Le CTO de Microsoft parle des copilotes IA et de l’avenir du travail de la connaissance [article traduit]

Les copilotes IA et l’avenir du travail de la connaissance

1. L’IA est au cœur de l’innovation de « plateforme »

   • Microsoft considère l’intelligence artificielle comme une nouvelle « plateforme » d’innovation.
     • Comme l’arrivée du PC puis du smartphone, l’IA générative et les grands modèles de langage (LLM) entraînent une nouvelle transition de plateforme.
     • Nous entrons dans une époque où les développeurs et l’écosystème technologique créent une grande variété de produits et services fondés sur l’IA.

2. Environnement de développement IA et demande en infrastructure (GPU, etc.)

   • Pour que de grands systèmes d’IA et de copilotes soient réellement utilisés dans le travail quotidien, d’énormes ressources de calcul (GPU) et une infrastructure cloud sont indispensables.
   • Une préoccupation très concrète émerge dans les organisations : « Aujourd’hui, le plus grand goulot d’étranglement n’est pas le logiciel, mais la capacité à obtenir suffisamment de GPU. »

3. L’innovation du travail selon le modèle du « Copilot »

   • Le modèle du « Copilot » se diffuse rapidement dans de nombreux métiers concrets : génération et autocomplétion de code, tri des e-mails, gestion des agendas, etc.
     • Exemples : GitHub Copilot (automatisation du code), Outlook/Office Copilot (résumé de documents et aide à la rédaction), Salesforce Einstein Copilot, etc.
   • L’IA prend en charge les tâches répétitives et ennuyeuses, permettant de se concentrer sur les capacités proprement humaines, comme la résolution créative de problèmes ou la définition de stratégies.
   • On peut y voir la « version travail cognitif » de ce qu’a été la révolution industrielle, lorsque les machines assistaient le travail physique.

4. Le flow et la « révolution » de la productivité

   • Depuis l’adoption des copilotes IA, les cas se multiplient où développeurs et designers expérimentent plus souvent et plus longtemps un état de flow.
     • La réduction spectaculaire des tâches répétitives et des changements de contexte (context switching) permet de mieux se concentrer sur le cœur du travail.
   • Au final, l’enjeu n’est pas simplement de produire plus de code, mais de maximiser la performance de l’organisation entière en lançant et en améliorant plus rapidement des fonctionnalités et des services.
   • L’idée se répand que « la véritable productivité d’un développeur ne se mesure pas en lignes de code (line), mais dans sa capacité à livrer plus de valeur, plus vite, aux clients ».

5. Transformation des organisations et principaux défis

   • Lorsque de nouveaux outils IA sont largement déployés, on atteint un point de bascule décisif où l’organisation dépasse les résistances internes, c’est-à-dire la peur du changement et le conservatisme.
   • Une fois que l’on commence réellement à les utiliser, beaucoup d’employés et d’équipes s’adaptent vite, et la demande explose même pour obtenir davantage de ressources GPU → « la force qui change l’inertie, c’est la puissance même de l’outil ».

6. À plus long terme : ce qui changerait si l’IA reproduisait la structure cognitive humaine

   • L’objectif ultime est de réaliser des copilotes IA dotés de fortes capacités de raisonnement et d’adaptation, fonctionnant d’une manière proche du cerveau humain et de ses schémas neuronaux.
   • Dans ce cas, l’efficacité du travail pourrait augmenter de façon exponentielle dans presque tous les domaines du travail de la connaissance, avec une accessibilité fortement élargie.
   • En parallèle, les défis sociétaux liés à la vie privée, à la transparence algorithmique et aux inégalités technologiques s’intensifieraient également, d’où l’importance de se préparer aux enjeux éthiques.

7. Ce sur quoi développeurs et entrepreneurs doivent se concentrer à l’ère de l’IA

   • « Grâce à l’IA, on peut enfin résoudre les problèmes difficiles » (citation directe de l’original : "You can finally solve the hard problems now.")
   • Plutôt que de créer de petits modules ou des fonctions pratiques, il faut se concentrer sur des problèmes fondamentaux qui ne pouvaient pas être résolus auparavant à cause de barrières techniques : viabilité économique, accessibilité, passage à grande échelle, etc.
   • Il faut bien comprendre que l’IA n’est pas un « produit », mais une « infrastructure ».
   • Au final, c’est en revenant à la question « quel problème de qui résout-on, et à quel point mieux ? » que l’on peut vraiment se différencier sur le marché.

Résumé

• Les copilotes IA ne se contentent plus d’automatiser des tâches répétitives et routinières : ils accélèrent l’innovation et l’efficacité de l’ensemble du travail de la connaissance.
• Ils provoquent déjà une hausse du flow et une véritable révolution de la productivité, tout en transformant en profondeur les organisations, la société et l’industrie.
• À l’avenir, ce ne sera pas l’usage de l’IA en soi qui constituera un avantage concurrentiel, mais la capacité à se concentrer sur les « problèmes difficiles » que l’on veut vraiment résoudre.