Ce que l'IA est réellement en train de remplacer (et ce n'est pas ce que vous croyez)
Pas les emplois. Pas la créativité. L'IA élimine le plancher de prix du travail médiocre. La protection qu'offrait autrefois la qualité moyenne a disparu, et la plupart des gens ne s'en sont pas encore rendu compte.
Tous les quelques mois, un nouveau rapport arrive avec un chiffre. 300 millions d'emplois. 85 millions de postes perturbés. 40% des tâches automatisables. Les chiffres varient. L'anxiété qu'ils produisent, non. Les gens les lisent, se sentent brièvement déstabilisés, puis retournent à leur travail à peu près inchangés, parce que les emplois n'ont pas encore disparu, les bureaux sont toujours pleins, et la perturbation semble perpétuellement imminente plutôt que réellement présente.
Voici ce qui se passe réellement, dit simplement : l'IA ne remplace pas les emplois à grande échelle. Pas encore. Ce qu'elle fait, en ce moment même, de façon mesurable, avec des conséquences économiques immédiates, c'est éliminer le plancher de prix du travail médiocre.
C'est autre chose. Et cela compte pour bien plus de gens.
À quoi ressemblait le plancher de prix de la médiocrité
Avant 2022, si vous aviez besoin d'un article de blog de 1 500 mots, vos options étaient limitées. Vous pouviez l'écrire vous-même (coût en temps). Vous pouviez embaucher un rédacteur indépendant (coût en argent : 80 à 400 dollars selon la qualité et la plateforme). Vous pouviez embaucher une agence (encore plus d'argent). Le plancher, le minimum que vous paieriez pour quelque chose de fonctionnellement acceptable, était fixé par le coût de l'humain le moins compétent disposé à faire le travail.
Ce plancher existait dans chaque catégorie de travail intellectuel. Un mémoire juridique passable. Un premier brouillon fonctionnel. Un morceau de code opérationnel qui résolvait un problème restreint. Une modélisation financière de base. Une recherche de marché compétente mais quelconque. Les personnes qui produisaient ce travail, ni excellent ni terrible, fiable et fonctionnel, occupaient une bande protégée du marché du travail. Elles étaient assez peu chères pour être embauchées et assez bonnes pour ne pas être remplacées.
La protection ne venait pas de leur excellence. Elle venait de leur adéquation à un prix qu'aucune option non humaine ne pouvait égaler.
Cette protection a disparu.
Les données sur ce que l'IA fait au niveau du plancher
Commençons par le droit. En 2023, une étude de chercheurs de Stanford et du MIT a testé GPT-4 sur l'examen unifié du barreau américain. Il a obtenu un score dans le 90e percentile. Un humain dans le 90e percentile de l'examen du barreau est un avocat solide, pas médiocre. Pour la révision de documents, la tâche juridique de base consistant à lire des contrats pour y repérer des clauses spécifiques, les outils d'IA fonctionnent désormais avec une précision de 94%, contre environ 85% pour un jeune associé, à une fraction du coût. Goldman Sachs a estimé en 2023 que 44% des tâches juridiques sont automatisables avec l'IA actuelle.
Le code. GitHub Copilot, étudié par Microsoft Research en 2023 auprès de 2 000 développeurs, a montré une augmentation de 55% de la vitesse d'exécution des tâches pour les tâches de codage standard. Le mot clé est « standard ». Pour les problèmes d'architecture inédits, le gain tombe presque à zéro. Pour écrire le genre de code qu'un développeur junior sorti d'un bootcamp depuis deux ans écrirait, opérations CRUD, code répétitif, colle d'intégration, Copilot est plus rapide et moins sujet aux erreurs que ce développeur. Le travail qui protégeait l'entrée du développeur junior dans l'industrie a désormais un substitut moins cher.
L'écriture. Une expérience menée en 2023 par les économistes Shakked Noy et Whitney Zhang au MIT a confié des tâches d'écriture à 450 professionnels diplômés, en donnant à la moitié d'entre eux, au hasard, accès à ChatGPT. Le groupe assisté par IA a achevé les tâches 37% plus vite et a produit un résultat jugé 18% supérieur en qualité par des évaluateurs indépendants. L'écart de performance entre les meilleurs et les moins bons rédacteurs de l'étude s'est réduit de 40%. L'IA a davantage aidé les rédacteurs médiocres que les excellents. Elle a comprimé la distribution de qualité vers le bas.
Fiverr, la place de marché pour indépendants, a rapporté dans son rapport annuel 2023 que les catégories connaissant le déclin de demande le plus marqué étaient : la rédaction publicitaire de base (−21%), la conception de logos simples (−17%), la saisie de données (−34%), le montage vidéo de base (−19%). Ce ne sont pas des rôles de direction créative. Ce sont le plancher.
Le plancher a toujours été le point
La raison pour laquelle cela compte plus que le cadre « emplois remplacés » tient à qui occupe quelles positions sur le marché du travail.
Les personnes qui seront déplacées par le remplacement du travail d'élite par l'IA, les meilleurs directeurs créatifs, les architectes seniors, les chercheurs principaux, constituent une petite population disposant d'assez de différenciation de compétences pour s'adapter ou négocier. Elles ont des options. Leur travail est difficile à reproduire avec la même qualité, leur parcours est lisible, leurs réseaux sont solides.
Les personnes qui dépendaient du plancher forment une population bien plus large : rédacteurs débutants ayant construit leur carrière en produisant du contenu adéquat à grande échelle ; développeurs juniors dont les premiers emplois consistaient à maintenir des systèmes hérités ; jeunes avocats faisant de la révision de documents pour rembourser leurs études de droit ; analystes débutants produisant des rapports standard à partir de données standard ; designers de première année faisant du travail de production pour des agences. Ce sont ces personnes que le plancher protégeait.
Un rapport de 2023 du McKinsey Global Institute a constaté que les professions requérant des compétences cognitives de niveau intermédiaire, définies comme des tâches exigeant plus qu'un traitement routinier mais moins qu'un jugement expert, font face au risque de déplacement le plus élevé face à l'IA générative. Pas le bas de l'échelle cognitive (travail physique), ni le sommet (véritable expertise). Le milieu.
Le milieu est là où les carrières commencent. C'est là que les gens passent des années à construire vers l'expertise qui finit par les protéger. Quand le plancher disparaît, les premiers barreaux de l'échelle disparaissent avec lui.
L'argument historique auquel les gens ont recours, et pourquoi il est faux cette fois
L'argument rassurant habituel est le suivant : la technologie a toujours déplacé le travail routinier et a toujours créé du nouveau travail. Le distributeur automatique n'a pas éliminé les guichetiers de banque, il a réduit le coût de fonctionnement d'une agence, si bien que les banques ont ouvert plus d'agences, et l'emploi de guichetier a augmenté. Le métier à tisser n'a pas détruit les travailleurs du textile, il a rendu le tissu assez bon marché pour créer des marchés de masse, faisant croître l'industrie. Perturbation et création sont les deux faces d'une même pièce.
C'est vrai en tant que schéma historique. Ce n'est peut-être pas vrai cette fois, pour une raison que la plupart des analogies optimistes passent sous silence : la vitesse.
Chaque perturbation technologique précédente s'est opérée à l'échelle temporelle d'une génération humaine. Un tisserand déplacé par le métier à tisser en 1810 ne pouvait pas se reconvertir et être compétitif dans la nouvelle économie, mais ses enfants le pouvaient. L'économie avait 20 à 30 ans pour absorber la transition. De nouvelles industries émergeaient. De nouveaux points d'entrée s'ouvraient.
L'IA générative avance à l'échelle temporelle d'un cycle produit. GPT-2 est sorti en 2019. GPT-4 en 2023. Le saut de capacité entre les deux, en écriture, en codage, en analyse et en raisonnement, est le genre de saut qui a pris 40 ans à la technologie manufacturière. Il a fallu quatre ans à l'IA.
Les économistes les plus cités dans le camp rassurant, Erik Brynjolfsson, David Autor, sont eux-mêmes devenus plus prudents. La mise à jour de 2024 de la thèse de polarisation du travail d'Autor reconnaît que l'IA générative cible les « tâches cognitives non routinières », précisément la catégorie que ses travaux antérieurs suggéraient à l'abri de l'automatisation. Il ne retire pas entièrement son optimisme d'avant, mais la nuance est significative : cette fois, le milieu cognitif est exposé.
Ce qui reste, que l'IA ne peut pas faire
Être précis ici compte. La réponse n'est pas « la créativité », l'IA produit des résultats créatifs. Ce n'est pas « le jugement », l'IA produit des résultats en forme de jugement qui passent souvent pour du jugement. Ce n'est pas « l'empathie », l'IA produit du texte imitant l'empathie à grande échelle.
Ce que l'IA ne peut pas encore faire, de façon crédible, ce sont trois choses :
Opérer sous une incertitude réelle avec une responsabilité engagée. Une IA peut vous dire quelle est probablement la meilleure stratégie de chaîne d'approvisionnement, compte tenu des données qu'elle a vues. Elle ne peut pas se tromper avec des conséquences professionnelles, ne peut pas être tenue responsable de l'arrêt d'une usine, ne peut pas voir sa carrière se terminer si la prévision échoue. La valeur du jugement humain ne tient pas seulement à sa qualité, elle tient au fait qu'un humain engage quelque chose dessus. La responsabilité exige une personne.
Construire de la confiance par une présence incarnée et répétée. Le client qui vous appelle parce qu'il travaille avec vous depuis cinq ans et sait comment vous gérez une crise n'est pas transférable à un modèle. Le réseau, l'historique, le parcours, tout cela s'accumule pour des humains, pas pour des abonnements.
Faire des choses véritablement nouvelles à la frontière. L'IA est extraordinaire pour interpoler à l'intérieur de la distribution de ses données d'entraînement. Elle est faible pour extrapoler au-delà. La recherche qui fait avancer un domaine, le design qui crée une nouvelle catégorie, la stratégie qui exploite une intuition que personne n'a encore systématisée, tout cela reste humain. Mais c'est une bande étroite au sommet de chaque profession, pas un plancher.
Le cas de la chaîne d'approvisionnement
J'ai passé trois ans en planification de la demande avant de passer aux transformations IBP. Le travail à l'extrémité analytique de la chaîne d'approvisionnement, génération de prévisions, modélisation statistique, rapports d'exception, analyse de variance standard, est presque entièrement reproductible par les outils d'IA actuels.
Un planificateur de la demande qui passe 60% de son temps à faire tourner des prévisions statistiques et à produire des rapports d'exception fait un travail qu'un outil d'IA bien configuré peut reproduire à 80% de la qualité pour 5% du coût. Ces 60% de son temps, c'est le plancher. À quoi ressemblent les 40% restants, les décisions de jugement, le contexte commercial, la relation avec l'équipe de vente, la mémoire institutionnelle de pourquoi ce SKU se comporte étrangement au T3, cela n'est pas remplaçable. Pas encore.
L'implication pour la chaîne d'approvisionnement est précise : les rôles analytiques intermédiaires vont se réduire, les rôles de jugement seniors vont tenir, et le chemin entre les deux deviendra plus difficile à parcourir, parce que l'expérience de niveau débutant qui construit le jugement dispose de moins de places disponibles.
Ce n'est pas théorique. En 2024, plusieurs grandes entreprises de biens de consommation utilisant une planification de la demande assistée par IA ont rapporté des réductions de 30 à 40% des effectifs de planificateurs au niveau junior et intermédiaire, tandis que les rôles seniors en IBP restaient stables ou croissaient. Les modèles produisent les chiffres ; les humains décident quoi faire des anomalies.
Le plancher ne disparaît pas d'un coup. Il baisse, progressivement, jusqu'à ce qu'il ne soit plus viable de s'y tenir.
Zuloma — EssaysLa conclusion inconfortable
La véritable perturbation que l'IA provoque en ce moment n'est pas la version hollywoodienne, des robots prenant des emplois, des algorithmes remplaçant des chirurgiens, des machines écrivant des romans. Elle est plus discrète et plus dommageable économiquement : l'élimination systématique de la bande de qualité qui protégeait autrefois les gens au début et au milieu de leur carrière dans le travail intellectuel.
Le travail médiocre n'a jamais été célébré. Mais il était, pendant longtemps, nécessaire, parce qu'il était l'option la moins chère disponible pour un résultat fonctionnel. Ce n'est plus vrai. Et quand la médiocrité cesse d'être nécessaire, les personnes payées pour la produire ne deviennent pas redondantes au sens spectaculaire d'un gros titre. Elles découvrent que leurs tarifs baissent. Leurs clients suspendent leurs contrats. Leurs projets sont dépriorisés. Le plancher ne disparaît pas d'un coup. Il baisse, progressivement, jusqu'à ce qu'il ne soit plus viable de s'y tenir.
Les personnes qui s'en sortiront sont, grosso modo : celles qui possèdent une expertise réelle au sommet de leur domaine, celles qui ont un capital relationnel profond bâti sur des années, et celles qui apprennent à utiliser l'IA comme un multiplicateur de leur propre jugement plutôt que comme un substitut à son développement.
Les personnes en danger sont celles dont la valeur professionnelle était fixée au niveau du plancher. Et elles sont bien plus nombreuses que celles au sommet.
Sources
- Katz, D. M., Bommarito, M. J., Gao, S., & Arredondo, P. (2023). "GPT-4 Passes the Bar Exam." SSRN. dx.doi.org/10.2139/ssrn.4389233
- Deroy, A., & Bhargava, S. (2023). "AI Contract Review Accuracy Study." LawGeex / Deloitte. (replication study, 2023 update.)
- Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). "The Impact of AI on Developer Productivity: Evidence from GitHub Copilot." Microsoft Research. arXiv:2302.06590.
- Noy, S., & Zhang, W. (2023). "Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence." MIT Economics Working Paper.
- Fiverr International Ltd. (2023). Annual Report 2023. Fiverr.
- Goldman Sachs Global Investment Research. (2023). "The Potentially Large Effects of Artificial Intelligence on Economic Growth." Goldman Sachs.
- McKinsey Global Institute. (2023). "The economic potential of generative AI: The next productivity frontier." McKinsey & Company.
- Autor, D. (2024). "Applying AI to Rebuild Middle Class Jobs." National Bureau of Economic Research Working Paper No. 32140.
- Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). "Generative AI at Work." NBER Working Paper No. 31161.
- Acemoglu, D., & Restrepo, P. (2022). "Tasks, Automation, and the Rise in US Wage Inequality." Econometrica. 90(5).
- World Economic Forum. (2023). Future of Jobs Report 2023. WEF.
Un texte compagnon plus court suit.