Quelque chose d'inhabituel se produit dans le monde de la technologie.
Les personnes qui construisent certains des systèmes d'IA les plus importants au monde ne décrivent plus l'IA comme une simple mise à niveau logicielle. Ils parlent d'intelligence abondante, de produits qui s'améliorent d'eux-mêmes, de disparition d'emplois, d'assistants IA pour tous, d'agents autonomes et d'une AGI qui arrivera d'ici quelques années plutôt que des générations.
Ce qui est fascinant, c'est qu'ils ne sont pas tous d'accord sur ce qui va se passer ensuite.
Sam Altman voit l'intelligence devenir abondante et considérablement moins chère. Spenser Skates croit que l'intelligence résidera de plus en plus à l'intérieur des produits eux-mêmes, créant une génération de produits qui s'améliorent d'eux-mêmes. Dario Amodei met en garde contre une perturbation sérieuse de l'emploi de bureau pour les débutants. Jensen Huang pense que l'IA amplifiera les humains et créera des opportunités économiques entièrement nouvelles. Satya Nadella affirme que des décennies de changement technologique sont compressées en seulement quelques années. Demis Hassabis estime que nous avons atteint un moment charnière de l'histoire humaine.
À première vue, ces prédictions semblent différentes. Je pense qu'il s'agit de différents chapitres de la même histoire.
Mettez-les ensemble, et elles offrent une image étonnamment claire de ce qui pourrait arriver – et de la façon dont nous devrions nous y préparer.
SAM ALTMAN : L'INTELLIGENCE DEVIENT ABONDANTE
OpenAI a de plus en plus présenté l'IA sous l'angle de l'économie de l'abondance. L'idée de base est simple : à mesure que l'intelligence utile devient plus performante et considérablement moins chère, les activités qui nécessitaient auparavant une expertise humaine coûteuse deviennent soudainement économiquement possibles à une échelle énorme.
Cette idée est plus grande qu'il n'y paraît.
Pendant la majeure partie de l'histoire humaine, l'intelligence utile a été chère parce qu'elle résidait à l'intérieur des personnes. Si vous vouliez de l'expertise, la société devait d'abord éduquer quelqu'un pendant des années, puis rivaliser pour le temps limité de cette personne. Un bon avocat ne peut servir qu'un nombre limité de clients, un programmeur ne peut écrire qu'une quantité limitée de code, et un scientifique ne peut étudier qu'un nombre limité d'hypothèses.
L'IA change cette économie car l'intelligence machine peut être copiée, mise à l'échelle et rendue disponible en continu.
Imaginez l'intelligence devenant progressivement quelque chose de plus proche de l'électricité. Nous n'employons pas l'électricité et ne planifions pas de réunions avec elle. Nous y accédons simplement en fonction de nos besoins, quand nous en avons besoin.
Une startup de cinq personnes pourrait avoir des capacités analytiques et techniques qui nécessitaient autrefois une multinationale. Une petite entreprise pourrait avoir l'équivalent de son propre chercheur, programmeur, designer et stratège. Les scientifiques pourraient étudier des questions qui ne valaient pas auparavant les milliers d'heures humaines nécessaires pour les explorer.
Nous avons construit une économie autour de la rareté de l'intelligence. L'IA pourrait transformer l'intelligence en infrastructure.
Et quand quelque chose passe de la rareté à l'abondance, la valeur économique se déplace généralement ailleurs.
SPENSER SKATES : LES PRODUITS VONT COMMENCER À S'AMÉLIORER D'EUX-MÊMES
Ensuite, le co-fondateur et PDG d'Amplitude, Spenser Skates, pousse l'argument un peu plus loin.
Que se passe-t-il lorsque toute cette intelligence abondante ne se contente pas de rester dans un chatbot en attendant que nous posions des questions ? Que se passe-t-il lorsque nous la mettons à l'intérieur du produit lui-même ?
Skates parle d'un avenir de produits qui s'améliorent d'eux-mêmes : des produits capables de comprendre en continu comment ils sont utilisés, de découvrir des problèmes et des opportunités, d'expérimenter des améliorations, d'apprendre des résultats et de réinjecter ces leçons dans ce qui sera construit ensuite.
Cette phrase mérite beaucoup plus d'attention.
Pendant des décennies, le développement logiciel a fonctionné selon une boucle humaine relativement lente. Une entreprise construit quelque chose, les clients l'utilisent, les données s'accumulent, les analystes étudient ce qui s'est passé, les chefs de produit décident ce qui doit changer, les designers créent des alternatives, les ingénieurs les construisent, et finalement une autre version atteint les clients.
Ensuite, le processus recommence.
Chaque étape dépend des humains pour initier la suivante. L'IA commence à compresser cette boucle entière.
D'abord, le produit est construit plus rapidement. Les outils de codage IA réduisent considérablement le temps nécessaire pour créer des logiciels et modifier des produits existants.
Ensuite, le produit observe. Les agents IA peuvent surveiller en continu la façon dont les clients se comportent réellement, au lieu d'attendre que quelqu'un examine manuellement les tableaux de bord.
Ensuite, il comprend. Ces agents peuvent identifier les frictions, les comportements inhabituels, les problèmes de conversion et les opportunités que les humains n'auraient peut-être jamais pensé à étudier.
Ensuite, il expérimente. De nouvelles expériences peuvent être créées et testées à une vitesse que les équipes produit traditionnelles ne pourraient pas atteindre de manière réaliste.
Ensuite, il apprend. Les données comportementales révèlent si un changement a réellement amélioré la conversion, l'engagement, la rétention ou un autre résultat important.
Et enfin, il s'améliore. Ce que le système apprend est directement réinjecté dans ce qui doit être construit ensuite.
Aujourd'hui, les humains contrôlent encore la plupart de ces transitions. Mais imaginez ce qui se passe à mesure que la boucle devient de plus en plus autonome.
Un produit remarque qu'un groupe particulier de clients abandonne systématiquement l'intégration. Un agent IA étudie leur comportement, identifie la source probable de friction et propose plusieurs alternatives. Des expériences testent ces alternatives, les données comportementales révèlent laquelle fonctionne, et cet apprentissage alimente directement l'amélioration suivante.
Le produit n'est plus simplement un logiciel que les gens utilisent. Il devient un logiciel qui apprend à devenir un meilleur logiciel.
Cela change l'équation concurrentielle.
Le codage IA rend rapidement plus facile pour tout le monde de construire. Si chaque entreprise peut livrer plus rapidement, le simple fait de produire plus de fonctionnalités devient un avantage moindre. L'avantage passe de la vitesse à laquelle vous construisez à la vitesse à laquelle vous apprenez.
Il y a une distinction importante ici. L'IA peut générer des logiciels, mais créer quelque chose et savoir si les humains le veulent réellement sont des problèmes complètement différents.
Le premier nécessite de l'intelligence. Le second nécessite de comprendre le comportement humain.
C'est peut-être pour cela que la prochaine génération de grands produits n'aura pas simplement de l'IA à l'intérieur. Ils auront une boucle de rétroaction continue reliant l'intelligence au comportement humain réel.
Le meilleur produit ne gagnera peut-être pas.
Le produit qui apprend le plus vite pourrait gagner.
DARIO AMODEI : QU'ARRIVE-T-IL AU PREMIER ÉCHELON ?
Le PDG d'Anthropic, Dario Amodei, voit une conséquence beaucoup plus inconfortable de l'intelligence de plus en plus performante.
Il a averti que l'IA pourrait perturber une grande partie de l'emploi de bureau pour débutants en seulement quelques années. Quel que soit le nombre exact final, le problème structurel sous-jacent à son avertissement mérite une attention sérieuse.
Qu'arrive-t-il au premier échelon de l'échelle de carrière ?
Les entreprises emploient des analystes juniors en partie parce que quelqu'un doit étudier les concurrents, manipuler des feuilles de calcul et préparer des présentations. Les cabinets d'avocats emploient de jeunes avocats pour examiner d'énormes quantités de documents. Les entreprises de logiciels confient à des développeurs juniors des tâches de codage relativement simples.
Mais ces emplois remplissent deux fonctions. Ils produisent du travail pour l'entreprise tout en produisant simultanément des humains expérimentés.
L'analyste développe éventuellement un jugement et devient directeur. Le jeune avocat qui examine des documents finit par gérer des négociations complexes. Le programmeur qui corrige des bugs ennuyeux apprend progressivement comment les systèmes réels se comportent quand les choses tournent mal.
Si l'IA devient exceptionnellement bonne pour le travail de niveau débutant, les entreprises ont une incitation économique évidente à employer moins de débutants.
Cela crée un paradoxe que nous n'avons pas résolu : l'IA pourrait supprimer le travail que les gens effectuaient traditionnellement tout en apprenant à effectuer le travail que l'IA ne peut pas encore faire.
Nous pourrions automatiser le bas de l'échelle sans comprendre comment la prochaine génération atteint le sommet.
JENSEN HUANG : TOUT LE MONDE OBTIENT DES SUPER-POUVOIRS
Le PDG de NVIDIA, Jensen Huang, voit un autre côté de l'équation.
Sa prédiction est merveilleusement simple : « Tout le monde aura un assistant IA. »
L'argument plus large de Huang est que l'IA ne se contentera pas de remplacer le travail humain. Elle amplifiera ce que les individus peuvent accomplir, créant potentiellement une demande entièrement nouvelle à mesure que le coût de l'intelligence et de la production diminue.
L'histoire donne une certaine crédibilité à cet argument.
Les tableurs n'ont pas éliminé les comptables. Les ordinateurs n'ont pas éliminé les employés de bureau. Internet a détruit certaines professions tout en créant des industries qui n'auraient pas pu exister auparavant.
L'IA pourrait donc éliminer d'énormes quantités de travail sans éliminer le même nombre d'emplois.
Si les logiciels deviennent dix fois moins chers à créer, peut-être que la société n'a pas besoin d'un dixième de développeurs. Peut-être que l'humanité décide de construire cinquante fois plus de logiciels. Si l'investigation scientifique devient considérablement moins chère, peut-être n'avons-nous pas besoin de moins de scientifiques ; peut-être que les scientifiques tentent des millions d'expériences qui n'étaient auparavant pas économiquement réalisables.
Cela signifie que Huang et Amodei pourraient avoir tous les deux raison. Certaines professions pourraient se contracter considérablement tandis que des catégories entièrement nouvelles d'activité économique explosent.
Les révolutions technologiques choisissent rarement entre destruction et création. Elles apportent généralement les deux, mais pas nécessairement aux mêmes personnes en même temps.
SATYA NADELLA : LE VRAI PROBLÈME POURRAIT ÊTRE LA VITESSE
Le PDG de Microsoft, Satya Nadella, a décrit le changement de plateforme actuel avec une phrase que je trouve particulièrement importante :
« Trente ans de changement sont compressés en trois ans ! »
Le mot compressé pourrait être plus important que presque tout le reste dans ce débat.
L'humanité a survécu à d'énormes transformations technologiques auparavant. L'électricité a transformé les usines et les maisons. Les voitures ont redessiné les villes. Les ordinateurs ont changé les bureaux. Internet a réorganisé la communication, le commerce et les médias.
Mais les sociétés ont eu le temps de s'adapter. Les gens prenaient leur retraite tandis que les jeunes générations apprenaient des compétences différentes. Les universités changeaient les programmes, les gouvernements créaient des réglementations, les entreprises se formaient et faisaient faillite, et des professions entières évoluaient progressivement.
L'IA pourrait créer un problème différent car l'adaptation technologique pourrait se produire plus rapidement que l'adaptation humaine.
Imaginez quelqu'un commençant aujourd'hui un diplôme universitaire de quatre ans pour une profession dont l'économie pourrait être fondamentalement différente au moment de l'obtention du diplôme. Ou considérez un professionnel de 45 ans qui a passé vingt ans à devenir exceptionnel dans une tâche qui devient soudainement disponible presque instantanément et à un coût quasi nul.
Le plus grand danger pourrait ne pas être le changement technologique lui-même. Il pourrait s'agir de l'écart croissant entre la vitesse à laquelle les machines s'améliorent et la vitesse à laquelle les humains, les entreprises et les institutions peuvent se réinventer.
DEMIS HASSABIS : CELA POURRAIT DEVENIR PLUS GRAND QUE LE LOGICIEL
Nous arrivons ensuite au PDG de Google DeepMind, Demis Hassabis.
En août 2026, Hassabis a décrit la période actuelle comme « un moment charnière de l'histoire humaine » et a déclaré qu'après avoir travaillé toute sa carrière pour l'AGI, il croit qu'elle est maintenant « proche ».
Cela emmène la conversation bien au-delà de la productivité en milieu de travail.
Une fois que l'IA devient capable d'aider matériellement les humains à faire progresser les mathématiques, la biologie, la chimie, la science des matériaux, l'ingénierie et la médecine, l'IA cesse d'être simplement une autre industrie technologique. Elle devient une technologie qui accélère d'autres technologies.
L'IA peut améliorer la robotique, aider à découvrir des médicaments, concevoir de nouveaux matériaux, écrire des logiciels, assister la recherche scientifique et aider les ingénieurs à concevoir de meilleurs ordinateurs, qui à leur tour peuvent faire fonctionner une meilleure IA.
Cela crée une boucle de rétroaction : une meilleure IA aide les humains à construire une meilleure technologie, une meilleure technologie aide les humains à construire une meilleure IA, et le cycle s'accélère.
C'est pourquoi comparer l'IA aux smartphones pourrait sous-estimer considérablement ce qui se passe. Le smartphone a changé la façon dont les humains accédaient à l'information.
L'IA avancée pourrait changer la rapidité avec laquelle l'humanité découvre de nouvelles choses.
ILS POURRAIENT TOUS AVOIR RAISON
À première vue, ces dirigeants semblent nous raconter des histoires différentes. Mettez leurs arguments en séquence, cependant, et ils commencent à paraître étonnamment compatibles.
Altman dit que l'intelligence devient abondante. Les capacités qui étaient autrefois coûteuses deviennent accessibles à presque tout le monde.
Skates dit que les produits eux-mêmes commencent à apprendre et à s'améliorer. L'intelligence abondante est intégrée dans la boucle de développement de produits, reliant la construction, l'observation du comportement humain, l'expérimentation, l'apprentissage et l'amélioration.
Amodei dit que l'intelligence abondante perturbe le travail du savoir. Particulièrement vulnérables pourraient être les tâches juniors sur lesquelles les carrières traditionnelles ont été construites.
Huang dit que l'IA amplifie considérablement les individus humains. Des coûts plus bas créent une nouvelle demande, de nouvelles entreprises et des catégories de travail entièrement nouvelles.
Nadella dit que tout cela se produit extraordinairement rapidement. La société a beaucoup moins de temps pour s'adapter que lors des révolutions technologiques précédentes.
Hassabis dit que l'IA finit par accélérer la découverte elle-même. L'intelligence commence à aider l'humanité à inventer la prochaine génération de technologies.
Ce ne sont pas nécessairement six prédictions concurrentes. Ils pourraient être six couches de la même transformation.
SUIVEZ LA RARETÉ
Si ces personnes ont ne serait-ce que partiellement raison, il y a une leçon étonnamment pratique pour quiconque réfléchit à sa carrière, son entreprise ou ses investissements :
Ne construisez pas votre valeur autour de quelque chose que l'IA rend abondant. Construisez-la autour de ce qui devient rare parce que l'IA est abondante.
L'attention devient rare. Lorsque le contenu devient effectivement illimité, capter l'attention humaine authentique devient plus difficile et donc plus précieux.
Le jugement devient rare. Lorsque l'analyse peut être produite instantanément, la question difficile n'est plus de savoir si vous pouvez obtenir une analyse. C'est de savoir si vous savez quelle analyse mérite d'être digne de confiance.
La direction devient rare. Lorsque l'IA peut générer des centaines d'idées et de stratégies, une autre idée n'est pas nécessairement utile. Savoir quel problème mérite d'être résolu devient l'avantage.
La pensée originale devient rare. Lorsque des écrits, des images, des logiciels et des présentations compétents peuvent être produits par presque tout le monde, avoir quelque chose de vraiment différent à dire devient plus précieux.
La confiance devient rare. Les machines communiqueront de plus en plus de manière convaincante tandis que le contenu synthétique devient plus facile à fabriquer. La crédibilité humaine devient donc plus précieuse, pas moins.
Le goût devient rare. L'IA peut créer des possibilités infinies. Quelqu'un doit encore décider laquelle est réellement bonne.
Et les produits qui s'améliorent d'eux-mêmes créent une rareté supplémentaire qui pourrait être extrêmement importante : savoir ce que le système doit optimiser.
Une machine peut devenir exceptionnellement bonne pour atteindre un objectif. Un produit peut devenir exceptionnellement bon pour améliorer une métrique. Mais était-ce le bon objectif ? Était-ce la bonne métrique ?
Ce n'est plus principalement une question de technologie.
C'est une question de jugement humain.
N'ESSAYEZ PAS DE DEVANCER LA MACHINE
Pendant des décennies, les managers disaient aux humains quelles tâches effectuer. Demain, les dirigeants pourraient de plus en plus définir des objectifs pour des combinaisons d'humains, d'agents et de systèmes auto-améliorants.
Le leadership devient alors moins une question de supervision de l'exécution et plus une question de définition de la direction, des contraintes, des incitations et du sens.
Je ne passerais pas la prochaine décennie à essayer de devenir légèrement meilleur dans quelque chose que les machines améliorent de manière exponentielle. J'apprendrais à les diriger tout en renforçant délibérément les capacités qui deviennent plus précieuses précisément parce que l'intelligence elle-même devient abondante : le jugement, la curiosité, le courage, les relations, le leadership, la responsabilité et le goût.
Les gagnants de l'ère de l'IA pourraient ne pas être les personnes qui en savent le plus sur l'IA. Ils pourraient être les personnes qui comprennent quoi faire de l'intelligence une fois que l'intelligence elle-même n'est plus rare.
Pendant des milliers d'années, l'intelligence a donné aux humains un pouvoir extraordinaire. Maintenant, nous construisons des machines qui pourraient rendre l'intelligence disponible partout, tout le temps, tandis que les produits qui nous entourent commencent à observer, apprendre et s'améliorer.
Peut-être que la question déterminante de l'ère de l'IA n'est pas de savoir si les machines finiront par penser comme nous.
C'est quelque chose de beaucoup plus inconfortable :
Que devraient devenir les humains lorsque le fait d'être intelligent ne suffit plus à nous rendre spéciaux ?
