Écrit par : Will Awang
L'année dernière, j'ai participé à plusieurs conférences industrielles sur le thème de l'IA. Sur scène, les intervenants enchaînaient les démonstrations des prouesses de l'IA, tandis qu'en dessous, les gens filmaient l'écran avec leur téléphone pour poster sur les réseaux sociaux avant de retourner à leur écran. Mais de retour au bureau, c'était les mêmes réunions hebdomadaires, les mêmes processus d'approbation, les mêmes rapports. Les grandes entreprises ont même intégré la consommation de tokens dans leurs KPI ; certains sont devenus des « travailleurs modèles » en automatisant simplement cette consommation. Dans mon fil d'actualités, les gens vantaient Claude aujourd'hui, Codex demain, et Gemini après-demain – est-ce embrasser la révolution, ou simplement courir d'un événement à l'autre ?
Tout cela n'est que bruit. Ce n'est pas la réponse que je cherche.
La vraie question n'est pas de savoir si l'IA est assez puissante – la machine à vapeur est déjà construite. La question est : qui sera le premier à démonter l'ancien atelier ?
La véritable révolution industrielle n'a pas commencé le jour où Watt a amélioré la machine à vapeur, mais le jour où un propriétaire d'usine du Lancashire a décidé de quitter la rivière et de reconstruire son atelier autour de cette machine. Le moment le plus important pour l'IA sera similaire – ce n'est pas le jour où les grands modèles ont été inventés, mais le jour où la première organisation décidera de démanteler ses anciens processus et de reconstruire son mode de production autour de l'IA. Ce jour n'est pas encore arrivé. Mais il est en route.
Deux personnes ont vu cela très tôt. Ivan Zhao, PDG de Notion, a écrit un article fin 2025 intitulé « Vapeur, Acier et Esprits Infinis », avec un constat froid : nous en sommes encore au stade du « remplacement de la roue à eau » – ajouter des chatbots IA à des outils existants, sans repenser l'usine. L'ancien employé d'OpenAI, Leopold Aschenbrenner, a pris un autre chemin : il a écrit 165 pages sur la « Conscience de la Situation », puis a créé un fonds, passant de 225 millions de dollars à 13,68 milliards de dollars, en pariant entièrement sur les infrastructures de l'IA. L'un regarde vers l'intérieur, l'autre parie sur l'extérieur.
Cet article ne parle pas d'eux. Il parle de nous – où nous nous situons aujourd'hui, et quelle partie de l'histoire nous répétons.
( Power-loom weaving, engraving by J. Tingle after Thomas Allom, 1835 / Wikimedia Commons )
Un : L'atelier est toujours l'ancien
La journée de la plupart des gens ressemble à ceci : le matin, ils utilisent l'IA pour écrire un e-mail, économisant dix minutes ; puis ils passent deux heures dans une réunion hebdomadaire qui aurait pu être évitée ; l'après-midi, ils copient-collent les mêmes données entre trois outils différents ; le soir, ils postent sur les réseaux : « L'IA, c'est génial ! ». Les dix minutes économisées sont immédiatement avalées par les anciens processus.
De même, lorsque la machine à vapeur est apparue, les propriétaires d'usine l'ont d'abord simplement substituée à la roue à eau, en laissant tout le reste inchangé – l'usine était toujours au bord de la rivière, toujours un bâtiment à plusieurs étages, toujours un arbre central entraînant toute la ligne de production. Nous faisons la même chose en intégrant ChatGPT dans Slack, Copilot dans Office, des fenêtres de chat IA dans nos flux de travail. L'outil est mis à niveau, mais l'atelier n'a pas changé.
Mais changer la machine n'est pas changer l'atelier. McLuhan l'a bien dit :
Nous conduisons vers le futur en regardant dans le rétroviseur. Utiliser des anciens processus pour accueillir de nouveaux outils, c'est comme les premiers films qui n'étaient que des pièces de théâtre filmées. La véritable percée arrive quand quelqu'un libère complètement la machine à vapeur de la rivière et reconçoit tout le mode de production autour de cette nouvelle puissance.
En comparant la chronologie de la révolution industrielle avec celle de l'IA, on peut probablement situer où nous en sommes sur la carte :
Aujourd'hui, la chronologie est extrêmement compressée. Il a fallu 60 ans entre la machine à vapeur et la frénésie des chemins de fer lors de la révolution industrielle ; pour l'IA, seulement 7 ans entre le Transformer et la ruée vers la construction des centres de données.
La vitesse n'est pas le problème ; le problème est l'endroit où nous sommes coincés – les quatre premières lignes représentent toujours l'étape de l'ancien atelier avec de nouvelles machines, la machine à vapeur est installée, les rails sont posés, mais le mode de production reste inchangé. La sixième ligne est le véritable point de bascule. Nous sommes probablement coincés entre ces deux étapes.
La machine à vapeur est entre nos mains, mais l'atelier est toujours l'ancien.
Deux : Tout l'argent est mis sur la couche la plus éloignée de l'usine
Les infrastructures sont toujours sur-développées. À la fin, ce sont les investisseurs qui font faillite, pas les infrastructures.
En 1846, le Parlement britannique adopta 263 projets de loi sur les chemins de fer, autorisant la construction de 9500 miles de nouvelles voies ferrées. À son pic, l'investissement ferroviaire représentait 13% du PIB britannique. Les actions des chemins de fer pouvaient être achetées avec seulement 10% d'acompte, attirant les classes moyennes en masse. La bulle éclata en 1847. Un tiers des lignes approuvées ne furent jamais construites, et d'innombrables investisseurs perdirent tout. Darwin perdit 60% de sa mise en actions ferroviaires, et il eut plus de chance que la plupart.
Mais les chemins de fer sont restés.
L'infrastructure de l'IA d'aujourd'hui suit le même chemin. La dernière estimation de Goldman Sachs indique que les dépenses en capital pour l'infrastructure IA mondiale atteindront 765 milliards de dollars en 2026, avec une projection de 1,6 trillion de dollars annuels d'ici 2031. La part des dépenses en capital dans le flux de trésorerie opérationnel des grands fournisseurs de cloud est passée d'environ 40% en 2023 à près de 70% en 2025. Les investissements liés à l'IA représentent déjà environ un quart de tous les investissements aux États-Unis. Les 13,68 milliards de dollars d'Aschenbrenner sont un pari sur cette couche – il ne parie pas sur quelle application va gagner, mais sur la puissance de calcul elle-même.
Ce cycle de capital est isomorphe à celui de l'immobilier. Construire un centre de données, c'est construire un bâtiment : le terrain est l'électricité, les matériaux sont les GPU et le stockage, les entrepreneurs sont les constructeurs de centres de données, les promoteurs sont les fournisseurs de cloud, les locataires sont les entreprises d'applications IA, et le loyer est le revenu API. Le modèle économique des fournisseurs de cloud est de payer les prêts avec les loyers – couvrir les dépenses en capital des centres de données avec les revenus API, en attendant l'envolée de la valorisation apportée par l'explosion des applications IA.
(L'immobilier de la puissance de calcul : Chaque génération a ses infrastructures)
Le risque central est le même : le prix unitaire des API baisse-t-il plus vite que la croissance du volume d'appels ne le compense ? Si le loyer tombe en dessous de la ligne de remboursement du prêt – c'est le cauchemar bien connu des promoteurs immobiliers. La leçon de 2008 n'était pas qu'on avait construit trop de maisons, mais que les maisons construites ne correspondaient pas à la structure de la demande réelle. Le risque équivalent pour l'IA est : un excès de puissance de calcul générale, mais une capacité spécialisée pour traiter des scénarios à haute valeur ajoutée comme la conformité financière ou le diagnostic médical reste rare.
Chemins de fer, immobilier, IA – les investissements en infrastructures de trois époques partagent la même règle : la surconstruction est la norme, les fournisseurs de matériaux perdent toujours leur pouvoir de fixation des prix, et les rendements à long terme reviennent toujours aux propriétaires des « emplacements stratégiques ». Regardez les portefeuilles des fonds du premier trimestre de Wall Street – probablement 80% sont sur cette couche d'infrastructure : NVIDIA, centres de données, infrastructures cloud. Mais ce que nous enseigne la frénésie ferroviaire, c'est que ce n'est pas la totalité de la révolution de l'IA, et ce n'est même pas la couche offrant les rendements les plus élevés.
Quel est l'emplacement stratégique de l'IA ? Ce sont les données sectorielles uniques et les flux de travail profondément intégrés. Pour un individu, le véritable « emplacement stratégique » n'est pas les actions qu'il détient, mais son jugement et ses connaissances sectorielles irremplaçables – à condition d'avoir déjà reconstruit la manière de les utiliser autour de l'IA.
Les vrais rendements sont à la couche suivante. Mais entre l'infrastructure et la création de valeur, il n'y a pas de transition parfaite. Il y a un fossé au milieu – dans l'histoire, ce fossé a englouti des décennies.
Trois : Qui démonte l'atelier
Les gens qui démontent l'atelier et ceux qui « utilisent l'IA pour gagner en efficacité » ne font pas la même chose.
Simon, le cofondateur d'Ivan Zhao, était autrefois un « programmeur 10x », maintenant il écrit rarement du code lui-même – il pilote simultanément trois ou quatre agents d'IA de codage, atteignant une efficacité de 30 à 40x. Notion compte aujourd'hui 1000 employés et plus de 700 agents IA. La différence n'est pas l'outil, c'est que Simon a démonté son propre ancien atelier, tandis que la plupart des gens ont simplement changé leur roue à eau.
600 millions d'utilisateurs chinois ont utilisé des outils d'IA générative, soit une croissance de 142% sur un an – c'est le plus grand bassin de demande d'IA au monde. Mais presque aucune entreprise chinoise n'a reconstruit son flux de travail central autour de l'IA. La plus grande demande mondiale, couplée à une offre organisationnelle quasi immobile. Ce contraste est en soi un signal : ce n'est pas que les outils manquent, c'est que les organisations n'ont pas suivi. Le contexte du travail intellectuel est dispersé entre des dizaines d'outils et de têtes, la production n'est pas vérifiable, personne ne sait comment juger de l'efficacité d'une note de stratégie.
(Labor market impacts of AI: A new measure and early evidence)
Anthropic a déjà commencé à plus grande échelle. Ils ont publié un Economic Index, utilisant des données d'utilisation réelles pour cartographier quelles tâches et industries l'IA remplace en premier, puis ils construisent selon cette carte : coentreprise avec Goldman Sachs, Blackstone, Hellman & Friedman pour créer une société de services aux entreprises natives de l'IA ; alliance mondiale avec KPMG, 276 000 employés connectés à Claude ; Accenture crée un groupe métier, 30 000 personnes formées, se concentrant sur la finance, les sciences de la vie et la santé.
Le rôle de ces cabinets de conseil n'est pas d'utiliser l'IA, mais d'être les ingénieurs ferroviaires de l'IA – ils ne construisent pas la machine à vapeur, ni ne posent les rails, ils aident les entreprises à démonter les vieilles usines et à reconstruire les lignes de production autour de la nouvelle puissance. Sans ce rôle, la plupart des propriétaires d'usine ne sauraient pas par où commencer.
Le signal clignote déjà. L'un des plus percutants vient du marché du travail.
Les jeunes de 22-25 ans entrant dans des professions fortement exposées à l'IA ont 14% moins de chances de trouver un emploi que leurs pairs entrant dans des professions peu exposées. Les postes juniors sont déjà sous pression.
Si j'étais un nouveau diplômé, ce chiffre influencerait directement ma recherche d'emploi. Si j'étais un manager, mes prochains postes juniors ne seront peut-être pas occupés par des humains.
Les organisations se démontent, et les individus ? Mon diplôme, mon CV, mon expérience sectorielle accumulée – ce sont mes roues à eau. Elles ont entraîné ma ligne de production, mais la machine à vapeur est arrivée. Les diplômes prestigieux ne sont plus un fossé, ils prouvent seulement que j'ai construit une usine compétente au bord de la rivière.
La question maintenant est de savoir si nous avons la capacité de quitter cette rivière.
Les données d'Anthropic montrent que les utilisateurs d'outils d'IA depuis plus de 6 mois ont un taux de réussite aux tâches 10% plus élevé que les nouveaux utilisateurs. Ceux qui sont partis six mois plus tôt ont déjà 10% d'avance, et cet écart se composera avec le temps.
Mais jusqu'à présent, aucune entreprise n'a fait faillite parce qu'elle n'utilisait pas l'IA, du moins mon cabinet juridique prospère toujours avec l'IA. Les gagnants n'ont pas encore été désignés par le marché. La courbe d'apprentissage est réelle – les précurseurs accumulent déjà un avantage, mais la majorité est encore sur la ligne de départ.
Quatre : Mon prochain métier n'a pas encore de nom
Mon titre professionnel actuel existera-t-il encore dans dix ans ? Les outils que j'utilisais quotidiennement il y a cinq ans, combien en reste-t-il aujourd'hui ? Les réponses sont probablement négatives. Mais je ne sais pas comment s'appellera ce qui les remplacera – parce que ces choses n'existent pas encore.
À chaque fois dans l'histoire, c'est ainsi. Les nouvelles choses ne sont pas planifiées, elles émergent d'elles-mêmes lorsque les anciennes contraintes disparaissent.
Avant les chemins de fer, la Grande-Bretagne était une série d'économies locales isolées. Le prix du coton pouvait varier de 30% entre Manchester et Londres. Chaque ville avait son propre fuseau horaire, personne ne trouvait cela étrange. Dans les vingt ans suivant l'achèvement des chemins de fer, tout a changé. Le marché national unifié est apparu pour la première fois, les écarts de prix se sont estompés ; l'heure standard a été imposée par les chemins de fer, pas inventée ; chef de gare, télégraphiste, agent de voyages – ces emplois n'existaient absolument pas avant les chemins de fer.
Personne, en posant les rails, n'anticipait les grands magasins. Personne, en construisant la machine à vapeur, n'anticipait l'heure standard.
(Vapeur, Acier et Esprits Infinis)
L'histoire des villes raconte la même histoire. Les villes d'il y a quelques siècles étaient à échelle humaine – traverser Florence à pied en quarante minutes. L'ossature d'acier a rendu les gratte-ciel possibles, les chemins de fer ont relié la ville et son arrière-pays, les ascenseurs, le métro, les autoroutes ont suivi. Tokyo, Chongqing, Dallas – ce ne sont pas de plus grandes Florence, ce sont de nouveaux modes de vie.
Le travail intellectuel actuel est également à échelle humaine. Des équipes de quelques dizaines de personnes, rythmées par les réunions et les e-mails, deviennent ingérables au-delà de quelques centaines de personnes. Nous construisons Florence avec de la pierre et du bois. L'IA rend possible un « Tokyo » – des organisations composées de milliers d'agents IA et de personnes, avec des flux de travail fonctionnant en continu à travers les fuseaux horaires. Les anciennes réunions hebdomadaires, planifications trimestrielles, revues annuelles pourraient ne plus avoir de sens.
style="text-align: start;">Simon n'écrit plus de code – son travail est devenu « gérer des agents IA ». Ce poste n'existait pas il y a deux ans. Mon prochain titre professionnel n'a probablement pas encore de nom. Mais quelqu'un est déjà en train de construire ce futur que nous ne savons pas encore nommer.Cinq : À quoi ressemble le nouvel atelier
Après avoir démonté l'ancien atelier, que construire ? La réponse de Y Combinator (YC) est : laisser l'entreprise s'améliorer elle-même.
Leur système interne modifie maintenant son propre code pendant la nuit. Un employé a lancé une requête dans la journée, qui a échoué. Un agent de supervision a lu cet échec, a déduit la cause, a écrit le code pour la réparer, l'a soumis pour validation, et l'a déployé. Le lendemain, la même requête fonctionnait. Tout cela s'est passé pendant que tout le monde dormait.
Ce n'est pas l'IA aidant quelqu'un à produire 30% de plus. C'est un système qui a bouclé tout un cycle par lui-même, qui a compris comment s'améliorer.
Le partenaire de YC, Tom Blomfield, lors d'un discours interne, appelle cette forme d'entreprise une « boucle IA d'amélioration de soi récursive ». Son analyse est directe : la plupart des entreprises sont encore des légions romaines – transmission descendante et remontée d'informations en couches, les humains servant de simples conduits. Ce que l'IA brise, ce n'est pas l'efficacité d'un maillon, c'est la raison d'être de toute cette structure hiérarchique.
La nouvelle logique qu'il propose est : brûlez des tokens, pas des têtes. Le goulot d'étranglement passe de la main-d'œuvre à la puissance de calcul. Les données que voit YC indiquent que les entreprises du Demo Day génèrent environ 5 fois plus de revenus par employé qu'il y a 18 mois. Le rôle du middle management est repris par l'IA – la « coordination » n'a plus besoin d'être faite par des humains. Chacun devrait être un contributeur individuel (IC), un constructeur, un opérateur ; chaque chose a un responsable nommé, pas un comité.
Il y a une autre condition préalable : l'entreprise doit être « lisible » par l'IA. Ce qui n'est pas enregistré, pour l'IA, n'est pas arrivé. YC met maintenant tous les e-mails des partenaires en base de données, enregistre tous les messages Slack et les heures de bureau. Un partenaire a utilisé 2000 heures d'enregistrements accumulés sur trois mois pour faire regénérer par l'IA un manuel interne de 150 pages – bien meilleur que la version précédente. Ce manuel se met à jour automatiquement chaque mois, devenant un « cerveau vivant » toujours frais.
Tom laisse une question :
Si vous deviez construire votre entreprise à partir de zéro aujourd'hui, la bâtiriez-vous sous cette forme ? Si votre entreprise a déjà une structure hiérarchique, vous devez répondre à une question plus difficile – la douleur de la reconstruire sera-t-elle inférieure au coût de continuer à fonctionner comme une légion romaine ?
L'humain n'est pas au centre de l'atelier, il est à la périphérie – responsable des endroits où l'IA ne peut pas encore intervenir : jugements en personne, situations entièrement nouvelles, moments de forte intensité émotionnelle ou à enjeux élevés. Le centre de l'entreprise est le « cerveau de l'entreprise », composé de données, d'enregistrements et de connaissances sectorielles. Les logiciels qui y tournent sont consommables, s'ils peuvent être générés, ils peuvent être regénérés. Ce qui a de la valeur est dans la tête des gens – comment l'activité fonctionne, quelles étapes impliquent un jugement, cette compréhension est le véritable actif.
Ce que décrit Ivan Zhao dans « Vapeur, Acier et Esprits Infinis » est l'autre facette de cette direction – une organisation où 1000 employés et plus de 700 agents IA collaborent, les humains sont responsables du jugement, les agents de l'exécution. Aschenbrenner parie sur l'infrastructure de puissance de calcul, Zhao parie sur la refonte organisationnelle. Deux chemins mènent finalement au même point : les nouveaux modes de production reconstruits autour de l'IA.
Six : Conclusion
Entre les années 1840 et 1850 – les chemins de fer étaient posés, mais les usines n'étaient pas encore reconstruites.
Où en sommes-nous ? Simon n'écrit plus de code. Sa roue à eau, c'est lui-même qui l'a démontée.
La question n'a jamais été de savoir si la machine à vapeur était assez bonne, la question a toujours été : qui sera le premier à démonter l'ancien atelier.
Je n'ai pas l'intention de prédire le futur des grands magasins, je compte juste me concentrer sur moi-même – je dois juste m'assurer d'être le long de la ligne de chemin de fer, et non en train de surveiller une rivière qui s'assèche.
Et vous ?
