Perspectives
L'automatisation par l'IA et la mort de l'apprentissage
Je réfléchis à une question qui n’a pas de répondant évident dans les organisations avec lesquelles je travaille : qui est responsable de produire la prochaine génération d’experts ? Pas de les embaucher. De les produire.
Pendant la plus grande partie de l’histoire industrielle, la réponse était ancrée dans le travail lui-même. On confiait aux juniors les petites tâches ingrates et corrigeables — la correction de routine, le premier projet de note de service, le rapprochement que personne n’aimait. Ces tâches étaient économiquement marginales. Telle n’a jamais été leur vraie fonction. Leur fonction était de permettre à quelqu’un de lutter, de se tromper légèrement, et d’être corrigé par une personne qui avait lutté avant lui. L’expertise était un sous-produit de l’inefficacité.
Nous éliminons actuellement cette inefficacité à grande vitesse, et je ne pense pas que nous ayons réalisé ce que nous supprimons avec elle.
La disparition de l’écart de début de carrière
Le Digital Economy Lab de Stanford, en collaboration avec les données de paie d’ADP couvrant des millions de travailleurs américains jusqu’à la mi-2026, a constaté que l’emploi des 22 à 25 ans dans les professions exposées à l’IA se situe aujourd’hui à environ 19 % sous le niveau qu’il aurait atteint s’il avait suivi l’évolution de leurs pairs moins exposés. Les travailleurs expérimentés dans ces mêmes professions ne présentent aucun écart comparable. La divergence se concentre là où l’IA automatise plutôt qu’elle n’augmente.
On y voit généralement une histoire de déplacement. Je crois qu’il s’agit plutôt d’une histoire de transmission, et les preuves les plus intéressantes sont qualitatives. Une étude publiée cette année sur des ingénieurs logiciels — des juniors au seuil de la profession et des seniors qui les formaient autrefois — décrit un modèle que les auteurs appellent l’absorption. Le travail de débutant ne disparaît pas dans une file d’attente en attendant un junior. Il est redirigé vers un flux de travail combinant des seniors et l’IA, où il est exécuté plus rapidement et mieux. Personne ne prend la décision d’arrêter de former qui que ce soit. La formation n’a tout simplement plus d’endroit où se produire.
Les chercheurs décrivent également une asymétrie de perception. Les seniors évaluent les juniors sur les extrants, qui semblent corrects aujourd’hui. Les juniors vivent cette perte en privé, comme l’absence de quelque chose qu’ils ne peuvent nommer puisqu’ils ne l’ont jamais eu. Aucune des deux parties n’est en mesure de voir le problème, alors aucune des deux ne le soulève.
Une organisation peut perdre son système d’apprentissage sans qu’une seule réunion ne reconnaisse que c’est arrivé.
Le coût caché de l’efficacité
Ce qui rend la situation complexe, c’est qu’aucune décision individuelle dans la chaîne n’est erronée. Confier la tâche de routine à l’IA est la bonne chose à faire ce trimestre-ci. Ce sera peut-être correct chaque trimestre pendant quatre ans. Le coût arrive en cinquième année, dans une cohorte de personnes capables de superviser des extrants qu’elles n’ont jamais été capables de produire — capables d’accepter ou de rejeter une réponse, mais incapables de sentir quand la question était mauvaise. Le jugement, pour autant qu’on sache, ne se transmet pas par la seule explication. Il s’agit du résidu laissé par le fait d’avoir été responsable de quelque chose.
Je n’ai pas encore de cadre conceptuel pour cela. J’ai toutefois un soupçon sur son point de départ.
Les organisations mesurent la productivité du travail. Presque aucune ne mesure le rendement développemental du travail — c’est-à-dire si une tâche donnée, exécutée par une personne donnée, a laissé derrière elle une aptitude qui n’existait pas auparavant. Ce chiffre n’a jamais eu besoin d’exister, car l’apprentissage était gratuit et automatique, un effet secondaire de la façon dont le travail était réparti. Il n’est désormais ni gratuit ni automatique. C’est devenu une chose qu’il faut payer délibérément, en ralentissant le rythme, en confiant des tâches à la personne qui les accomplira le moins bien, et en voyant les seniors passer des heures à corriger un travail qu’un IA n’aurait pas raté.
Reconstituer le stock d’expertise
Il s’agit d’un coût réel, qui devrait être nommé comme tel plutôt que d’être subrepticement glissé dans un budget de développement. Une entreprise qui refuse de le payer semblera plus efficace que ses concurrents pendant plusieurs années. Puis elle découvrira qu’elle a consommé un stock d’expertise qu’elle a cessé de reconstituer, et que ce stock particulier ne peut être racheté à aucun prix, puisque tout le monde a cessé de reconstituer le sien en même temps.
L’exécution devient abondante. Le jugement, lui, s’acquiert toujours de la manière lente — par des personnes à qui l’on a permis d’être responsables avant d’y être prêtes.