Les économistes d'Anthropic ont publié en septembre une note intitulée « Scenarios for our Economic Future », qui modélise trois scénarios de l'effet de l'intelligence artificielle sur l'économie à l'horizon 2030. Dans celui qu'ils qualifient d'« extrême », l'IA devient plus productive que les humains sur la grande majorité des tâches intellectuelles ; le produit intérieur brut dépasse de 32,4 % ce qu'il aurait été sans elle, la croissance atteint 15 % par an et l'économie double de taille tous les quatre ans et demi. Les salaires des travailleurs du savoir reculent de plus de 10 %.

Le chômage, rapporte Le Figaro du 12 septembre, s'établirait à 11,9 %, et à 17,9 % pour les emplois de la connaissance. Et la rémunération du capital dépasse celle du travail : 54,8 % du revenu national, contre 45,2 %. « En tant que société, écrivent-ils, nous sommes bien plus riches que nous ne l'avons jamais été, mais beaucoup moins de travailleurs ont un emploi dans les métiers du savoir, et le chômage a dépassé les niveaux habituels d'une récession. »

On peut discuter les hypothèses ; les auteurs eux-mêmes préviennent que leur modèle « isole quelques forces clés et en omet beaucoup d'autres ». Mais retenons qui parle. La firme à l'origine de Claude voit la part du travail dans le revenu national reculer d'un scénario à l'autre : 59,4 %, puis 56,1 %, puis 45,2 %. Ce n'est pas le scénario d'un adversaire de la technologie. C'est celui de son producteur.

• IA et service public : 36 % des emplois en danger ou en mutation, alerte une étude

Reste à dire par quel mécanisme une IA devient plus productive que les humains sur « la grande majorité des tâches intellectuelles ». La note ne le dit pas ; je n'en vois qu'un : on lui en livre la matière.

Chaque fois qu'un cadre colle dans une fenêtre de dialogue la méthode qu'il a construite au fil de sa carrière, pour la faire reformuler, et chaque fois qu'il corrige la réponse, il montre à la machine comment il travaille. Chaque fois qu'une entreprise verse ses procédures, ses contrats, ses analyses dans un modèle partagé pour gagner du temps, elle livre à ce modèle le métier même qu'elle voulait seulement accélérer. La productivité est réelle. Elle a un prix que le compte de résultat n'affiche pas : le savoir-faire qui faisait la valeur du poste, et celle de l'entreprise, se déplace vers un système que tout le monde interroge, concurrents compris, et dont le propriétaire décide seul de ce qu'il en retient. Je l'écrivais ici même : à modèles identiques, réponses convergentes, jusque dans les erreurs.

Le cadre scie la branche qui le porte, et l'entreprise tient la scie. Non par imprudence : parce que rien, à l'écran, ne rappelle à l'utilisateur ce qu'il vient de livrer.

• L'effet encore “relativement faible” de l’IA sur l’emploi, sauf pour les jeunes

On nous objectera que les fournisseurs s'engagent contractuellement à ne pas entraîner leurs modèles sur les données de leurs clients. Admettons-le ; c'est le cœur du problème.

En 1998, deux chercheurs du département d'informatique de Stanford publiaient l'article fondateur d'un moteur de recherche. Dans son annexe A, intitulée « Publicité et motivations mixtes », ils écrivaient s'attendre à ce qu'un moteur financé par la publicité soit « intrinsèquement biaisé en faveur des annonceurs et au détriment des besoins des consommateurs », d'un biais « particulièrement insidieux », et jugeaient « crucial de disposer d'un moteur de recherche compétitif, transparent et relevant du monde académique ». Ils s'appelaient Sergey Brin et Larry Page. Ils l'ont écrit, puis ils ont bâti un moteur financé par la publicité.

En 2014, au moment de racheter WhatsApp, Facebook déclarait à la Commission européenne être dans l'incapacité d'établir un appariement automatisé fiable entre les comptes des deux services. En août 2016, WhatsApp modifiait ses conditions d'utilisation pour permettre de lier les numéros de ses utilisateurs aux identités Facebook. Le 18 mai 2017, la Commission infligeait une amende de 110 millions d'euros, non pour le revirement, mais pour la déclaration initiale : la possibilité technique existait déjà en 2014, et des salariés le savaient. Elle a parlé d'informations trompeuses et qualifié le manquement d'« au moins négligent », sans exclure davantage.

Aucun de ces deux exemples n'est un contrat rompu ; ils montrent ce qu'une position écrite devient quand l'incitation ou le rapport de force change. La leçon n'est pas que les fournisseurs mentent ; j'en suis un. Elle est structurelle : un engagement qu'une partie peut réviser seule, une fois l'autre devenue dépendante, n'est pas une garantie. C'est un délai. Ce n'est pas la sincérité qui change avec le temps ; c'est le rapport de force. Il en va de l'apprentissage comme de la réversibilité : elle ne se présume pas, elle se contracte.

Que faire ? Distinguer ce qui fait le métier de ce qui ne fait que l'occuper ; cesser de confier le premier à un modèle mutualisé, et le confier à un modèle que l'entreprise possède. Posséder n'est pas une figure de style. Ce n'est pas non plus bâtir : le contrôle est un objectif légitime, le construire soi-même n'en est ni la seule voie, ni la plus sûre. Posséder signifie trois choses, et chacune se vérifie dans un contrat. Un contrat, encore ; mais un contrat que le fournisseur ne peut pas réviser seul, et dont le point décisif ne se promet pas, il se constate : le modèle est chez soi.

Les données ne quittent pas le périmètre juridique choisi ; elles échappent à tout droit extraterritorial. Les traitements s'exécutent dans ce périmètre, et pas seulement le stockage : les documents ne sortent de ce périmètre pour aucune requête. Le modèle enfin, sa version et son évolution, restent sous la maîtrise de l'entreprise : elle en détient les poids, c'est-à-dire le modèle lui-même, et peut l'exécuter sans son fournisseur ; personne ne peut le modifier ni le retirer sans elle, il n'est partagé avec aucun autre client, et la fin du contrat prévoit la restitution et la suppression datée, copies dérivées et sauvegardes comprises, avec attestation. C'est ce que nous appelons la triple souveraineté, et c'est un critère de choix à opposer à tout fournisseur, le nôtre compris : ce qui n'y figure pas n'est pas possédé.

Un modèle ainsi possédé peut être spécialisé : sur l'entreprise, son secteur, ses métiers. Ses corrections portent sur lui seul, au lieu de se diluer dans un modèle mondial ; ce qu'il apprend ensuite, il ne l'apprend que d'elle. À court terme, le modèle partagé peut être meilleur en général ; il ne l'est pas sur ce que seule l'entreprise sait. Au fil des sollicitations, l'entreprise ne dispose plus du même outil que ses concurrents : elle dispose du sien.

Enfin, et c'est le point que la note d'Anthropic rend urgent, le cadre change de place. Je me garderai de promettre qu'un modèle souverain préserve les emplois : un système qui apprend parfaitement un métier peut aussi l'exercer, quel que soit son propriétaire. Mais entre un savoir versé dans un modèle que tout le monde interroge et un savoir versé dans un modèle que seule l'entreprise alimente, corrige et valide, la position de l'expert n'est pas la même. Dans le premier cas, son expertise devient un bien commun, et sa valeur locale s'effondre. Dans le second, il reste le seul à pouvoir l'enseigner, la reprendre, la signer. Il demeure au point où la décision se prend.

Nous avons fait ce choix pour les métiers de la chaîne de la preuve, ceux dont chaque réponse engage la signature de l'entreprise devant un auditeur, un donneur d'ordre ou un régulateur. Car la question qu'ouvre la note d'Anthropic n'est pas de savoir si l'IA remplacera les cadres. C'est de savoir à qui ils auront, entre-temps, appris leur métier.