Il y a environ 10 ans, un informaticien de renommée mondiale a affirmé :
« Le premier métier à disparaître à cause de l'IA sera celui de radiologue. »
Dix ans plus tard, cette prédiction ne s'est réalisée qu'à moitié.
Cette anecdote a été partagée par Jensen Huang, PDG de NVIDIA, lors d'une intervention au Milken Institute en mai 2024.
D'abord, la moitié qui s'est réalisée.
La vision par ordinateur est devenue complètement surhumaine dans la tâche étroite d'interprétation des examens d'imagerie. Elle peut maintenir sa concentration plus longtemps qu'un humain et détecter de minuscules anomalies qu'un humain pourrait manquer. Selon Huang, dix ans plus tard, l'IA a une pénétration de 100 % en radiologie.
Mais la moitié qui a manqué était profonde.
Le métier de radiologue n'a pas disparu. En fait, c'est l'inverse qui s'est produit.
En confiant à l'IA la lecture des examens, les médecins ont pu lire davantage de scans. Ils ont pu prendre en charge plus de patients et diagnostiquer les maladies avec plus de précision.
En conséquence, les revenus des hôpitaux ont augmenté, la radiologie est devenue l'un des services les plus rentables des hôpitaux, et désormais les hôpitaux veulent embaucher encore plus de radiologues.
Huang a également souligné que si tout le monde avait cru à cette prédiction et avait cessé d'aspirer à devenir radiologue, le monde aurait perdu ce talent d'une importance cruciale.
Je veux que les personnes qui se sentent mal à l'aise chaque fois qu'elles voient des nouvelles sur l'IA qui pourrait prendre leur emploi comprennent la raison de ce retournement.
Au moment où vous aurez fini de lire, cette vague anxiété devrait se transformer en une action concrète : « Ce soir, je vais diviser mon travail en deux parties sur papier et essayer de confier une tâche à l'IA demain. »
La « tâche » a disparu, mais le « but » du travail, lui, n'a pas disparu
Pourquoi la prédiction a-t-elle échoué ?
La réponse de Huang tenait essentiellement en une phrase.
« Ce que tout le monde néglige, c'est que le but d'un travail et les tâches d'un travail sont liés, mais ce ne sont pas la même chose. »
Le but d'un radiologue n'est pas de fixer des examens d'imagerie sur un poste de travail dans une pièce sombre.
C'est de collaborer avec d'autres médecins pour diagnostiquer des maladies et guérir des patients. Lire des examens n'est qu'une « tâche » pour y parvenir.
Par conséquent, même si la tâche a été automatisée, le métier n'a pas disparu. Au contraire, le temps pouvant être consacré au but a augmenté, le nombre de patients vus a augmenté, et le travail s'est orienté vers la croissance.
Huang a ensuite pris son propre exemple, ce qui était assez intéressant.
« 100 % des tâches que j'effectue pour mon travail sont de taper et de parler. L'IA a déjà complètement automatisé la frappe et la parole, et elle est totalement surhumaine dans ces domaines. Si c'était le cas, je devrais être au chômage. Pourtant, nous travaillons plus dur que jamais. »
Il dit que cela s'applique aussi aux ingénieurs logiciels.
Le but d'un ingénieur n'est pas de taper du code, mais de résoudre des problèmes et de créer de nouvelles choses. Il a même plaisanté en disant qu'aucun enfant ayant émigré en Amérique à l'âge de neuf ans ne l'a fait parce qu'il rêvait d'une vie passée à taper sur des touches devant un petit écran du matin au soir.
Cela s'applique directement à votre travail également.
Créer des documents. Résumer des comptes rendus de réunion. Saisir des chiffres. Répondre à des e-mails. Ce sont des tâches.
Ravir les clients. Faire avancer l'équipe. Générer des ventes. Ce sont des buts.
L'IA arrive pour éliminer les tâches.
Huang évoque l'état actuel : « L'IA est enfin devenue utile ces derniers mois »
Alors, où en est l'IA maintenant ?
Je pense que la nature de l'anxiété est le sentiment que « l'évolution est si rapide que la vue d'ensemble est invisible ». La façon dont Huang a organisé cela était très facile à comprendre comme une feuille de route.
Il y a deux ans, ChatGPT est apparu et l'IA générative est née. Selon Huang, deux aspects étaient essentiels pour pouvoir « générer ».
Premièrement : Penser, c'est la génération de pensées (tokens) dans l'esprit. Donc, à partir du moment où la génération est devenue possible, la voie s'est ouverte pour que l'IA puisse penser et raisonner.
Deuxièmement : Pour utiliser des outils, il faut générer des commandes. Même pour utiliser un navigateur, vous devez générer des mots pour contrôler quelque chose.
Cette IA de raisonnement a émergé l'année dernière, et nous sommes maintenant dans l'étape de « l'IA agentique », capable de comprendre, raisonner, planifier et utiliser des outils pour accomplir des choses utiles.
Le symbole cité était Claude Code d'Anthropic.
Il a noté qu'il s'agissait du premier système agentique à gérer un travail véritablement productif comme le codage logiciel. Le point important ici est que Huang a souligné que « le codage n'est pas réservé aux ingénieurs ».
Le codage, c'est « formaliser dans un programme les choses que vous voulez automatiser de manière répétée ». Il n'y a aucune entreprise au monde qui n'a rien à automatiser. Par conséquent, le codage est en réalité d'une importance cruciale pour chaque entreprise.
Et ce changement a créé une explosion des calculs.
La quantité de calcul nécessaire pour l'IA agentique est environ 1 000 fois supérieure à celle de l'IA générative. Multipliez cela par le fait que « le nombre de personnes qui veulent l'utiliser a été multiplié par 100 ».
C'est pourquoi la demande de GPU explose, et il y a même eu une anecdote selon laquelle les GPU vendus il y a 4 à 5 ans prennent de la valeur plus vite que le bon vin.
De plus, Huang a souligné que les marges brutes des entreprises natives de l'IA comme OpenAI et Anthropic sont devenues significativement positives au cours des 3 à 6 derniers mois, et il a déclaré sans détour :
« L'IA est enfin devenue utile ces derniers mois. »
La façon dont nous utilisons les ordinateurs va également changer.
Jusqu'à présent, il s'agissait de « récupérer » des choses que quelqu'un avait créées et sauvegardées auparavant.
Désormais, lorsque vous transmettez votre intention comme si vous parliez à une personne, l'IA réfléchira à la méthode, élaborera un plan, maîtrisera des outils comme un navigateur, Excel ou Photoshop, et vous renverra le produit fini.
Pendant que vous avez peur, les outils continuent de progresser dans cette direction.
Les emplois ne disparaîtront pas, mais « le travail de tout le monde » sera affecté
Jusqu'ici, cela pourrait ressembler à un simple optimisme. Cependant, Huang a également parlé clairement de la réalité de l'emploi.
Premièrement, ce que l'IA fait initialement, c'est créer un nombre massif d'emplois.
Usines de puces, usines d'ordinateurs, usines d'IA. Une réindustrialisation de plusieurs billions de dollars se produit à travers ces trois types d'usines.
L'année dernière, 100 milliards de dollars – ce que Huang appelle le plus grand investissement de l'histoire humaine – ont afflué vers les startups liées à l'IA, et tout cela s'est transformé en emplois.
Il y a aussi un paradoxe intéressant.
Même si le codage a été la première chose dans laquelle l'IA est devenue bonne, les offres d'emploi pour les ingénieurs logiciels augmentent en réalité. La raison en est que l'ambition a augmenté. Avec l'IA, on peut faire plus. Par conséquent, on embauche plus de personnes.
Cependant, Huang a également mentionné explicitement la « dislocation ».
« Si un étudiant qui sort de l'université aujourd'hui ne maîtrise pas l'IA, il ne pourra pas prendre les emplois des diplômés qui la maîtrisent. »
« Des compétences qui étaient inutiles hier deviennent essentielles aujourd'hui. »
Les opérations où la tâche elle-même était le métier seront effectivement remplacées. Huang a cité les réservations téléphoniques pour les restaurants comme exemple. La tâche consistant simplement à prendre un appel et à accepter une réservation passera à l'IA. Mais cette personne, au lieu d'être un opérateur téléphonique, pourra faire face aux clients en face à face.
La conclusion est la suivante :
« De nombreux emplois seront créés. Certains emplois disparaîtront. Mais tous les emplois seront affectés. »
En d'autres termes, il n'y a pas de zone sans vent, sans danger. Mais ce n'est pas non plus une histoire de désespoir. La ligne de démarcation n'est pas le métier ; c'est de savoir si vous êtes du côté de ceux qui utilisent l'IA. C'est le point essentiel.
Le plus grand perdant est celui qui a trop peur pour toucher à l'IA
Dans l'intervention, le conflit entre les pessimistes de l'IA (doomers) et les optimistes (boomers) a également été abordé.
Quand on lui a demandé s'il était l'optimiste en chef, Huang a répondu : « Je suis un pragmatique. »
Sa réponse face à la théorie du « parrain de l'IA » Geoffrey Hinton – selon laquelle il y a 20 à 30 % de chances que l'IA mette fin à l'existence humaine – était également impressionnante.
« Là où il a complètement tort, c'est de penser qu'un grand nombre de personnes intelligentes ne travaillent pas pour empêcher cela. »
Pour chaque personne qui essaie de rendre une voiture plus rapide, il y a dix personnes qui essaient de la rendre plus sûre. Pour chaque personne qui essaie de rendre l'IA plus intelligente, il y a dix personnes qui travaillent sur les garde-fous et la sécurité.
De plus, la « plus grande préoccupation » soulevée par Huang était inattendue.
Ce n'était pas que d'autres pays possèdent l'IA. C'était que les gens de son propre pays, constamment nourris d'histoires d'horreur de science-fiction, auraient trop peur pour toucher à l'IA, et qu'en conséquence, le pays perdrait son avance.
« La raison pour laquelle l'Amérique a bénéficié de la révolution industrielle précédente n'est pas parce que nous l'avons inventée, mais parce que nous l'avons appliquée. »
C'est une histoire à propos d'un pays, mais je pense qu'elle peut être traduite directement aux individus. Le temps passé à avoir peur des articles sensationnalistes et à attendre de voir est le plus grand coût. Rendre l'IA sûre est le travail de l'industrie. L'appliquer est votre travail.
« Cette ambition est trop faible. Augmentez vos attentes d'un facteur 100 »
À la fin de l'intervention, lorsqu'on lui a demandé à quoi il pensait actuellement, Huang a raconté cette histoire.
Les chercheurs qui passaient autrefois des mois à explorer de nouvelles idées peuvent désormais le faire en une journée en utilisant l'IA. Les mois sont devenus un jour.
Des percées se produisent dans tous les domaines : science de l'énergie, science du climat, biologie, découverte de médicaments et science physique.
« Si vous pouviez voir ce que je vois chaque jour, vous seriez enthousiaste et réaliserez ceci : quelle que soit l'ambition que vous aviez par le passé, elle n'était pas suffisante. Il n'y a qu'une seule chose à changer : augmentez vos attentes d'environ 100 fois. »
Alors, que devrions-nous faire demain ?
Si nous transformons cette intervention en action, je pense qu'il y a trois choses :
- Ce soir, écrivez votre travail sur papier et divisez-le en « But » et « Tâche ». Pour un radiologue, guérir les patients est le but, et lire les examens est la tâche. Quels sont les vôtres pour votre travail ?
- Demain, essayez de confier une seule tâche à l'IA. Cela peut être un compte rendu de réunion, un brouillon de document ou une recherche. Même si cela ne se passe pas bien, le moment où vous touchez à l'IA, vous passez du côté de ceux qui attendent à celui de ceux qui utilisent.
- Consacrez le temps que vous avez libéré au but. Clients, planification, résultats. Votre valeur réside dans les parties que vous ne pouvez pas confier à l'IA.
Serez-vous du côté de ceux qui disparaissent ou de ceux qui augmentent ?
La ligne de démarcation n'est pas le métier ni l'âge ; c'est le fait d'effectuer cette décomposition. C'est ainsi que je l'ai compris.
Enfin, une question.
Quel est le « but » de votre travail ? Et quelle « tâche » allez-vous confier à l'IA en premier demain ?
J'aimerais beaucoup avoir votre avis dans les citations ou les réponses.
