L’empathie, le dernier rempart de l’homme face à la machine

Nous continuons de parler de l’intelligence artificielle comme nous avons parlé de l’ordinateur personnel, d’Internet ou de l’automatisation industrielle. Des emplois disparaîtront, d’autres apparaîtront, les compétences évolueront et l’économie finira par absorber le choc. L’histoire économique nous a habitués à ce récit.

Le problème est que cette comparaison suppose que le temps joue encore en notre faveur.

Bill Gates vient précisément de remettre en cause cette hypothèse. Son raisonnement mérite l’attention des dirigeants, non parce qu’il annonce une nouvelle prouesse technologique, mais parce qu’il pointe ce qui distingue l’IA des précédentes ruptures : sa vitesse de diffusion et sa capacité à remplacer directement certaines formes de cognition humaine.

L’ordinateur personnel avait besoin d’une infrastructure. Il fallait acheter des machines, développer des logiciels, connecter les entreprises, former les collaborateurs et revoir les processus. Deux décennies ont été nécessaires pour transformer réellement les organisations.

L’intelligence artificielle arrive sans cette friction.

Elle fonctionne sur les ordinateurs et les téléphones déjà installés. Elle utilise le langage naturel. Elle peut apprendre à partir des mêmes documents, vidéos, procédures et bases de connaissances que les collaborateurs. Là où l’utilisateur devait autrefois apprendre le langage de la machine, la machine apprend désormais celui de l’utilisateur.

Cette différence pourrait sembler purement technique. Elle est en réalité profondément organisationnelle.

Une entreprise peut déployer en quelques mois des outils dont les capacités progressent plus vite que ses procédures, ses compétences et sa gouvernance. La technologie avance à un rythme exponentiel, tandis que l’apprentissage humain demeure progressif. On peut accélérer un processeur. On ne compresse pas aussi facilement le temps nécessaire à un collaborateur pour comprendre un métier, développer son jugement ou apprendre à décider dans l’incertitude.

C’est ici qu’apparaît un second risque, probablement plus profond encore : l’IA s’attaque précisément aux tâches qui constituaient jusqu’ici l’entrée dans les professions qualifiées.

Analyse documentaire, recherches préliminaires, production de tableaux, rédaction de premières versions, traitement de données, programmation élémentaire, préparation de dossiers : une grande partie du travail historiquement confié aux juniors peut désormais être automatisée ou fortement assistée.

Économiquement, la décision paraît rationnelle. Pourquoi recruter plusieurs débutants pour produire ce qu’un professionnel équipé d’une IA peut réaliser plus rapidement ?

Mais cette productivité immédiate peut masquer une dette de compétences considérable.

Un analyste senior n’est pas né analyste senior. Un avocat expérimenté a commencé par examiner des dossiers élémentaires. Un consultant a construit son jugement en produisant des analyses imparfaites, puis corrigées. Un développeur expérimenté a écrit du code simple avant de concevoir des architectures complexes.

L’expertise se construit en partie par ce que la recherche sur l’apprentissage désigne comme la « productive struggle » : cet effort cognitif nécessaire pour chercher, se tromper, corriger et progressivement comprendre.

Si nous automatisons systématiquement cet effort, nous ne supprimons pas seulement des tâches ingrates. Nous supprimons une partie du processus de formation.

L’entreprise risque alors de commettre une erreur classique de gestion : optimiser ses coûts aujourd’hui en détruisant un actif dont elle découvrira l’absence demain. En supprimant massivement ses postes juniors, elle peut améliorer sa productivité à court terme tout en asséchant le vivier dont sortiront ses experts, ses managers et ses dirigeants dans dix ans.

L’intuition la plus intéressante avancée par Bill Gates est donc peut-être celle du « Human Reserved », littéralement le domaine réservé à l’humain.

L’idée est dérangeante parce qu’elle rompt avec un principe devenu presque automatique : si une machine peut accomplir une tâche moins cher et plus vite, il faudrait nécessairement la lui confier.

Pourquoi ?

Nous acceptons déjà collectivement de protéger certains espaces naturels alors même qu’ils pourraient être exploités économiquement. Nous pourrions appliquer une logique comparable au travail et décider que certaines activités resteront humaines, non parce que l’IA serait incapable de les réaliser, mais parce que leur automatisation aurait un coût social, éducatif ou organisationnel supérieur au gain de productivité obtenu.

Gates évoque notamment le soin, l’éducation ou certaines interactions médicales. Mais les entreprises devraient élargir la réflexion à leur propre chaîne de compétences.

Il faudra peut-être maintenir volontairement certaines missions pour les juniors. Conserver des situations dans lesquelles un collaborateur doit chercher avant d’interroger la machine. Exiger qu’une recommandation soit comprise avant d’être validée. Préserver des espaces de discussion, de contradiction et de décision sans médiation algorithmique.

Cela revient à accepter une certaine friction.

Le mot dérangera les adeptes de l’optimisation permanente. Pourtant, toutes les frictions ne sont pas des inefficacités. Certaines produisent de l’apprentissage, de la confiance, de l’autonomie et du jugement.

La proposition de Gates de taxer les robots et les tokens d’IA relève de la même logique. Il ne s’agit plus uniquement de financer la reconversion. Il s’agit de reconnaître que la vitesse de substitution elle-même constitue un problème économique. Si le capital automatisé bénéficie d’un avantage fiscal systématique sur le travail humain, nous accélérons mécaniquement une transition dont nous ne maîtrisons pas encore les conséquences.

Le débat sur l’IA ne devrait donc plus se limiter à demander combien de postes peuvent être automatisés ou combien d’heures peuvent être économisées.

Les dirigeants devraient désormais se poser une question beaucoup plus difficile : quelles tâches devons-nous volontairement continuer de confier à des humains, même lorsque la machine sait les accomplir ?

C’est probablement là que se jouera la différence entre les organisations qui utiliseront l’intelligence artificielle pour augmenter leur capital humain et celles qui découvriront, trop tard, qu’elles l’ont utilisée pour le consommer. Car lorsque la machine saura calculer, rédiger, raisonner et peut-être décider mieux que nous, il restera encore une frontière à défendre : l’empathie, cette capacité à comprendre la vulnérabilité de l’autre et à lui répondre en être humain. Elle pourrait bien devenir le dernier rempart de l’homme face à la machine.