L’essor des agents IA a exacerbé le décalage entre les capacités de l’IA et les ressources sociales

Beaucoup, voyant la progression rapide des performances de l’IA, prédisent avec enthousiasme un changement rapide du monde. En réalité, il s’agit d’une méconnaissance des mécanismes de fonctionnement de la société moderne, ou, pour le dire autrement, d’une surestimation de l’intelligence individuelle et de la productivité personnelle.

Avez-vous remarqué que de nombreux postes bien rémunérés dans les institutions et grandes entreprises exigent, lors du recrutement, des niveaux très élevés de formation et de QI ? Pourtant, une fois embauchés, les candidats exercent souvent des tâches banales, aisément réalisables avec des compétences ordinaires. Aujourd’hui encore, les relations personnelles et le favoritisme l’emportent souvent sur les compétences. Dans un environnement concurrentiel, les organisations peuvent choisir une personne aux capacités moyennes mais dotée d’une identité sociale ou de ressources particulières. Même si cela vous indigne, ces personnes remplissent généralement leur rôle convenablement.

Pourquoi cela ? Beaucoup y voient une « inflation des diplômes », mais les raisons sont plus complexes : je parle ici de « débordement inefficace de productivité ».

La société moderne est un réseau dense de collaboration, où un poste de qualité représente un nœud privilégié dans le réseau de répartition des ressources et du pouvoir. Ces ressources et ce pouvoir sont rares, mais les exigences en compétences individuelles sont faibles, tout comme le besoin de haute productivité. Si vous obtenez un tel poste et vous y investissez pleinement, vous constatez vite que votre gain de productivité n’est pas attendu par le système. Autrement dit, quelle que soit votre compétence, ce réseau ne vous requiert pas. Les critères d’entrée élevés servent uniquement à sélectionner parmi de nombreux candidats capables — la compétence étant un critère moins contesté, non parce qu’on en a réellement besoin.

Dans ce réseau collaboratif moderne, chacun ne porte qu’une petite part du travail. Hormis quelques exceptions, la plupart jouent simplement un rôle de routage des ressources au sein du réseau ; la productivité individuelle doit seulement atteindre un seuil minimal, au-delà duquel des gains supplémentaires n’apportent guère de valeur au système global.

En tant que nœud d’un réseau collaboratif, peu importe votre QI ou votre productivité : l’excédent constitue un « débordement inefficace ». Ce réseau n’en a ni besoin, ni capacité d’usage, ni capacité d’assimilation.

Ainsi, beaucoup affirment avec enthousiasme avoir accru leur productivité grâce à l’apprentissage et à l’usage de l’IA, mais ils surestiment le rôle de leur intelligence et de leur productivité. Une légère amélioration n’a guère de valeur dans l’ensemble du réseau, ni de canal de diffusion. L’organisation et le réseau collaboratif auxquels vous appartenez n’en ont pas besoin, ni ne peuvent l’absorber. Ce que la plupart des experts en IA reconnaissent rarement, c’est que l’intérêt principal de ces gains de productivité réside surtout dans le temps libéré pour visionner des courtes vidéos — sans hausse de revenus, de ressources ou de statut social.

L’engouement actuel autour de l’OPC (Entreprise Individuelle) suit le même raisonnement. Le frein à son développement n’est pas sa productivité interne, mais ses connexions externes aux ressources. Vu la position actuelle de la plupart des OPC dans le réseau économique, leurs produits ou services peinent à se vendre, voire manquent même de valeur d’auto-satisfaction.

Ce problème est crucial, car toute activité économique doit générer des incitations économiques pour boucler la boucle, puis évoluer via des boucles de rétroaction positives. Or, les incitations positives tirées de l’IA par la plupart sont purement émotionnelles — et donc insoutenables.

Comment créer des incitations positives immédiates ? La clé réside dans l’évolution des relations de connexion au sein du réseau. Ce changement entraîne une redistribution des ressources et du pouvoir. Si votre nœud possède davantage de connexions, même sans utiliser l’IA, vous ressentirez immédiatement une hausse de vos revenus, de votre influence et de votre pouvoir.

Certes, une hausse générale de la productivité des nœuds modifiera, à long terme, les relations de connexion. À l’ère des agents IA, l’écart entre les capacités d’utilisation de l’IA s’accroît rapidement. Ce fossé sera progressivement perçu par le réseau social et se traduira par des changements dans ses connexions, voire dans sa topologie. Mais cela prendra du temps — plus longtemps que ne le croient la plupart des influenceurs IA. Si vous ne cherchez pas activement à accélérer vos connexions et vous contentez d’améliorer l’efficacité de votre poste actuel, heureux de disposer de plus de temps pour regarder des vidéos, vous ne bénéficierez pas des premiers dividendes de l’IA.

Par ailleurs, un décalage intéressant émerge ici.

Actuellement, ceux qui apprennent le plus activement l’IA sont souvent des nœuds secondaires du réseau : programmeurs, designers, chercheurs, analystes étudient chaque jour agents, MCP, compétences et workflows, désireux de décupler leur productivité. Or, si vous produisiez un rapport par jour et pouvez désormais en rédiger dix, votre organisation n’en a pas besoin ; si vous créiez un prototype par semaine et pouvez désormais en livrer un par jour, les délais budgétaires, décisionnels, commerciaux, juridiques ou d’approvisionnement n’ont pas été multipliés par sept. Une grande partie de cette productivité nouvelle reste bloquée aux nœuds associés, apportant peu de valeur au système global.

À l’inverse, ceux qui contrôlent réellement les ressources — entrepreneurs, cadres dirigeants, investisseurs et leaders institutionnels — disposent déjà des clients, capitaux, pouvoirs hiérarchiques et réseaux sociaux les plus étendus. S’ils décuplaient leurs capacités IA, l’effet de levier généré dépasserait largement celui d’un employé ordinaire. Pourtant, l’écart entre eux et l’avant-garde de l’application de l’IA s’accroît rapidement.

Une raison majeure tient au fait qu’à partir de la deuxième moitié de 2025, avec l’essor des agents IA, l’innovation en application IA devient de plus en plus pilotée par la programmation.

Jusqu’ici, l’IA concernait les échanges conversationnels, la rédaction, la recherche ou le dessin — domaines accessibles aussi bien aux PDG qu’aux programmeurs. À l’ère des agents, nombre de nouveautés naissent d’abord dans le codage IA : agents, MCP, compétences, Harness, CLI, API, Git, IDE, workflows variés et orchestration. L’IA devient de moins en moins un logiciel, et de plus en plus un système de gestion qu’il faut soi-même construire et piloter.

Cela crée un problème.

Un PDG de cinquante ans peut très bien gérer une entreprise, assurer son financement et mobiliser des ressources, et comprendre parfaitement l’importance de l’IA. Mais s’il doit ouvrir un terminal, installer un agent de programmation, configurer MCP, exécuter plusieurs agents en parallèle et connecter des API, GitHub et divers outils, il risque fort d’abandonner aussitôt.

Il ne s’agit pas d’un problème de QI, mais d’un fossé de compétences.

Ainsi, une situation paradoxale émerge : ceux qui comprennent l’IA manquent de ressources, tandis que ceux qui en disposent ne savent pas l’utiliser.

Le premier groupe cherche désespérément à accroître sa productivité, mais il lui manque un réseau suffisamment vaste pour absorber cette hausse ; le second dispose d’un vaste réseau de ressources, mais il lui fait défaut la capacité d’intégrer la productivité machine la plus récente. Ce décalage me semble particulièrement significatif pour les années à venir.

La Chine connaît un problème supplémentaire. Les deux écosystèmes d’applications IA les plus dynamiques actuellement sont OpenAI et Anthropic. Pour diverses raisons, la Chine continentale ne peut pas utiliser directement et de façon stable ces deux systèmes : ce n’est donc pas seulement les deux modèles qui sont isolés, mais aussi les agents, les outils de développement, les chaînes d’outils et les écosystèmes de développeurs qui se sont rapidement développés autour d’eux.

Cet impact pourrait être plus problématique que l’écart entre les modèles eux-mêmes. Car à l’ère des agents, une grande partie des savoirs est cumulative : aujourd’hui, d’autres passent des conversations à l’appel d’outils ; demain, de l’appel d’outils à l’orchestration d’agents ; après-demain, ils feront même développer des outils par les agents eux-mêmes. Un retard de six mois ne signifie pas seulement quelques points de moins sur les benchmarks, mais tout un ensemble de méthodes de travail.

Ce qui sera vraiment intéressant à l’avenir, c’est donc le moment où ce décalage commencera à se résorber.

D’un côté, les acteurs actuellement en nœuds secondaires, mais dotés de fortes capacités IA, pourront-ils tirer parti de ces compétences pour acquérir davantage de clients, de capitaux, d’attention et de liens sociaux, et ainsi modifier leur position dans le réseau ? De l’autre, les acteurs déjà au centre du réseau parviendront-ils réellement à maîtriser les agents et à combiner leurs capacités d’allocation des ressources avec la productivité machine ?

Dès que ces deux phénomènes se généraliseront, l’impact de l’IA sur la société évoluera d’une simple « accélération du travail » vers des changements structurels d’organisations, de frontières d’entreprises et de modes d’allocation des ressources.

À cet égard, on observe clairement de nombreuses figures éminentes de l’IA : elles s’enthousiasment souvent pour les nouvelles technologies et percées, et formulent des prédictions retentissantes. Rétrospectivement, la plupart de ces prédictions se révèlent fausses, mais elles attirent néanmoins beaucoup d’attention et de connexions ressources. C’est une stratégie astucieuse : leur véritable gain n’est pas des compétences ou une productivité IA, mais votre attention. À l’inverse, ceux qui ne font que perfectionner leurs compétences IA sans renforcer leurs liens sociaux sont trop sérieux.

Je pense donc que les transformations sociales induites par l’IA traverseront probablement trois étapes.

La première étape consiste à transformer les nœuds : votre productivité individuelle triple, quintuple ou décuple — c’est ce qui se produit actuellement.

La deuxième étape consiste à transformer les liens : certains individus gagnent davantage de clients, de capitaux, d’attention et de capacités organisationnelles grâce à l’IA, modifiant ainsi leur position dans le réseau.

La troisième étape consiste à transformer la topologie du réseau : une organisation qui nécessitait auparavant cent personnes n’en requiert plus qu’une dizaine ; des tâches autrefois réalisées au sein d’une entreprise peuvent désormais l’être par quelques personnes et un groupe d’agents, entraînant la disparition de certains nœuds intermédiaires et l’émergence de nouveaux super-nœuds.

Ce n’est qu’à cette troisième étape que l’IA transforme véritablement les structures sociales.