Révolution industrielle de l’IA : utilisons-nous encore des processus obsolètes ?

Article écrit par Will A Wang

Au cours de la dernière année, j’ai participé à plusieurs conférences industrielles sur l’IA. Sur scène, les intervenants se succédaient pour démontrer les capacités de l’IA, tandis que dans la salle, les gens prenaient des photos avec leur téléphone, les publiaient sur WeChat Moments, puis reprenaient leur défilement. Mais une fois de retour au bureau, c’était toujours les mêmes réunions hebdomadaires, les mêmes processus d’approbation, les mêmes rapports hebdomadaires. Dans les grandes entreprises, la consommation de tokens a été intégrée aux KPI ; certains deviennent des modèles en utilisant des scripts pour augmenter artificiellement leur chiffre. Ces personnes sur WeChat Moments proclament aujourd’hui la révolution de Claude, demain la puissance de Codex, après-demain la suprématie de Gemini — s’agit-il vraiment d’embrasser la révolution, ou simplement de courir d’un événement à l’autre ?

Ce sont tous des bruits, ce n'est pas la réponse que je souhaite.

La vraie question n'est pas si l'IA est suffisamment puissante — la machine à vapeur est déjà fabriquée ; la question est de savoir qui démolira le premier l'ancien atelier.

Le jour où la révolution industrielle a véritablement commencé n’était pas celui où Watt a amélioré la machine à vapeur, mais celui où les propriétaires d’usines de Lancashire ont décidé de s’éloigner des rivières et de reconstruire leurs ateliers autour de la machine à vapeur. Il en va de même pour le moment le plus important de l’IA — ce n’est pas le jour où les grands modèles ont été inventés, mais le jour où la première organisation aura décidé de démanteler ses anciens processus et de reconstruire ses méthodes de production autour de l’IA. Ce jour-là n’est pas encore arrivé. Mais il est déjà en chemin.

Deux personnes ont vu cela très tôt. Le PDG de Notion, Zhao Yivan, a écrit en fin d'année 2025 un article intitulé « Steam, Steel, and Infinite Minds », avec un jugement très froid : nous sommes encore à la phase « du remplacement des moulins à eau » — on ajoute des chatbots IA aux outils existants, mais personne ne redessine l'usine. L'ancien employé d'OpenAI, Leopold Aschenbrenner, a emprunté un autre chemin : il a écrit un document de 165 pages intitulé « Situational Awareness », puis a fondé un fonds qu'il a fait passer de 225 millions à 13,68 milliards de dollars, en misant entièrement sur les infrastructures IA. L'un regarde vers l'intérieur, l'autre parie vers l'extérieur.

Cet article ne parle pas d'eux. Il parle de nous — où nous en sommes maintenant et quelle partie de l'histoire nous répétons.

(Tissage à métier mécanique, gravure de J. Tingle d'après Thomas Allom, 1835 / Wikimedia Commons)

La journée de la plupart des gens ressemble à ceci : le matin, ils utilisent l’IA pour rédiger un e-mail, gagnant dix minutes ; puis passent deux heures à participer à une réunion hebdomadaire qui n’aurait pas dû avoir lieu ; l’après-midi, ils copient-collent les mêmes données entre trois outils ; le soir, ils publient un post sur les réseaux sociaux disant « L’IA est vraiment géniale ». Les dix minutes économisées sont entièrement reprises par les anciens processus.

De même, au moment de l'apparition de la machine à vapeur, les propriétaires d'usines se contentaient de remplacer les roues hydrauliques par des machines à vapeur, tout le reste restant inchangé : les usines étaient toujours construites près des rivières, toujours en plusieurs étages, toujours alimentées par un arbre central entraînant toute la chaîne de production. Nous intégrons ChatGPT dans Slack, Copilot dans Office, et une fenêtre de discussion AI dans nos flux de travail — nous faisons exactement la même chose. Les outils ont été modernisés, mais l'atelier n'a pas changé.

Mais changer de machine ne signifie pas changer d'atelier. McLuhan l'a bien dit :

Nous conduisons vers l'avenir en regardant dans le rétroviseur. Utiliser des processus anciens pour accueillir de nouveaux outils, c'est comme les premiers films qui n'étaient que des pièces de théâtre filmées. La véritable percée n'arrivera qu'après que quelqu'un aura complètement libéré la machine à vapeur des rivières et redessiné l'ensemble du système de production autour de cette nouvelle puissance.

En comparant la chronologie de la révolution industrielle avec celle de l'IA, on peut environ situer où nous en sommes sur la carte :

La timeline actuelle est extrêmement compressée. La révolution industrielle a mis 60 ans pour passer de la machine à vapeur à la frénésie des chemins de fer, tandis que l’IA a mis seulement 7 ans pour passer de Transformer à la vague de construction de centres de données.

La vitesse n’est pas le problème, le problème est où nous sommes bloqués — les quatre premières lignes sont toujours à la phase d’installation de nouvelles machines dans les anciennes usines : la machine à vapeur est installée, les chemins de fer sont en construction, mais les méthodes de production restent inchangées. La sixième ligne constitue le véritable point de bascule. Nous sommes probablement bloqués entre ces deux étapes.

La machine à vapeur est déjà entre vos mains, mais l'atelier est toujours ancien.

Les infrastructures sont toujours surdimensionnées. Ce sont les investisseurs qui font faillite, pas les infrastructures.

En 1846, le Parlement britannique a adopté 263 lois ferroviaires, autorisant la construction de 9 500 miles de nouvelles lignes. Les investissements ferroviaires ont atteint un pic représentant 13 % du PIB britannique. Les actions ferroviaires n'exigeaient qu'un acompte de 10 %, incitant la classe moyenne à se précipiter sur le marché. La bulle a éclaté en 1847. Un tiers des lignes approuvées n'ont jamais été construites, et d'innombrables investisseurs ont tout perdu. Darwin a perdu 60 % sur ses actions ferroviaires, et il avait eu beaucoup plus de chance que la plupart des gens.

Mais le chemin de fer est resté.

L'infrastructure IA d'aujourd'hui suit le même chemin. Selon les dernières estimations de Goldman Sachs, les dépenses en capital mondiales pour l'infrastructure IA atteindront 765 milliards de dollars en 2026 et devraient s'élever à 1,6 billion de dollars par an d'ici 2031. La part des dépenses en capital des grands fournisseurs de cloud par rapport à leur flux de trésorerie opérationnel est passée d'environ 40 % en 2023 à près de 70 % en 2025. Les investissements liés à l'IA représentent déjà environ un quart de l'ensemble des investissements aux États-Unis. Les 13,68 milliards de dollars d'Aschenbrenner misent sur ce niveau — il ne parie pas sur quelle application gagnera, mais sur la puissance de calcul sous-jacente elle-même.

Ce cycle de capital est isomorphe à celui du développement immobilier. Construire un centre de données revient à construire un immeuble : le terrain est l'électricité, les matériaux de construction sont les GPU et le stockage, les entrepreneurs sont les constructeurs de centres de données, les promoteurs sont les fournisseurs de cloud, les locataires sont les entreprises d'applications IA, et le loyer est le revenu provenant des API. Le modèle économique des fournisseurs de cloud repose sur la location pour financer les emprunts — ils utilisent les revenus des API pour couvrir les dépenses en capital des centres de données, en attendant une hausse de valorisation provoquée par l'explosion des applications IA.

(Le minage immobilier : chaque génération a ses propres infrastructures)

Le risque fondamental est le même : la baisse du prix unitaire de l'API est-elle compensée par la croissance du volume d'appels ? Si les loyers tombent en dessous du seuil de remboursement — ce qui constitue le cauchemar le plus familier pour les promoteurs immobiliers. La leçon de 2008 n'était pas d'avoir construit trop de maisons, mais d'avoir construit des logements dont la structure ne correspondait pas à la demande réelle. Le risque équivalent pour l'IA est : une surabondance de puissance de calcul générale, mais une pénurie persistante de capacités spécialisées capables de traiter des scénarios à haute valeur ajoutée tels que la conformité financière ou le diagnostic médical.

Chemins de fer, immobilier, IA — trois générations d’investissements dans les infrastructures, partageant la même règle : la surcapacité est la norme, les fournisseurs de matériaux perdent toujours le pouvoir de fixation des prix, et les rendements à long terme reviennent toujours aux propriétaires des « emplacements centraux ». Regardez les positions des fonds du Q1 à Wall Street : il est très probable que 80 % soient concentrés sur cette couche d’infrastructure : NVIDIA, les centres de données, les infrastructures cloud. Mais l’enthousiasme pour les chemins de fer nous apprend ceci : ce n’est pas la totalité de la révolution de l’IA, ni même la couche offrant les rendements les plus élevés.

Le cœur de l'IA réside dans des données industrielles uniques et des flux de travail profondément intégrés. Pour les individus, le véritable « cœur de ville » n'est pas les actions détenues, mais leur jugement et leurs connaissances industrielles irremplaçables — à condition d'avoir déjà réinventé la manière d'utiliser ces compétences autour de l'IA.

Le véritable retour se trouve au niveau suivant. Mais entre l'infrastructure et la création de valeur, il n'y a pas de transition fluide. Il existe une faille entre les deux — historiquement, cette faille a englouti des décennies.

Les personnes qui démontent les ateliers et celles qui utilisent l'IA pour améliorer l'efficacité ne font pas la même chose.

Simon, cofondateur de Zhao Yivan, était autrefois un « programmeur à dix fois la vitesse », mais il écrit rarement du code aujourd'hui — il gère simultanément trois ou quatre agents d'écriture de code IA, atteignant une efficacité 30 à 40 fois supérieure. Notion compte désormais 1 000 employés et plus de 700 agents IA. La différence n'est pas dans les outils, c'est que Simon a démantelé son ancien atelier, tandis que la plupart des gens n'ont fait que remplacer leur roue à eau.

600 millions d'utilisateurs chinois ont utilisé des outils d'IA générative, soit une augmentation de 142 % par rapport à l'année précédente — ce qui constitue le plus grand marché mondial de demande en IA. Pourtant, presque aucune entreprise chinoise n'a reconstruit ses flux de travail fondamentaux autour de l'IA. Le plus grand moteur de demande au monde, associé à une offre pratiquement immuable en termes de transformation organisationnelle. Ce contraste est en soi un signal : ce n'est pas l'absence d'outils, c'est l'organisation qui n'a pas suivi. Le contexte du travail intellectuel est dispersé dans des dizaines d'outils et des dizaines de cerveaux, les résultats ne sont pas vérifiables, et personne ne sait comment évaluer l'efficacité d'une note de stratégie.

(Impacts du marché du travail de l'IA : une nouvelle mesure et des premières preuves)

Anthropic a déjà agi à plus grande échelle. Ils ont lancé l’Economic Index, qui illustre, à l’aide de données d’utilisation réelles, les tâches et secteurs que l’IA remplacera en premier, puis ont construit leur stratégie sur cette carte : ils ont créé une entreprise de services numériques natifs à l’IA en partenariat avec Goldman Sachs, Blackstone et Hellman & Friedman ; ils ont établi une alliance mondiale avec KPMG, permettant à 276 000 employés d’accéder à Claude ; Accenture a constitué un groupe métier, formant 30 000 personnes sur les secteurs de la finance, des sciences de la vie et de la santé.

Ces cabinets de conseil ne sont pas des utilisateurs de l’IA, mais des ingénieurs ferroviaires de l’IA — ils ne construisent pas de machines à vapeur, ni ne posent de voies ferrées ; ils aident les entreprises à démolir leurs anciennes usines et à reconstruire leurs lignes de production autour de cette nouvelle puissance. Sans ce rôle, la plupart des propriétaires d’usines ne savent pas par où commencer.

Les signaux clignotent déjà. Le plus aigu provient du marché du travail.

Les jeunes de 22 à 25 ans entrant dans des métiers fortement exposés à l'IA ont 14 % moins de chances de trouver un emploi que leurs homologues entrant dans des métiers faiblement exposés. Les postes juniors sont déjà sous pression.

Si je suis un diplômé récent, ce chiffre influence directement ma recherche d'emploi. Si je suis un manager, les prochains postes juniors que je recrute pourraient ne plus être des humains.

L'organisation se décompose, et moi ? Mon diplôme, mon parcours, mon expérience professionnelle accumulée au fil des ans — ce sont mes roues à aubes. Elles ont autrefois fait fonctionner toute ma chaîne de production, mais la machine à vapeur est arrivée. Les universités 985 et 211 ne sont plus un fossé défensif ; elles ne font que prouver que j'ai autrefois construit une bonne usine au bord de la rivière.

La question maintenant est de savoir si nous avons la capacité de quitter cette rivière.

Les données d'Anthropic montrent que les utilisateurs ayant utilisé des outils IA pendant plus de six mois ont un taux de réussite des tâches supérieur de 10 % par rapport aux nouveaux utilisateurs. Ceux qui ont commencé il y a six mois sont déjà en avance de 10 %, et cet écart s'accroîtra avec le temps grâce à la capitalisation.

Mais pour l'instant, aucune entreprise n'a fait faillite à cause de l'absence d'IA ; du moins, mon cabinet d'avocats continue de progresser avec enthousiasme autour de l'IA. Les gagnants n'ont pas encore été désignés par le marché. La courbe d'apprentissage est réelle — ceux qui ont commencé tôt accumulent déjà un avantage, mais la plupart des gens sont encore au départ.

Mon titre professionnel actuel existera-t-il encore dans dix ans ? Combien d’outils que j’utilisais quotidiennement il y a cinq ans sont encore en usage aujourd’hui ? La réponse est probablement non pour les deux. Mais je ne connais pas le nom des choses qui les remplaceront — car ces choses n’existent pas encore.

C'est toujours ainsi dans l'histoire. Les nouvelles choses ne sont pas planifiées ; elles émergent spontanément lorsque les anciennes contraintes disparaissent.

Avant la construction des chemins de fer, la Grande-Bretagne était composée d'économies locales isolées. Le prix du coton à Manchester pouvait différer de 30 % de celui à Londres. Chaque ville avait son propre horaire local, et personne ne trouvait cela problématique. Au cours des vingt années suivant la construction des chemins de fer, tout a changé. Le premier marché national unifié est apparu, et les écarts de prix ont disparu ; le temps standard n'a pas été inventé, mais imposé par les chemins de fer ; les postes de chef de gare, de télégraphiste et d'agent de voyage n'existaient tout simplement pas avant l'ère ferroviaire.

Personne n'a prévu les grands magasins en construisant des chemins de fer. Personne n'a prévu l'heure standard en construisant des machines à vapeur.

(Vapeur, acier et IA intelligente infinie)

La ville a raconté la même histoire. Il y a quelques siècles, les villes étaient à l'échelle humaine — il fallait quarante minutes à pied pour traverser Florence. Les cadres en acier ont rendu les gratte-ciels possibles, les chemins de fer ont relié les villes à leurs arrière-pays, suivis par les ascenseurs, le métro et les autoroutes. Tokyo, Chongqing, Dallas — ce ne sont pas de plus grandes Florence, ce sont de nouveaux modes de vie.

Le travail intellectuel actuel est également à échelle humaine. Des équipes de quelques dizaines de personnes, des réunions et des e-mails définissent le rythme ; au-delà de quelques centaines de personnes, cela devient insoutenable. Nous construisons Florence avec des pierres et du bois. L’IA rend « Tokyo » possible — des organisations composées de milliers d’agents IA et de personnes, dont les flux de travail fonctionnent en continu à travers les fuseaux horaires. Les réunions hebdomadaires, la planification trimestrielle et les évaluations annuelles pourraient bien devenir obsolètes.

Simon ne code plus — son travail est devenu « gérer des agents IA ». Il n’existait pas il y a deux ans. Mon prochain titre professionnel n’a peut-être pas encore de nom. Mais quelqu’un construit déjà l’avenir que nous ne savons pas encore nommer.

Après avoir démantelé l'ancien atelier, que construire ? La réponse de YC est : laissez l'entreprise s'améliorer elle-même.

Leur système interne modifie maintenant automatiquement son propre code la nuit. Un employé a envoyé une requête pendant la journée, qui a échoué. Un agent de surveillance a détecté cet échec, en a déduit la cause, a écrit du code pour la corriger, soumis une demande de revue, puis déployé la mise à jour en production. La même requête a fonctionné le lendemain. Tout s'est déroulé pendant que tout le monde dormait.

Ce n'est pas l'IA qui aide les gens à produire 30 % de plus. C'est le système qui a accompli tout le cycle en autonomie et a appris par lui-même comment s'améliorer.

Tom Blomfield, associé de YC, a appelé ce modèle d'entreprise « boucle d'IA à amélioration récursive et autonome » lors d'une conférence interne. Son jugement est direct : la plupart des entreprises sont encore des légions romaines — une transmission hiérarchique descendante et une remontée ascendante, où les humains servent de canaux d'information. L'IA ne remet pas en question l'efficacité d'un seul maillon, mais les fondements mêmes de cette structure hiérarchique.

La nouvelle logique qu'il propose : brûlez des tokens, pas des têtes. Le goulot d'étranglement passe de la main-d'œuvre à la puissance de calcul. Selon les données observées par YC, les entreprises ayant atteint le Demo Day génèrent désormais un revenu par personne environ cinq fois supérieur à ce qu'elles étaient il y a 18 mois. Les rôles de management intermédiaire sont pris en charge par l'IA — la « coordination » n'exige plus d'intervention humaine. Chacun doit être un IC, un builder, un operator ; chaque tâche doit avoir un responsable désigné, pas un comité.

Il y a aussi une condition préalable : l'entreprise doit être « lisible » par l'IA. Tout ce qui n'est pas enregistré équivaut à n'avoir jamais eu lieu. YC stocke désormais tous les e-mails des partenaires, enregistre tous les messages Slack et les enregistrements des heures de bureau. Un partenaire a utilisé 2 000 heures d'enregistrements accumulées sur trois mois pour faire générer par l'IA un nouveau manuel interne de 150 pages — bien supérieur à la version originale. Ce manuel est mis à jour automatiquement chaque mois et est devenu un « cerveau vivant » constamment actualisé.

Tom a laissé une question :

Si vous deviez créer votre entreprise dès aujourd'hui à partir de zéro, la construiriez-vous de cette manière ? Si votre entreprise a déjà établi une structure hiérarchique, vous devez répondre à une autre question plus difficile : la douleur de tout reconstruire serait-elle moindre que le coût de continuer à fonctionner comme une légion romaine ?

Les personnes ne sont pas au centre de l’atelier, elles sont à l’extérieur — elles gèrent les domaines que l’IA ne peut pas encore atteindre : jugements en personne, situations nouvelles, moments à haut enjeu et forte charge émotionnelle. Le cœur de l’entreprise est un « cerveau d’entreprise » composé de données, d’enregistrements et de connaissances sectorielles. Les logiciels qui y fonctionnent sont des biens consommables : s’ils peuvent être générés, ils peuvent être régénérés. Ce qui a de la valeur se trouve dans la tête des personnes — la compréhension de la manière dont les opérations fonctionnent, quels étapes impliquent des jugements : ces connaissances sont les véritables actifs.

Zhao Yiwang décrit dans « Steam, Steel, and Infinite Minds » l'autre face de cette direction : une organisation de 1 000 employés et plus de 700 agents IA, où les humains prennent les décisions et les agents effectuent les tâches. Aschenbrenner mise sur les infrastructures de calcul, tandis que Zhao Yiwang mise sur la restructuration organisationnelle. Deux chemins qui convergent vers un même objectif final : un nouveau mode de production reconstruit autour de l'IA.

Entre les années 1840 et 1850 — les chemins de fer étaient déjà construits, mais les usines n’avaient pas encore été reconstruites.

Où sommes-nous ? Simon ne code plus. Son moulin à eau, il l’a démonté lui-même.

La question n'a jamais été de savoir si la machine à vapeur était suffisamment bonne, mais qui a démonté le premier l'ancien atelier.

Je n'ai pas l'intention de prédire les grands magasins du futur ; je me concentre simplement sur moi-même — il suffit de m'assurer que je me tiens le long de la voie ferrée, et non au bord d'une rivière qui s'assèche.

Et toi ?