L'évidement silencieux de l'expertise et le risque d'une économie exclusivement basée sur les modèles

Le lieu de travail moderne est un théâtre d'extraction silencieuse où le clic rythmique du clavier mécanique est remplacé par le bourdonnement muet de l'invite de commande (prompt). La promesse de l'intelligence artificielle générative offre un horizon miroitant d'hyper-efficacité où chaque employé opère avec la perspicacité de mille spécialistes et où chaque tâche est accomplie en quelques secondes. Ce rêve numérique suggère une ère de libération totale du travail ingrat où l'esprit humain est enfin libre de se concentrer sur la stratégie pure et la vision créative. Cependant, cette transition nécessite l'alimentation constante des modèles publics par le capital intellectuel privé, à moins que les organisations n'établissent des frontières strictes autour de leur logique propriétaire. Le gain d'efficacité dilue algorithmiquement la valeur du contributeur individuel et concentre inévitablement la richesse entre les mains des quelques entités qui possèdent les poids du modèle.

L'avertissement du sommet

Le PDG de Microsoft, Satya Nadella, a partagé une évaluation franche de cette trajectoire sur X dimanche dernier. Il a mis en garde contre un avenir où une poignée de fournisseurs d'IA capturerait la majorité de la valeur économique tandis que les industries traditionnelles perdraient la propriété de leurs connaissances. Nadella a décrit un scénario où chaque entreprise cède de la valeur à des modèles qui consomment tout ce qu'ils voient. Il a déclaré qu'il n'y a aucune permission sociétale pour un avenir de l'IA qui viderait des industries entières de leur substance. Ses paroles reflètent une préoccupation croissante parmi les leaders technologiques quant au fait que le chemin actuel du développement de l'IA reflète les phases destructrices de la mondialisation précoce.

À un niveau macroéconomique, la comparaison avec la mondialisation est sobre. Durant la première phase de l'intégration mondiale, les économies industrielles ont connu un évidement massif par l'externalisation. En surface, les chiffres du PIB sont restés stables ou ont même augmenté. En coulisses, le déplacement était réel et les conséquences sociales restent omniprésentes aujourd'hui. Nadella soutient que l'IA pourrait répéter ce schéma en externalisant la cognition humaine plutôt que le travail manuel. Si chaque entreprise utilise le même cerveau central, l'expertise unique qui définissait autrefois une entreprise devient une commodité. La connaissance n'est plus un actif localisé ; elle devient une donnée d'entraînement pour un tiers.

Le risque du tuyau de données passif

Le PDG de Snowflake, Sridhar Ramaswamy, a fait écho à ce sentiment plus tôt cette année. Il a suggéré que les plus grandes entreprises de logiciels risquent d'être réduites à de simples sources de données. Selon lui, les créateurs de grands modèles veulent un monde où les données d'entreprise leur sont facilement accessibles. Tout le reste de l'écosystème n'est qu'un tuyau de données passif qui alimente un cerveau central. Cela crée une vulnérabilité systémique pour les entreprises qui ont passé des décennies à construire des flux de travail propriétaires et des bases de connaissances spécialisées.

Curieusement, cette tendance crée un archipel professionnel. Dans cet état, les entreprises vivent densément regroupées dans l'écosystème numérique mais sont de plus en plus isolées de leur propre valeur. Elles fournissent la matière première — les données — mais l'intelligence qui traite ces données appartient à quelqu'un d'autre. Ramaswamy a noté que Snowflake doit opérer avec la peur que les utilisateurs contournent les outils spécialisés au profit d'agents d'IA tout-en-un. Lorsqu'un seul agent a accès aux données de partout, le fournisseur de logiciels individuel perd sa pertinence. Le produit n'est plus l'outil lui-même ; c'est l'accès au modèle qui a déjà absorbé l'outil.

Le contexte comme ultime forteresse

Le PDG de Box, Aaron Levie, a identifié un problème similaire dans une publication LinkedIn en janvier dernier. Il a noté que les modèles d'IA effectuent désormais un travail de connaissance de haut niveau dans le droit, la stratégie et la recherche. Cette ubiquité soulève une question fondamentale sur la différenciation. Si chaque entreprise a accès à la même intelligence experte, le terrain de jeu est nivelé, mais les sommets disparaissent. Levie a soutenu que le contexte est le seul moyen restant pour une entreprise de se distinguer.

En termes quotidiens, le contexte est l'élément humain désordonné et inquantifiable d'une entreprise. C'est l'historique d'une relation client spécifique, les particularités bizarres d'un marché local et la mémoire collective d'une équipe. Bien qu'un modèle puisse rédiger un mémoire juridique, il ne sait pas pourquoi une clause spécifique est importante pour une entreprise familiale particulière. Paradoxalement, à mesure que l'intelligence de haut niveau devient moins chère, la valeur du contexte humain ordinaire augmente. La lutte pour les entreprises consiste à conserver ce contexte sans le laisser être aspiré dans l'ensemble d'entraînement général.

L'érosion de l'habitus professionnel

À travers ce prisme, nous pouvons voir l'impact au niveau individuel. Pierre Bourdieu a utilisé le terme habitus pour décrire les habitudes et dispositions ancrées que nous acquérons par l'expérience. Un maître charpentier ne sait pas seulement utiliser une scie ; il a un ressenti viscéral du bois. Dans l'économie de la connaissance, cet habitus est l'intuition d'un éditeur chevronné ou la reconnaissance de formes d'un médecin vétéran.

À mesure que les modèles d'IA absorbent les productions de ces professionnels, l'habitus est numérisé. Le modèle apprend le schéma mais l'humain cesse de pratiquer la compétence. Cela conduit à une atomisation professionnelle. Les individus ne font plus partie d'une lignée de métier ; ils sont les opérateurs d'un système qui simule ce métier. Ce changement est symptomatique de la modernité liquide, où les parcours de carrière ne sont plus des structures solides mais des flux de tâches changeants et éphémères. Lorsque l'intuition de l'expert est disponible via un abonnement à cinq dollars par mois, l'expert devient une dépense inutile. C'est cet évidement que Nadella redoute. Ce n'est pas seulement la perte d'emplois, mais la perte de la capacité humaine à générer de nouvelles connaissances sans l'intermédiaire d'une machine.

La philologie de l'intelligence

D'un point de vue linguistique, notre définition de l'intelligence subit un changement profond. Nous utilisions autrefois ce mot pour décrire une capacité humaine de compréhension et de raisonnement. Aujourd'hui, le discours a glissé de sorte que l'intelligence est une ressource à extraire, raffiner et distribuer comme l'électricité. Ce glissement sémantique a des conséquences pratiques. Lorsque nous traitons l'intelligence comme un service public, nous oublions qu'elle nécessite une source.

Si les modèles mangent tout ce qu'ils voient, ils finissent par atteindre un point de rendement décroissant où ils sont entraînés sur leurs propres productions synthétiques. Cela crée un effet de galerie des glaces. Le langage devient plus poli mais moins résonnant. Les idées deviennent plus standardisées mais moins nuancées. Un monde où tout le monde utilise le même modèle est un monde où le patchwork collectif des connaissances humaines cesse de croître. Nous nous retrouvons avec un bassin stagnant de médiocrité optimisée.

Matière à réflexion

Pour naviguer dans ce changement, nous devons examiner nos routines quotidiennes et les systèmes que nous construisons. Au lieu de se concentrer uniquement sur la vitesse de production, nous pouvons prioriser la préservation d'un contexte unique.

• Quelle part de votre travail quotidien repose sur votre histoire et vos relations spécifiques par rapport aux connaissances générales ?
• Construisez-vous un système d'apprentissage propriétaire, ou alimentez-vous simplement un modèle qui ne vous appartient pas ?
• Pouvez-vous identifier les moments de votre journée professionnelle où votre intuition humaine apporte une valeur qu'un modèle ne peut pas reproduire ?
• Qu'arrive-t-il à votre secteur si la barrière à l'entrée pour votre expertise spécifique tombe à zéro ?

Réclamer la présence humaine

En fin de compte, le défi est d'utiliser la technologie comme une ancre plutôt que comme un remplacement. Nous avons vu comment les vagues précédentes de changements technologiques promettaient la connexion mais apportaient l'isolement. L'ère actuelle de l'IA menace d'un paradoxe similaire : elle offre une connaissance infinie tout en nous dépouillant de notre savoir. Nous devons être intentionnels quant aux frontières que nous fixons entre notre intelligence collective et notre expertise personnelle.

Il existe un pouvoir subtil dans les choses qui ne peuvent pas être numérisées. Le silence gênant dans une réunion qui révèle un conflit caché, la note manuscrite qui construit une décennie de fidélité et le jargon spécialisé d'un métier local sont autant de formes de résistance contre la marchandisation. Nous devrions observer nos routines et identifier ces restes humains. Réclamer le contexte est le seul moyen de s'assurer que nous sommes plus que de simples tuyaux de données dans une machine plus vaste. Nous devons rester les architectes de notre propre sens, même dans un monde qui veut le générer pour nous.

Sources

Nadella, S. (2026). Publication sur les réseaux sociaux concernant l'IA et la valeur industrielle. X.

Ramaswamy, S. (2026). Le risque du tuyau de données. Snowflake Executive Podcast.

Levie, A. (2026). La différenciation à l'ère de l'IA. LinkedIn Professional Insights.

Bauman, Z. (2000). Liquid Modernity. Cambridge: Polity Press.

Bourdieu, P. (1977). Outline of a Theory of Practice. Cambridge University Press.