ÉDITORIAL : L’IA détruit des emplois qualifiés maintenant — et personne ne veut vraiment y répondre

Du métier à tisser aux algorithmes

Pour comprendre la réaction contemporaine à ces prédictions, il faut remonter dans le temps. La peur que la machine remplace l’homme n’est pas née avec ChatGPT. Elle n’est pas née avec Internet, ni avec l’automatisation industrielle des années 1980. Elle remonte au moins à la révolution industrielle, quand les tisserands anglais, les fameux Luddites, détruisaient les métiers à tisser mécaniques qui menaçaient leurs moyens de subsistance. L’histoire a souvent été racontée comme une leçon sur l’irrationalité de ceux qui résistent au progrès. C’est une lecture partielle et injuste. Les Luddites ne rejetaient pas la technologie en soi. Ils résistaient à la destruction de leur mode de vie sans que personne ne se soucie de la transition sociale qui l’accompagnait.

Les économistes ont longtemps répondu à ces angoisses avec le théorème de compensation : si la technologie détruit des emplois dans un secteur, elle en crée d’autres ailleurs, souvent meilleurs, souvent mieux rémunérés. L’argument est historiquement défendable. L’agriculture mécanisée a libéré des millions de travailleurs qui ont rejoint les usines. L’automatisation industrielle a favorisé l’essor des services. Chaque vague de destruction créatrice a finalement produit plus d’emplois qu’elle n’en avait éliminés. Mais — et c’est là que la note de blog enfonce son scalpel — ce mécanisme de compensation prend du temps. Il prend des décennies. Et durant ces décennies, des générations entières payent le prix de la transition sans en voir les bénéfices.

Pourquoi cette fois pourrait être différente

La question centrale, et c’est celle que les auteurs de la note posent avec une précision remarquable, est la suivante : l’IA est-elle une technologie comme les autres ? La réponse, que l’on soit optimiste ou pessimiste, est clairement non. Les technologies précédentes automatisaient des tâches physiques ou des processus répétitifs bien définis. Elles étaient, pour l’essentiel, incapables de traiter la complexité cognitive, la créativité, le jugement contextuel. C’est précisément ce que les modèles d’IA générative commencent à faire. Pas parfaitement. Pas sans erreurs. Mais avec une vitesse d’amélioration qui dépasse toutes les projections initiales. Ce qui était impossible il y a trois ans est banal aujourd’hui. Ce qui est balbutiant aujourd’hui sera probablement courant dans dix-huit mois.

On a longtemps rassuré les travailleurs du secteur cognitif en leur disant que les machines ne pourraient jamais écrire, raisonner, analyser. Ce rempart est tombé. La vraie question n’est plus de savoir si l’IA peut faire ce que font les humains qualifiés. Elle le peut, souvent, dans de nombreux domaines. La vraie question est de savoir ce que nous voulons faire de cette réalité.

La finance, miroir grossissant de nos peurs

La réaction des marchés financiers à cette note de blog est en elle-même un phénomène digne d’analyse. Les marchés ne réagissent pas à la vérité. Ils réagissent aux anticipations, aux narratifs, à la manière dont les acteurs collectivement construisent leur vision de l’avenir. Quand un texte influence suffisamment de décideurs pour modifier leur comportement, il devient, par ce mécanisme même, un facteur économique réel. C’est ce que les économistes appellent parfois la performativité des discours économiques : dire que quelque chose va se produire peut contribuer à le faire advenir.

Dans ce cas précis, ce sont surtout les actions des entreprises de services professionnels qui ont subi les plus fortes pressions. Les grands cabinets de conseil, les groupes de services informatiques externalisés, les entreprises de back-office financier : autant de secteurs où la promesse d’efficience par l’IA est la plus immédiate et la plus documentée. Les investisseurs institutionnels, toujours en quête d’avantage informationnel, ont recalibré leurs modèles de valorisation. Le mouvement n’a pas été catastrophique, mais il a été suffisamment net pour alimenter la couverture médiatique et, par ce biais, amplifier lui-même l’onde de choc initiale.

Les gagnants invisibles de la disruption

Il serait incomplet de ne parler que des perdants potentiels. La même dynamique qui effraie les travailleurs du secteur cognitif fait la joie d’autres acteurs. Les entreprises qui développent ou déploient massivement des solutions d’IA ont vu leurs valorisations s’envoler depuis plusieurs trimestres. Les fonds d’investissement spécialisés dans la technologie multiplient les paris sur ce secteur. Les grandes plateformes numériques qui contrôlent les infrastructures de calcul et les données d’entraînement consolident un avantage concurrentiel qui, s’il n’est pas régulé, risque de devenir structurellement insurmontable. La disruption crée de la valeur. Elle ne la crée tout simplement pas pour tout le monde.

Il y a quelque chose de profondément révélateur dans le fait que les marchés aient tremblé non pas parce que l’IA détruisait des emplois — ce qui se passe depuis des mois — mais parce qu’un texte bien écrit le formulait clairement. L’économie de l’attention fonctionne ainsi : la réalité n’existe vraiment que lorsqu’elle est nommée.

Produire plus ne signifie pas vivre mieux

L’un des arguments les plus fréquemment avancés par les partisans de l’adoption rapide et massive de l’IA est celui des gains de productivité. L’IA permettrait de produire plus, plus vite, à moindre coût. Ce gain bénéficierait à l’ensemble de la société via des prix plus bas, des services plus accessibles, une croissance économique accrue. L’argument est économiquement cohérent, mais il repose sur une hypothèse distributive qui mérite d’être questionnée : à qui vont réellement ces gains ?

L’histoire des vagues technologiques précédentes offre une réponse nuancée. Les gains de productivité des trente dernières années, portés par l’informatisation et la mondialisation, ont été réels mais inégalement distribués. Aux États-Unis, en Europe et ailleurs, la part des revenus du travail dans la valeur ajoutée nationale a régressé tandis que la part du capital progressait. La croissance économique a été soutenue, mais les inégalités de revenus et de patrimoine se sont creusées de manière spectaculaire. Si le même schéma se reproduit avec l’IA — et certains indicateurs suggèrent que le risque est réel — les gains agrégés pourraient coexister avec une précarisation accrue d’une fraction croissante de la population active.

Le mirage du revenu universel comme solution miracle

Face à ce risque, la réponse du revenu universel de base revient régulièrement dans les débats. Certains grands noms de la technologie, y compris parmi les architectes des systèmes d’IA les plus puissants, ont soutenu cette idée. L’idée est séduisante dans sa simplicité : si les machines créent suffisamment de richesse, redistribuons une partie de celle-ci directement aux citoyens, indépendamment de leur situation dans le marché du travail. Le problème est que cette proposition, aussi attrayante soit-elle en théorie, reste confrontée à des obstacles politiques, fiscaux et philosophiques considérables. Elle présuppose une volonté politique de taxer substantiellement les profits issus de l’automatisation — une volonté qui, à ce jour, fait largement défaut dans la plupart des grandes économies.

Chaque fois qu’on parle de revenu universel comme réponse à l’IA, je me demande qui exactement va voter la taxe sur les robots. Les mêmes entreprises qui poussent à la dérégulation fiscale sont souvent celles qui financent les recherches sur l’IA. Il faudra bien, à un moment, nommer cette contradiction.

Les cols blancs au bord du précipice

Contrairement aux vagues d’automatisation précédentes qui avaient surtout touché les emplois manuels et répétitifs, la révolution de l’IA générative frappe en priorité les travailleurs qualifiés des secteurs cognitifs. C’est là l’une des particularités les plus déconcertantes de cette disruption : elle inverse la hiérarchie habituelle de la vulnérabilité. Un plombier, un électricien, un infirmier sont aujourd’hui moins exposés à la substitution par l’IA qu’un analyste financier junior, un rédacteur de contenus marketing, un assistant juridique ou un développeur web. Le travail physique ancré dans le monde réel, qui nécessite présence, adaptabilité sensorielle et interaction humaine directe, résiste mieux que le travail cognitif dématérialisé qui transite par des écrans et des bases de données.

Les premières données disponibles confirment cette tendance. Plusieurs grandes entreprises technologiques américaines ont annoncé au cours des douze derniers mois des réductions de leurs équipes de contenu, de support client, de développement logiciel et d’analyse de données. Ces annonces sont accompagnées, dans les communications officielles, d’une rhétorique soigneusement calibrée sur la « réorganisation stratégique » et l’« optimisation des ressources ». Mais derrière ces formulations neutres, la réalité est plus crue : des milliers de personnes diplômées, compétentes, habituées à une certaine sécurité professionnelle, découvrent que leur valeur sur le marché du travail est en train de se redéfinir brutalement.

La médecine, le droit, l’éducation : les bastions vacillants

Trois secteurs longtemps considérés comme des refuges quasi inexpugnables face à l’automatisation montrent désormais des signes de fragilité. Dans le domaine médical, les systèmes d’IA atteignent ou dépassent les performances humaines dans la lecture d’imagerie médicale, la détection précoce de certains cancers, l’analyse de données génomiques. Cela ne signifie pas que les médecins disparaissent — la relation thérapeutique, le diagnostic différentiel complexe, l’accompagnement humain demeurent irremplaçables — mais certaines spécialités et certaines fonctions pourraient être profondément restructurées. Dans le droit, les tâches de recherche documentaire, de rédaction de contrats standardisés, d’analyse de jurisprudence sont déjà en partie automatisées. Dans l’éducation, les outils d’IA générative redéfinissent ce que signifie enseigner, apprendre, évaluer.

Ce qui me préoccupe le plus, ce n’est pas la disparition des emplois existants — les sociétés humaines ont toujours su s’adapter à de nouvelles réalités productives. Ce qui me préoccupe, c’est la vitesse. Les transitions sociales réussies dans l’histoire ont duré des générations. Nous parlons ici d’une transformation qui se joue en quelques années. Les filets de sécurité ne suivent pas.

Le discours de la complémentarité

Face aux critiques et aux inquiétudes, les grandes entreprises technologiques ont développé un discours rodé, déclinable à l’infini : l’IA ne remplace pas les humains, elle les augmente. Ce narratif de la complémentarité est séduisant, et il n’est pas entièrement faux. Dans de nombreux contextes, les outils d’IA permettent effectivement aux travailleurs de se concentrer sur des tâches à plus haute valeur ajoutée, de traiter des volumes d’information impossibles à gérer manuellement, d’améliorer la qualité de leurs décisions. Des chirurgiens assistés par l’IA opèrent avec plus de précision. Des enseignants munis d’outils adaptatifs personnalisent leur pédagogie. Des chercheurs équipés de modèles de simulation progressent plus vite.

Mais ce narratif a ses limites. La complémentarité est réelle là où les entreprises choisissent de l’investir. Elle est beaucoup moins évidente là où la pression concurrentielle pousse à la substitution pure et simple. Une entreprise qui peut produire le même volume de travail analytique avec dix personnes au lieu de cent va rarement maintenir ses cent employés pour le principe. Les décisions d’embauche et de licenciement répondent à une logique économique, pas à une logique de bienveillance sociale. Confondre les deux, c’est soit de la naïveté, soit de la communication stratégique.

Les engagements creux et les politiques manquantes

À ce jour, les politiques publiques de la plupart des grandes économies mondiales restent en retard sur la réalité de la disruption. Les débats législatifs sur la régulation de l’IA se concentrent principalement sur des enjeux de sécurité, de biais algorithmiques, de droits d’auteur et de désinformation — tous légitimes — mais abordent beaucoup moins frontalement la question de l’impact sur le marché du travail. L’Union européenne, avec son AI Act, a posé des bases réglementaires importantes sur les risques systémiques. Mais les mécanismes de protection et de reconversion pour les travailleurs déplacés par l’IA restent largement à construire.

Les entreprises parlent de complémentarité dans leurs communiqués de presse et pratiquent la substitution dans leurs budgets. Ce n’est pas de l’hypocrisie au sens moral du terme — c’est simplement la logique du capitalisme à court terme. Le problème, c’est que personne d’autre ne semble avoir de plan B pour les millions de personnes qui vont se retrouver entre les deux.

Les premières destructions documentées

Au-delà des projections et des modèles théoriques, les données concrètes commencent à s’accumuler. Les enquêtes conduites auprès d’entreprises ayant adopté massivement des outils d’IA générative font apparaître des tendances cohérentes. Dans les centres de service client, les volumes de demandes traitées par des agents humains ont chuté significativement dans les entreprises pionnières de l’automatisation. Dans les agences de communication et de marketing, la production de contenus textuels génériques est désormais largement automatisée. Dans les cabinets comptables et d’audit, les tâches de réconciliation, d’analyse de risque standard et de production de rapports sont en cours d’automatisation rapide.

Les chiffres de l’emploi agrégé dans ces secteurs ne reflètent pas encore pleinement ces tendances — les licenciements massifs annoncés sont souvent accompagnés de gels d’embauche plutôt que de suppressions brutales de postes, ce qui rend les effets moins visibles à court terme. Mais les flux d’embauche racontent une histoire différente : dans plusieurs grandes entreprises technologiques, le ratio recrutements humains / déploiements de solutions IA s’est inversé de manière spectaculaire entre 2023 et 2025. On recrute moins. On déploie plus.

Les créations d’emplois : réelles mais insuffisantes

Les défenseurs de la thèse optimiste ne manquent pas d’arguments factuels non plus. Il est vrai que de nouveaux métiers émergent : ingénieurs de prompt, superviseurs de systèmes d’IA, spécialistes de l’éthique algorithmique, formateurs de modèles, auditeurs de biais. Ces fonctions n’existaient pas il y a cinq ans. Certaines offrent des rémunérations élevées et des perspectives d’évolution réelles. Le problème, que soulignent précisément les auteurs de la note qui a fait frémir Wall Street, est celui de l’adéquation entre les profils déplacés et les nouveaux postes créés. Une comptable de cinquante ans dont le poste est supprimé ne se reconvertit pas en ingénieure de prompt en six mois. Un rédacteur de contenus dont le travail est automatisé ne devient pas naturellement superviseur de systèmes d’IA.

Je ne nie pas que de nouveaux emplois se créent. Je pose la question de savoir pour qui. Les gagnants de la transition IA semblent être, jusqu’à présent, ceux qui avaient déjà les moyens et la formation pour s’adapter. Les autres héritent de l’incertitude. C’est un schéma que nous avons déjà vu. Et nous n’avons pas encore appris à le corriger.

Quand le narratif dépasse la réalité

Il serait malhonnête d’analyser l’impact de cette note de blog sans examiner le rôle des médias dans son amplification. Le texte original était rigoureux, nuancé, construit sur des données vérifiables. La couverture médiatique qui en a suivi était, dans de nombreux cas, beaucoup moins sobre. Les titres accrocheurs promettant la « fin du travail », les « millions de chômeurs demain », l’« IA qui va tout détruire » ont contribué à créer un climat d’anxiété qui, s’il n’est pas totalement injustifié, ne rend pas service à la compréhension des enjeux réels.

L’économie de l’attention dans laquelle opèrent les médias contemporains pousse structurellement vers la dramatisation. Un article qui explique que l’IA va transformer le marché du travail de manière complexe, progressive et différenciée selon les secteurs, les régions et les profils génère moins de clics qu’un article annonçant que l’IA va supprimer votre emploi d’ici dix-huit mois. Cette dynamique est compréhensible d’un point de vue commercial, mais elle produit un bruit informationnel qui complique la réflexion publique et la prise de décision politique.

La responsabilité des experts et des chercheurs

Les auteurs de la note incriminée ont, pour leur part, assumé leur part de responsabilité. Ils ont publié des clarifications, accordé des interviews, participé à des tables rondes pour contextualiser leurs données et nuancer leurs projections. Mais dans l’écosystème médiatique actuel, les clarifications voyagent moins vite que les titres chocs. Le biais de confirmation fait le reste : ceux qui avaient peur de l’IA ont retenu les chiffres les plus alarmants ; ceux qui y voyaient une opportunité ont relevé les nuances rassurantes. Une même note peut nourrir des lectures diamétralement opposées selon le prisme du lecteur.

Il y a une responsabilité particulière pour quiconque s’exprime publiquement sur des sujets qui touchent à la vie des gens. Alimenter la peur sans perspective, c’est irresponsable. Nier les risques réels, c’est tout autant. Le chemin entre les deux est étroit, mais il est la seule voie honnête.

Réguler sans asphyxier : l’équation impossible

La question de la régulation de l’IA est désormais au cœur des agendas politiques dans la plupart des grandes démocraties. Mais elle se heurte à une tension fondamentale : réguler trop fort risque de freiner l’innovation, de déplacer les développements vers des juridictions moins exigeantes, de priver des économies nationales d’un avantage concurrentiel dans une course technologique mondiale qui est aussi une course géopolitique. Réguler trop peu risque de laisser se déployer des dynamiques économiques et sociales déstabilisatrices, sans filets de sécurité suffisants pour les populations les plus vulnérables.

L’Union européenne a choisi la voie de la réglementation proactive. Les États-Unis ont jusqu’ici privilégié une approche plus libérale, avec quelques garde-fous sectoriels. La Chine déploie l’IA dans le cadre d’une stratégie étatique intégrée qui ne se préoccupe pas des mêmes contraintes démocratiques. Ces trois modèles produiront des résultats différents — pour leurs citoyens, pour leurs entreprises, pour l’équilibre géopolitique mondial. Aucun n’a encore démontré qu’il avait trouvé la bonne formule.

L’éducation et la formation : la seule réponse durable

Si l’on met de côté les propositions les plus radicales — taxe sur les robots, revenu universel, moratoire sur certains développements — la réponse la plus consensuelle parmi les économistes et les décideurs est celle de l’investissement massif dans l’éducation et la formation continue. L’idée est simple : si l’IA transforme en profondeur les compétences requises sur le marché du travail, préparer les travailleurs à ces nouvelles réalités est la meilleure protection contre l’obsolescence professionnelle. Les systèmes éducatifs doivent évoluer pour enseigner non pas des compétences spécifiques qui seront bientôt automatisables, mais des capacités d’adaptation, de pensée critique, de créativité, de collaboration — ce que certains théoriciens appellent les compétences de second ordre.

On parle d’investir dans l’éducation comme si c’était une découverte récente. Nous le savons depuis des décennies. Le problème n’est pas le diagnostic. C’est la volonté politique de financer cette transformation à la hauteur de son urgence réelle. Et là, les discours et les actes divergent de manière préoccupante.

L’anxiété de l’incertitude professionnelle

Derrière les chiffres et les débats théoriques, il y a des hommes et des femmes qui se lèvent chaque matin avec une question qui ne les quittait pas il y a encore quelques années : est-ce que mon poste existera encore dans deux ans ? Cette anxiété est documentée par les enquêtes. Les sondages auprès des travailleurs du secteur cognitif dans les pays développés montrent des niveaux d’inquiétude professionnelle significativement plus élevés qu’avant la généralisation des outils d’IA générative. Cette inquiétude n’est pas irrationnelle. Elle est fondée sur des signaux concrets : collègues dont les postes sont supprimés, annonces de réorganisation, gels d’embauche, budgets RH réorientés vers l’outillage technologique.

Ce que les enquêtes révèlent également, c’est une fracture générationnelle dans la perception de cette disruption. Les jeunes entrant sur le marché du travail, qui ont été formés avec ces outils et qui les considèrent comme des composantes naturelles de leur environnement professionnel, sont en moyenne moins anxieux que leurs aînés. Les travailleurs en milieu ou en fin de carrière, dont les compétences ont été acquises dans un contexte professionnel différent, ressentent plus directement la pression. Ce clivage générationnel ajoute une dimension supplémentaire à l’enjeu de justice sociale soulevé par la transition en cours.

Les stratégies individuelles d’adaptation

Face à cette réalité, de nombreux travailleurs développent des stratégies individuelles d’adaptation qui méritent d’être reconnues et soutenues. Certains investissent dans leur montée en compétences sur les outils d’IA, apprenant à travailler avec ces systèmes plutôt que de les ignorer ou de les subir. D’autres se repositionnent vers des fonctions où la valeur relationnelle et humaine reste irremplaçable : conseil personnalisé, accompagnement émotionnel, négociation complexe, leadership d’équipes. D’autres encore font le choix de se diriger vers des secteurs moins exposés à la substitution immédiate. Ces stratégies individuelles sont compréhensibles, mais elles ne peuvent pas tenir lieu de politique publique. Elles sélectionnent les plus adaptables, les mieux informés, les plus mobiles — et laissent de côté ceux qui n’ont pas les ressources ou les filets de sécurité nécessaires pour opérer ces pivots professionnels.

Ce que j’observe dans mon entourage professionnel, c’est une forme de résignation lucide chez certains, et une énergie d’adaptation remarquable chez d’autres. La différence entre les deux tient souvent moins au talent ou à la volonté qu’aux circonstances : âge, situation familiale, ressources financières, réseau. L’IA accentue les inégalités existantes. Elle ne les crée pas. Mais elle les accélère.

Repenser le travail, repenser la valeur

La disruption en cours par l’IA offre une occasion rare — et douloureuse — de poser des questions fondamentales que nos sociétés avaient évitées pendant des décennies. Que valorisons-nous dans le travail humain ? Est-ce l’efficacité productive, la capacité à générer de la valeur économique mesurable ? Ou y a-t-il dans le travail une dimension de dignité, de sens, d’appartenance sociale qui résiste à toute mesure économique ? Si l’IA peut produire le même résultat qu’un humain qualifié, mais que cet humain perd son emploi dans la transaction, qu’est-ce que la société y a vraiment gagné ?

Ces questions ne sont pas nouvelles dans la philosophie politique et économique. Elles ont été posées, sous différentes formes, par des penseurs aussi différents que John Maynard Keynes, qui anticipait en 1930 une semaine de travail de quinze heures grâce aux gains de productivité technologiques, et Hannah Arendt, qui distinguait l’œuvre, le travail et l’action comme trois formes irréductibles de l’activité humaine. Ce que l’IA force à faire, c’est de sortir ces débats des amphithéâtres de philosophie pour les amener au centre de la décision politique et économique. Nous n’avons plus le luxe de les traiter comme des exercices spéculatifs.

Vers une redéfinition du contrat social

Ce à quoi nous assistons, en filigrane de tous ces débats sur l’emploi et l’IA, c’est à un questionnement profond du contrat social tel qu’il a été construit au cours du XXe siècle. Ce contrat reposait sur une équation relativement simple : les individus échangent leur temps et leurs compétences contre une rémunération, une protection sociale, un statut et un sentiment d’appartenance à un collectif productif. L’État-providence garantissait les transitions entre emplois, protégeait contre les risques de la maladie, du chômage et de la vieillesse. Ce modèle a certes connu des évolutions et des crises, mais ses fondements restaient stables. Ce que l’IA met à l’épreuve, c’est précisément cette équation de base : si le travail humain devient, dans des pans entiers de l’économie, moins nécessaire ou moins compétitif, comment reconstruire ce contrat social sur des bases nouvelles ?

Nous sommes à un de ces moments rares où les questions fondamentales ne peuvent plus être différées. L’IA ne nous demande pas simplement d’adapter nos compétences. Elle nous demande de revoir notre rapport au travail, à la valeur, à la solidarité. Ce n’est pas une question technologique. C’est une question civilisationnelle. Et les réponses ne viendront pas des ingénieurs qui construisent les modèles.

Ce que la note de blog nous a vraiment appris

Si la note de blog qui a fait frémir Wall Street nous a enseigné quelque chose, c’est que nous n’avons toujours pas, collectivement, de cadre de pensée commun pour aborder la transition en cours. Nous oscillons entre des extrêmes également improductifs : d’un côté, un techno-optimisme qui minimise les coûts humains réels de la disruption ; de l’autre, une technophobie qui refuse de voir les possibilités réelles que l’IA ouvre dans des domaines aussi cruciaux que la santé, l’environnement, la recherche scientifique. Entre ces deux postures, il y a un espace pour une analyse rigoureuse, honnête et courageuse — ni rassurante ni alarmiste, mais lucide.

Ce que les faits nous disent, c’est que la disruption est réelle, qu’elle est en cours, et qu’elle s’accélère. Que ses effets sont inégalement distribués et que, sans intervention délibérée des politiques publiques, elle risque d’exacerber des fractures sociales et économiques déjà profondes. Que les mécanismes de compensation historiques — réallocation sectorielle, création de nouveaux emplois, amélioration du niveau de vie global — existent mais opèrent plus lentement que la disruption elle-même. Et que les réponses adéquates requièrent un niveau de coopération entre États, entreprises, institutions éducatives et société civile que nous n’avons pas encore su mobiliser.

La seule question qui compte vraiment

Au fond, la note de blog qui a affolé les marchés posait une question que nous avions déjà, mais en des termes qui ne nous permettaient plus de l’esquiver. Cette question n’est pas L’IA va-t-elle nous remplacer ? Elle est plus profonde et plus exigeante : Quel type de société voulons-nous construire avec l’IA ? Si nous laissons les seules logiques du marché décider, la réponse s’écrira d’elle-même — et beaucoup d’entre nous n’aimeront pas le texte qu’elles produiront. Si nous choisissons d’exercer une volonté collective consciente, de réguler, d’investir, de redistribuer, de repenser les structures qui organisent nos vies, alors l’IA peut effectivement devenir ce qu’elle promet d’être dans ses meilleurs usages : un multiplicateur de capacités humaines au service du plus grand nombre. Mais cette promesse ne se réalisera pas toute seule. Elle attend une décision politique. Elle attend une société qui se décide à agir.

Une note de blog a fait trembler Wall Street. Ce tremblement n’était pas irrationnel. Il était le signe que quelque chose que nous savions confusément venait d’être dit clairement, et que nous ne pouvions plus prétendre ne pas l’avoir entendu. La vraie question, maintenant, c’est ce que nous allons faire de cette clarté.

Signé Jacques Pj Provost