L’avenir de l’entreprise

Note des auteurs : Voici le deuxième essai de notre série sur la prochaine économie, qui s’inscrit dans une nouvelle plateforme accueillant des voix indépendantes qui explorent un avenir avec l’AGI. Il reflète nos opinions, et non celles d’OpenAI ou de nos collègues.

Nous avions tous les deux vingt-quatre ans quand nous avons commencé à gérer nos propres équipes ici, chez OpenAI. C’est moins impressionnant quand on rencontre nos équipes.

Nous sommes censés être de simples exécutants. À vingt-quatre ans, on est au bas de l’échelle de l’entreprise. On prend des notes en réunion et on rédige quelques notes de service. Après des années de tâches fastidieuses, on obtient (avec un peu de chance) un mandat plus large.

Notre parcours — et celui de nombreux jeunes aujourd’hui — prend une autre tournure. Nous entrons sur le marché du travail avec des « employés » déjà à notre service. Ces adjoints travaillent jour et nuit, les fins de semaine et les jours fériés. Ils excellent dans les tâches ingrates. Nous avons même dans nos rangs des médaillés d’or aux olympiades de mathématiques pour nous conseiller. Nos nouvelles recrues font encore leur part d’erreurs. Mais elles s’améliorent, apprennent à connaître nos besoins, et nous apprenons à les gérer.

Ni l’un ni l’autre n’a gravi les échelons. C’est plutôt la gestion qui est descendue au nôtre. Cet essai porte sur notre promotion et sur les autres façons dont les entreprises pourraient se réorganiser à l’aube de l’ère de l’intelligence.

Quand l’IA entre dans l’entreprise, où se place-t-elle? Nous présentons trois scénarios à titre d’illustration :

Aucun ne se déroulera exactement comme nous le décrivons, mais nous pensons que certains aspects des trois se concrétiseront. Tous les trois se manifestent déjà de façon subtile.

Nous nous intéressons ici non pas à l’automatisation totale, mais à une économie en transition. Nous cherchons à comprendre à quoi ressembleront les entreprises hybrides à mesure que l’IA s’améliorera et s’intégrera aux organisations existantes.

Nous estimons que l’entreprise hybride est un concept important, car l’adoption productive de l’IA n’est pas instantanée. Quand les modèles n’accomplissent qu’une partie des tâches, les employés de terrain qui connaissent le travail sont peut-être les mieux placés pour les adopter. Une fois que les modèles remplissent de vastes fonctions de bout en bout, les cadres supérieurs peuvent les utiliser directement. Selon nous, une IA plus capable est plus facile à adopter : l’entreprise doit apprendre les technologies, mais la main-d’œuvre apprend à connaître l’entreprise et peut s’y intégrer d’elle-même.

Nous analyserons les trois nouvelles formes d’organigramme, puis leurs conséquences pour l’avenir de la bureaucratie, de l’autonomie des travailleurs, de la taille des entreprises et des écarts salariaux.

Notre premier scénario semble le moins perturbateur. Les gens y gardent leur poste et leurs liens hiérarchiques, et font en apparence le même travail qu’avant. L’organigramme humain semble inchangé entre aujourd’hui et cet avenir.

La différence se trouve sous nous. Sous chaque employé sans responsabilités de gestion, une nouvelle main-d’œuvre d’IA relève de chacun de nous. Notre organigramme se dote d’un sous-sol, et nous devenons tous gestionnaires.

Au début, ce sous-sol est inachevé. Nous commençons avec un ou deux agents chacun : moins des employés chevronnés que des stagiaires enthousiastes à superviser et à qui pardonner volontiers. Nos attentes sont modestes : envoyer un courriel ici, rédiger une note là, répondre aux messages Slack partout. Comme les employés humains débutants, ils disposent au départ de peu d’autonomie et de confiance.

Mais à mesure que les modèles s’améliorent, nos agents prennent en charge plus de tâches avec moins de supervision. Ils se coordonnent entre eux. Il pourrait y avoir des IA gestionnaires et exécutantes, comptables et juristes, qui travaillent toutes ensemble à votre service. Loin de devoir guider un stagiaire pas à pas, vous dirigez finalement une petite entreprise à part entière, avec son propre organigramme, dont vous êtes le conseil d’administration.

Remarquez que ce scénario n’implique pas de mises à pied. Nous adoptons ici l’IA sans automatiser nos propres postes. Nous automatisons plutôt nos anciens rôles et montons dans la hiérarchie. L’IA prend en charge une part croissante de ce que nous faisions auparavant. Nos emplois demeurent parce qu’il y a davantage à gérer, et nous devenons responsables d’une production plus importante.

Les emplois ne sont pas figés⁠(s'ouvre dans une nouvelle fenêtre). Supposons que l’IA puisse faire quatre-vingt-dix pour cent de ce que vous faisiez auparavant. Vous pourriez en conclure qu’il ne vous reste que dix pour cent du travail. L’autre possibilité, c’est que vous ayez toujours un emploi complet, mais différent — désormais axé sur un objectif dix fois plus grand. C’est le cadeau classique de la technologie : la productivité augmente, l’ambition augmente à sa hauteur, et les salaires peuvent augmenter⁠(s'ouvre dans une nouvelle fenêtre) avec elle.

Tout dépend de si nous continuons à ajouter de la valeur⁠(s'ouvre dans une nouvelle fenêtre) à la production. Cet essai porte sur les prochaines années, où l’automatisation ne sera ni capable de tout faire ni adoptée partout. Même si l’IA pouvait tout faire, nous pourrions encore accorder plus de valeur à une création humaine ou exiger qu’une personne ait le dernier mot.

Cela dépend aussi de notre appétit. Si, comme consommateurs, nous ne voulons pas d’une production dix fois plus grande, l’équilibre se déplacera vers moins de travailleurs ou moins d’heures travaillées. Historiquement, les hausses de production ne nous ont pas rassasiés. Nous avons beaucoup plus⁠(s'ouvre dans une nouvelle fenêtre), mais travaillons seulement un peu moins⁠(s'ouvre dans une nouvelle fenêtre). Si notre appétit continue de croître à mesure que la production se multiplie — et que nous y contribuons toujours —, nous choisirons de continuer à échanger notre travail contre plus de consommation. Si, au contraire, la production devient si abondante que nous sommes rassasiés, nous pourrions choisir une main-d’œuvre moins nombreuse.

Nous aborderons d’autres objections plus loin (par exemple, la possibilité d’avoir davantage de petites entreprises). Ce scénario nous semble tout de même important, car l’adoption doit commencer quelque part. Les entreprises ont besoin d’un moyen de faire évoluer leurs structures actuelles de façon stable. Renforcer le travail des employés en place peut être une première étape plus simple qu’une restructuration complète. Nous le voyons déjà : les travailleurs délèguent à l’IA les uns après les autres, sans révolution organisationnelle jusqu’ici.

Ce scénario suppose que la première ligne embauche d’abord. Les travailleurs de terrain — et non les gestionnaires et les dirigeants — mènent l’adoption de l’IA. Cela semble probable tant que la personne la mieux placée pour faire travailler l’IA est celle qui faisait elle-même ce travail.

Les modèles peuvent déjà automatiser bien des tâches de science des données, mais un chef de service qui ne connaît ni les méthodes ni les détails aura du mal à exploiter ces outils. Tant que l’IA ne sera pas assez proactive pour vous dire ce que vous ignorez (voir notre prochain scénario), elle servira probablement mieux ceux qui savent déjà comment le travail se fait.

Dans ce scénario, le plus grand changement concerne les travailleurs débutants. Il n’y aurait plus de tout dernier échelon, du moins pour les humains. Quand nous embaucherons des jeunes, ce ne sera pas pour les placer au bas de l’entreprise, parmi les tâches ingrates. Ces postes seront occupés par quelque chose que cela ne dérange pas.

Nous perdons ainsi certaines voies traditionnelles de formation des jeunes travailleurs : l’apprentissage⁠(s'ouvre dans une nouvelle fenêtre), la formation par les tâches ingrates, le fait de gagner ses galons. Ce sont de véritables coûts, mais nous y voyons surtout un privilège. Même la recrue la plus novice qui a une bonne idée dispose de ressources pour expérimenter. La plus vieille excuse de l’entreprise, nous n’avons tout simplement pas le personnel, est en voie de disparition. Une employée débutante qui imagine un excellent jeu vidéo sans pouvoir obtenir le personnel nécessaire peut maintenant tout simplement le créer.

Selon nous, ce scénario de « promotion » laisse encore beaucoup à apprendre aux débutants : le jugement, le goût, les réflexes de gestion et la vision créative. Nous serons incités à cultiver ces compétences, car elles se refléteront dans notre travail. Nous continuerons à apprendre par la pratique⁠(s'ouvre dans une nouvelle fenêtre), mais avec des responsabilités plus vastes. Les vétérans de l’entreprise resteront incités à nous aider comme mentors responsables (avec un intérêt financier dans notre réussite). La possibilité offerte ici est un rôle plus stimulant pour tous, à chaque échelon. Tout travailleur peut mettre ses talents en valeur avec un mandat plus vaste, ce qui compte surtout pour les débutants qui n’en avaient aucun.

La deuxième voie d’entrée de l’IA dans l’entreprise se faufile dans l’organigramme existant. Ici, les agents ne sont pas des sous-fifres, mais des collègues. Une gestionnaire traditionnelle confie une partie du travail de l’équipe à un modèle comme elle le ferait avec n’importe quel employé. L’IA s’insère à côté des humains, pas seulement sous eux.

La principale différence avec le premier scénario : ici, l’IA productive est adoptée par les gestionnaires humains en place, et pas seulement par les employés sans responsabilités de gestion. Pour cela, elle doit être assez compétente pour devenir un membre à part entière de l’équipe.

Les humains sont des généralistes. Un marteau aide à accomplir une tâche; un humain en fait bien davantage. Le passage de l’IA d’outil à main-d’œuvre élargit son champ d’action : automatiser la tâche, puis l’emploi, puis une équipe, et enfin une entreprise. Chaque élargissement exige des compétences plus étendues.

Un emploi est une valise remplie de nombreuses tâches. Pour une équipe entière, cette valise déborde de travaux de toutes sortes. Plus le mandat comporte de tâches, plus les goulots d’étranglement potentiels se multiplient. Si ne serait-ce qu’une tâche essentielle de l’équipe exige un travail physique, tout un nouvel ensemble de périphériques devient nécessaire. Pour remplacer directement une équipe entière, l’IA doit être à la hauteur de toutes ses responsabilités variées.

Une IA capable d’assumer un mandat plus vaste est plus difficile à créer. Mais pour les entreprises — et c’est l’asymétrie centrale de toute cette transition —, un mandat plus vaste facilite l’adoption.

Un dirigeant peut adopter directement une équipe ou une vaste fonction automatisée de bout en bout. Un outil aux capacités plus limitées ne peut pas être déployé aussi simplement depuis le sommet. L’outil plus simple exige une large adhésion et une formation à l’échelle du personnel.

Traditionnellement, les nouvelles technologies réduisent le coût d’un ensemble limité de tâches. Puis la responsabilité passe à l’acheteur. L’entreprise doit trouver comment exploiter le nouvel outil et former son personnel, se réorganiser et rebâtir ses processus⁠(s'ouvre dans une nouvelle fenêtre) autour de lui. Le tableur ne s’est pas installé tout seul au service de comptabilité : c’est le service qui s’est réorganisé autour du logiciel.

Pour la main-d’œuvre, c’est l’inverse. Un stagiaire, un employé et une bonne équipe trouvent comment vous être utiles. Ils vous questionnent, assimilent votre contexte et repèrent vos besoins. Ils vous apprennent ce que vous ne saviez même pas ignorer. Les meilleurs travailleurs s’intègrent d’eux-mêmes.

Plus l’IA ressemble à la main-d’œuvre en ce sens, avec de l’initiative et de l’adaptabilité, moins l’entreprise doit apprendre à l’exploiter et plus elle trouve elle-même comment lui être utile. Un dirigeant ne suivra probablement pas un cours d’initiation à un logiciel de conception pour apprendre un nouvel outil. Mais il accueillera volontiers une offre comme celle-ci : un mot de vous, et je mets sur pied toute votre fonction marketing.

Trop souvent, nous présentons l’automatisation d’un emploi comme le Saint Graal de l’AGI. Certes, nous n’en sommes même pas encore là. Les emplois sont extraordinairement complexes parce que nos capacités sont impressionnantes. Malgré tout, très peu⁠(s'ouvre dans une nouvelle fenêtre) de la production de notre économie provient de travailleurs solitaires. Les emplois productifs contribuent aux équipes, les équipes aux entreprises, et les entreprises produisent presque tout ce que nous consommons.

Le critère de l’« emploi » pour l’AGI ne nous rend pas assez justice, à nous les humains. Le travail ne se limite pas aux tâches, ni même à la gestion de l’imprévu : il repose aussi sur une prodigieuse coordination, sur notre souplesse à réaliser de petites parties d’un tout plus vaste. Nous réduire à de simples sacs de tâches, c’est nous vendre pour une fraction de notre valeur. La capacité humaine réside davantage dans nos organisations⁠(s'ouvre dans une nouvelle fenêtre) que dans l’individu. Une AGI économique doit atteindre le niveau des personnes, et non d’une personne.

Le scénario d’« entrelacement » pourrait donc être assez inefficace si l’IA ressemble encore à un outil, voire à un travailleur, plutôt qu’à une équipe ou à une entreprise. Un modèle placé à côté de chaque travailleur signifie mille interfaces et passages de relais⁠(s'ouvre dans une nouvelle fenêtre). Cette organisation fragmentaire pourrait ralentir l’adoption.

Nous voyons une course entre des déploiements précoces moins performants et des modèles plus capables arrivant plus tard. Le gagnant dépendra de si l’adoption des futurs modèles est assez rapide pour compenser le temps supplémentaire nécessaire à l’acquisition de ces compétences.

Ce scénario d’« entrelacement » peut coexister avec le premier scénario de « promotion ». Les entreprises pourraient réduire leurs effectifs humains à mesure que l’IA automatise certaines fonctions, tandis que les humains restants obtiennent des mandats bien plus vastes, épaulés par leurs équipes d’agents. Surtout, ce scénario n’implique pas à lui seul une baisse globale de l’emploi humain. Nous pourrions nous retrouver avec davantage d’entreprises, chacune comptant moins d’employés.

Notre troisième scénario est le plus déroutant. Ici, l’IA entre dans l’entreprise au-dessus des humains. L’empilement n’est plus humains sur machines, mais humain, IA, humain : un sandwich d’automatisation. Certaines personnes « relèvent » d’une IA.

Cela semble tiré par les cheveux, surtout comme point de départ de l’adoption en entreprise. Mais nous pensons que, sous des formes moins radicales, c’est déjà commencé.

Même quand nous voyons l’IA comme un moyen de mécaniser le travail cognitif, nous nous concentrons sur les échelons inférieurs. Nous disons généralement que l’IA automatise les feuilles de calcul et les présentations, pas la gestion. Notre intuition veut que l’automatisation gravisse la hiérarchie : les tâches cognitives ingrates d’abord, le jugement en dernier, et le gestionnaire comme ultime bastion.

Mais le travail d’un gestionnaire se déroule surtout sur un ordinateur et dans sa tête : lire, participer à des réunions, soupeser, garder le contexte en mémoire, décider. La présence physique, les tournées des bureaux et le contact avec les troupes ont leur valeur. Pourtant, le travail de terrain, même surtout cognitif, est plus ancré dans le monde matériel et les outils que la gestion. C’est le stagiaire qu’on envoie au photocopieur, pas son patron.

La prise de décision en gestion est difficile à enseigner à un modèle, car la réussite est ambiguë et se mesure à long terme. C’est pour des raisons semblables⁠(s'ouvre dans une nouvelle fenêtre) qu’il est difficile de former de bons gestionnaires humains. Nous ne savons pas encore à quel point les modèles sont doués pour la gestion. Nos évaluations abondent pour le travail cognitif axé sur l’exécution, mais peu mesurent l’orchestration à grande échelle propre aux gestionnaires et aux dirigeants.

Il vaut tout de même la peine d’envisager que les capacités des modèles actuels soient en fait plus proches de celles des gestionnaires humains que de celles des travailleurs de terrain. Certaines fonctions de gestion pourraient être automatisées avant le travail qu’elles supervisent.

La version complète de ce scénario de « superposition » serait peut-être une IA qui réfléchit, puis comble ses lacunes avec des sous-traitants humains qui relèvent d’elle. Ce monde nous semble bien étranger. Beaucoup de choses devraient changer.

Mais il existe une forme plus naturelle, dont le premier acte a déjà commencé : le conseil. Aujourd’hui, une dirigeante peut demander à ChatGPT de lire des centaines de canaux Slack, de documents, de messages et de fichiers de code provenant de toute son entreprise, puis de répondre à ses questions. Que fait réellement cette équipe? Où cette vulnérabilité se manifeste-t-elle? Chaque partie de l’organisation lui devient de plus en plus intelligible⁠(s'ouvre dans une nouvelle fenêtre).

Les dirigeants parsèment depuis longtemps l’organigramme d’intermédiaires mercenaires : ils appelaient cela la consultation. Un cabinet de conseil en gestion vous ajoute une couche, brièvement et à grands frais. À l’avenir, les consultants d’IA pourraient coûter presque rien et être toujours présents.

Les modèles commencent tout juste à analyser de façon fiable les documents et les communications d’entreprise. Leur goût et leur proactivité doivent mûrir. Pour l’instant, ChatGPT aide une dirigeante motivée à comprendre son organisation plus en détail. Nous le voyons devenir à terme un cabinet-conseil offrant une gamme complète de services. Ce ne sera pas un véritable « gestionnaire » des employés de rang inférieur, mais plutôt un correspondant interne et un conseiller des dirigeants. Il mettra son expertise d’affaires à profit pour tout examiner, signaler spontanément les points sensibles et aider à établir les priorités.

Que cela soit bénéfique ou nuisible dépendra du dirigeant. L’effet structurel est la centralisation. Nous y voyons un raccourcissement de la distance entre la haute direction et l’entreprise elle-même. Cela concentre davantage de pouvoir au sommet, là où les frictions informationnelles favorisaient auparavant une prise de décision plus décentralisée.

Ce scénario nous semble profond, non seulement par le déplacement de l’autorité, mais aussi par la facilité d’adoption de l’IA comme cabinet-conseil. Comme la consultation traditionnelle, le cabinet-conseil d’IA n’exige pas de compétences techniques du dirigeant. Ce n’est pas l’ordinateur, adopté par le bas par quiconque savait taper au clavier et utiliser un terminal. Vous parlez simplement à votre consultant, qui s’occupe du savoir-faire technique. Cette vague d’adoption peut partir du bureau de la direction. Le cabinet-conseil pourrait à son tour accélérer l’adoption de l’IA dans le reste de l’organisation.

Une raison majeure explique la méfiance des entreprises envers le télétravail et la sous-traitance : la capacité de faire respecter les engagements. Les entreprises n’ont jamais eu de moyen peu coûteux d’observer le travail dans toute la richesse qu’il mérite. Elles en mesurent donc les simulacres⁠(s'ouvre dans une nouvelle fenêtre) : clics comptés, mouvements de souris, pastilles de statut vertes, autant de signaux sans lien réel avec la qualité du travail accompli.

L’IA offre un dispositif de surveillance qui comprend. Il peut examiner ce qu’une personne produit et reconnaître de réels progrès vers des objectifs plus vastes. Comme nous le verrons dans la prochaine section, aucune nouvelle surveillance ne doit être mise en place à la légère⁠(s'ouvre dans une nouvelle fenêtre). Mais, dans les bonnes circonstances, elle peut accroître la confiance et encourager les entreprises à donner plus de liberté à leurs employés.

Si le dispositif comprend les nombreuses voies différentes menant à un travail de qualité, les employés peuvent davantage travailler à leur façon. Les progrès vers de bons résultats compteront davantage qu’une seule méthode prescrite, facile à suivre pour les patrons. Une surveillance intelligente offre de la souplesse et pénalise la productivité de façade que nous détestons tous.

La proposition de valeur ressemble ici à celle des assureurs qui réduisent vos primes si vous installez un dispositif de suivi dans votre voiture. Si vous tentiez de contourner le système, cela vous nuit; si vous faisiez simplement votre travail, le dispositif peut vous donner raison, et la direction vous fait davantage confiance.

Cette confiance ouvre des possibilités. Nous pourrions voir une nouvelle ouverture⁠(s'ouvre dans une nouvelle fenêtre) chez les entreprises jusque-là réticentes au travail hybride, aux esprits atypiques, aux sous-traitants ou à l’embauche de personnes brillantes dans des pays lointains.

L’organigramme pose aujourd’hui de nombreux problèmes aux employés de terrain. Il est profondément décourageant de ne pouvoir faire remonter un problème dont on est témoin direct. Il est injuste de rester coincé sous un gestionnaire inefficace ou de faire un excellent travail qui passe inaperçu.

Selon nous, la précédente vague d’hyperoptimisation des entreprises reposait sur des données limitées, des règles approximatives et des algorithmes rudimentaires. Si tout ce que vous pouvez traiter se résume aux rapports d’engrenage, tout le monde ressemble à un rouage. Les entreprises ont depuis longtemps du mal à mesurer le travail de leur personnel. Une surveillance intelligente pourrait reconnaître les contributions précieuses et les approches uniques qui échappent aux indicateurs grossiers actuels.

À partir des trois scénarios schématiques, nous explorons maintenant certaines questions déterminantes pour l’avenir de l’entreprise.

Créer coûte généralement assez cher. Une application, un film, une présentation, une fonctionnalité, une analyse : tout cela est coûteux, long et pénible à refaire. Quand on n’a qu’un seul tir, on prend le temps de bien viser. Les cycles de planification, les rituels de feuilles de route et les comités d’approbation servent tous à s’assurer que, lorsque l’entreprise donne enfin le feu vert, elle se lance dans quelque chose qui en vaut la peine. Bien des contrôles hiérarchiques existent parce que l’exécution était précieuse.

Dans de nombreux domaines, l’IA fait chuter le coût de création — au moins jusqu’au prototype, sinon jusqu’au produit fini. Nous pensons que l’approche de l’entreprise devrait évoluer en conséquence : moins viser, plus tirer. Une entreprise peut créer un prototype, observer, apprendre vite, se réorienter et recommencer. Le prototypage facile⁠(s'ouvre dans une nouvelle fenêtre) devrait éloigner les entreprises des structures qui soutiennent une production fortement planifiée.

Dans sa version la plus simple, cela donne une équipe qui procède plus rapidement par itérations. Dans une interprétation plus radicale, c’est l’équipe elle-même qui est remise en question. Si la planification collaborative compte moins, et les idées variées et indépendantes davantage, vaut-il mieux une seule équipe qui itère rapidement ou plusieurs personnes proposant chacune leurs propres prototypes fonctionnels? Si un véritable prototype transmet une vision mieux que tout document de cadrage, nos habitudes de communication changeront-elles : partager davantage, plus tôt, et partager des réalisations plutôt que des notes?

Créer à faible coût pourrait faire pencher l’entreprise vers les individus. Cela signifierait moins de paliers de gestion intermédiaire et moins de demandes de permission, car demander coûtait autrefois moins cher qu’agir, et ce n’est plus le cas.

Cela dit, comme nous le verrons ensuite, la technologie qui permet aux individus de prototyper à moindre risque peut aussi imposer davantage de bureaucratie.

Si les entreprises imposent une gestion descendante, c’est notamment parce qu’elles croient que les dirigeants prennent de meilleures décisions d’affaires⁠(s'ouvre dans une nouvelle fenêtre) que les travailleurs débutants. Les entreprises paient davantage les vétérans très compétents au sommet, et les gestionnaires sont souvent formés en stratégie d’affaires, alors que les employés sans responsabilités de gestion se spécialisent dans leur domaine. Si l’IA offre d’excellents conseils à tous les travailleurs, l’écart de qualité des décisions se réduit. Les gestionnaires auraient moins de raisons de s’en mêler. Cela accroîtrait l’autonomie des travailleurs et pourrait réduire les paliers de gestion.

De même, le « cabinet-conseil d’IA » veille à ce que rien de trop important ne se produise sans qu’un dirigeant soit alerté. Si un travailleur s’apprête à publier un billet de blogue aux conséquences sérieuses pour l’entreprise, le cabinet le signalera spontanément au dirigeant. Cela crée de la confiance : la direction n’a plus à craindre que de graves problèmes surviennent à son insu, donc elle n’a pas besoin d’exercer un contrôle aussi serré⁠(s'ouvre dans une nouvelle fenêtre) sur la façon de travailler des employés.

Mais le cabinet-conseil d’IA est une arme à double tranchant⁠(s'ouvre dans une nouvelle fenêtre). Comme dispositif de surveillance intelligent, il peut renforcer la confiance envers les travailleurs; il peut aussi imposer plus rigoureusement les méthodes privilégiées par le PDG dans toute l’organisation. Les entreprises valorisent la cohérence⁠(s'ouvre dans une nouvelle fenêtre) : pas seulement une bonne décision, mais une décision compatible avec leur culture, leur marque et leurs économies d’échelle. Une chaîne de restaurants peut préférer un menu commun à toutes ses franchises pour commander les ingrédients en gros et offrir aux clients un produit uniforme.

Par ailleurs, les incitatifs des patrons ne concordent pas toujours avec ceux des travailleurs. Les travailleurs cherchent à maximiser la réussite de leur domaine⁠(s'ouvre dans une nouvelle fenêtre), tandis que les dirigeants se soucient de l’entreprise dans son ensemble. Les actionnaires ont des préférences différentes de celles des salariés, car ils récoltent les fruits⁠(s'ouvre dans une nouvelle fenêtre) d’un travail plus soutenu. Le cabinet-conseil pourrait imposer un respect plus strict des méthodes prescrites au sommet.

Selon nous, tout compte fait, les travailleurs gagneront en autonomie. Notre optimisme repose sur l’utilisation de l’IA pour signaler les exceptions importantes tout en laissant plus de décisions aux travailleurs.

Nous pensons que l’IA servira de structure de soutien : même si les dirigeants souhaitent préserver une marque cohérente, ce ne sera qu’une contrainte à respecter. Les travailleurs connaissent mieux les contraintes d’affaires en jeu et sont mieux protégés pour faire preuve de créativité au-delà de ces restrictions. Leurs arrières étant couverts, les dirigeants peuvent laisser les employés essayer de nouvelles approches potentiellement lucratives. Épaulés par des assistants d’IA sous leurs ordres, les travailleurs seront aussi responsables de réalisations plus substantielles. Nous voyons davantage d’occasions de créativité lorsqu’on dirige un travail plus complexe.

La logique de l’autonomie des travailleurs s’applique aussi à la taille des entreprises. Ronald Coase⁠(s'ouvre dans une nouvelle fenêtre) demandait pourquoi nous organisons la production au sein d’entreprises plutôt que par un réseau de contrats. Même un avion pourrait être construit uniquement au moyen de contrats de gré à gré, mais ce serait très inefficace. Les entreprises réalisent des économies d’échelle, alignent les incitatifs, organisent de grands projets et évitent de devoir constamment négocier.

En facilitant la communication, l’IA pourrait justifier des entreprises plus grandes ou plus petites. L’entreprise classique est une infrastructure qui fait remonter l’information et descendre les instructions, au prix de nombreuses frictions et déformations. Une grande entreprise (comptant plus d’employés humains) est moins difficile à gérer si l’IA sert de couche de coordination. Avec le « cabinet-conseil d’IA », une dirigeante peut connaître son entreprise comme un fondateur connaît sa jeune pousse de vingt personnes. Elle peut suivre la mise en œuvre d’une initiative plutôt que d’en attendre le compte rendu trimestriel, et être avisée au moindre événement. Sa vision peut se diffuser plus largement. Chacun connaît mieux le travail des autres et les priorités globales de l’organisation.

L’inverse pourrait aussi se produire. Si la communication est fluide et la conformité plus facile à surveiller, une entreprise n’a pas besoin d’intégrer autant de maillons de sa chaîne d’approvisionnement. Elle peut davantage faire confiance aux fournisseurs et aux sous-traitants externes.

L’une des grandes motivations de l’intégration verticale est d’aligner les incitatifs. Il y a la notion de contrats incomplets⁠(s'ouvre dans une nouvelle fenêtre) : une entreprise aérospatiale pourrait conclure un contrat avec un fabricant de moteurs à réaction, mais pour tout ce qui n’y est pas expressément exigé, ce fabricant est incité à rogner sur les coûts et à protéger ses propres profits. Pour l’éviter, l’entreprise aérospatiale achète le fabricant de moteurs à réaction. Comme pour les travailleurs et leurs patrons : si les contrats sont plus faciles à surveiller et font l’objet d’un arbitrage intelligent plutôt que d’un simple cochage de cases, les entreprises pourraient être plus à l’aise de s’appuyer sur d’autres entreprises. Il y aurait moins de raisons de tout faire à l’interne.

Nous nous attendons à voir beaucoup de petites entreprises, mais aussi de vastes « sociétés de portefeuille » d’IA menant une multitude de projets différents au sein d’une seule entreprise. Le conglomérat est rentable lorsqu’un actif commun est exploité par tous les projets. Cet actif pourrait être la puissance de calcul, même si celle-ci peut facilement être fournie en petites quantités ponctuelles. Une usine ou une flotte de robots commune constitue une meilleure raison.

Une grande « société de portefeuille » peut aussi se justifier par des incitatifs alignés. Si une grande organisation réunissant des IA et des capitaux se consacre entièrement à une mission commune — guérir le cancer, par exemple —, des initiatives distinctes plus petites sont moins nécessaires. Une entreprise d’IA pourrait éviter les luttes de pouvoir, partager toute l’information et, au besoin, instancier une diversité créative parmi ses agents pour explorer différentes pistes.

Le système actuel est censé récompenser les travailleurs qui se démarquent. Ils gravissent les échelons et sont mieux rémunérés. Mais dans un monde où les modèles sont d’excellents conseillers, comment les travailleurs se distingueront-ils?

Si l’IA donne la même excellente idée à tout le monde, nous avons moins d’occasions de nous démarquer. Les échelles salariales devraient se resserrer.

Ce qui s’oppose à ce resserrement, c’est le jugement, le goût et l’étendue des responsabilités. Si chacun dirige une entreprise d’IA sous ses ordres, notre valeur humaine résiduelle réside dans nos décisions. Si chacun supervise un effort plus vaste, l’écart entre un bon et un mauvais jugement se fait davantage sentir⁠(s'ouvre dans une nouvelle fenêtre).

Nous appliquons depuis longtemps cette logique au sommet de l’organigramme. Nous justifions la rémunération des PDG⁠(s'ouvre dans une nouvelle fenêtre) par l’idée que des décisions légèrement meilleures au sommet peuvent avoir d’énormes effets sur les profits. Les inégalités salariales pourraient augmenter si certains travailleurs gèrent mieux leurs entreprises d’IA pour déployer des ressources rares.

Plus les enjeux sont importants, plus votre léger avantage sur quelqu’un d’autre se reflète dans votre paie. En revanche, l’IA donnera de bons conseils à tout le monde. Moins de différenciation resserre la distribution des salaires.

Ici comme ailleurs, la force qui l’emportera dépendra peut-être de si nous exerçons surtout notre jugement ou si nous suivons celui d’autrui.