N’ayez pas peur de l’IA. Demandez-vous plutôt dans quel monde nous nous sommes enfermés.

Depuis quelques années, l’intelligence artificielle concentre des inquiétudes qui touchent de nombreux domaines de la vie collective. Elle pourrait transformer des emplois, fragiliser des professions, saturer davantage l’espace informationnel, bouleverser la création et accroître notre dépendance envers des infrastructures techniques contrôlées par un nombre limité d’acteurs. D’autres scénarios envisagent des risques beaucoup plus graves liés au développement futur de systèmes toujours plus capables.

Ces préoccupations méritent une attention sérieuse. Leur cadrage devient incomplet lorsqu’il présente l’IA comme une force extérieure venue perturber un monde auparavant stable. La concentration économique, la précarité, la dépendance aux grandes plateformes, la pression sur le temps et la complexité croissante des infrastructures existaient déjà. L’IA s’insère dans cet ensemble, modifie des équilibres et ajoute des risques qui lui sont propres.

Sa vitesse change aussi la manière dont nous percevons des arrangements devenus familiers. Des tâches intellectuelles que nous pensions durablement liées à plusieurs heures de travail peuvent parfois être réalisées beaucoup plus vite. Des coûts diminuent, des métiers se recomposent et des dépendances techniques prennent davantage de poids. Des choix d’organisation longtemps traités comme des évidences redeviennent visibles au moment même où les moyens de les influencer se répartissent de façon très inégale.

Un monde déjà dépendant avant l’IA

Notre sécurité matérielle repose largement sur des chaînes de dépendance que peu de personnes maîtrisent dans leur ensemble. Le revenu provient souvent d’un emploi. L’accès au logement dépend du revenu, du crédit, de l’offre disponible et des politiques publiques. Les biens circulent dans des réseaux logistiques étendus. Nos communications, nos informations et une part croissante du travail passent par des infrastructures numériques privées.

Cette organisation a produit des gains réels d’efficacité et de confort. Elle a également multiplié les situations dans lesquelles une décision prise loin de l’utilisateur affecte un service devenu difficile à remplacer. Une modification contractuelle, une hausse de prix, une panne ou la fermeture d’une plateforme peuvent se répercuter sur des activités quotidiennes, professionnelles ou administratives. Le numérique avait renforcé cette vulnérabilité bien avant l’essor de l’IA générative.

Notre rapport au temps révèle une contradiction ancienne. Les machines, les logiciels et les réseaux ont réduit l’effort nécessaire à une quantité considérable de tâches, tandis que les objectifs, les sollicitations et le volume d’informations à traiter ont augmenté. Une heure économisée par un outil peut devenir du temps disponible pour la personne concernée. L’organisation peut aussi l’absorber par davantage de dossiers, des délais plus courts ou une réduction des effectifs. Le gain technique ouvre plusieurs usages sans fixer leur répartition.

La production matérielle présente une dissociation comparable. Nos économies disposent de capacités considérables pour fabriquer, transporter et coordonner des biens et des services. Cette puissance productive coexiste avec des difficultés persistantes d’accès au logement, aux soins, à l’énergie ou à une sécurité financière élémentaire pour une fraction de la population. La quantité produite, les conditions d’accès et la distribution des revenus obéissent à des mécanismes différents.

L’intelligence artificielle ajoute une nouvelle couche à cet ensemble. Son développement à grande échelle repose sur des puces spécialisées, des centres de données, des capacités de calcul à distance, de l’énergie, des capitaux et des compétences rares. Plusieurs de ces ressources restent concentrées entre un nombre limité d’acteurs, ce qui renforce le pouvoir de ceux qui contrôlent les infrastructures nécessaires au développement et au déploiement des modèles.

Ce que l’automatisation révèle sur le travail et la valeur

Un texte, une traduction, un résumé, une image ou une première version de code peuvent désormais être produits beaucoup plus rapidement selon les usages. La qualité varie selon les tâches et les outils. Le changement économique devient perceptible lorsque le temps humain nécessaire diminue fortement.

Le prix d’un service rémunère en partie le temps requis pour le fournir. Lorsque ce temps baisse, l’entreprise ou l’organisation peut augmenter sa production, réduire ses coûts, améliorer ses marges, diminuer ses prix, raccourcir ses délais ou alléger la charge de travail. Ces possibilités coexistent. Leur combinaison dépend des règles du marché, du rapport de force entre les acteurs et des choix de gestion.

L’emploi rend cette question particulièrement sensible parce qu’il remplit plusieurs fonctions à la fois. Il procure un revenu, ouvre l’accès à des droits, organise aussi la vie sociale et participe parfois à l’identité professionnelle. Une technologie capable de réduire le besoin de travail dans des activités affecte bien davantage qu’un procédé de production. Elle rencontre une organisation sociale qui a fortement lié la sécurité matérielle à l’occupation d’un emploi.

Le débat sur l’automatisation porte alors sur la distribution des gains autant que sur le nombre de postes créés, transformés ou supprimés. Une hausse de productivité peut se traduire par des revenus mieux répartis, du temps libéré, des services moins coûteux ou de meilleures conditions de travail. Elle peut aussi concentrer les bénéfices et faire supporter une grande part de la transition aux personnes dont les compétences deviennent moins demandées. Le résultat dépend des règles qui entourent l’innovation.

Cette tension explique pourquoi nous pouvons souhaiter supprimer des tâches pénibles et redouter simultanément leur disparition. La menace tient surtout au revenu, à la stabilité et aux droits attachés au poste concerné. Une automatisation techniquement avantageuse peut devenir socialement brutale lorsque les protections et les possibilités de reconversion restent faibles.

La création rend cette question encore plus visible. La valeur d’une œuvre dépend depuis longtemps de bien d’autres facteurs que le temps consacré à sa réalisation. L’intention, l’expérience, le regard, la maîtrise technique, le contexte et la relation avec un public comptent également. Les outils génératifs fragilisent des repères économiques en abaissant fortement le coût de production de contenus capables de reprendre des formes autrefois associées à de longues heures de travail humain.

Cette baisse de coût peut affecter directement les personnes qui vivent de la création. Une abondance de textes, d’images, de sons ou de vidéos modifie la rareté de nombreuses productions et peut peser sur leur rémunération. Les questions liées aux données d’entraînement, au droit d’auteur, à la traçabilité des contenus et aux conditions de rémunération prennent alors une dimension concrète. Elles concernent la possibilité de maintenir une activité créative viable dans un environnement où des contenus deviennent beaucoup moins coûteux à produire.

Transformer un gain technique en progrès social

Depuis longtemps, le travail moderne fait l’objet de critiques portant sur le stress, l’épuisement, la bureaucratie, la précarité ou la difficulté à préserver du temps pour la vie personnelle. L’automatisation de tâches répétitives pourrait alléger plusieurs de ces contraintes. La réaction de protection reste compréhensible lorsque le poste menacé porte le revenu, des droits sociaux, l’accès au crédit et la stabilité quotidienne.

Cette situation révèle la difficulté centrale de toute promesse fondée sur les gains de productivité. Produire la même chose en moins de temps crée une possibilité matérielle de réduire le travail nécessaire. La traduction de ce gain en temps libre, en salaire, en baisse de prix ou en recettes publiques dépend d’institutions, de rapports économiques et de négociations qui se situent hors de la technologie.

Une réduction du temps de travail, par exemple, soulève immédiatement des questions de rémunération, de cotisations sociales, d’organisation des entreprises et de compétitivité. Une meilleure protection pendant les transitions professionnelles exige des financements durables. Une garantie de revenu ou de nouveaux mécanismes de redistribution obligent à déterminer l’assiette fiscale, la contribution des différents acteurs et la coordination nécessaire lorsque les capitaux et les entreprises opèrent dans plusieurs pays.

Ces pistes restent envisageables, à condition d’affronter les problèmes de financement, de répartition et de coordination qu’elles soulèvent. La productivité supplémentaire devient une amélioration collective à travers des arbitrages où interviennent des intérêts divergents et des ressources très inégales. Le passage entre possibilité technique et progrès social se joue dans ces rapports de force.

Cette question devient plus pressante avec l’IA parce que les transformations peuvent se diffuser rapidement. Les entreprises capables d’investir tôt dans les modèles, les données et le calcul disposent d’un avantage pour organiser les usages autour de leurs propres infrastructures. Les travailleurs, les créateurs, les petites entreprises ou les administrations réagissent souvent après le déploiement initial, lorsque des choix techniques commencent déjà à structurer les pratiques.

Une marge de décision inégalement répartie

Le développement et le déploiement des systèmes d’IA les plus exigeants mobilisent des capitaux importants, des capacités de calcul, des centres de données, des composants spécialisés, de l’énergie et des compétences hautement qualifiées. Les acteurs qui contrôlent ces ressources disposent d’une influence particulière sur les usages, les standards techniques, les conditions d’accès et le rythme de diffusion.

Les pouvoirs publics possèdent leurs propres leviers, dont l’étendue varie selon leur niveau de compétence. Ils peuvent intervenir par le droit de la concurrence, les marchés publics, la fiscalité, le financement de la recherche, la protection des données, les normes techniques ou les obligations imposées aux fournisseurs. Des universités, des collectivités, des communautés du logiciel libre et des organisations de la société civile peuvent développer des solutions, des connaissances ou des infrastructures alternatives.

L’Union européenne fournit déjà un exemple de cette capacité d’intervention. Depuis le 2 août 2025, les règles applicables aux modèles d’IA à usage général imposent notamment à leurs fournisseurs une documentation technique, une politique de respect du droit d’auteur et la publication d’un résumé du contenu utilisé pour l’entraînement. Ces obligations laissent intacte une large part des rapports de force existants. Elles montrent qu’un marché vaste et une autorité publique dotée de compétences juridiques peuvent imposer des conditions aux fournisseurs.

Ces contrepoids mobilisent des ressources et des temporalités très différentes. Le déploiement industriel peut avancer rapidement, alors que l’élaboration d’une règle exige des consultations, un fondement juridique, des moyens de contrôle et parfois une coordination entre plusieurs autorités. Durant ce délai, les organisations adaptent leurs procédures, forment leur personnel, déplacent leurs données et s’habituent à de nouveaux outils.

Ces choix initiaux créent des coûts de sortie. Une administration ou une entreprise qui construit ses procédures autour d’un fournisseur accumule des compétences, des données et des dépendances spécifiques. Changer de solution reste juridiquement possible dans de nombreux cas. Le coût pratique augmente à mesure que l’intégration progresse, ce qui réduit progressivement la marge de décision dans des secteurs déjà fortement intégrés.

Cette marge varie aussi selon l’échelle. Un établissement scolaire ou une administration locale peut agir sur ses usages. Les États disposent de leviers sociaux, fiscaux, éducatifs et industriels. Des ensembles supranationaux peuvent intervenir sur la concurrence, les marchés numériques ou les obligations imposées à des fournisseurs opérant dans plusieurs pays. D’autres questions, notamment les chaînes d’approvisionnement en composants, l’énergie, les normes techniques ou la mobilité des capitaux, exigent encore d’autres formes de coordination.

La marge d’action varie selon les secteurs, les territoires et le moment où intervient la décision. De nombreux choix sont déjà structurés par des investissements et des dépendances antérieures, à des degrés très différents. La possibilité de modifier ces trajectoires dépend du moment où les institutions et les acteurs collectifs interviennent, des ressources disponibles et de leur capacité à coordonner plusieurs niveaux de décision.

Conserver une capacité de choix

L’intelligence artificielle rend concrètes des options qui auraient paru beaucoup plus abstraites il y a quelques années. Des tâches administratives peuvent être réduites, des services peuvent coûter moins cher à produire, des connaissances deviennent plus accessibles et du temps consacré à des opérations répétitives peut être récupéré. La portée sociale de ces possibilités dépend de la manière dont elles s’insèrent dans le travail, la fiscalité, la protection sociale, l’éducation et les infrastructures numériques.

Cette transformation oblige aussi à reconnaître la diversité des critères d’efficacité. Le soin, l’enseignement, la justice, la création ou l’accompagnement humain comportent des dimensions liées à la responsabilité, à la confiance, à l’interprétation et à la relation. Une IA peut assister certaines tâches dans ces domaines sans rendre souhaitable l’automatisation maximale de l’activité entière. La décision dépend d’une conception de la valeur sociale qui dépasse le seul calcul de coût.

Notre organisation actuelle résulte d’une histoire, de compromis sociaux, de choix économiques et de technologies accumulés au fil du temps. L’IA rend plusieurs de ces arrangements plus visibles parce qu’elle modifie rapidement ce qui peut être automatisé, produit ou coordonné. Elle peut aussi figer de nouvelles dépendances lorsque son adoption précède la réflexion sur leurs conséquences.

La peur reste utile lorsqu’elle attire l’attention sur des risques concrets. Elle appauvrit le débat lorsqu’elle conduit uniquement à défendre l’existant. Des tâches peuvent disparaître sans dommage majeur, des professions devront être protégées ou réorganisées, et des usages de l’IA peuvent justifier des limites strictes. Ces décisions demanderont des critères, des institutions et des rapports de force capables de résister à la seule logique du déploiement rapide.

La manière dont l’IA transformera le travail, les services et la création dépendra de la combinaison entre capacités techniques, règles économiques, protections sociales et infrastructures publiques. Les acteurs qui conçoivent les outils, possèdent les centres de calcul ou contrôlent les canaux de diffusion disposent déjà d’un poids particulier. Les autres conservent des leviers dont la portée, la vitesse d’action et les ressources restent très inégales.

L’IA rend visibles des contradictions que son propre déploiement peut aussi aggraver. Elle expose ce que notre organisation distribue mal, les dépendances accumulées et les marges qu’une nouvelle technologie peut ouvrir. L’accessibilité de ces marges dépend des ressources, des règles et des institutions capables de les maintenir ouvertes.

Préserver une marge de décision collective exige des moyens économiques, juridiques et techniques capables d’agir avant que les dépendances deviennent difficiles à inverser. La part de cette transformation réellement soumise à des décisions collectives dépendra de cette capacité à intervenir assez tôt.