- Comme aux débuts d’Internet dans les années 1990, la révolution de l’IA en est elle aussi à un stade initial où coexistent confusion et attentes excessives, et l’optimisme outrancier comme le scepticisme ne sont tous deux que partiellement justes
- Le débat sur la capacité de l’IA à remplacer ou à créer des emplois est polarisé, de façon similaire aux débats d’autrefois sur Internet
- Contrairement aux prédictions de l’IA, l’emploi des radiologues a augmenté, un cas où le paradoxe de Jevons (le phénomène selon lequel un gain d’efficacité entraîne une hausse de la consommation totale) a joué
- La frénésie d’investissement dans l’IA présente des signes de surchauffe comparables à la bulle dot-com, mais les investissements d’infrastructure des hyperscalers construiront à long terme les fondations de l’avenir
- L’IA crée de nouveaux métiers et de nouvelles industries, et une transformation de la structure du travail est en cours, au point de changer jusqu’au sens même de « software engineer »
Similarités entre les débuts d’Internet et l’ère de l’IA
- En 1995, au début de l’adoption d’Internet, il n’existait qu’environ 2 000 sites web, dont la plupart reposaient sur une structure simple basée sur du texte
- Le chargement des images prenait plusieurs minutes, les paiements en ligne inspiraient la méfiance, et il était courant d’entendre le conseil « ne faites pas confiance à des inconnus sur Internet »
- À l’époque, les optimistes prédisaient l’essor rapide du commerce électronique et de la réalité virtuelle, tandis que les pessimistes voyaient Internet comme une mode passagère
- Vingt-cinq ans plus tard, les gens ont vécu des transformations qui dépassaient les prévisions, comme consommer l’actualité via les réseaux sociaux, faire des rencontres via des apps ou utiliser des services de l’économie du partage
- L’article compare « l’ère actuelle de l’IA » à « l’Internet de 1995 » et souligne que les prédictions des deux extrêmes ne sont toutes deux que partiellement exactes
Le paradoxe de l’emploi : pourquoi l’impact de l’automatisation varie selon les secteurs
- En 2016, Geoffrey Hinton avertissait que l’IA provoquerait un chômage de masse et affirmait qu’il fallait « arrêter de former des radiologues »
- Mais en 2025, le nombre de postes de résidanat en radiologie aux États-Unis a atteint un record historique de 1 208, en hausse de 4 %, tandis que le taux de vacance a lui aussi battu un record
- Le salaire annuel moyen a atteint 520 000 dollars, soit une hausse de 48 % par rapport à 2015, maintenant la radiologie comme la deuxième spécialité médicale la mieux rémunérée
- La chercheuse Deena Mousa explique cet échec des prédictions par le paradoxe de Jevons
- L’IA augmente la productivité des radiologues, ce qui fait baisser le coût du diagnostic → davantage de personnes passent des scanners → l’emploi augmente
- La complexité du réel, les tâches allant au-delà de la simple reconnaissance d’images, ainsi que les barrières réglementaires et assurantielles sont aussi des facteurs supplémentaires
- Satya Nadella, Aaron Levie et d’autres figures de la tech défendent un optimisme selon lequel « la demande augmentera dans presque tous les domaines où l’IA sera appliquée »
-
Les limites du paradoxe de Jevons
- Andrej Karpathy souligne que la radiologie est mal adaptée aux premières analyses de substitution d’emplois
- C’est un domaine multidimensionnel, à haut risque et fortement réglementé
- Les changements d’emploi apparaîtront d’abord dans des activités simples et répétitives, indépendantes, courtes et à faible coût d’erreur
- L’augmentation ou non de l’emploi dépend de la concurrence entre l’ampleur de la demande non satisfaite et la vitesse des gains de productivité
- Selon l’équilibre entre ces deux facteurs, les résultats diffèrent d’un secteur à l’autre
-
Analyse de 200 ans de données sectorielles
- Une étude de l’économiste James Bessen présente des données 1800-2000 sur l’emploi, la productivité et la demande dans les secteurs du textile, de l’acier et de l’automobile
- Textile et acier : après l’automatisation, l’emploi a augmenté pendant environ 100 ans avant de chuter brutalement
- Construction automobile : l’emploi s’est maintenu de manière régulière, sans connaître la même chute brutale
- Le graphique de productivité confirme, dans tous les secteurs, une hausse exponentielle de la productivité (échelle logarithmique)
- En 1900, un ouvrier du textile pouvait produire 50 fois plus qu’en 1800
- Le graphique de demande montre qu’au départ, la baisse des prix crée une demande de masse
- Au début du XIXe siècle, la plupart des gens ne pouvaient s’acheter qu’un seul pantalon ou une seule chemise
- L’automatisation fait chuter les prix → il devient possible d’acheter plusieurs vêtements → emploi et productivité bondissent simultanément
-
Saturation de la demande et baisse de l’emploi
- Une fois la demande saturée, l’emploi stagne à son pic, mais l’automatisation continue
- La productivité continue de grimper → l’emploi finit par commencer à reculer
- Personne n’a besoin d’une quantité infinie de vêtements ni d’un nombre infini de comptes rendus radiologiques
- L’automobile suit une autre dynamique : la demande n’est toujours pas saturée
- La majorité de la population mondiale ne possède toujours pas de voiture
- L’automatisation n’a pas non plus totalement triomphé (le recul de Tesla sur l’automatisation complète de la fabrication montre les limites actuelles de la technologie)
- Quand la demande et le potentiel d’automatisation sont tous deux élevés, l’emploi peut se maintenir ou augmenter
-
La spécificité de l’industrie logicielle
- Le moment où la demande de logiciels atteindra la saturation reste une question ouverte
- Jusqu’ici, le logiciel artisanal a constitué le principal facteur limitant
- Le coût élevé des ingénieurs et du travail humain a limité ce que les entreprises pouvaient construire
- Si l’automatisation augmente fortement la productivité des ingénieurs, la demande non satisfaite pourrait exploser
- Les entreprises possèdent de nombreux projets à forte valeur business qu’elles n’ont pas pu justifier en coûts de développement ou faute de ressources
- Exemple d’Amazon : des milliers d’idées n’ont pas été financées en raison d’un manque de ressources d’ingénierie
- Si l’IA permet de produire du logiciel à un coût bien plus faible, une énorme demande potentielle pourrait être libérée
- La question clé est de savoir quand cette demande sera saturée
-
Les facteurs qui déterminent l’issue sur l’emploi selon les secteurs
- Dans chaque secteur, l’emploi dépend de la concurrence entre deux forces
- L’ampleur et la croissance de la demande de marché non satisfaite
- Le fait que la croissance de la demande dépasse ou non les gains de productivité liés à l’automatisation
- Selon l’équilibre entre ces deux facteurs, les résultats diffèrent d’une industrie à l’autre
Bulle : quand l’enthousiasme irrationnel construit l’avenir
- Le boom dot-com des années 1990 fut une période où les entreprises voyaient leur valorisation bondir simplement en ajoutant « .com » à leur nom
- Les entreprises d’infrastructure ont investi des milliards de dollars dans la fibre optique et les câbles sous-marins (des projets coûteux rendus possibles uniquement grâce au battage médiatique)
- En 2000-2001, l’effondrement des dot-com est arrivé de façon spectaculaire
- Des entreprises d’infrastructure comme Cisco sont brièvement devenues les plus valorisées du monde avant de retomber
- Pets.com a levé 82,5 millions de dollars lors de son IPO et dépensé des millions en publicité pendant le Super Bowl, avant de faire faillite neuf mois plus tard
-
L’héritage positif de la bulle dot-com
- La bulle dot-com a aussi été juste sur plusieurs points
- Elle a permis la mise en place de l’infrastructure physique qui a rendu possibles YouTube, Netflix et Facebook
- Des entreprises comme Worldcom, NorthPoint et Global Crossing ont fait faillite, mais ont posé les bases de l’avenir
- Le krach a prouvé à court terme que les sceptiques avaient raison, mais à long terme, il a montré que les optimistes avaient raison sur la direction générale
-
Un enthousiasme similaire dans le boom actuel de l’IA
- Une startup IA fondée par l’ancienne dirigeante d’OpenAI Mira Murati a levé 2 milliards de dollars en seed pour une valorisation de 10 milliards de dollars (un record historique)
- Sans produit, et sans révéler ce qu’elle compte construire ni comment elle compte gagner de l’argent
- Plusieurs AI wrappers lèvent des millions de dollars en seed avec des moat quasi inexistants
-
Les investissements d’infrastructure des hyperscalers
- Depuis le lancement de ChatGPT, les dépenses d’investissement annuelles des hyperscalers ont plus que doublé
- Microsoft, Google, Meta et Amazon ont collectivement investi près de 500 milliards de dollars dans les data centers, les puces et l’infrastructure de calcul
- Quelles que soient les entreprises qui survivront, l’infrastructure construite aujourd’hui posera les bases de l’avenir de l’IA
- De la capacité d’inférence jusqu’à la production d’électricité nécessaire pour la soutenir
-
Comment juger s’il s’agit d’une bulle IA
- Azeem Azhar propose un cadre pratique pour évaluer le boom de l’IA à travers cinq indicateurs
- Poids économique (ratio investissement / PIB)
- Poids sectoriel (ratio capex / chiffre d’affaires)
- Trajectoire de croissance du chiffre d’affaires (temps de doublement)
- Surchauffe des valorisations (price-to-earnings ratio)
- Qualité du financement (résilience de la source des capitaux)
- Résultat de l’analyse : l’IA n’est pas une bulle mais un boom tiré par la demande
- Toutefois, si 2 des 5 indicateurs passent en zone rouge, on entre en territoire de bulle
-
Une demande réelle n’empêche pas une bulle
- OpenAI est l’une des entreprises à la croissance la plus rapide de l’histoire
- Mais cela ne suffit pas à empêcher une bulle
- Beaucoup d’entreprises de l’IA affrontent les mêmes problèmes d’économie unitaire que ceux qui ont plombé les dot-com des années 1990
- Pets.com comptait elle aussi des millions d’utilisateurs, mais a fini en faillite, comme le résume l’adage : « si vous vendez un dollar pour 85 cents, vous pouvez acquérir une infinité de clients »
- Malgré la demande, le schéma pourrait ressembler à celui des années 1990
- On peut s’attendre à une surconstruction et à des échecs spectaculaires
- Mais l’infrastructure survivra au cycle de hype et rendra possibles des choses qu’on ne peut même pas imaginer aujourd’hui
Un avenir prévisible dans son imprévisibilité
-
Les premiers stades de la révolution IA
- Nous sommes au stade initial de la révolution de l’IA (l’équivalent, en métaphore, du modem grinçant à l’époque d’Internet)
- De la même façon que les entreprises d’infrastructure ont déversé des milliards dans la fibre optique, les hyperscalers investissent aujourd’hui des milliards dans la puissance de calcul
- Comme les startups ajoutaient autrefois « .com » à leur nom, elles ajoutent désormais « .ai » pour rechercher des valorisations plus élevées
- Le battage médiatique oscillera entre euphorie et désespoir
- Certaines prédictions paraîtront ridiculement fausses
- D’autres qui semblaient folles se révéleront finalement conservatrices
-
Des résultats différenciés selon les secteurs
- Contrairement à ce qu’avancent les optimistes du paradoxe de Jevons, la demande pour beaucoup de choses stagne une fois les besoins humains satisfaits
- L’issue sur l’emploi dans chaque industrie dépend de l’ampleur et de la croissance de la demande non satisfaite, et du fait que cette croissance dépasse ou non les gains de productivité dus à l’automatisation
-
La baisse des coûts ouvre de nouveaux segments de marché
- Aswath Damodaran a sous-évalué Uber en supposant que l’entreprise ne capterait qu’une partie du marché existant du taxi
- Il a manqué le fait que si les trajets deviennent radicalement moins chers, le marché lui-même s’élargit
- Les gens ont commencé à prendre un Uber vers des destinations qu’ils n’auraient jamais rejointes au prix d’un taxi
- De la même manière, l’IA rendra possibles des produits et services actuellement trop coûteux à construire avec l’intelligence humaine
- Un restaurateur utilise l’IA pour générer un logiciel personnalisé de supply chain (quelque chose qui n’aurait jamais été développé pour 100 000 dollars par des développeurs humains)
- Une ONG déploie l’IA pour des combats juridiques qu’elle n’aurait auparavant pas eu les moyens d’assumer
-
Le changement est prévisible, pas les détails
- En 1995, personne n’a prédit qu’on sortirait avec des inconnus sur Internet, qu’on monterait dans leur voiture (Uber) ou qu’on dormirait dans leur logement (Airbnb)
- Personne n’a non plus prédit que le métier d’influenceur deviendrait l’un des plus recherchés chez les jeunes
- La créativité humaine produit des résultats impossibles à prévoir avec nos modèles mentaux actuels
- On peut s’attendre à l’apparition de nouveaux domaines et de nouvelles industries
- L’IA a déjà davantage aidé à décoder la communication animale au cours des 5 dernières années qu’au cours des 50 précédentes
- Peut-on prévoir quels métiers ouvrirait une technologie permettant une conversation complète avec les animaux ?
- Il est probable que le métier le plus recherché en 2050 n’existe pas aujourd’hui
- On ne peut pas encore lui donner de nom, puisqu’il n’a pas encore été inventé
-
Transformation des catégories professionnelles
- Internet a rendu certains métiers obsolètes, mais en a transformé d’autres et créé de nouvelles catégories
- On peut s’attendre au même schéma avec l’IA
- La question de Karpathy : « Il y a six mois, on m’a demandé de voter pour dire s’il y aurait plus ou moins de software engineers dans cinq ans »
- L’exercice est laissé au lecteur
-
La leçon tirée du cas des journalistes
- Si l’on revenait en 1995 et qu’on posait la même question au sujet des journalistes :
- On aurait probablement prédit davantage de journalistes, car Internet permettrait d’atteindre le monde entier et donc de créer plus de demande
- On aurait eu raison pendant une première dizaine d’années (la hausse de l’emploi dans le journalisme jusqu’au début des années 2000)
- Trente ans plus tard : le nombre de journaux comme le nombre de journalistes ont diminué
- Mais il n’y a jamais eu autant de « journalisme »
- Simplement, il n’est plus seulement produit par les personnes que nous appelons journalistes
- Blogueurs, influenceurs, YouTubers et auteurs de newsletters font une partie du travail qu’accomplissaient les journalistes traditionnels
-
L’avenir du software engineer
- Pour les software engineers aussi, le même schéma va se déployer
- Davantage de personnes effectueront du travail de software engineering
- D’ici une dizaine d’années, le sens de « software engineer » se sera transformé
- Le restaurateur mentionné plus haut utilisera l’IA pour générer un logiciel de gestion des stocks sur mesure pour lui-même
- Il ne se définira pas comme software engineer
-
Un futur de l’IA imprévisible
- Comme en 1995, si les optimistes de l’IA affirmaient aujourd’hui que « dans 25 ans, on préférera recevoir ses actualités de l’IA plutôt que d’influenceurs des réseaux sociaux, regarder des personnages générés par IA plutôt que des acteurs humains, trouver un partenaire via un entremetteur IA plutôt que via une app de rencontre (ou même utiliser directement un partenaire amoureux IA), inverser totalement le “ne faites pas confiance à l’IA” au point de dépendre d’elle pour des décisions de vie ou de mort et de lui confier l’éducation des enfants »
- La plupart des gens auraient du mal à le croire
- Avec toute l’intelligence du monde — naturelle ou artificielle — personne ne peut prédire avec certitude à quoi ressemblera l’avenir de l’IA
- Ni les CEO de la tech, ni les chercheurs en IA, ni les inconnus qui pérorent longuement sur Internet
- Que l’on se trompe ou non dans les détails, le futur de l’IA est en cours de chargement
1 commentaires
Avis Hacker News
Les similarités avec la bulle Internet ont leurs limites
car le contexte social, politique et économique de l’époque est complètement différent de celui d’aujourd’hui
Quand on tente de prévoir l’avenir, on s’appuie sur les schémas du passé, mais on ne tient souvent pas compte des changements de contexte
On ne peut pas l’expliquer seulement par la demande ou l’automatisation ; il faut aussi regarder l’interaction entre les systèmes politiques, sociaux et économiques
Nous serions actuellement dans l’ère du mainframe pour l’IA
seuls quelques très grands groupes peuvent exploiter d’énormes modèles centralisés, et nous ne faisons au fond que louer leurs ressources de calcul
J’espère qu’un jour viendra l’ère de l’informatique personnelle, où de petits modèles seront répartis partout
aujourd’hui, la plupart des gens utilisent leur ordinateur comme des « terminaux idiots » connectés à des services centralisés dans le cloud
même l’e-mail, les cartes ou Git dépendent fortement de serveurs centraux, ce qui donne l’impression d’un retour à l’ère des mainframes
en essayant soi-même avec des outils comme LM Studio, on peut constater qu’un modèle tourne entièrement en local
je n’ai pas envie de revenir à cette époque
Certains donnent l’impression d’être beaucoup trop sûrs d’eux à propos de l’IA
je n’ai pas cette certitude
leur manière de penser ressemble à un cas d’école de l’effet Dunning-Kruger
Je n’ai jamais entendu l’argument selon lequel “l’IA crée davantage d’emplois”
qu’il s’agisse de travail physique ou intellectuel, tout semble de toute façon destiné à être automatisé, alors on peut se demander quels emplois apparaîtraient
on dirait que l’auteur a artificiellement construit deux camps pour faire paraître sa position comme un juste milieu entre les deux
Comparer la fibre optique de l’époque de la bulle Internet aux datacenters d’aujourd’hui est excessif
la fibre pouvait encore servir dix ans plus tard, alors que les datacenters deviennent obsolètes aussi vite que des produits frais au bout de quelques années de progrès technologique
dans dix ans, plus personne ne s’intéressera au matériel d’aujourd’hui
Je ressens en ce moment une certaine fatigue de l’IA
c’est correct pour retoucher un e-mail court, mais pas terrible pour du contenu approfondi
je n’ai pas le sentiment que ça vaille la peine de payer pour ça
j’utilise ChatGPT Plus et GitHub Copilot en version payante, et ils me proposent des solutions que je n’arrivais pas à trouver
L’idée que “le coût élevé des ingénieurs limitait le développement” est fausse
les grandes entreprises ont largement assez de capital ; le vrai problème, c’est la complexité du logiciel et les limites de la compréhension humaine
le texte aurait été plus convaincant s’il avait insisté sur ce point
l’ensemble donne l’impression d’être rempli de posture
C’est une bonne analyse, mais elle néglige la possibilité que l’IA puisse tourner directement sur smartphone ou ordinateur de bureau dans les 5 à 10 prochaines années
si cela arrive, les investissements actuels dans les datacenters et la structure centrée sur Nvidia pourraient perdre tout leur sens
Dans les années 1990, l’optimisme technologique était très fort
à la télévision aussi, on croyait qu’on utiliserait bientôt des appareils comparables aux smartphones, et l’impression était plutôt que la réalité arrivait trop lentement
voir la vidéo liée
Le texte est bien documenté et intéressant, mais il est déconnecté de la réalité actuelle des LLM
avec l’architecture logicielle actuelle, il est difficile d’atteindre une IA digne de la science-fiction, et dépenser toujours plus d’argent ne résoudra pas le problème
la frénésie d’investissement dans l’IA ressemble davantage à un mécanisme de redistribution des richesses qu’à un mouvement technologique, et ne diffère pas vraiment des bulles Internet, immobilière ou crypto du passé
L’AGI n’arrivera pas dans ce cycle-ci, on n’arrive même pas à résoudre le problème des hallucinations
ce qu’il faut vraiment, c’est la capacité des gens à écouter le point de vue des autres, alors que l’IA renforce au contraire la bulle de chacun