Pourquoi la croissance exponentielle de l'IA présente un angle mort majeur

Lorsqu'on aborde les thèmes de l'IA et de l'avenir du travail, on entend souvent dire que l'intelligence artificielle remplacera bientôt les développeurs, les consultants et les managers. Pourtant, un examen plus approfondi des principes scientifiques sous-jacents aux grands modèles de langage (brillamment analysés récemment dans cette vidéo par un chercheur italien spécialisé en technologies) révèle une lacune majeure dans ce discours marketing.

Face à la croissance exponentielle des capacités de l'IA, on suppose que l'obsolescence humaine est imminente.

Cette panique est alimentée par des histoires virales. Vous avez peut-être vu la publication du développeur Matt Schumer affirmant que, puisque l'IA écrit désormais tout son code, elle s'emparera bientôt du droit, finance, de la médecine et du conseil. Ajoutez à cela les citations de personnalités comme Sam Altman prédisant un monde de croissance économique illimitée dans son essai « L'Ère de l'Intelligence », et il est facile de se sentir dépassé.

Mais la réalité des progrès de l'IA est bien plus nuancée. Les récentes avancées en matière de performance sont ce que les chercheurs qualifient de « suspectement spécifiques ».

L'illusion du référentiel

Si l'on examine les benchmarks d'IA modernes, les courbes de performance sont en nette progression. Le benchmark METR, un outil d'évaluation très réputé, a récemment démontré que des modèles d'IA atteignaient des performances impressionnantes sur des tâches qui nécessiteraient normalement entre 8 et 14 heures de travail pour un expert humain.

Mais à y regarder de plus près, la situation se complique. Ces objectifs ne sont atteints que dans environ 50 % des cas. Plus important encore, les tâches évaluées se limitent presque exclusivement au génie logiciel, à l'apprentissage automatique et à la cybersécurité. Lorsque les chercheurs tentent d'évaluer ces modèles sur des tâches globales et non algorithmiques, leurs performances chutent considérablement.

Cette baisse de fiabilité en dehors d'environnements strictement contrôlés correspond précisément au risque structurel que j'ai mis en lumière dans * L'exode de l'IA : Pourquoi les constructeurs se méfient du bâtiment*. Lorsqu'une IA se heurte à une lacune dans ses connaissances au sein d'un scénario complexe et critique, le taux d'hallucinations explose, prouvant ainsi que des scores élevés aux tests de référence ne garantissent pas automatiquement la sécurité de l'entreprise.

Le moteur secret : RLVR

Les gains massifs enregistrés dans les modèles entre fin 2025 et début 2026 proviennent d'une technique d'entraînement spécifique appelée apprentissage par renforcement à partir de récompenses vérifiables (RLVR).

L'apprentissage par renforcement et la vérification de la logique (RLVR) sont particulièrement performants lorsqu'un problème admet une réponse stricte et vérifiable. Les mathématiques, la programmation et les énigmes logiques s'y prêtent parfaitement. On peut générer des milliards de tests synthétiques, et la machine peut instantanément vérifier si sa réponse est correcte ou incorrecte. Elle renforce automatiquement les raisonnements corrects et abandonne les erronés. Des études récentes font l'objet de vifs débats : le RLVR enseigne-t-il réellement de nouvelles compétences de raisonnement aux modèles ou se contente-t-il de les rendre plus efficaces pour retrouver des raisonnements qu'ils connaissaient déjà ? Quel que soit le mécanisme sous-jacent, le résultat est le même : la machine excelle en logique vérifiable.

Le monde réel est chaotique

Pensez à un problème concret d'entreprise. Faut-il lancer une nouvelle stratégie tarifaire ? Comment gérer une négociation délicate avec un fournisseur ? Comment piloter l'intégration complexe d'un entrepôt au sein d'une entreprise aux cultures différentes ?

Ces situations n'admettent pas de réponse unique et vérifiable. Il est impossible de générer automatiquement un million de scénarios synthétiques pour entraîner un modèle à l'empathie humaine ou au compromis stratégique. Les problèmes du monde réel exigent un apprentissage continu, une généralisation du domaine et un jugement social.

C’est précisément cette dynamique que j’ai explorée dans * Quand le logiciel s’écrit tout seul : l’illusion de l’ERP maison*. La capacité d’une IA à générer un code parfait grâce à l’apprentissage par renforcement et la réalité virtuelle est totalement différente de la conception d’un système d’information conforme et responsable. Les logiciels d’entreprise exigent une compréhension approfondie des législations locales et des règles métier parfois contradictoires, des domaines où l’IA manque encore fondamentalement de contexte.

Même les plus grands chercheurs en IA reconnaissent cette lacune. Si Dario Amodei d'Anthropic espère que l'apprentissage par renforcement et la réalité virtuelle (RLVR) finiront par combler ce fossé et mener à une intelligence générale, Demis Hassabis de Google DeepMind affirme clairement que les grands modèles de langage ne suffisent pas. Nous avons besoin de systèmes capables d'apprendre en continu et de construire de véritables modèles du monde physique.

Le rebondissement de l'intrigue d'IBM

Le monde de l'entreprise commence déjà à prendre conscience de ces limites. Voyez ce qui s'est passé début février 2026 : IBM a annoncé un plan ambitieux visant à tripler ses embauches de débutants aux États-Unis.

Pourquoi un géant de la tech embaucherait-il davantage de juniors alors que l'IA est censée prendre le relais ? IBM a compris que si l'IA peut gérer les tâches de codage et les requêtes administratives courantes, elle ne peut pas remplacer l'humain. L'entreprise a donc entièrement repensé ses postes d'entrée de gamme. Désormais, les développeurs juniors consacrent moins de temps à écrire du code répétitif et davantage à collaborer avec les clients. Les équipes RH se concentrent sur le conseil aux managers et l'audit des systèmes d'IA plutôt que sur la réponse à des questions répétitives.

Nickle LaMoreaux, directrice des ressources humaines d'IBM, l'a clairement affirmé : sans un vivier de jeunes talents formés dès aujourd'hui, les entreprises seront confrontées demain à une grave pénurie de cadres intermédiaires expérimentés. Nos rôles évoluent et deviennent plus stratégiques.

Informations exploitables

Alors, comment pérenniser sa carrière dans ce contexte en pleine mutation ?

1. Misez sur les compétences transversales : concentrez-vous sur les aptitudes qui ne peuvent être vérifiées automatiquement par un algorithme. La négociation, la résolution stratégique de problèmes et la capacité à généraliser à des domaines différents sont vos atouts majeurs.
2. Devenez un orchestrateur de l'IA : à l'instar des nouvelles recrues d'IBM, apprenez à collaborer avec l'IA. Utilisez-la pour gérer les tâches routinières et vérifiables afin de consacrer votre énergie aux interactions clients à forte valeur ajoutée.
3. Cultivez votre curiosité : la curiosité a toujours été au cœur de toutes mes expériences. Je suis convaincu que si nous cessons de rechercher de nouvelles connaissances, nous risquons de devenir obsolètes. Mettez constamment à jour vos modèles mentaux.

L'idée que l'IA remplacera purement et simplement les travailleurs humains est incomplète. Certes, cette technologie est indéniablement puissante dans des domaines spécifiques et très structurés. Mais dans la réalité complexe et parfois chaotique du monde des affaires et des interactions humaines, notre travail évolue : on passe de tâches répétitives à la construction de relations et au raisonnement complexe. L'avenir appartient à ceux qui sauront s'adapter.

Écrit par Andrea Guaccio 

4 mars 2026