SociétéMIT Technology Review47min

Le chaînon manquant entre la hype et la rentabilité

1 source couvre ce sujet·Source originale ↗·

En février dernier, des manifestants anti-IA défilaient dans les rues de Londres avec un tract signé Pause AI qui résumait involontairement l'état du secteur : "Étape 1 : Créer un super cerveau numérique. Étape 2 : ? Étape 3 : ?" Le clin d'oeil aux "gnomes voleurs de sous-vêtements" de South Park, devenus un mème culte pour moquer les plans d'affaires sans logique, n'était peut-être pas intentionnel, mais il frappait juste. Les entreprises d'IA ont construit la technologie (étape 1) et promis la transformation économique (étape 3). L'étape 2, celle qui explique comment on passe de l'un à l'autre, reste un point d'interrogation. Jakub Pachocki, directeur scientifique d'OpenAI, qualifie l'IA de "technologie économiquement transformatrice", mais la trajectoire concrète reste floue.

Deux études récentes illustrent à quel point cet écart entre promesse et réalité est profond. Une recherche d'Anthropic a tenté de cartographier les métiers les plus exposés aux grands modèles de langage, concluant que managers, architectes et journalistes devraient se préparer à des bouleversements, contrairement aux jardiniers ou aux ouvriers du bâtiment. Mais ces prédictions reposent sur ce que les LLM semblent capables de faire en théorie, non sur leurs performances réelles au bureau. Plus révélatrice encore, une étude publiée en février par Mercor, une startup spécialisée dans le recrutement assisté par IA, a soumis plusieurs agents IA alimentés par les meilleurs modèles d'OpenAI, d'Anthropic et de Google DeepMind à 480 tâches professionnelles typiques de banquiers, consultants et juristes. Résultat : chaque agent échoué à accomplir la majorité des tâches qui lui étaient assignées.

Ce fossé entre le discours et les faits s'explique par plusieurs facteurs structurels. D'abord, les acteurs qui font les prédictions les plus enthousiastes ont un intérêt financier direct dans leur réalisation. Ensuite, une grande partie des optimistes fondent leurs conclusions sur la progression rapide des outils de codage, qui ne représentent qu'une fraction des usages professionnels réels. Les LLM se révèlent notamment peu fiables pour les décisions stratégiques, qui nécessitent jugement et contextualisation. Et même lorsqu'ils fonctionnent bien en laboratoire, ces outils doivent s'intégrer dans des environnements humains existants, avec leurs habitudes, leurs résistances et leurs workflows hérités. Refondre ces processus autour de l'IA pour en tirer une valeur transformatrice prendra du temps et impliquera des risques. C'est précisément dans ce vide d'information que prospèrent les annonces fracassantes et les prophéties sans preuves. Le problème n'est pas que personne ne sait où l'IA va mener, c'est que tout le monde fait semblant de le savoir.

Impact France/UE

Le fossé entre les promesses économiques de l'IA et ses performances réelles en contexte professionnel concerne directement les décideurs et entreprises européens qui investissent massivement dans ces technologies sans visibilité sur le retour attendu.

Dans nos dossiers

OpenAI Anthropic Agents IA

À lire aussi

1Le Big Data

IA et santé mentale : les thérapies virtuelles sont-elles fiables ou dangereuses ?

En 2026, les thérapies virtuelles basées sur l'intelligence artificielle ont franchi un seuil symbolique : des millions d'utilisateurs à travers le monde se confient désormais à des agents conversationnels pour gérer leur santé mentale. Ces outils combinent traitement du langage naturel, analyse vocale et adaptation comportementale en temps réel : ils mesurent l'inflexion de la voix, la vitesse de frappe, les schémas de pensée répétitifs pour personnaliser chaque interaction. Des plateformes comme Woebot, Wysa ou des équivalents européens proposent une disponibilité 24h/24, sans délai de rendez-vous, directement depuis un smartphone. Une étude publiée sur PubMed Central confirme que ces systèmes peuvent réduire significativement les symptômes d'anxiété et de dépression légère à modérée chez certains profils de patients. L'IA segmente les problèmes en étapes gérables, identifie les distorsions cognitives et propose des exercices de restructuration immédiate, une approche inspirée des thérapies cognitivo-comportementales classiques. L'enjeu est massif : la pénurie mondiale de psychiatres et psychologues laisse des centaines de millions de personnes sans accès à un soin de qualité. Dans ce contexte, l'IA représente une réponse partielle mais concrète à une crise structurelle. Pour les professionnels, le bénéfice est également organisationnel : la transcription automatique des séances, le résumé d'historiques complexes et la gestion administrative permettent de restituer du temps clinique à l'écoute humaine. Sur le plan individuel, la simple disponibilité d'un outil en un clic entre deux séances réduit l'isolement et le niveau d'angoisse de fond. Mais les limites sont réelles : l'IA décode les symptômes sans comprendre leur origine, elle ne perçoit pas le contexte culturel ni les non-dits, et elle reste incapable de gérer des situations de crise aiguë ou de risque suicidaire avec la même fiabilité qu'un soignant formé. Ce débat n'émerge pas dans le vide. La psychiatrie mondiale traversait déjà une crise de capacité avant la pandémie de Covid-19, aggravée depuis par une demande en forte hausse. L'arrivée de grands modèles de langage performants à partir de 2023 a précipité le déploiement commercial d'outils thérapeutiques, souvent en avance sur les cadres réglementaires. En Europe, la directive sur les dispositifs médicaux numériques tente de rattraper ce retard, mais la certification de ces plateformes reste hétérogène. Les acteurs en présence sont variés : startups spécialisées, grandes plateformes tech, hôpitaux publics qui expérimentent des assistants IA en complément de soins. La question qui structure le débat médical n'est plus "l'IA peut-elle aider ?" mais "dans quelles conditions, avec quelle supervision, et pour quels profils de patients ?" Les prochaines années verront probablement émerger des modèles hybrides, où l'IA assure le suivi de continuité et le clinicien humain intervient aux moments décisifs.

UELa directive européenne sur les dispositifs médicaux numériques tente de réguler ces plateformes thérapeutiques IA, mais la certification reste hétérogène selon les États membres, exposant les patients européens à des niveaux de protection inégaux.

SociétéOpinion

1 source

2MIT Technology Review

Ce que les données révèlent vraiment sur l'IA et votre emploi

Au sein de la Silicon Valley, l'idée d'une apocalypse de l'emploi causée par l'IA est désormais traitée comme une certitude. Dario Amodei, PDG d'Anthropic, a décrit l'IA comme "un substitut général de la main-d'oeuvre humaine" capable de réaliser tous les emplois en moins de cinq ans. Une chercheuse en impacts sociétaux chez Anthropic a quant à elle évoqué une possible récession à court terme et "l'effondrement de l'échelle des débuts de carrière". Ces déclarations alimentent une anxiété croissante chez les travailleurs, au point de renforcer les mouvements réclamant un moratoire sur la construction de centres de données. Alex Imas, économiste à l'Université de Chicago, a accepté de faire le point sur ce que l'on sait réellement, et surtout sur ce que l'on ignore. Son constat est sévère : les outils actuels pour prédire l'impact de l'IA sur l'emploi sont "lamentables". La mesure la plus utilisée, le taux d'"exposition" d'un métier à l'IA, consiste à comptabiliser combien de tâches qui le composent pourraient être automatisées. C'est la méthode qu'OpenAI a appliquée en décembre dernier à un catalogue gouvernemental américain de milliers de tâches professionnelles, datant de 1998, constatant par exemple qu'un agent immobilier est exposé à 28 %. Anthropic a utilisé ce même référentiel en février pour analyser des millions de conversations avec Claude. Mais pour Imas, "l'exposition seule est un outil totalement inutile pour prédire les suppressions de postes" : savoir qu'une tâche peut être automatisée ne dit rien sur ce que fera concrètement l'employeur de ce gain de productivité. L'enjeu central est en réalité une question d'économie industrielle que personne ne sait encore trancher : si un développeur peut produire en un jour ce qui lui prenait trois jours grâce à l'IA, l'entreprise va-t-elle embaucher moins de développeurs ou au contraire en recruter davantage pour aller plus vite ? La réponse dépend du secteur, de la structure des marchés et de la concurrence. Dans un marché compétitif, les gains de productivité se répercutent souvent en baisse de prix, ce qui stimule la demande et donc l'emploi. Mais ce mécanisme ne s'applique pas uniformément. Imas plaide pour que les économistes collectent d'urgence des données granulaires sur la façon dont les entreprises réallouent réellement leur main-d'oeuvre après l'adoption de l'IA, car sans ces données, toute politique publique sur l'emploi reste aveugle. Le débat dépasse donc largement les prédictions catastrophistes : il appelle à une observation rigoureuse de terrain, que personne n'a encore vraiment commencée.

UELe manque de données empiriques rigoureuses sur la réallocation réelle de la main-d'oeuvre après adoption de l'IA fragilise également les politiques publiques européennes sur l'emploi et les débats autour de l'AI Act.

SociétéOpinion

1 source

3VentureBeat AI

L'IA a réduit le coût du développement logiciel, mais la gouvernance d'entreprise n'a pas suivi

L'intelligence artificielle a radicalement modifié l'équation du développement logiciel en entreprise. Selon le rapport "Build vs. Buy Shift Report 2026" de Retool, basé sur une enquête auprès de 817 développeurs et décideurs, 35 % des équipes ont déjà remplacé au moins un outil SaaS par une solution développée en interne, et 78 % prévoient de construire davantage d'outils sur mesure cette année. Ce qui nécessitait autrefois plusieurs semaines de travail d'ingénierie et un budget à six chiffres peut aujourd'hui être prototypé en un ou deux jours par un responsable opérationnel équipé des bons outils. Les catégories les plus touchées sont les automatisations de workflows (35 % des remplacements envisagés), les outils d'administration interne (33 %), les outils de Business Intelligence (29 %) et les CRM (25 %). Le MIT estime par ailleurs que ces remplacements génèrent entre 2 et 10 millions de dollars d'économies annuelles pour des tâches comme le service client ou le traitement documentaire. Ce basculement repose sur un déséquilibre structurel : le coût de développement a chuté d'un ordre de grandeur grâce à l'IA et aux plateformes de création d'applications no-code/low-code, tandis que les tarifs SaaS, eux, n'ont pas bougé. Ces abonnements par siège, pensés pour le cas moyen, répondent rarement aux workflows réels des entreprises, qui reflètent des structures organisationnelles, des contraintes de conformité et des logiques métier uniques. Le remplacement ne se fait pas en bloc, personne ne jette Salesforce du jour au lendemain, mais par substitutions ciblées : un circuit d'approbation qui nécessitait trois contournements, un tableau de bord incapable de se connecter aux données internes. Ces petites victoires accumulent un précédent décisif : l'équipe ne se demande plus "que peut-on acheter ?" mais "peut-on construire ça ?" Le symptôme le plus révélateur de ce décalage est l'explosion du shadow IT. Retool indique que 60 % des développeurs interrogés ont créé des outils, workflows ou automatisations en dehors de la supervision IT au cours de l'année écoulée, et 25 % le font régulièrement. Ce chiffre est d'autant plus frappant que 64 % des répondants occupent des postes de managers seniors ou au-dessus. Ce ne sont pas des junior qui contournent les règles par méconnaissance : 31 % le font simplement parce qu'ils construisent plus vite que la DSI ne peut provisionner des outils. Les cycles d'achat actuels, conçus pour un monde où un projet logiciel prenait des mois, ne correspondent plus à une réalité où il en faut deux jours. Pour les entreprises, la réponse ne peut pas être la répression : ce shadow IT est un signal de demande. Les équipes les plus proches des problèmes envoient un message clair sur l'inadéquation des processus existants, et les gouvernances devront s'adapter pour intégrer cette nouvelle vitesse de construction.

UELa tendance au remplacement d'outils SaaS par des solutions internes concerne aussi les entreprises européennes, notamment pour les enjeux de conformité RGPD et de contrôle des données.

SociétéOpinion

1 source

4Le Big Data

L’IA dans les PME : une révolution technosociale en marche, au-delà de la productivité

Selon une étude menée par Sharp Europe, l'intelligence artificielle s'est imposée comme un impératif stratégique pour les petites et moyennes entreprises françaises. Les chiffres parlent d'eux-mêmes : 51 % des dirigeants de PME citent l'incertitude économique comme pression principale, 56 % pointent la hausse des coûts liés au personnel, et 46 % déclarent adopter l'IA pour rester compétitifs face à leurs concurrents. Olivier Massonnat, CEO de Sharp DX pour la France, l'Italie et l'Espagne, résume le tournant en cours : l'IA ne sert plus seulement à automatiser des tâches répétitives en back-office, elle devient un levier de refonte du modèle économique tout entier. La confiance des dirigeants dans ces technologies a d'ailleurs bondi, avec 79 % qui lui accordent plus de crédit qu'il y a un an. L'enjeu dépasse la simple productivité. Pour les PME qui parviennent à franchir le cap, l'IA ouvre des perspectives de croissance et de compétitivité que les outils d'optimisation classiques ne permettaient pas d'atteindre. Mais l'étude révèle un obstacle inattendu : la dimension psychologique et culturelle freine l'adoption autant que le manque de moyens techniques. Parmi les collaborateurs, 37 % craignent d'être perçus comme paresseux s'ils utilisent l'IA, et 31 % redoutent l'étiquette de tricheur. Cette résistance interne ralentit l'appropriation réelle des outils, même lorsque les dirigeants sont convaincus de leur valeur. La maîtrise de l'IA doit désormais être traitée comme une compétence à part entière, au même titre que la gestion de projet ou la relation client. Ce changement de paradigme s'inscrit dans un contexte de pression concurrentielle accrue et de transformation numérique inégale. Les PME qui ont déjà adopté le cloud disposent d'une longueur d'avance significative, creusant l'écart avec celles qui n'ont pas encore entamé leur transition. Massonnat parle d'une "bifurcation" imminente : les organisations qui tardent à agir voient le coût de l'inaction dépasser celui de l'investissement. Face à cela, Sharp préconise une approche descendante, où le dirigeant pose un cadre clair de gouvernance, sécurise les données, forme ses équipes et définit des politiques d'usage avant de déployer les outils. L'enjeu n'est plus technologique mais organisationnel et humain : transformer une culture d'entreprise pour qu'elle intègre l'IA non comme une menace, mais comme un avantage compétitif durable.

UELes PME françaises sont directement ciblées : 46 % adoptent l'IA sous pression concurrentielle, et une fracture numérique se creuse entre celles déjà dans le cloud et les retardataires.

SociétéActu

1 source