Depuis quelques jours, un graphique circule partout. Un radar. Une immense tache bleue qui recouvre presque tout le disque, et au centre, une petite \u00e9claboussure rouge, minuscule, presque timide. Le bleu, c’est ce que l’intelligence artificielle pourrait th\u00e9oriquement faire de votre m\u00e9tier. Le rouge, c’est ce qu’elle fait r\u00e9ellement aujourd’hui.<\/p>\n\n\n\n
Le message visuel est imm\u00e9diat, visc\u00e9ral, imparable : regardez tout cet espace vide. Regardez tout ce qui reste \u00e0 conqu\u00e9rir.<\/p>\n\n\n\n
Ce graphique vient d’un rapport publi\u00e9 par Anthropic, intitul\u00e9 \u00ab Labor market impacts of AI: A new measure and early evidence \u00bb (Anthropic). Le rapport est s\u00e9rieux, m\u00e9thodologiquement honn\u00eate, et remarquablement humble sur ses propres limites. Le graphique, lui, m\u00e8ne une vie autonome. Il est devenu un objet viral, d\u00e9contextualis\u00e9, partag\u00e9 par des milliers de personnes qui n’ont jamais ouvert le papier.<\/p>\n\n\n\n
Et voici ce qui me d\u00e9range : une entreprise qui vend de l’intelligence artificielle a publi\u00e9, sur son propre site, une mesure de la part de l’\u00e9conomie que son propre produit pourrait couvrir, \u00e0 partir de ses propres donn\u00e9es d’usage. Peu importe la rigueur de la m\u00e9thode. Structurellement, ce document est aussi un objet marketing.<\/p>\n\n\n\n
Regardez la forme. Un radar avec vingt et une cat\u00e9gories professionnelles. Une surface bleue \u00e9norme qui d\u00e9borde vers Management, Business & finance, Computer & math, Legal, Office & admin. Une surface rouge concentr\u00e9e au centre, qui atteint p\u00e9niblement 0,33 sur son meilleur axe.<\/p>\n\n\n\n
Cette composition raconte une histoire en une demi-seconde, sans texte, sans nuance, sans m\u00e9thode. Elle fonctionne exactement comme fonctionne une bonne publicit\u00e9 : elle installe une conclusion avant que le cerveau analytique n’ait eu le temps de se r\u00e9veiller.<\/p>\n\n\n\n
Anthropic propose sa propre lecture, explicite : \u00e0 mesure que les capacit\u00e9s progressent et que l’adoption se diffuse, la zone rouge grandira jusqu’\u00e0 recouvrir la bleue. Le bleu devient ainsi le futur du rouge. Pas un conditionnel, pas une hypoth\u00e8se. Une trajectoire.<\/p>\n\n\n\n
Alberto Romero, dans The Algorithmic Bridge, propose l’interpr\u00e9tation sym\u00e9trique, tout aussi d\u00e9fendable : l’\u00e9cart entre le bleu et le rouge peut se lire comme un diagnostic des limites de l’IA, pas comme une promesse de croissance. Regardez \u00e0 quel point le bleu est encore grand (The Algorithmic Bridge).<\/p>\n\n\n\n
M\u00eame graphique. Deux r\u00e9cits oppos\u00e9s. Un seul des deux est imprim\u00e9 dans l’image.<\/p>\n\n\n\n
C’est ici que \u00e7a devient int\u00e9ressant, et Valdis Gavars a fait le travail que presque personne n’a fait : lire le papier et remonter \u00e0 la source du bleu (Valdis Gavars).<\/p>\n\n\n\n
Le bleu ne vient pas d’Anthropic. Il vient d’une \u00e9tude de chercheurs d’OpenAI publi\u00e9e en 2023, Eloundou et al., \u00ab GPTs are GPTs \u00bb (arXiv). Leur d\u00e9finition de l’exposition : est-ce qu’un humain \u00e9quip\u00e9 d’un LLM r\u00e9aliserait cette t\u00e2che en moiti\u00e9 moins de temps ?<\/p>\n\n\n\n
Trois d\u00e9tails changent tout.<\/p>\n\n\n\n
Premier d\u00e9tail : le score original \u00e9tait gradu\u00e9. 1 si un LLM seul peut doubler la vitesse d’ex\u00e9cution, 0,5 s’il faut des outils ou des logiciels suppl\u00e9mentaires construits par-dessus, 0 sinon. Anthropic a \u00e9cras\u00e9 cette gradation. Dans son annexe, tout score sup\u00e9rieur \u00e0 z\u00e9ro devient 1. Autrement dit, une t\u00e2che qui n\u00e9cessiterait un logiciel qui n’existe pas encore compte exactement comme une t\u00e2che qu’un mod\u00e8le traite d\u00e9j\u00e0 seul. Le bleu est gonfl\u00e9 par construction.<\/p>\n\n\n\n
Deuxi\u00e8me d\u00e9tail : le mod\u00e8le de r\u00e9f\u00e9rence. Les annotateurs devaient imaginer le LLM le plus puissant disponible au moment de l’\u00e9tiquetage, avec une limite d’entr\u00e9e de 2 000 mots et sans acc\u00e8s aux faits r\u00e9cents. Nous parlons de la famille GPT-3.5. Le bleu que vous partagez en 2026 d\u00e9crit une capacit\u00e9 imagin\u00e9e en 2023.<\/p>\n\n\n\n
Troisi\u00e8me d\u00e9tail : personne n’a test\u00e9 quoi que ce soit. Aucune t\u00e2che n’a \u00e9t\u00e9 ex\u00e9cut\u00e9e par un mod\u00e8le pour v\u00e9rifier. Des annotateurs humains et GPT-4 ont lu des descriptions de t\u00e2ches issues de la base ONET du d\u00e9partement du Travail am\u00e9ricain, et ont port\u00e9 un jugement (O<\/em>NET OnLine). Les auteurs eux-m\u00eames reconnaissent la subjectivit\u00e9 de l’\u00e9tiquetage et le fait que leurs annotateurs ne sont pas diversifi\u00e9s professionnellement, ce qui peut biaiser leur jugement sur des m\u00e9tiers qu’ils connaissent mal.<\/p>\n\n\n\n Le bleu est donc une opinion, formul\u00e9e en 2023, sur un mod\u00e8le obsol\u00e8te, avec un arrondi g\u00e9n\u00e9reux, \u00e0 propos de m\u00e9tiers que les \u00e9valuateurs ne pratiquent pas.<\/p>\n\n\n\n Le rouge est la contribution propre d’Anthropic, tir\u00e9e des conversations Claude.ai et du trafic API en contexte professionnel, via l’Anthropic Economic Index (Anthropic Economic Index).<\/p>\n\n\n\n Deux remarques.<\/p>\n\n\n\n Le rouge ne mesure pas l’usage de l’IA. Il mesure l’usage de Claude. Un dirigeant qui regarde ce graphique croit voir une photographie du march\u00e9. Il voit la part de march\u00e9 d’un fournisseur, sur une base d’utilisateurs qui n’a rien de repr\u00e9sentatif de la population active.<\/p>\n\n\n\n Et le rouge est pond\u00e9r\u00e9. Selon l’annexe, un usage purement augmentatif compte 0,5, un usage purement automatis\u00e9 compte 1. Le rouge est donc tir\u00e9 vers l’automatisation en production, pas vers la personne qui pose une question \u00e0 son bureau. Deux surfaces, deux r\u00e8gles de comptage.<\/p>\n\n\n\n Voici le passage le plus savoureux. Le rapport lui-m\u00eame annonce, d\u00e8s son ouverture, qu’il trouve peu de preuves d’un effet de l’IA sur l’emploi \u00e0 ce jour.<\/p>\n\n\n\n Sur le ch\u00f4mage : le taux de ch\u00f4mage du groupe le plus expos\u00e9 a l\u00e9g\u00e8rement augment\u00e9, mais l’effet est indiscernable de z\u00e9ro. Test\u00e9 \u00e0 tous les seuils, de la m\u00e9diane au 95e percentile, l’impact est plat ou n\u00e9gatif. Le croisement avec les donn\u00e9es d’assurance ch\u00f4mage du d\u00e9partement du Travail donne 0,1 point de pourcentage, non significatif.<\/p>\n\n\n\n Le seul signal : une baisse de 14 % du taux d’embauche des 22-25 ans dans les m\u00e9tiers expos\u00e9s. Les auteurs la qualifient eux-m\u00eames de tout juste statistiquement significative, avec plusieurs interpr\u00e9tations alternatives.<\/p>\n\n\n\n Le rapport rappelle m\u00eame, dans son introduction, qu’une tentative c\u00e9l\u00e8bre de mesurer la d\u00e9localisabilit\u00e9 des emplois avait identifi\u00e9 un quart des emplois am\u00e9ricains comme vuln\u00e9rables, et qu’une d\u00e9cennie plus tard, la plupart affichaient une croissance saine.<\/p>\n\n\n\n Donc : le papier dit \u00ab nous ne mesurons pas d’effet \u00bb. Le graphique dit \u00ab tout va \u00eatre recouvert \u00bb. Devinez lequel des deux a fait le tour de LinkedIn.<\/p>\n\n\n\n Il existe une litt\u00e9rature abondante sur ce ph\u00e9nom\u00e8ne, et elle ne vient pas de la tech. Elle vient de la m\u00e9decine. La revue Cochrane a synth\u00e9tis\u00e9 des d\u00e9cennies de travaux sur l’effet du financement industriel : les \u00e9tudes financ\u00e9es par l’industrie produisent plus souvent des r\u00e9sultats favorables au sponsor, et plus souvent des conclusions favorables, avec des ratios de risque de l’ordre de 1,27 et 1,34 (Cochrane).<\/p>\n\n\n\n Le point crucial de cette litt\u00e9rature : ce biais ne s’explique pas par les crit\u00e8res classiques d’\u00e9valuation de la qualit\u00e9 m\u00e9thodologique. Il ne se loge pas dans une erreur de calcul. Il se loge dans le choix de la question pos\u00e9e, dans le cadrage, dans ce qu’on d\u00e9cide de mettre en avant, dans la figure qu’on place en page deux.<\/p>\n\n\n\n Personne n’a besoin de mentir. Il suffit de choisir quelle v\u00e9rit\u00e9 rendre visuelle.<\/p>\n\n\n\n Et c’est exactement ce dont je parle dans mon livre, au chapitre 10 consacr\u00e9 au pilier communication, pr\u00e9sentations et prises de d\u00e9cision. Une pr\u00e9sentation efficace n’ajoute pas de faux chiffres. Elle organise les vrais dans un ordre qui produit une conclusion. Le graphique d’Anthropic est un cas d’\u00e9cole de storytelling appliqu\u00e9 \u00e0 la donn\u00e9e : une image, deux couleurs, une asym\u00e9trie, et un r\u00e9cit qui s’installe tout seul.<\/p>\n\n\n\n Parce que nous sommes \u00e9quip\u00e9s pour tomber dedans.<\/p>\n\n\n\n Le biais d’autorit\u00e9 d’abord : le document vient d’un laboratoire d’IA de premier plan, avec des annexes, des \u00e9quations, des r\u00e9f\u00e9rences. La forme acad\u00e9mique d\u00e9sarme la vigilance.<\/p>\n\n\n\n Le biais de confirmation ensuite : si vous \u00eates d\u00e9j\u00e0 convaincu que l’IA va tout transformer, le bleu vous donne raison. Si vous \u00eates d\u00e9j\u00e0 inquiet pour votre emploi, le bleu vous terrifie. Dans les deux cas, vous partagez.<\/p>\n\n\n\n La conformit\u00e9 sociale enfin : quand trois cents personnes de votre r\u00e9seau ont partag\u00e9 le graphique en vingt-quatre heures, le co\u00fbt social de demander \u00ab au fait, le bleu, il mesure quoi exactement ? \u00bb devient \u00e9lev\u00e9.<\/p>\n\n\n\n Je consacre une part importante du chapitre 6 de mon livre \u00e0 ces biais cognitifs, parce qu’ils sont le premier obstacle \u00e0 l’innovation. Un dirigeant qui construit sa strat\u00e9gie IA sur un graphique viral prend une d\u00e9cision d’investissement sur la base d’une opinion \u00e9mise en 2023 sur GPT-3.5. Le m\u00e9canisme est le m\u00eame que celui qui fait acheter une solution parce que le concurrent l’a achet\u00e9e.<\/p>\n\n\n\n Le graphique sugg\u00e8re un plan simple : le bleu est la cible, il faut combler l’\u00e9cart, donc il faut d\u00e9ployer massivement.<\/p>\n\n\n\n Les chiffres de terrain racontent autre chose. Le rapport du MIT sur l’\u00e9tat de l’IA en entreprise a estim\u00e9 que 95 % des projets pilotes d’IA g\u00e9n\u00e9rative ne produisent aucun impact mesurable sur le compte de r\u00e9sultat, et la cause identifi\u00e9e n’est pas la qualit\u00e9 des mod\u00e8les, mais l’\u00e9cart d’apprentissage organisationnel (Fortune).<\/p>\n\n\n\n L’\u00e9cart entre le bleu et le rouge n’est donc pas un espace \u00e0 conqu\u00e9rir par la puissance de calcul. C’est un espace occup\u00e9 par des processus, des habitudes, des peurs, des r\u00e8gles d’achat, des questions de confidentialit\u00e9, et des collaborateurs qui se demandent d’abord si leur poste existera encore l’an prochain.<\/p>\n\n\n\n Dans mon livre, au chapitre 14 consacr\u00e9 \u00e0 l’application du syst\u00e8me intelligence innovationnelle\u00ae \u00e0 l’intelligence artificielle, je d\u00e9cris pr\u00e9cis\u00e9ment l’ordre des op\u00e9rations : d\u00e9cider si l’IA influence votre vision, communiquer avant de d\u00e9ployer, constituer une \u00e9quipe d’exploration multidisciplinaire, puis seulement d\u00e9ployer. Le cas de La Poste en janvier 2024, avec une strat\u00e9gie IA d\u00e9finie en juillet 2023 et des agents mis devant le fait accompli six mois plus tard, illustre ce qui arrive quand on inverse cet ordre. Une gr\u00e8ve, pas une courbe d’adoption.<\/p>\n\n\n\n Aucun graphique radar ne comblera cet \u00e9cart \u00e0 votre place.<\/p>\n\n\n\n Trois questions, trente secondes, et vous \u00e9viterez de relayer une publicit\u00e9 en croyant relayer une mesure.<\/p>\n\n\n\n Qui produit la donn\u00e9e, et que vend cette personne ? \u00c7a ne disqualifie rien, \u00e7a calibre la lecture.<\/p>\n\n\n\n Que mesure exactement chaque couleur, et les deux couleurs sont-elles mesur\u00e9es avec la m\u00eame r\u00e8gle ? Ici, non. Un jugement humain de 2023 face \u00e0 des logs d’usage de 2026, avec des pond\u00e9rations diff\u00e9rentes.<\/p>\n\n\n\n Que dit le texte que la figure ne dit pas ? Ici, le texte dit qu’aucun effet sur l’emploi n’est d\u00e9tect\u00e9. La figure dit l’inverse.<\/p>\n\n\n\n Le rapport d’Anthropic m\u00e9rite d’\u00eatre lu. Il est transparent sur sa m\u00e9thode, prudent dans ses conclusions, et utile comme cadre de mesure. Le graphique qui en a \u00e9t\u00e9 extrait m\u00e9rite, lui, d’\u00eatre trait\u00e9 pour ce qu’il est devenu : un support de communication d’une entreprise sur son propre march\u00e9 potentiel.<\/p>\n\n\n\n Lisez le papier, pas le graphique.<\/p>\n\n\n\n\t\tCe que le rouge mesure vraiment<\/h2>\n\n\n\n
Le r\u00e9sultat que personne ne cite<\/h2>\n\n\n\n
Quand le producteur de la mesure vend le produit mesur\u00e9<\/h2>\n\n\n\n
Pourquoi \u00e7a fonctionne si bien sur nous<\/h2>\n\n\n\n
Ce que \u00e7a change concr\u00e8tement pour un dirigeant<\/h2>\n\n\n\n
Comment lire le prochain graphique avant de le partager<\/h2>\n\n\n\n