L’IA va-t-elle remplacer les humains ? Allons-nous subir le plus grand changement de notre civilisation ? Devons-nous nous préparer à une crise sociale d’une ampleur inédite ?
À entendre certains doomers, on se croirait dans un film de science-fiction. Les entreprises adoptent l’IA massivement pour des avantages évidents de productivité et de coût. Des millions d’employés se retrouvent en situation précaire. Pris de court, les Etats cherchent des solutions. Mais les indicateurs économiques ne les aident pas. Cette crise sociale devient économique. Plus de chômage, moins de consommation, moins de croissance, moins de recettes fiscales.
Les gouvernements se retrouvent face au dilemme de régler une crise sociale ou de préserver les budgets de l’État. Plus de manifestations dans la rue ou plus d’emprunts auprès de la Banque mondiale ? Tel est le choix auquel feront face les décideurs demain.
Est-ce le scénario catastrophe qui nous attend dans quelques années ? Rien n’est moins sûr. Car si l’on peut convenir que l’IA transformera durablement notre façon de travailler, mais annoncer la fin du marché de l’emploi relève davantage du sensationnalisme que de l’analyse.
L’histoire nous a appris que chaque révolution technologique apportait son lot de destruction créatrice : des emplois qui disparaissent et d’autres qui apparaissent. Tel est le cycle des innovations depuis la machine à vapeur, et l’IA n’y échappera pas.
Ce qui est certain, c’est que la révolution de l’IA va transformer durablement presque tous les métiers intellectuels. Selon le dernier rapport d’Anthropic sur l’impact de l’IA sur le travail, le risque de remplacement dans plusieurs métiers est réel. De la finance à l’ingénierie, en passant par l’architecture, l’IA risque de bouleverser les métiers des cols blancs. Seuls les métiers manuels (agriculture, construction) ou sociaux (infirmière) seront épargnés.
Aurons-nous besoin d’un data analyst si un LLM produit une analyse similaire en quelques secondes ? Le développeur a-t-il encore un futur si l’IA peut générer plus rapidement un code d’une qualité équivalente ? Si le rapport ne tranche pas, pour le moment, sur une causalité établie entre l’IA et l’augmentation du taux de chômage, il pointe un ralentissement du recrutement des juniors sur les trois dernières années. Ce qui est sûr, c’est que nous ne sommes qu’au début de la vague de changement ; seul le futur nous aidera à évaluer l’impact réel des LLM sur ces métiers.
Mais avant de trancher sur le remplacement des humains par l’IA, il faut comprendre cette technologie pour prédire les avantages, mais aussi les limites de son utilisation dans un contexte d’entreprise. Nous allons nous concentrer dans cet article sur les LLMs (Chatgpt,Claude), qui constituent aujourd’hui la principale technologie ciblée par les entreprises.
Le premier frein à l’adoption du LLM par une entreprise reste sa nature stochastique. Face à la même requête, un LLM peut fournir des réponses différentes. Il échantillonne à partir d’une distribution de probabilités des tokens possibles. Un avantage dans un environnement personnel qui permet une plus grande créativité, mais qui se transforme en inconvénient dans un contexte professionnel où le besoin de prévisibilité et de traçabilité est non négociable.
Le service client d’une marque de luxe ne peut pas se permettre qu’un agent IA hallucine et propose, par exemple, de visiter le site d’un concurrent si le produit recherché n’est pas disponible.
L’expérience a démontré que les agents IA peuvent non seulement se tromper, mais aussi se montrer menaçants. Une autre étude d’Anthropic a démontré que, dans certains cas, ils ont eu recours à des comportements malveillants lorsque c’était le seul moyen d’éviter leur remplacement ou d’atteindre leurs objectifs — notamment en faisant du chantage à des responsables et en divulguant des informations sensibles à des concurrents. Certains modèles vont même jusqu’à simuler l’exécution d’une tâche.
Les LLMs seul ne suffit pas. Il faut un système de gouvernance capable de limiter les risques d’hallucination et de garantir la sécurité et la traçabilité. Salesforce par exemple propose aujourd’hui une suite d’outils, comme Agent Script ou Agent Graph, pour rendre les LLMs plus déterministes, accompagnée d’Einstein Trust Layer, la couche de sécurité et de protection contre les hallucinations et les comportements malveillants.
Les LLMs ont aussi besoin de contexte pour fonctionner correctement. En leur donnant accès aux données d’entreprise, ils peuvent répondre de façon plus précise aux requêtes. Ces données résident généralement dans les CRM ou les ERP, qui restent les SOR (systems of record) privilégiés des entreprises.
Ceux qui nous annonçaient la fin du SaaS aux mains des LLMs doivent revoir leur prophétie. Les SaaS seront encore là pour de longues années, et il ne faut pas confondre quelques perturbations boursières avec la réalité du terrain.
Mais qu’en est-il aujourd’hui de l’adoption des outils IA dans l’entreprise ? Selon le rapport de McKinsey sur l’état de l’IA, près des deux tiers des organisations n’arrivent pas encore à utiliser l’IA à grande échelle. La majorité des projets, pour le moment, restent en phase pilote. Plusieurs raisons sont invoquées, notamment la qualité des données, la résistance au changement et le manque de vision stratégique.
Bien que peu d’entreprises, pour le moment, rapportent un impact positif de l’IA sur la marge et les revenus, elles lui attribuent des bénéfices qualitatifs évidents.
Les entreprises doivent aujourd’hui repenser leurs processus métiers autour de ce qui peut être automatisé par l’IA — et surtout de ce qui doit impérativement rester sous contrôle humain. Cette approche permettra de maximiser les bénéfices de son utilisation tout en maîtrisant les risques opérationnels.
Rejoignez-nous sur WhatsApp
Rejoignez-nous sur telegram
Suivez-nous sur Google News
