Bloomberg : Comment l'intelligence artificielle va bouleverser l'organisation des entreprises ?
TechFlow SélectionTechFlow Sélection
Bloomberg : Comment l'intelligence artificielle va bouleverser l'organisation des entreprises ?
Le système économique s'est longtemps fondé sur l'idée que l'expertise était rare et coûteuse. L'intelligence artificielle est sur le point de rendre cette expertise abondante et quasiment gratuite.
Dédié à des analyses Web3 approfondies
Image : générée par WuJie AI
Dans la majeure partie de l'histoire humaine, embaucher une dizaine d'experts titulaires d'un doctorat exigeait généralement un budget colossal et des mois de préparation. Aujourd'hui, il suffit d’entrer quelques mots-clés dans un chatbot pour accéder instantanément à la sagesse de ces « cerveaux ».
Lorsque le coût de l’intelligence diminue et sa vitesse augmente, l’hypothèse fondamentale qui sous-tend nos institutions sociales — à savoir que « l’insight humain est rare et cher » — disparaît. Si nous pouvons à tout moment convoquer les avis d’une douzaine d’experts, comment les structures organisationnelles des entreprises vont-elles évoluer ? Comment notre manière d’innover va-t-elle changer ? Et chacun d’entre nous, comment devrions-nous aborder l’apprentissage et la prise de décision ? La question posée aux individus comme aux entreprises est la suivante : lorsque l’intelligence elle-même devient omniprésente et quasi gratuite, comment allez-vous agir ?
L’histoire de la baisse du prix de la sagesse
Nous avons déjà connu à plusieurs reprises dans l’histoire des baisses massives du coût des connaissances et une expansion fulgurante de leur diffusion. L’invention de l’imprimerie au milieu du XVe siècle a profondément réduit le coût de diffusion des documents écrits. Avant cela, les textes étaient copiés manuellement par des professionnels tels que des moines, ce qui était coûteux et lent.
Une fois ce goulot d’étranglement levé, l’Europe a connu des transformations sociales profondes : la Réforme protestante a provoqué un séisme religieux ; le taux d’alphabétisation a grimpé en flèche (jetant les bases de l’éducation primaire universelle) ; la recherche scientifique s’est développée grâce aux publications imprimées. Les pays orientés vers le commerce, comme les Pays-Bas et le Royaume-Uni, ont largement bénéficié de cette évolution : les Pays-Bas sont entrés dans leur « Âge d’or », tandis que le Royaume-Uni a continué à jouer un rôle central sur la scène mondiale pendant plusieurs siècles.
Avec le temps, l’alphabétisation généralisée et la diffusion de l’éducation publique ont élevé le niveau global de sagesse dans la société, posant ainsi les fondations de l’industrialisation. Les postes en usine se sont de plus en plus spécialisés, et une division du travail plus complexe a stimulé la croissance économique. À la fin du XVIIIe siècle, les pays où le taux d’alphabétisation masculine était élevé ont été les premiers à s’industrialiser ; à la fin du XIXe siècle, les économies technologiquement les plus avancées étaient aussi celles où le taux d’alphabétisation était le plus élevé. En acquérant de nouvelles compétences, les individus ont fait naître davantage de postes spécialisés, créant ainsi un cercle vertueux qui perdure jusqu’à aujourd’hui.
L’avènement d’Internet a porté cette tendance à un niveau encore supérieur. Dans mon enfance, si je voulais étudier un nouveau sujet, je devais me rendre à la bibliothèque avec un carnet, y chercher des ouvrages pendant des heures — rien que cette étape pouvait prendre une demi-journée. À l’époque, l’accès aux connaissances était onéreux et difficile.
Aujourd’hui, l’intelligence artificielle relaie ce flambeau millénaire de la « réduction du coût de la sagesse », ouvrant ainsi un nouveau chapitre à notre économie et à notre façon de penser.
Mon moment de révélation avec ChatGPT
J’ai utilisé ChatGPT pour la première fois en décembre 2022, et j’ai immédiatement senti qu’il s’agissait d’un produit charnière. Au départ, je me contentais de jeux numériques, comme demander à l’IA de « réécrire la Déclaration d’indépendance dans le style d’Eminem » (ce qu’elle a traduit approximativement par « Yo, on va le dire fort, ici personne ne sera mis à genoux », entre autres).
Rétrospectivement, c’était comme demander à un chef étoilé de préparer un simple sandwich au fromage grillé — un véritable gâchis de talent. Ce n’est qu’en janvier 2023, un après-midi, alors que je passais plusieurs heures avec ma fille de 12 ans à concevoir un nouveau jeu de société à l’aide de ChatGPT, que j’ai vraiment pris conscience du pouvoir de ces outils.
Nous avons d’abord indiqué à l’IA quels jeux nous aimions et quels autres non, puis lui avons demandé d’en analyser les points communs. Elle a identifié que nous apprécions des mécaniques telles que « construire des chemins », « gérer des ressources », « collecter des cartes », « élaborer des stratégies » et « maintenir une forte incertitude quant au résultat », tout en rejetant certains schémas fréquents dans des jeux comme Risk ou Monopoly.
Je lui ai alors demandé de proposer des idées originales intégrant ces éléments, mais pas trop évidentes, avec un contexte historique. ChatGPT a conçu un jeu intitulé Elemental Discoveries : les joueurs incarnent des chercheurs en chimie aux XVIIIe et XIXe siècles, qui accumulent et échangent des ressources pour réaliser des expériences, marquer des points, et peuvent même saboter leurs adversaires.
Ensuite, je lui ai demandé de préciser les ressources, les règles, les mécanismes de jeu et les rôles jouables. Elle a proposé des profils tels que « alchimiste », « perturbateur », « marchand » et « scientifique », associés à des figures historiques comme Lavoisier, Joseph-Louis Gay-Lussac, Marie Curie ou Carl Wilhelm Scheele.
Avec cette version encore relativement « basique » de ChatGPT, nous avons conçu en deux ou trois heures un jeu de société certes rudimentaire, mais jouable. J’ai dû m’arrêter, faute de temps, mais aussi parce que j’étais complètement épuisé. Cette expérience m’a permis de constater personnellement que un « collaborateur » IA peut comprimer un processus de R&D qui aurait normalement pris des semaines en seulement quelques heures. Imaginez son potentiel appliqué au développement de produits, à l’analyse de marché, voire à la stratégie d’entreprise !
Ce que j’ai vu chez ChatGPT n’était pas simplement une répétition ou un empilement de faits : il a démontré des capacités de raisonnement analogique et conceptuel, reliant des idées et des références réelles pour produire des solutions créatives répondant à des besoins précis.
Des « perroquets stochastiques » aux penseurs profonds
Le chiffre de mille milliards est déjà impressionnant. Les grands modèles linguistiques derrière ChatGPT comptent couramment des milliards, des centaines de milliards, voire plus d’un billion de paramètres, une complexité stupéfiante.
Nous ne comprenons pas encore entièrement pourquoi ni comment ces modèles fonctionnent. Lorsqu’ils ont réalisé plusieurs percées au cours des sept dernières années, certains théoriciens ont affirmé qu’ils ne pourraient jamais produire de véritables nouveautés. En 2021, certains chercheurs ont même popularisé le terme péjoratif de « perroquets stochastiques » (stochastic parrots), arguant que ces modèles ne font qu’anticiper du texte selon des régularités statistiques dans leurs données d’entraînement, comme des perroquets répétant aléatoirement des phrases.
Pourtant, pour ceux qui utilisent régulièrement ces outils et admirent leurs performances, il est difficile de croire qu’ils se contentent de répéter. Ces derniers six mois, cette vision est devenue encore plus insoutenable.
Les premiers grands modèles linguistiques ressemblaient davantage à des systèmes parlant « intuitivement », sans capacité d’« introspection » ni de « conscience de soi ». Selon Daniel Kahneman, prix Nobel d’économie, les humains pensent la plupart du temps grâce au « Système 1 » (rapide, intuitif), mais mobilisent le « Système 2 » (lent, rigoureux, moins sujet à l’erreur) lorsqu’un raisonnement approfondi est nécessaire. Les premières versions de ChatGPT et ses concurrents ne possédaient guère que des capacités comparables au Système 1, sans processus de raisonnement propre au Système 2.
Cette situation a commencé à changer en septembre 2024, quand OpenAI a lancé un modèle de raisonnement appelé o1, capable de décomposer des problèmes logiques complexes, de vérifier ses conclusions intermédiaires (et même de revenir en arrière si nécessaire), afin d’obtenir un résultat final plus fiable. Contrairement aux grands modèles linguistiques traditionnels, qui reposent principalement sur la mémoire ou la reconnaissance de motifs superficiels, ces nouveaux modèles de raisonnement développent progressivement la capacité à désassembler un problème et à le traiter avec prudence. Certains tests montrent que ces modèles atteignent désormais un niveau comparable, voire supérieur, à celui d’experts docteurs dans des domaines spécialisés.
Depuis la sortie de o1, l’IA a progressé de façon stupéfiante en seulement six mois. Le sujet le plus brûlant actuellement est de transformer ces modèles de raisonnement en « assistants de recherche autonomes ». Leurs performances sont tout simplement époustouflantes.
Récemment, j’ai chargé un assistant de recherche IA d’analyser l’impact environnemental global de grandes activités ou opérations telles que les courses de Formule 1, le festival Coachella, Disneyland, les casinos de Las Vegas, les hôpitaux ou les grands zoos. L’IA a passé 73 minutes à consulter 29 sources indépendantes, fournissant un tableau détaillé et une analyse écrite de 1 916 mots. Bien que la qualité puisse encore être améliorée — équivalant approximativement au rapport qu’un étudiant diplômé mettrait plusieurs jours à rédiger — cela m’a fait gagner plusieurs jours de travail.
Il y a à peine 18 mois, mes systèmes IA ne pouvaient accomplir que des tâches simples prenant moins d’une demi-heure ; aujourd’hui, ils sont capables de mener des recherches plus complexes et chronophages.
L’émergence de la « chaîne de production cognitive »
Nous assistons à une évolution continue autour de l’« utilisation des connaissances » et du « travail cognitif ». Depuis l’époque où les temples et les savants détenaient le monopole de la sagesse, jusqu’à l’imprimerie qui a rendu les savoirs diffusables, puis Internet qui a rendu l’information accessible, la question s’est progressivement déplacée vers « comment comprendre l’information ». Aujourd’hui, des tâches que nous jugions autrefois rares et complexes deviennent accessibles, immédiates et peu coûteuses.
Toutefois, lorsque je discute avec les dirigeants de grandes entreprises, je constate que la plupart n’utilisent l’IA que dans des domaines mineurs, comme l’automatisation du service client pour réduire les coûts. Le PDG de Salesforce a déclaré l’an dernier que 86 % des 36 000 demandes hebdomadaires de support client étaient traitées par l’IA ; la fintech suédoise Klarna affirme que deux tiers de ses conversations clients sont gérées par IA, ce qui lui aurait rapporté 40 millions de dollars de profit. Pourtant, réduire purement les coûts de 10 % via le service client ne suffit pas à faire franchir un cap qualitatif à une entreprise — aucune grande entreprise n’a jamais réussi uniquement en réduisant ses coûts.
Ainsi, la plupart des entreprises commencent par des tâches simples, en utilisant l’IA pour remplacer des emplois payés 50 dollars de l’heure (comme le chat de support), ce qui est utile, mais loin d’être une transformation. Or, l’IA est tout aussi capable de tâches dont la valeur horaire atteint 5 000 dollars — comme la R&D, la planification stratégique ou le conseil spécialisé. Alors pourquoi si peu d’entreprises l’emploient-elles dans ces fonctions clés ?
Une raison tient à la difficulté d’imaginer que des travaux auparavant réservés à des cadres expérimentés ou à des experts de haut niveau puissent désormais (en partie) être assumés par des machines. C’est justement parce que les talents exceptionnels sont rares que ces tâches à haute valeur ajoutée semblent si précieuses. Nos structures organisationnelles ont été conçues sous l’hypothèse implicite que « l’offre de personnes véritablement intelligentes est limitée ».
Prenons l’industrie pharmaceutique : un nouveau médicament phare peut décider du succès ou de l’échec d’une entreprise. Le goulot d’étranglement réside dans la phase coûteuse et longue d’approbation réglementaire — souvent 10 à 15 ans et plus d’un milliard de dollars, avec un seul candidat sur des milliers qui aboutit effectivement au marché. Parallèlement, une grande entreprise pharmaceutique compte des milliers de fois plus de commerciaux que de chercheurs de pointe, car les experts de haut niveau sont extrêmement rares.
Pour l’instant, la majorité des dirigeants d’entreprise en sont encore à « essayer d’accepter l’IA » plutôt qu’à « croire véritablement en l’IA ». Ils ont l’habitude de fuir les problèmes jugés trop difficiles ou trop coûteux. Mais avec l’avènement de l’IA, la contrainte n’est plus tant « sommes-nous capables de trouver une solution » que « à quelle vitesse pouvons-nous mettre en œuvre et valider rapidement de bonnes idées ».
Tout cela aura des conséquences profondes. Lorsque chaque entreprise pourra à tout moment mobiliser plusieurs « experts IA de niveau docteur », la vitesse d’innovation augmentera naturellement de façon spectaculaire. Tout comme la chaîne de montage automobile d’Henry Ford a permis une itération rapide et une amélioration continue de la production, l’IA permettra un perfectionnement constant des idées et des solutions, permettant aux entreprises d’expérimenter plus vite, d’apprendre plus vite, et de pivoter rapidement.
Bien sûr, si une entreprise n’est pas capable de mettre en œuvre les idées proposées par son « think tank IA », alors même les meilleures suggestions seront vaines. La capacité à exécuter et intégrer efficacement deviendra la vraie clé de différenciation.
Mon quotidien avec l’IA
Au cours des 18 derniers mois, j’ai progressivement construit un « écosystème IA » qui travaille pour moi. Par exemple, en juin 2024, j’ai sollicité ces systèmes IA 38 fois en une journée, totalisant 79 000 mots d’interactions pour mes recherches.
En janvier 2025, je n’ai plus compté le nombre de mots échangés. Sauf opposition explicite, je fais désormais participer une IA à presque toutes mes réunions pour tenir le procès-verbal. Dans mes recherches quotidiennes, j’utilise fréquemment plusieurs outils IA différents. Au cours de la semaine durant laquelle j’ai rédigé cet article, j’ai envoyé au moins 144 requêtes à divers grands modèles linguistiques — sans compter les 26 transcriptions audio ni l’utilisation d’outils d’assistance à la programmation. J’utilise désormais les nouveaux outils IA plus souvent que Google Search.
Fait surprenant : bien que mon volume de travail ait augmenté et que je travaille plus vite, je passe moins de temps devant mon écran qu’il y a quelques années. Pour moi, c’est une excellente nouvelle.
Lorsque le coût de l’intelligence devient presque nul, le véritable goulet d’étranglement n’est plus « comment obtenir des cerveaux », mais « comment les utiliser judicieusement ». Les individus et organisations capables de poser de bonnes questions, d’évaluer objectivement les réponses et d’agir avec détermination seront les grands gagnants. Ils devront aussi se demander : maintenant que j’ai plus de temps, que vais-je en faire ?
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
