Pourquoi ai-je de plus en plus l'impression de ne pas valoir grand-chose à force d'utiliser l'IA ?
2026.01.19
Partager versPartager sur Twitter
Dédié à des analyses Web3 approfondies
Partager sur WeChat
Partager sur WeiboPartager sur WeChat
Partager le lien de l’article
Partager l’affiche visuelle
TechFlow SélectionTechFlow Sélection
Pourquoi ai-je de plus en plus l'impression de ne pas valoir grand-chose à force d'utiliser l'IA ?
Ce n'est pas l'IA qui te déprécie, c'est elle qui révèle la valeur réelle de ta pensée.
2026.01.19 - 11:53:56
AI
Dédié à des analyses Web3 approfondiesCe n'est pas l'IA qui te déprécie, c'est elle qui révèle la valeur réelle de ta pensée.
Cet article provient du compte officiel WeChat : Bu Dong Jing, auteur : Oncle Ye de Rust chez Bu Dong Jing, titre original : « Le paradoxe Zhang Wenhong à l'ère de l'IA : pourquoi plus on utilise l'IA, moins on se sent précieux ? », image d'en-tête : Visual China
L'autre jour, j'ai vu une courte vidéo montrant Zhang Wenhong, directeur du Centre national de médecine des maladies infectieuses, lors d'une conférence à Hong Kong le 10 janvier. Il y déclare clairement : « Je refuse d'introduire l'IA dans les systèmes médicaux hospitaliers. »
Car une IA non formée systématiquement modifierait fondamentalement la formation des médecins, compromettant ou nuisant à la capacité d'analyse indépendante que les jeunes médecins doivent acquérir grâce à une formation traditionnelle.
Zhang Wenhong explique qu’il utilise bien sûr lui-même l’IA pour analyser rapidement les cas cliniques. Mais la clé réside dans ses trente années d'expérience clinique : il peut immédiatement repérer où l’IA se trompe.
Le problème concerne surtout les jeunes médecins.
Si un médecin commence dès son stage à s’appuyer sur l’IA pour obtenir des diagnostics, en sautant toute la formation complète de pensée clinique, il perdra définitivement une compétence essentielle : la capacité de juger si l’IA a raison ou tort.
Ce propos de Zhang Wenhong révèle, du point de vue d’un utilisateur lambda de l’IA, une réalité souvent mal comprise concernant les compétences et les leviers à l’ère de l’intelligence artificielle.
Ces dernières années, j’ai observé une étrange « anxiété collective ».
Ironiquement, cette anxiété ne vient pas de ceux qui ignorent la technologie, mais justement de l’élite déjà très à l’aise avec l’IA : programmeurs, avocats, analystes, créateurs de contenu.
Au départ, tous étaient enthousiastes, croyant que l’IA allait en faire des super-humains. Mais après une brève euphorie d’efficacité, beaucoup tombent dans un sentiment plus profond d’impuissance :
Quand l’IA peut accomplir 80 % du travail sans coût, ma valeur restante de 20 % suffit-elle encore à maintenir ma dignité professionnelle ?
Si une IA écrit en quelques minutes du code pour lequel je mettais deux semaines ; si un grand modèle produit instantanément un rapport d’enquête parfait ; si Gemini ou DouBao permet à quelqu’un sans aucune base artistique de créer des œuvres de niveau maître ; si GPT peut « correctement » lire un rapport médical ou d’analyse, alors où se situe encore la frontière protectrice des compétences humaines ?
Un article publié par The Atlantic Monthly affirmait que nous entrons dans une ère de « désqualification » ; mais l’autre face de la pièce est précisément celle-ci : l’IA ne rend pas les compétences inutiles, elle provoque une forte « inflation des compétences ». Simplement, ces compétences doivent être redéfinies.
À une époque où le coût d’exécution tend vers zéro, l’IA devient un miroir aux alouettes. Elle amplifie non seulement votre efficacité, mais aussi la granularité ou la précision de votre cognition.
Vous vous sentez « nul » peut-être parce que l’IA expose sans pitié un fait : ce que vous considériez auparavant comme un travail valorisable consistait majoritairement à « poser des briques », à exécuter, à « suivre les ordres », plutôt qu’à « penser », encore moins à poser et résoudre des problèmes.
La vérité des compétences au XXIe siècle ne tient plus au nombre d’outils que vous possédez, mais au nombre de leviers authentiques que vous avez dans votre esprit. La combinaison de « contrôle macro + vérification micro » constitue le véritable emploi à vie à l’ère de l’IA.
1. Le paradoxe Zhang Wenhong : 0 multiplié par 10 reste 0
À Silicon Valley circule une idée populaire, souvent mal interprétée. On dit : « L’IA est un amplificateur de productivité par 10. » Cette affirmation a une signification mathématique plus cruelle que son apparence littérale. Si votre capacité actuelle est de 1, l’IA vous fait passer à 10 ; si vous êtes à 10, l’IA vous amène à 100. Mais si votre compréhension fondamentale d’un domaine est de 0, alors 0 multiplié par 10 donne toujours 0. C’est précisément là le cœur de l’inquiétude de Zhang Wenhong : un jeune médecin qui dépend de l’IA dès son stage pourrait avoir une capacité de jugement clinique nulle. Aussi puissante soit-elle, l’IA ne change rien : 0 fois n’importe quoi donne toujours 0. Pire encore : ce « 0 » ne sait même pas qu’il est un 0. Zhang Wenhong est très clair : « Les jeunes médecins ne doivent pas se contenter de s’appuyer sur l’IA pour soigner. » Pourquoi ? Parce que même si la précision de l’IA atteint 95 %, les 5 % d’erreurs doivent être identifiés et corrigés par un médecin qualifié. Si le médecin n’a aucune capacité de diagnostic autonome, comment détectera-t-il les erreurs de l’IA ? Comment traitera-t-il les cas complexes que l’IA ne peut gérer ? C’est ce que j’appelle le « paradoxe Zhang Wenhong ». À certains égards, c’est une question de l’œuf et de la poule. Mais surtout, cela souligne une chose : est-ce l’humain qui utilise l’outil, ou l’outil qui utilise l’humain ? Il révèle ainsi la première vérité des compétences à l’ère de l’IA : L’essence de l’IA est « l’ajustement probabiliste », tandis que la valeur humaine réside dans « l’assomption des conséquences ». Autrefois, parler de compétences signifiait souvent parler d’exécution habile : connaître par cœur la grammaire, réciter des lois, maîtriser des raccourcis clavier. Mais à l’ère de l’IA, ces compétences techniques perdent rapidement de leur valeur, devenant une simple infrastructure. Elles sont remplacées par une capacité plus subtile, plus rare : le jugement. Et ce jugement, c’est la conscience des conséquences à long terme de ses propres actions. Imaginez ce scénario : un ingénieur expérimenté et un débutant utilisent tous deux l’IA pour écrire du code. Le débutant obtient juste un bloc de code. Il ne peut pas évaluer s’il comporte des failles architecturales, prévoir son comportement sous charge extrême, ni même savoir si c’est une solution aboutissant à une impasse. Tandis que l’ingénieur chevronné ne voit pas du code, il voit un chemin. Il sait quelle tâche confier à l’IA, comment valider les résultats, et surtout, où intervenir quand l’IA se trompe — car l’IA se trompera forcément. Pour le débutant, l’IA est une boîte noire, il ne peut que prier pour un résultat correct. Pour l’expert, l’IA est une équipe infiniment laborieuse, prête à agir sur commande. Ainsi, la future distinction entre experts et novices reposera sur votre capacité à « vérifier la sortie de l’IA ». Zhang Wenhong peut identifier instantanément où l’IA se trompe dans un diagnostic, non pas par une intuition mystérieuse, mais grâce à une « méta-compétence » forgée par trente ans d’expérience clinique. C’est justement cette compétence que manquent cruellement les jeunes médecins formés en contournant l’IA. Par conséquent, sans solides connaissances spécialisées comme lest, l’IA n’apporte pas de l’efficacité, mais un chaos coûteux.2. Pourquoi vos prompts sont-ils toujours « presque bons » ?
Pourquoi certaines personnes peuvent-elles utiliser l’IA pour résoudre des problèmes complexes, tandis que d’autres n’en font qu’un robot de discussion ? Le problème ne réside pas dans votre incapacité à écrire des « incantations », mais dans l’entropie excessive de votre pensée. Un phénomène récent mérite attention : les gens commencent à externaliser leur pensée même vers l’IA. Face à un problème, ils n’analysent pas, jettent directement une demande confuse au modèle, puis s’énervent devant une réponse banale : « Cette IA est vraiment inutile. » En réalité, ce n’est pas l’IA qui est stupide, c’est que vous n’avez pas bien réfléchi. Aussi avancé soit-il, un modèle d’IA reste fondamentalement une machine de prédiction basée sur le « contexte ». La qualité de sa sortie est strictement limitée par la qualité de votre entrée. C’est la version moderne du principe « garbage in, garbage out » (des données biaisées en entrée, des résultats biaisés en sortie). Les compétences suprêmes du XXIe siècle deviennent donc « expression claire » et « pensée structurée ». Les meilleurs, avant même d’ouvrir la fenêtre de dialogue, ont déjà mené un raisonnement rigoureux dans leur esprit : 1. Définir le problème : quelle contradiction centrale dois-je résoudre ? 2. Décortiquer la logique : quels sous-tâches composent ce problème ? Quelles sont leurs dépendances ? 3. Établir des critères : quel résultat serait acceptable ? Par exemple, avant de demander à l’IA d’aider au développement d’une fonctionnalité, avez-vous clarifié le flux de données ? Avant de lui demander d’écrire un article, avez-vous construit un cadre d’opinions original ? Ne comptez pas sur l’IA pour accomplir la pensée « de 0 à 1 ». Ce que l’IA maîtrise, c’est remplir la chair (de 1 à 100), mais ce « 1 », cette intuition fondamentale, cet ossature logique, doit venir de vous. Si vous ne pouvez pas exprimer clairement vos idées à un collègue humain, vous n’obtiendrez jamais de résultat satisfaisant de l’IA. Écrire clairement, c’est penser clairement. À l’avenir, programmer en langage naturel deviendra une compétence universelle. Mais cela ne signifie pas que programmer sera plus simple : cela signifie que la précision du langage et de la logique deviendra le nouveau code. Si votre pensée est confuse, l’IA ne fera qu’amplifier efficacement cette confusion.3. Sortir de la bulle informationnelle : être plus proche de l’essence que 99 % des gens
Puisque l’IA est entraînée sur d’immenses volumes de données humaines existantes, elle souffre d’un défaut inhérent : la banalité du consensus, autrement dit la convergence vers la moyenne. Si vous demandez à l’IA son avis sur la santé, la finance ou l’histoire, elle vous donnera probablement une réponse « type manuel ». Ces réponses sont sûres, correctes, mais souvent extrêmement banales, car elles répètent simplement les informations les plus fréquentes sur Internet. D’où découle une troisième dimension : la capacité de discernement entre vrai et faux. Connaissance (Knowledge) et Compréhension (Understanding) sont deux choses différentes. - La connaissance, c’est savoir « qu’il faut faire ainsi » ; - La compréhension, c’est saisir « pourquoi il faut faire ainsi, et quand il ne faut surtout pas le faire ». C’est exactement la différence fondamentale entre Zhang Wenhong et les jeunes médecins. Les jeunes médecins peuvent instantanément acquérir de la « connaissance » via l’IA : diagnostics, recommandations thérapeutiques, protocoles. Mais Zhang Wenhong possède la « compréhension » : il connaît les limites de ces connaissances, sait quand sortir des sentiers battus, et quand la « réponse standard » fournie par l’IA est erronée. Dans cette ère de surcharge d’information, si vous vous contentez d’absorber passivement des données par une éducation par bourrage de crâne ou des recommandations algorithmiques, vous ne faites en réalité que répéter mécaniquement dans une immense « chambre d’écho ». Vous ne comprenez pas vraiment le fonctionnement des choses. Pour être plus intelligent que l’IA, nous devons nous rapprocher davantage de l’essence des choses (principe de la première cause) que 99 % des gens. - Voulez-vous comprendre le business ? Ne lisez pas seulement les best-sellers ou articles de blogs, étudiez les flux de trésorerie, l’effet de levier, les relations offre-demande et la cupidité humaine. - Voulez-vous comprendre la santé ? Ne vous fiez pas aveuglément aux guides dits « autorisés », explorez les mécanismes biologiques du métabolisme, des hormones, des réactions inflammatoires. Quand l’IA vous propose une « recommandation standardisée », seules les personnes ayant véritablement compris le fonctionnement du système sous-jacent pourront repérer rapidement ses failles, ou oser rejeter l’avis de l’IA dans des situations particulières. Comme le dit Zhang Wenhong : savoir si l’on risque d’être induit en erreur par l’IA dépend de la force de vos propres capacités par rapport à celles de l’IA. Vous ne pouvez pas rivaliser avec l’IA sur la connaissance, seulement sur la compréhension. Les avantages concurrentiels futurs appartiendront à ceux qui osent remettre en question les « données d’entraînement ». Vous devez construire votre propre système cognitif, non copié, mais forgé par la pratique, par des boucles de retour douloureuses, par une pensée indépendante validée personnellement. L’IA est la moyenne de toutes les connaissances humaines. Si vous voulez dépasser cette moyenne, vous ne pouvez pas uniquement vous reposer sur l’IA : vous devez posséder des perspectives originales que l’IA ne peut pas déduire par probabilité statistique.4. Quand la valeur de l’exécution tend vers zéro : passer de l’exécutant au vérificateur
Reculons un peu. L’Histoire ne se répète pas, mais elle rime souvent. Dans les années 1980, l’avènement de l’ordinateur a plongé les comptables et avocats de l’époque dans la panique. Avant cela, un avocat pouvait passer plusieurs jours à chercher un précédent judiciaire parmi des piles de dossiers. L’arrivée de la recherche électronique a ramené cette tâche à quelques secondes. Les avocats ont-ils été licenciés ? Non. Au contraire, le secteur juridique est devenu plus vaste, plus complexe. Comme la recherche est devenue facile, les attentes des clients ont augmenté. On ne paie plus pour « trouver un précédent », mais pour « construire une stratégie de défense originale à partir de précédents complexes ». De même, quand l’IA prend en charge l’écriture de code, la rédaction de textes, les diagnostics basiques, le rôle humain opère un saut qualitatif : Nous passons du statut d’« artisan » à celui de « chef d’orchestre » ; d’« exécutant » à « vérificateur ». Autrefois, un excellent ingénieur pouvait passer 50 % de son temps à coder, 50 % à réfléchir à l’architecture. Aujourd’hui, il peut consacrer 90 % de son temps à réfléchir à l’architecture, comprendre le métier, optimiser l’expérience, et déléguer la programmation à l’IA (tout en la supervisant). Cela signifie que le plafond de complexité du travail est levé. Un développeur indépendant peut désormais seul diriger une entreprise qui nécessitait auparavant une équipe de dix ; un créateur de contenu expérimenté peut produire en un jour ce qui prenait une semaine ; un médecin chevronné (comme Zhang Wenhong) peut, avec l’aide de l’IA, traiter un volume de cas autrefois impossible. Voilà la nouvelle définition des « compétences » à l’ère de l’IA : Elle ne réside plus dans la « spécialisation » unidimensionnelle, mais dans une capacité intégrative transversale. Vous n’avez pas besoin de poser chaque brique vous-même, mais vous devez connaître la structure mécanique du bâtiment, avoir un sens esthétique pour décider de son apparence, et un esprit entrepreneurial pour choisir l’emplacement le plus rentable. C’est cette capacité combinée de « contrôle macro + vérification micro » qui constitue le véritable emploi à vie à l’ère de l’IA. Les deux compétences clés mises en avant par Zhang Wenhong veulent dire exactement cela : 1. Juger de la justesse du diagnostic de l’IA (vérification micro) 2. Traiter les cas complexes que l’IA ne peut pas gérer (contrôle macro) Un médecin dépourvu de ces deux compétences n’est qu’un « opérateur d’IA ».Conclusion : seule l’élévation dimensionnelle permet de savourer la joie du coup de grâce descendante
Revenons au phénomène évoqué au début : pourquoi plus on utilise l’IA, moins on se sent précieux ? Parce que l’IA vous prive du droit d’obtenir de la fierté par le « travail pénible ». Avant, passer trois jours à produire un rapport impeccable vous donnait un sentiment de valeur. Aujourd’hui, l’IA le fait en trois secondes, et cette fausse sensation de valeur s’effondre instantanément. C’est effectivement douloureux, mais aussi une forme de réveil. L’IA nous oblige à affronter la question la plus difficile : en dehors de l’exécution mécanique, où réside ma véritable valeur intellectuelle ? Pour ceux qui refusent de penser, c’est l’époque la plus sombre. Ils deviendront complètement assujettis aux algorithmes, sans même réaliser qu’ils sont avalés par une bulle d’information banale. Mais pour ceux animés de curiosité, dotés de pensée indépendante, avides de comprendre l’essence des choses, c’est la meilleure époque de l’histoire humaine : - Tous les seuils sont abaissés. - Tous les plafonds ont disparu. - Vous disposez du groupe de réflexion et de l’équipe d’exécution les plus puissants de l’histoire humaine, disponibles 24 heures sur 24. Zhang Wenhong n’est pas contre l’IA. Il est contre l’utilisation de l’IA sans avoir acquis d’abord les compétences fondamentales, contre le fait de déléguer sa pensée et sa métacognition à l’IA. Il utilise lui-même l’IA intensivement, car il a trente ans de pratique comme fondation. Pour lui, l’IA est une aide précieuse ; pour un jeune médecin sans base, elle pourrait être une croissance forcée, une solution toxique. Au XXIe siècle, les compétences ne disparaissent pas, mais subissent une purification brutale. N’essayez pas de rivaliser avec l’IA sur « la résolution d’exercices », mais sur « la création d’exercices ». Quand vous cesserez de voir l’IA comme un outil pour vous éviter du travail, et commencerez à la voir comme un levier superpuissant qu’il faut piloter avec un haut niveau d’intelligence, guider, corriger, alors ce que vous verrez à travers l’IA ne sera plus un soi banal, mais un individu superpuissant, infiniment amplifié.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
Ajouter aux favoris
Partager sur les réseaux sociaux
Auteur
虎嗅
