L’IA est en train de supprimer nos futurs experts
L'IA permet aux entreprises de supprimer une partie du travail qui formait leurs juniors. Le problème arrivera lorsqu'elles auront besoin des seniors qu'elles n'ont plus fabriqués.
Le poste qui paraît soudain inutile
Pendant longtemps, une entreprise acceptait une évidence assez peu efficace.
Un junior travaillait moins vite qu'un senior.
Il faisait des recherches que son manager aurait terminées en vingt minutes.
Il rédigeait des documents qui revenaient couverts de corrections. Il préparait des analyses imparfaites.
Il posait des questions dont ses collègues connaissaient déjà la réponse.
L'entreprise payait pour cette inefficacité.
Puis l'IA est arrivée.
Une partie de ces tâches peut désormais être produite en quelques minutes. Et la comparaison économique devient difficile à ignorer :
Pourquoi recruter trois juniors pour produire ce qu'un collaborateur expérimenté équipé d'une IA peut produire seul ?
À l'échelle d'un trimestre, la réponse paraît évidente.
À l'échelle d'une décennie, beaucoup moins.
Car ces tâches imparfaitement exécutées avaient une deuxième fonction que personne ne comptabilisait.
Elles fabriquaient les seniors.
On ne devient pas expert en lisant la réponse
L'expertise n'est pas seulement l'accumulation de connaissances.
C'est aussi avoir vu suffisamment de situations pour reconnaître celle qui ne ressemble pas aux autres.
Le junior cherche.
Se trompe.
Présente son travail. Se fait corriger. Recommence.
Puis un jour, il ne sait pas seulement produire une analyse.
Il sait regarder celle d'un autre et sentir que quelque chose cloche.
Cette distinction devient particulièrement importante avec l'IA.
Les modèles commencent précisément à devenir très bons dans la production : rédiger, synthétiser, analyser, présenter.
Mais produire quelque chose et savoir si cette chose mérite d'être utilisée restent deux problèmes différents.
Et plus la première tâche devient facile, plus la seconde prend de la valeur.
Le nouveau goulet d'étranglement
C'est là que le paradoxe apparaît.
Nous automatisons les tâches juniors parce que l'IA devient suffisamment bonne pour les réaliser.
Mais à mesure que la production devient moins chère, le jugement devient la ressource rare.
Quelqu'un doit encore décider si l'analyse est correcte.
Si l'exception a été repérée.
Si le raisonnement tient.
Si le résultat peut être envoyé au client.
Si, cette fois, la machine s'est trompée.
Ce travail demande précisément ce que l'entreprise risque de moins produire : de l'expérience.
Nous pourrions donc être en train de déplacer le goulet d'étranglement plutôt que de le supprimer.
Hier, produire coûtait cher.
Demain, produire coûtera peut-être presque rien.
Ce qui coûtera cher sera de savoir quoi garder.
La dette de séniorité
Pour une entreprise prise individuellement, réduire les recrutements juniors peut être parfaitement rationnel.
Le problème apparaît lorsque toutes font le même calcul.
Chaque entreprise économise aujourd'hui sur la formation implicite de ses futurs experts, tout en supposant qu'elle pourra recruter ces experts ailleurs lorsqu'elle en aura besoin.
Mais ailleurs aura peut-être fait exactement la même chose.
C'est cela, la dette de séniorité.
Elle n'apparaît pas dans les comptes lorsque le poste junior disparaît.
Au contraire.
La première ligne que l'on voit est positive : moins de salaires, davantage de production par employé, meilleure marge.
La dette apparaît des années plus tard, lorsque l'organisation cherche quelqu'un capable de superviser cette production et découvre que la pyramide s'est vidée par le bas.
Chaque junior que l'on cesse de former aujourd'hui est un senior potentiel que le marché devra trouver ailleurs demain.
Le paradoxe
Il serait pourtant trop simple d'en conclure qu'il faut protéger artificiellement toutes les tâches juniors.
Certaines disparaîtront probablement, et personne ne gagnerait à maintenir dix heures de travail répétitif uniquement parce qu'elles constituaient autrefois un rite de passage.
La vraie question est ailleurs :
Comment devient-on expert lorsque la machine effectue précisément une partie du travail qui permettait de le devenir ?
Peut-être que l'IA accélérera elle-même l'apprentissage.
Peut-être qu'un junior exposé à davantage de cas, assisté par un modèle et corrigé plus rapidement développera son jugement en trois ans plutôt qu'en six.
Mais cela suppose de concevoir volontairement ce nouveau parcours.
Or, pour l'instant, beaucoup d'entreprises font autre chose : elles capturent immédiatement le gain de productivité et laissent la question de la transmission pour plus tard.
C'est une forme de dette.
Et comme toutes les dettes, elle est séduisante précisément parce que son coût n'apparaît pas au moment où on la contracte.
Pendant longtemps, les entreprises ont payé les juniors pour produire du travail et, sans vraiment le comptabiliser, pour apprendre à devenir seniors.
L'IA permet désormais de dissocier les deux.
On peut acheter la production sans financer autant l'apprentissage.
À court terme, c'est un formidable gain de productivité.
Mais le paradoxe est là :
plus nous aurons besoin d'humains capables de juger le travail des machines, plus nous risquons d'automatiser le travail qui apprenait aux humains à porter ce jugement.
Le rendement de l'outil dépend alors d'une ressource que son usage contribue lui-même à raréfier.