Vape, acier et intelligence infinie : celui qui possède la matière première de l'IA peut définir l'époque

Nous sommes toujours dans la « phase de la roue hydraulique » de l’IA, en forçant les chatbots dans des flux de travail conçus pour l’humain. Chaque époque est façonnée par ses matières premières technologiques uniques. Le fer a forgé l’ère dorée, les semi-conducteurs ont lancé l’ère numérique. Aujourd’hui, l’intelligence artificielle arrive sous une forme d’intelligence infinie. L’histoire nous enseigne : celui qui maîtrise la matière première définit l’époque.

Gauche : le jeune Andrew Carnegie et son frère. Droite : l’usine sidérurgique de Pittsburgh à l’époque dorée.

Dans les années 1850, Andrew Carnegie était encore un télégraphiste courant dans les rues boueuses de Pittsburgh, à une époque où six Américains sur dix étaient des agriculteurs. En à peine deux générations, Carnegie et ses pairs ont forgé le monde moderne : les chevaux ont cédé la place aux chemins de fer, la lumière à la bougie, le fer à l’acier.

Depuis lors, le travail s’est déplacé des usines vers les bureaux. Aujourd’hui, je dirige une entreprise de logiciels à San Francisco, créant des outils pour des milliers de travailleurs du savoir. Dans cette petite ville technologique, tout le monde parle d’intelligence artificielle générale (AGI), mais la majorité des deux milliards de travailleurs de bureau ne la ressentent pas encore. Que sera le travail de connaissance dans un avenir proche ? Que se passera-t-il lorsque la structure organisationnelle intégrera une intelligence sans repos ?

Les premiers films ressemblaient souvent à des pièces de théâtre, avec une seule caméra filmant la scène.

L’avenir est souvent difficile à prévoir, car il se déguise toujours en passé. Les premiers appels ressemblaient à des télégrammes, les premiers films à des enregistrements de pièces de théâtre. Comme le disait Marshall McLuhan : « Nous conduisons toujours vers l’avenir en regardant dans le rétroviseur. »

L’intelligence artificielle la plus répandue aujourd’hui ressemble encore à une recherche Google d’autrefois. Pour citer McLuhan : « Nous conduisons toujours vers l’avenir en regardant dans le rétroviseur. » Aujourd’hui, ce que nous voyons, c’est un chatbot IA qui imite la barre de recherche Google. Nous sommes profondément immergés dans cette période de transition inconfortable qui accompagne chaque révolution technologique.

Je n’ai pas toutes les réponses sur ce que sera l’avenir, mais j’aime utiliser quelques métaphores historiques pour réfléchir à la façon dont l’IA pourrait jouer un rôle à différents niveaux : individuel, organisationnel, voire économique.

Personne : du vélo à la voiture

Les premiers signes apparaissent chez les « praticiens avancés » du travail de connaissance, comme les programmeurs.

Mon cofondateur Simon était un « programmeur dix fois plus efficace », mais il code rarement lui-même ces jours-ci. En passant devant son poste, vous le verrez gérer simultanément trois ou quatre assistants de programmation IA. Ces assistants ne tapent pas seulement plus vite, ils réfléchissent aussi, faisant de lui un ingénieur 30 à 40 fois plus productif. Il planifie ses tâches avant le déjeuner ou avant de dormir, laissant l’IA continuer à travailler lorsqu’il s’éloigne. Il est devenu un gestionnaire d’intelligence infinie.

Une étude des années 1970 dans « Scientific American » sur l’efficacité du mouvement a inspiré Steve Jobs à utiliser la métaphore célèbre du « vélo de la pensée ». Mais depuis, nous avons passé des décennies à pédaler sur l’autoroute de l’information.

Dans les années 1980, Steve Jobs qualifiait l’ordinateur personnel de « vélo de la pensée ». Une décennie plus tard, nous avions pavé ce qui s’appelait l’autoroute de l’information. Mais aujourd’hui, la majorité du travail de connaissance dépend encore de l’humain. C’est comme si nous roulions toujours à vélo sur cette autoroute.

Avec un assistant IA, des personnes comme Simon ont déjà passé du vélo à la voiture.

Mais quand pourra-t-on « conduire une voiture » dans d’autres types de travail de connaissance ? Deux questions doivent être résolues.

Pourquoi l’assistance IA en programmation est-elle plus facile que pour le travail de connaissance ? Parce que ce dernier est plus dispersé et plus difficile à vérifier.

D’abord, la fragmentation du contexte. En programmation, les outils et le contexte sont souvent concentrés en un seul endroit : environnement de développement intégré, dépôt de code, terminal. Mais pour la majorité des tâches de connaissance, tout est dispersé dans une trentaine d’outils. Imaginez un assistant IA qui tente de rédiger une fiche produit : il doit extraire des informations de discussions Slack, de documents stratégiques, de tableaux de bord avec des données du trimestre précédent, et de la mémoire organisationnelle résidant uniquement dans la tête d’une personne. Aujourd’hui, l’humain sert de colle, copiant-collant et naviguant entre onglets de navigateur pour tout assembler. Tant que le contexte n’est pas intégré, l’assistant IA ne pourra qu’être limité à des usages étroits.

Le deuxième élément manquant est la vérifiabilité. Le code a une propriété magique : on peut le vérifier par des tests et des erreurs. Les développeurs de modèles utilisent cela pour entraîner l’IA à mieux programmer via l’apprentissage par renforcement. Mais comment vérifier si un projet de gestion est bien fait, ou si une note stratégique est excellente ? Nous n’avons pas encore trouvé comment améliorer le modèle de travail de connaissance général. Par conséquent, l’humain doit toujours superviser, guider et démontrer ce qu’est un « bon » travail.

En 1865, la « Red Flag Act » exigeait qu’un piéton portant un drapeau marche devant une voiture pour la faire circuler dans la rue (cette loi a été abrogée en 1896).

Les pratiques de programmation de cette année montrent que « l’humain dans la boucle » n’est pas toujours idéal. C’est comme faire inspecter chaque boulon sur une ligne de production ou marcher devant la voiture pour faire la signalisation (voir la « Red Flag Act » de 1865). Nous devrions plutôt faire en sorte que l’humain supervise à un niveau supérieur, plutôt que d’être au cœur du processus. Une fois que le contexte sera intégré, le travail deviendra vérifiable, et des milliards de travailleurs passeront du « pédalage » à la « conduite », puis à la « conduite autonome ».

Organisation : acier et vapeur

Les entreprises sont une invention moderne, dont l’efficacité diminue à mesure qu’elles grossissent, jusqu’à atteindre une limite.

Organigramme de la New York & Erie Railroad en 1855. La structure organisationnelle des entreprises modernes a évolué à partir des compagnies ferroviaires, qui étaient parmi les premières à nécessiter la coordination à distance de milliers de personnes.

Il y a quelques siècles, la plupart des entreprises n’étaient que des ateliers d’une dizaine de personnes. Aujourd’hui, nous avons des multinationales avec des centaines de milliers d’employés. Les infrastructures de communication, basées sur des réunions et des réseaux d’informations entre cerveaux, sont surchargées par une charge exponentielle. Nous tentons de résoudre cela avec des hiérarchies, des processus et des documents, mais c’est comme construire un gratte-ciel en bois : utiliser des outils à l’échelle humaine pour résoudre des problèmes à l’échelle industrielle.

Deux métaphores historiques illustrent comment, lorsque l’organisation adopte de nouvelles matières premières technologiques, son avenir peut prendre des formes radicalement différentes.

Le miracle de l’acier : en 1913, l’Empire State Building de New York, alors le plus haut du monde.

La première est l’acier. Avant l’acier, la hauteur des bâtiments au XIXe siècle était limitée à six ou sept étages. Le fer, bien que solide, était cassant et lourd ; augmenter le nombre d’étages risquait de faire s’effondrer la structure sous son propre poids. L’acier a tout changé. Il est à la fois solide et flexible, permettant des cadres plus légers, des murs plus fins, et des bâtiments qui s’élèvent soudainement à plusieurs dizaines d’étages. La nouvelle architecture est devenue possible.

L’IA est le « fer » de l’organisation. Elle pourrait maintenir la cohérence contextuelle dans tous les flux de travail, fournir des décisions lorsque nécessaire, sans bruit ni distraction. La communication humaine n’a plus besoin d’être une paroi porteuse. Une réunion de synchronisation de deux heures par semaine pourrait devenir une vérification asynchrone de cinq minutes ; une décision de haut niveau nécessitant trois niveaux d’approbation pourrait être prise en quelques minutes. Les entreprises pourront réellement atteindre l’échelle, évitant la décroissance de performance que nous avons toujours considérée comme inévitable.

Une grange à eau entraînée par une roue hydraulique. La puissance hydraulique est forte mais instable, dépendant du lieu et de la saison.

La deuxième histoire concerne la machine à vapeur. Au début de la révolution industrielle, les premières usines textiles étaient construites au bord des rivières, utilisant des roues à eau pour la propulsion. Après l’apparition de la machine à vapeur, les propriétaires d’usines ont d’abord simplement remplacé la roue à eau par une machine à vapeur, tout le reste étant resté identique, avec une productivité limitée.

Le vrai saut a eu lieu lorsque les industriels ont compris qu’ils pouvaient se libérer totalement de la dépendance à l’eau. Ils ont construit de plus grandes usines près des travailleurs, des ports et des matières premières, et ont repensé la disposition autour de la machine à vapeur (plus tard, avec la généralisation de l’électricité, ils ont encore plus séparé la source d’énergie centrale en dispersant de petits moteurs dans toute l’usine pour alimenter différentes machines). La productivité a explosé, marquant le début de la seconde révolution industrielle.

Une gravure de Thomas Allom de 1835, représentant une usine textile à vapeur dans le Lancashire, en Angleterre.

Nous sommes encore dans la phase de « remplacement de la roue hydraulique ». En forçant les chatbots IA dans des flux de travail conçus pour l’humain, nous n’avons pas encore repensé ce que sera l’organisation lorsque les anciennes contraintes disparaîtront, et que les entreprises pourront fonctionner grâce à une intelligence infinie qui travaille même pendant votre sommeil.

Dans mon entreprise, Notion, nous expérimentons constamment. Outre 1000 employés, plus de 700 assistants IA gèrent des tâches répétitives : enregistrer des réunions, répondre aux questions pour centraliser la connaissance d’équipe, traiter des demandes IT, recueillir les retours clients, aider les nouveaux employés à se familiariser avec les avantages, rédiger des rapports hebdomadaires pour éviter la copie manuelle… Ce n’est que le début. Le vrai potentiel est limité uniquement par notre imagination et notre inertie.

Économie : de Florence aux mégapoles

Le fer et la vapeur ont changé non seulement l’architecture et les usines, mais aussi les villes.

Il y a quelques siècles, les villes étaient encore à l’échelle humaine. On pouvait traverser Florence à pied en quarante minutes, le rythme de vie étant dicté par la distance de marche et la propagation du son.

Puis, la structure en acier a permis l’émergence des gratte-ciel ; la vapeur a permis de relier le centre-ville à ses périphéries par le rail ; l’ascenseur, le métro, l’autoroute ont suivi. La taille et la densité des villes ont explosé — Tokyo, Chongqing, Dallas.

Ce ne sont pas simplement des versions agrandies de Florence, mais de nouvelles façons de vivre. Les mégapoles peuvent désorienter, anonymiser, devenir difficiles à maîtriser. Ce « coût de l’échelle » est le prix du gigantisme. Mais elles offrent aussi plus d’opportunités, plus de liberté, permettant à davantage de personnes de s’engager dans une diversité d’activités, ce que la ville renaissance à l’échelle humaine ne pourrait jamais atteindre.

Je pense que l’économie du savoir va connaître une transformation similaire.

Aujourd’hui, le travail de connaissance représente près de la moitié du PIB américain, mais son fonctionnement reste largement à l’échelle humaine : équipes de dizaines, flux de travail dépendant des réunions et des courriels, organisations qui deviennent ingérables dès qu’elles dépassent la centaine de personnes… Nous construisons toujours la « Florence » avec des pierres et du bois.

Lorsque les assistants IA seront déployés à grande échelle, nous construirons une « Tokyo », une organisation composée de milliers d’IA et d’humains ; des flux de travail en continu, sans attendre que quelqu’un se réveille pour faire avancer les choses ; des décisions synthétisées avec la participation humaine à la bonne échelle.

Ce sera une expérience différente : plus rapide, avec un effet de levier plus fort, mais aussi initialement plus déroutante. La cadence des réunions hebdomadaires, la planification trimestrielle ou l’évaluation annuelle pourraient ne plus s’appliquer, laissant place à de nouveaux rythmes. Nous perdrons en clarté, mais gagnerons en échelle et en vitesse.

Au-delà de la roue hydraulique

Chaque nouvelle matière première technologique oblige à cesser de regarder le monde par le rétroviseur, pour commencer à imaginer un nouveau monde. Carnegie regardait l’acier et voyait la ligne d’horizon de la ville ; Lancashire, en observant la machine à vapeur, voyait une usine éloignée des rivières.

Nous sommes toujours dans la « phase de la roue hydraulique » de l’IA, en forçant les chatbots dans des flux de travail conçus pour l’humain. Nous ne devons pas simplement nous contenter de faire de l’IA un copilote, mais imaginer : lorsque l’organisation humaine sera renforcée par l’acier, lorsque les tâches triviales seront confiées à une intelligence sans repos, à quoi ressemblera le paysage du travail de connaissance ?

Acier, vapeur et intelligence infinie. La prochaine ligne d’horizon est devant nous, prête à être construite de nos mains.