Il y a une objection raisonnable qui mérite d’être prise au sérieux : chaque vague d’automatisation est arrivée accompagnée de prédictions d’extermination de l’emploi qui ne se sont pas réalisées. Les distributeurs automatiques auraient dû rayer de la carte les guichetiers de banque, et pourtant pendant quarante ans, de 1970 à 2010, l’emploi des guichetiers américains n’est jamais entré dans un déclin durable : James Bessen a documenté que les distributeurs ont réduit le nombre de guichetiers nécessaires par agence d’une vingtaine à environ treize, mais ont rendu les agences si peu coûteuses à ouvrir que les banques en ont ouvert beaucoup plus, et dans l’ensemble les postes ont tenu (le déclin est venu après 2010, mais par la main du mobile banking, pas du distributeur). Le tableur aurait dû faire disparaître ceux qui faisaient les comptes, et aux États-Unis quelque 400 000 postes d’aide-comptable ont bel et bien disparu depuis 1980, pendant que 600 000 se créaient parmi les comptables proprement dits, parce que l’analyse était devenue si bon marché que les clients ont commencé à en demander beaucoup plus. Celui qui balaie aujourd’hui l’anxiété liée à l’intelligence artificielle comme une énième panique luddite a pour lui une série historique longue et embarrassante pour les prophètes de malheur. David Autor, l’économiste du MIT qui a façonné la manière dont nous étudions ces transitions, a quantifié le phénomène avec ses coauteurs : environ 60 % de l’emploi américain de 2018 se trouvait dans des fonctions qui n’existaient même pas comme intitulé de poste en 1940. Le travail ne finit pas. Il se déplace.
Et pourtant cette lecture consolante, vraie en agrégat et sur des horizons de décennies, devient fausse dès qu’on s’en sert pour rassurer une personne précise sur une décennie précise. Le dactylographe qui, en 1985, était le plus rapide du bureau n’a pas été sauvé par la statistique selon laquelle le travail, dans l’ensemble, allait se recomposer ailleurs. Son travail à lui s’est évaporé quand même, et comprendre pourquoi il s’est évaporé est la chose la plus utile que nous puissions faire aujourd’hui, parce que le mécanisme se répète avec une fidélité presque didactique.
L’histoire du dactylographe, bien racontée
Cette histoire vaut la peine d’être bien racontée, parce que la version qui circule est plus pauvre que l’original. En 1975, au Xerox PARC de Palo Alto, Larry Tesler et Tim Mott développèrent un éditeur de texte appelé Gypsy. Il n’était pas pensé pour un marché de masse : il servait à Ginn & Company, une maison d’édition de manuels scolaires du groupe Xerox, installée à Lexington, dans le Massachusetts. Gypsy introduisit des choses que nous tenons aujourd’hui pour acquises au point de ne plus les voir : la sélection du texte par glissement de la souris et le double clic sur un mot, ainsi que les commandes que Tesler baptisa cut, copy et paste. Il y a dans cette genèse un détail que je trouve presque émouvant. Pour concevoir l’interface, Tesler demanda à sa nouvelle secrétaire, qui n’avait connu que des machines à écrire haut de gamme, de s’asseoir devant un écran vide et de décrire sa manière idéale de prendre des notes et de composer des documents. Ce qu’elle décrivit devint Gypsy. La profession que l’outil allait dissoudre contribua à le dessiner, sans qu’aucun des deux, la secrétaire ou l’ingénieur, puisse voir où l’affaire allait finir.
Car le point est exactement celui-là : Gypsy et ses descendants n’ont pas rendu les dactylographes plus rapides. Ils ont rendu presque gratuite une opération qui était coûteuse, modifier un texte déjà écrit. Avec la machine à écrire, chaque correction avait un prix élevé, et ce prix justifiait toute une architecture organisationnelle : le dirigeant dictait ou écrivait à la main, le brouillon passait au pool de dactylographie, revenait corrigé, repartait. Quand la modification est devenue gratuite, le dactylographe ne s’est pas mis à travailler plus vite. Ce qui s’est passé, c’est que le dirigeant a commencé à écrire lui-même, mal et volontiers, parce qu’il pouvait se corriger à l’infini sans coût. La tâche de dactylographie n’a pas été automatisée : elle a été pulvérisée et redistribuée sur des millions de personnes, dans un processus qui n’existait pas avant. Le Bureau of Labor Statistics américain recense encore aujourd’hui les survivants de la catégorie « word processors and typists », et la projette invariablement en tête des professions au déclin le plus rapide. Non parce qu’une machine tape mieux qu’eux, mais parce que le monde a cessé d’être organisé de façon à avoir besoin d’une fonction dédiée à la frappe.
Le bundle et le goal-seeker
C’est ici que la « task approach » d’Autor devient un outil et pas seulement une étiquette académique. L’idée, formalisée en 2013 mais enracinée dans le travail de 2003 avec Levy et Murnane, est que la technologie ne rencontre jamais une profession : elle rencontre des activités singulières, et réattribue ces activités entre travail humain et capital selon un principe d’avantage comparatif. Une profession est un paquet de tâches tenues ensemble par une organisation, et il est rare que le paquet disparaisse d’un bloc. Sangeet Paul Choudary, repris en Italie par Vincenzo Cosenza dans un article qui est le point de départ de cette réflexion, appelle ce paquet « bundle » et observe que jusqu’ici l’être humain a survécu aux automatisations parce qu’il conservait la fonction de goal-seeker : la technologie mangeait les tâches d’exécution, mais quelqu’un devait encore décider l’objectif, le décomposer, gérer les exceptions, recomposer le résultat. Le titre professionnel restait sur la porte pendant que le contenu de la pièce changeait.
Les agents déplacent la frontière
Les agents déplacent la frontière exactement là. Un assistant qui accélère chaque étape d’un processus laisse le processus tel quel : c’est la modalité dans laquelle la plupart des entreprises utilisent l’IA aujourd’hui, et c’est aussi celle qui produit les résultats les plus décevants, parce qu’elle comprime la durée des tâches sans toucher aux temps morts entre les tâches, qui dans toute organisation réelle sont le poste dominant. Un agent qui part de l’objectif, construit un plan, cherche les sources, produit une première version du livrable et la soumet à vérification n’accélère pas cinq tâches : il propose un workflow différent, dans lequel certaines positions intermédiaires perdent leur fonction et d’autres en gagnent une. Le slogan selon lequel l’IA ne remplacera pas ceux qui travaillent mais seulement ceux qui ne savent pas s’en servir présuppose que le processus reste le même, et que la course se joue sur la vitesse d’exécution des étapes existantes. Le dactylographe le plus rapide sur Word avait gagné exactement cette course. Cela ne lui a servi à rien, parce qu’entre-temps la piste avait disparu.
La vue depuis la province
Voilà pour l’analyse, que je dois en grande partie à Autor, à Choudary et à la synthèse de Cosenza. Ce que je voudrais ajouter vient du point d’observation particulier de qui dirige la partie technique d’une petite software house de province, une dizaine de personnes qui travaillent surtout sur la santé et l’administration publique, avec quelques incursions dans le legaltech, et qui a réorganisé depuis deux ans sa manière de développer du logiciel autour d’outils agentiques. Ce n’est pas un point d’observation théorique : c’est l’endroit où ces dynamiques arrivent en premier et sans amortisseurs, parce qu’une structure de dix personnes n’a pas la redondance organisationnelle pour absorber un workflow raté.
La première chose que j’ai apprise, c’est que dans notre métier la recomposition a déjà eu lieu, sauf que nous la désignons par des noms techniques qui en masquent la portée. Quand le code devient bon marché à produire, comme la frappe dans les années quatre-vingt, la valeur migre vers l’artefact qui le précède : la spécification. J’en ai parlé ailleurs à propos de la dette de spécification, et chaque mois qui passe m’en convainc davantage. Un agent qui génère en un après-midi ce qui demandait autrefois deux sprints n’a pas accéléré le développement : il a déplacé le goulot d’étranglement vers la capacité de dire avec précision ce qui doit être construit et avec quelles propriétés vérifiables. Celui qui sait écrire cette spécification, et sait reconnaître quand la sortie ne la respecte pas, fait le travail qui compte. Celui qui exécute des tâches que la spécification a déjà complètement déterminées fait le travail que le processus peut redistribuer, et tôt ou tard il le fera.
La pépinière
La deuxième chose est plus inconfortable, et concerne la pyramide. Dans une petite équipe, le travail junior n’a jamais été seulement de la production à bas coût : c’était le mécanisme par lequel se formaient les seniors. Si les agents absorbent précisément le type de tâches sur lesquelles un junior construisait son jugement, l’entreprise qui se contente de fêter l’économie est en train de manger sa pépinière. Je n’ai pas de solution élégante. J’ai une pratique : les tâches, nous ne les retirons pas aux juniors, nous en changeons l’objet. Le junior n’écrit plus le CRUD, il supervise l’agent qui l’écrit, et il est évalué sur la qualité de la revue, pas sur la vitesse de frappe. C’est un pari sur le fait que le jugement peut aussi se former en examinant le travail d’autrui, comme cela s’est toujours fait dans les rédactions et les cabinets d’avocats. Si le pari est bon, nous le saurons dans quelques années, mais l’alternative, des équipes sans postes d’entrée, est une réponse qui se commente d’elle-même.
La carte écrite dans les règlements
La troisième chose est celle pour laquelle j’écris ce texte. Cosenza termine son article sur le niveau du système : qui définit les objectifs, qui coordonne personnes et agents, qui tient la relation avec le client, qui assume la responsabilité du résultat. Et c’est vrai, mais dit ainsi cela ressemble à une question de positionnement individuel, presque de carrière. Je crois que c’est une question structurelle, et qu’en Europe elle a déjà une adresse écrite. Car pendant que nous discutons des tâches que l’IA sait accomplir, le législateur européen est en train de dresser, article après article, la liste des fonctions qu’aucun processus ne pourra redistribuer aux machines, pour la simple raison que la loi les cloue à une personne morale. L’AI Act exige, pour les systèmes à haut risque, une surveillance humaine effective, et assigne des obligations précises à qui fournit et à qui déploie les systèmes. Le Cyber Resilience Act rend le fabricant responsable de la sécurité du produit numérique indépendamment de qui, ou de quoi, en a écrit le code, tandis que la nouvelle directive sur la responsabilité du fait des produits étend cette responsabilité au logiciel en tant que tel, et NIS2 va jusqu’à demander que ce soit l’organe de direction, et non un bureau délégué, qui approuve les mesures de sécurité et en réponde. On peut lire tout cela comme du lest bureaucratique, et c’est la lecture la plus répandue dans notre secteur. Ou bien on peut le lire comme une carte : la topographie, tracée à l’avance et avec force de loi, des points du workflow où la valeur humaine n’est pas négociable parce que la responsabilité n’est pas délégable.
Ce qu’aucun outil ne peut signer
Le dactylographe a disparu quand le processus a cessé d’avoir besoin d’une fonction dédiée à la frappe. La bonne question, pour quiconque travaille avec la connaissance, n’est pas de savoir quelles tâches un modèle sait accomplir, ni même seulement si ces tâches resteront organisées comme aujourd’hui. C’est de savoir quelle fonction le processus, si loin qu’on le recompose, ne pourra jamais expulser. Dans mon secteur, la réponse a cessé d’être une opinion : la fonction que le processus ne peut pas expulser est la responsabilité, et la responsabilité, en Europe, est écrite dans les règlements avant même de l’être dans les organigrammes. Celui qui la traite comme un coût se prépare à concourir sur la vitesse d’exécution, c’est-à-dire à gagner la course du dactylographe. Celui qui la traite comme une architecture choisit, aujourd’hui, le niveau du système qu’il habitera quand la recomposition sera finie.
La secrétaire de Tesler décrivit à un écran vide sa manière idéale d’écrire, et de cette description naquit l’outil qui allait dissoudre son métier. Plus d’un demi-siècle après, nous sommes tous en train de décrire à un écran notre manière idéale de travailler. Autant le faire en sachant que la description sera prise au pied de la lettre, et qu’à la fin il ne restera debout, de ce travail, que ce qu’aucun outil ne peut signer à notre place.
Ce qu'il faut retenir
En agrégat, les optimistes ont raison : les distributeurs n’ont pas fait baisser l’emploi des guichetiers pendant quarante ans, et le tableur a créé plus de postes de comptables qu’il n’en a détruit chez les aides-comptables. Mais la statistique agrégée ne sauve pas une personne précise dans une décennie précise : le travail du dactylographe s’est évaporé quand même.
Gypsy, l’éditeur de Larry Tesler et Tim Mott au Xerox PARC en 1975, n’a pas rendu la frappe plus rapide : il a rendu la modification presque gratuite. La tâche n’a pas été automatisée mais pulvérisée et redistribuée sur des millions de personnes, et la fonction dédiée a disparu avec l’architecture organisationnelle qui la justifiait.
La task approach d’Autor et le bundle de Choudary expliquent le mécanisme : la technologie ne rencontre jamais une profession, elle rencontre des tâches singulières. Jusqu’ici l’humain survivait parce qu’il restait le goal-seeker ; les agents, qui partent de l’objectif et proposent des workflows entiers, déplacent la frontière sur cette fonction même.
Dans une software house, la recomposition a déjà eu lieu : quand le code devient bon marché, la valeur migre vers la spécification et vers la capacité de reconnaître quand la sortie ne la respecte pas. Et les juniors ne doivent pas perdre leurs tâches mais en changer l’objet, superviser l’agent, sinon l’entreprise qui fête l’économie mange sa pépinière.
La fonction qu’aucun processus ne peut expulser est la responsabilité : l’AI Act, le CRA, la PLD et NIS2 la clouent aux personnes morales et aux organes de direction. Lue comme une carte plutôt que comme du lest bureaucratique, c’est la topographie des points du workflow où la valeur humaine n’est pas négociable.
Questions & réponses
Pourquoi l’optimisme historique sur l’automatisation ne suffit-il pas à rassurer qui travaille aujourd’hui ?
Parce qu’il est vrai en agrégat et sur des horizons de décennies, et devient faux dès qu’on s’en sert pour rassurer une personne précise sur une décennie précise. Les distributeurs n’ont pas fait décliner l’emploi des guichetiers américains pendant quarante ans, et le tableur a créé plus de postes de comptables qu’il n’en a détruit chez les aides-comptables, mais le dactylographe le plus rapide du bureau n’a pas été sauvé par la statistique selon laquelle le travail allait se recomposer ailleurs. Son travail à lui s’est évaporé quand même, et le mécanisme qui l’a fait s’évaporer se répète.
Qu’enseigne vraiment l’histoire de Gypsy et des dactylographes ?
Que la technologie n’a pas besoin de taper mieux qu’un dactylographe pour le faire disparaître. Gypsy, développé par Larry Tesler et Tim Mott au Xerox PARC en 1975, a rendu presque gratuite une opération qui était coûteuse : modifier un texte déjà écrit. Quand corriger n’a plus rien coûté, le dirigeant s’est mis à écrire lui-même et l’architecture organisationnelle qui justifiait le pool de frappe s’est dissoute. La tâche n’a pas été automatisée : elle a été pulvérisée et redistribuée sur des millions de personnes, dans un processus qui n’existait pas avant.
Qu’est-ce que la task approach de David Autor, et pourquoi les agents changent-ils la donne ?
C’est l’idée, formalisée en 2013, que la technologie ne rencontre jamais une profession mais des activités singulières, qu’elle réattribue entre travail humain et capital selon un avantage comparatif. Une profession est un paquet de tâches tenues ensemble par une organisation, et jusqu’ici l’humain survivait parce qu’il conservait la fonction de goal-seeker : décider l’objectif, le décomposer, gérer les exceptions. Un agent qui part de l’objectif et produit le livrable n’accélère pas cinq tâches : il propose un workflow différent, dans lequel certaines positions intermédiaires perdent leur fonction. La frontière se déplace sur le niveau même qui semblait garanti.
Comment le travail junior change-t-il dans une équipe qui utilise des agents ?
Le travail junior n’a jamais été seulement de la production à bas coût : c’était le mécanisme par lequel se formaient les seniors. Si les agents absorbent précisément les tâches sur lesquelles un junior construisait son jugement, l’entreprise qui fête l’économie mange sa pépinière. Une pratique possible consiste à changer l’objet des tâches au lieu de les retirer : le junior n’écrit plus le CRUD, il supervise l’agent qui l’écrit, et il est évalué sur la qualité de la revue. C’est un pari sur le fait que le jugement peut aussi se former en examinant le travail d’autrui, comme cela s’est toujours fait dans les rédactions et les cabinets d’avocats.
Quel rôle jouent l’AI Act, le CRA, la PLD et NIS2 dans cette recomposition ?
Pendant que nous discutons des tâches que l’IA sait accomplir, le législateur européen dresse la liste des fonctions qu’aucun processus ne pourra redistribuer aux machines, parce que la loi les cloue à une personne morale. L’AI Act exige une surveillance humaine effective pour les systèmes à haut risque, le CRA rend le fabricant responsable de la sécurité du produit indépendamment de qui en a écrit le code, la PLD étend la responsabilité du fait des produits au logiciel en tant que tel, et NIS2 demande que l’organe de direction lui-même approuve les mesures de sécurité et en réponde. On peut lire tout cela comme du lest bureaucratique, ou comme une carte des points du workflow où la responsabilité n’est pas délégable.
L'auteur
