tout en déplaçant une partie des contraintes autour desquelles nous avions organisé le travail.

Lorsque produire devient beaucoup plus rapide, le temps consacré à organiser la production mérite quelques explications. Commençons par reconnaître ce que l’agilité a apporté. Les grands projets informatiques conçus intégralement à l’avance avaient un défaut bien connu : entre le moment où l’on définissait le besoin et celui où l’on livrait la solution, le monde avait continué à tourner. Les utilisateurs avaient changé d’avis, les marchés avaient évolué et les documents de référence avaient surtout pris du poids. Construire par étapes, confronter rapidement une proposition à ses utilisateurs et accepter de corriger la trajectoire constituaient des réponses intelligentes. D’autant que développer coûtait cher et prenait du temps. Se tromper sur une petite partie du projet permettait de limiter les dégâts. Sauf qu’une réponse adaptée à certaines contraintes peut finir par devenir une habitude que personne ne questionne. Puis une norme. Puis, parfois, une activité économique qui a tout intérêt à sa propre perpétuation. Lorsque la réponse se résume à « c’est la méthode », la méthode commence à poser problème.

L’IA rend cette question beaucoup plus pressante, parce qu’elle modifie le rapport entre le temps nécessaire pour penser et celui nécessaire pour produire.

Dans le développement logiciel, elle peut accélérer la rédaction du code, aider à explorer plusieurs architectures, produire des tests ou documenter un fonctionnement. Selon les tâches, les gains varient, et la vérification reste indispensable. Le déplacement est suffisamment profond pour nous obliger à revoir nos façons de travailler. Pour contribuer utilement, l’IA a besoin de comprendre ce dans quoi son travail va s’insérer. Le besoin, les contraintes, les données, les interactions, les règles métier, les arbitrages déjà effectués. Tout ce contexte que nos organisations dispersent volontiers entre des documents, des tickets et la mémoire de quelques personnes devenues indispensables.

Demandez-lui une fonctionnalité isolée avec trois lignes d’explication. Elle produira quelque chose qui semblera répondre à la demande sans forcement de cohérence avec le reste.

Décrivez-lui le système, ses finalités et ses dépendances. Vous lui donnez de meilleures conditions pour proposer une réponse pertinente et faire apparaître des incohérences.

Cela ne lui confère aucune compréhension infaillible de l’ensemble. Elle peut oublier une contrainte, mal interpréter une relation ou proposer avec assurance une solution fragile. La qualité du contexte et celle du contrôle humain restent déterminantes.

Découper le travail n’oblige pas à découper la compréhension.

Nous pouvons avancer par étapes tout en construisant une représentation d’ensemble. Nous pouvons expérimenter sans laisser l’architecture au hasard. Nous pouvons accepter l’incertitude tout en explicitant ce que nous savons, ce que nous supposons et ce qu’il faudra vérifier. Tout est lié. Une décision sur les données transforme les possibilités d’usage. Une règle d’accès modifie l’expérience utilisateur. Une fonctionnalité supplémentaire crée des dépendances ailleurs. Optimiser chaque morceau séparément ne garantit absolument pas que l’ensemble fonctionne mieux.

Cette exigence dépasse largement l’informatique. Elle concerne aussi un processus commercial, une organisation de soins, une chaîne logistique ou un dispositif de formation. Plus nous confions d’exécution aux machines, plus nous devons comprendre les systèmes dans lesquels nous les faisons intervenir et plus nous devons être capables de les expliquer. Concevoir consiste à relier un objectif, des moyens, des contraintes et des conséquences. Expliciter demande de rendre cette logique intelligible pour une autre personne ou pour une machine. Évaluer suppose de repérer les limites, de questionner les résultats et d’identifier ce qui manque. Décider engage enfin une responsabilité que la qualité apparente d’une réponse ne fait pas disparaître. Ces compétences vont prendre une place croissante dans le travail. Pourtant, nous continuons souvent à former les individus principalement à l’exécution de tâches. Nous leur apprenons à utiliser un outil, beaucoup moins à structurer le problème qu’ils vont lui soumettre et pour finir nous nous étonnons que les résultats soient inégaux.

L’IA peut aider chacun à apprendre et à progresser. Pour autant, disposer du même outil ne donne pas automatiquement les mêmes capacités d’action. Une personne capable de relier les dimensions techniques, économiques et humaines d’un problème peut en tirer des usages très différents de celle qui accepte la première réponse plausible.

L’accès à l’intelligence artificielle ne dispense pas de développer les intelligences humaines.

Il serait d’ailleurs réducteur de chercher uniquement des experts techniques toujours plus performants. Nous aurons aussi besoin de personnes capables de comprendre les usages, de percevoir les tensions, d’imaginer d’autres possibilités et de faire dialoguer des points de vue différents. La diversité des intelligences devient une ressource concrète pour concevoir de meilleurs systèmes. Faut-il pour autant tout spécifier avant de commencer ? Nous retrouverions rapidement les travers que l’agilité cherchait à corriger. Un client peut découvrir son besoin en utilisant un prototype. Une contrainte peut apparaître en cours de route. Le réel conserve cette fâcheuse habitude de ne pas lire nos documents de cadrage. La représentation d’ensemble doit donc rester vivante. On clarifie l’objectif et les principales dépendances. On rend visibles les hypothèses. On construit une première version. On observe les usages. Puis on corrige le produit et la compréhension qui le guide.

L’IA peut contribuer à chacune de ces étapes. Elle peut aussi amplifier très rapidement une erreur initiale. Une ambiguïté dans une règle métier ou un mauvais choix de structure peut se retrouver reproduit dans de nombreux composants avant que quelqu’un ne s’en aperçoive. La vitesse de production rend ainsi la qualité de conception et de vérification encore plus importante.

Pour les dirigeants, l’enjeu consiste à repenser la manière dont la valeur se crée. Où se prennent les décisions ? Qui comprend les interdépendances ? Quelles informations restent implicites ? Quels échanges améliorent réellement le résultat ? Comment accompagne-t-on les personnes dont les activités vont évoluer ? Réduire cette transformation à un calcul d’effectifs serait particulièrement pauvre. Nous avons aussi la possibilité de consacrer davantage de capacités à explorer, à améliorer les usages, à traiter des problèmes jusqu’ici délaissés. Encore faut-il choisir cette ambition et organiser la montée en compétences qui la rend possible.

Nos organisations vont devoir apprendre à concevoir, expliciter, expérimenter et décider au rythme de capacités techniques qui continuent de s’élargir. Nous allons pouvoir produire beaucoup plus. Reste à savoir si nous allons développer, avec autant d’énergie, notre capacité à comprendre ce que nous sommes en train de construire.

Bonnes métamorphoses et à la semaine prochaine.

Stéphane Amarsy