AI Automated Everything. Why Is There More Work?

L'intelligence artificielle (IA) rend l'expertise humaine qualifiée accessible à tous et à moindre coût. Contrairement à l'idée reçue, cela n'entraîne pas le remplacement des experts, mais une augmentation de la demande pour eux. Ce paradoxe, qui se manifeste même dans les entreprises à la pointe de l'automatisation, où l'on embauche massivement des humains malgré l'usage intensif d'agents IA, mérite d'être exploré. Des personnalités comme Dario, qui craint que l'IA n'élimine plus de 50 % des emplois de bureau de premier niveau, ou Ken Griffin de Citadel, qui observe des agents IA exécuter des tâches extrêmement complexes, expriment des inquiétudes quant à l'avenir du travail. Ces craintes, largement partagées par le public, contrastent fortement avec l'expérience concrète de l'utilisation de ces technologies. Mon entreprise, Every, forte de six ans et demi d'existence et couvrant l'IA et l'évolution du travail depuis 2022, est un microcosme de ce qui est possible en poussant ces technologies à leur maximum. En 2020, j'ai écrit sur l'économie de l'allocation, prédisant que nous interagirions avec les agents IA comme des managers avec leurs équipes. Les compétences de délégation, de microgestion ou de décomposition des tâches, essentielles pour un bon manager humain, seraient les plus précieuses dans ce nouveau paradigme. Il y a environ un an, j'ai été "Claude-pilled". Mon collègue Kieran Klaassen codait avec Claude sans même regarder le code, et j'ai commencé à l'utiliser pour mon propre codage et mon travail intellectuel. J'ai réalisé que c'était le modèle pour le futur du travail intellectuel. J'ai même prédit sur le podcast de Lenny que le code de Claude serait l'outil le plus sous-estimé pour ce type de travail. En tant qu'entreprise "AI-pilled", nous testons les modèles avant leur sortie et servons de laboratoire pour l'avenir du travail avec les agents. Deux formes principales de travail avec les agents émergent. La première, bien anticipée, est la délégation via des bots Slack. Nous utilisons plusieurs IA, comme Claudie pour notre activité de conseil, Andy pour l'édition, et Victor, un assistant éditorial. Ces agents gèrent tout, de la recherche marketing à l'envoi de propositions client. La seconde forme, plus étrange et cruciale, est l'orchestration d'agents via des logiciels comme Codex ou Co-work. Ces systèmes, où chaque chat lance un agent sur votre ordinateur, deviennent le système d'exploitation du travail. Je fais tout mon travail dans Codex, de la rédaction à l'analyse de nos comptes de résultat. Ces systèmes permettent une collaboration étroite entre l'humain et l'IA, où l'on supervise plusieurs agents simultanément. Dans les deux cas, la présence humaine est indispensable. Claudie, par exemple, fonctionne grâce à Nitesh, un de nos ingénieurs IA, dont le rôle est de corriger constamment ses lacunes. L'idée qu'un agent fonctionne seul une fois configuré est un mythe. Plus l'agent est éloigné de l'intervention humaine, moins il est efficace. De même, ma collaboration avec mon agent dans le système d'orchestration rend le travail beaucoup plus puissant. Mais alors, pourquoi avons-nous besoin de plus d'humains ? L'IA rend la compétence humaine d'hier bon marché. Les modèles de langage, entraînés sur des données, rendent des tâches comme la rédaction d'une "pull request" (requête de fusion de code), autrefois rare et coûteuse, extrêmement faciles. Cette démocratisation des compétences entraîne une adoption massive et une explosion de la demande. Des personnes des opérations, du service client ou du marketing peuvent désormais soumettre des "pull requests" ou créer des miniatures YouTube. Cependant, cette "compétence bon marché" génère une masse de travail générique, allant du "bricolage" (slop) à des ébauches décentes. Si l'on n'est pas expert et que l'on se contente d'utiliser les outils par défaut, le résultat sera médiocre. Le "slop" n'est pas une erreur spécifique, mais une uniformité perceptible lorsque de nombreux utilisateurs produisent le même type de contenu. Cette uniformisation augmente la demande de différenciation, et c'est là que les experts interviennent. Les experts peuvent prendre ces ébauches génériques et les transformer en produits de qualité, prêts à être déployés. Certains experts se plaignent que l'IA leur donne plus de travail de nettoyage, mais beaucoup créent des systèmes pour absorber et exploiter ce nouveau flux de travail. Par exemple, chez Every, nous avons des règles pour la soumission des "pull requests" afin d'intégrer le travail généré par l'IA. Les experts peuvent également utiliser cette compétence d'hier, désormais accessible à tous, comme une base pour accomplir des tâches inédites. Plusieurs personnes chez nous gèrent des produits logiciels entiers de manière autonome, ce qui était impossible auparavant. En bref, dans les domaines du travail intellectuel qualifié, l'IA génère plus de travail car chaque agent nécessite une intervention humaine pour être efficace, et l'accès généralisé aux compétences d'hier augmente la production, nécessitant des experts pour transformer le "slop" en valeur. Ce phénomène est comparable au paradoxe de Zénon, où Achille ne peut jamais rattraper la tortue. L'IA semble constamment nous talonner, mais je ne pense pas qu'elle nous rattrapera. Ma définition de l'AGI (Intelligence Artificielle Gén