L’avenir de l’entreprise

Note des auteurs : Ce deuxième essai de notre série sur l’économie de demain 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 deux vingt-quatre ans lorsque nous avons commencé à diriger nos propres équipes ici, chez OpenAI. C’est moins impressionnant une fois qu’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 mémos. Après des années de travail fastidieux, on se voit confier, avec un peu de chance, des responsabilités plus larges.

Notre parcours, comme celui de nombreux jeunes aujourd’hui, prend une autre tournure. Nous entrons dans la vie active avec déjà des « employés » à notre disposition. Ces adjoints travaillent jour et nuit, week-ends et 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 nouveaux subordonnés font encore leur lot d’erreurs. Mais ils progressent, apprennent à connaître nos besoins, et nous apprenons à les encadrer.

Aucun de nous n’a gravi les échelons de l’entreprise. Ce sont plutôt les fonctions d’encadrement qui sont descendues jusqu’à notre échelon. Cet essai porte sur notre promotion et sur les autres réorganisations possibles des entreprises à l’aube de l’ère de l’intelligence.

Quand l’IA entre dans l’entreprise, où prend-elle place ? Nous présentons trois scénarios illustratifs :

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

Nous nous intéressons ici non 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 progresse et s’intègre aux organisations existantes.

L’entreprise hybride nous paraît 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 assurent de bout en bout des fonctions étendues, les supérieurs peuvent les utiliser directement. Selon nous, une IA plus capable est plus facile à adopter : l’entreprise doit apprendre à maîtriser les technologies, mais la main-d’œuvre apprend à connaître l’entreprise et peut s’y intégrer d’elle-même.

Nous analyserons ces trois nouveaux types d’organigrammes, puis leurs implications pour la bureaucratie, l’autonomie des salariés, la taille des entreprises et les écarts de rémunération.

Notre premier scénario semble le moins perturbateur. Chacun conserve son poste et ses liens hiérarchiques, et accomplit apparemment le même travail qu’avant. L’organigramme humain paraît inchangé entre aujourd’hui et cet avenir.

La différence se situe en dessous de nous. Sous chaque salarié sans fonction d’encadrement, une nouvelle main-d’œuvre d’IA vient se placer sous nos ordres. Notre organigramme gagne un sous-sol et nous devenons tous managers.

Au début, ce sous-sol est inachevé. Nous commençons avec un ou deux agents chacun, moins semblables à des employés chevronnés qu’à des stagiaires enthousiastes, à superviser avec indulgence. Nos attentes sont modestes : envoyer un e-mail ici, rédiger un mémo là, répondre à des messages Slack un peu partout. Comme les employés humains débutants, ils ont au départ peu d’autonomie et inspirent peu confiance.

Mais à mesure que les modèles progressent, nos agents prennent en charge davantage de tâches avec moins de supervision. Ils se coordonnent entre eux. Il pourrait y avoir des IA managers et des IA exécutantes, des comptables et des juristes, travaillant toutes ensemble à votre demande. Loin de tenir un stagiaire par la main, vous finissez par diriger 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 licenciements. Nous adoptons ici l’IA sans automatiser nos propres postes. Nous automatisons plutôt ce que nous étions auparavant, et nous montons dans la hiérarchie. L’IA prend en charge une part croissante de ce que nous faisions. Nos emplois demeurent parce qu’il y a davantage à gérer, et nous devenons responsables d’un volume de production plus important.

Les emplois ne sont pas figés⁠(ouverture dans une nouvelle fenêtre). Supposons que l’IA puisse accomplir 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. Autre possibilité : vous avez toujours un travail à part entière, mais différent, désormais tourné vers 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 suivre⁠(ouverture dans une nouvelle fenêtre).

Tout dépend de notre capacité à continuer d’apporter de la valeur⁠(ouverture 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 toujours accorder plus de valeur à une création humaine, ou exiger qu’une personne ait le dernier mot.

Cela dépend aussi de notre appétit. Si, en tant que consommateurs, nous ne voulons pas d’une production décuplée, l’équilibre se déplacera vers moins de travailleurs ou moins d’heures travaillées. Historiquement, la hausse de la production ne nous a pas rassasiés. Nous possédons beaucoup plus⁠(ouverture dans une nouvelle fenêtre), mais ne travaillons qu’un peu moins⁠(ouverture dans une nouvelle fenêtre). Si notre appétit continue de croître avec la production, et que notre contribution reste utile, nous choisirons de continuer à échanger notre travail contre davantage de consommation. Si, au contraire, la production devient si abondante que nous sommes rassasiés, nous pourrions choisir de réduire la population active.

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

Ce scénario suppose que l’adoption de l’IA commence par les équipes de terrain. Les salariés de terrain, et non les managers ou les dirigeants, mènent l’adoption de l’IA. Cela paraît 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 de nombreuses tâches en science des données, mais un chef de service qui en ignore les méthodes et les détails peinera à exploiter ces outils. Tant que l’IA ne sera pas assez proactive pour vous révéler ce que vous ignorez — voir notre prochain scénario —, elle sera probablement plus efficace entre les mains de ceux qui connaissent déjà le travail.

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

Nous perdrons ainsi certaines voies traditionnelles de formation des jeunes salariés : l’apprentissage⁠(ouverture dans une nouvelle fenêtre), la formation par les tâches ingrates, le fait de gagner ses galons. Ce sont de vrais coûts, mais nous y voyons surtout un privilège. La recrue la plus novice, pourvu qu’elle ait une bonne idée, dispose de moyens pour expérimenter. La plus vieille excuse de l’entreprise, nous n’avons tout simplement pas assez de bras, est en train de disparaître. Une employée débutante qui imagine un excellent jeu vidéo sans pouvoir recruter peut désormais tout simplement le créer.

Selon nous, ce scénario de « promotion » laisse encore beaucoup à apprendre aux débutants : le jugement, le goût, les réflexes du management et la vision créative. Nous serons incités à cultiver ces compétences, car elles se refléteront dans nos réalisations. Nous continuerons d’apprendre par la pratique⁠(ouverture dans une nouvelle fenêtre), mais sur un périmètre plus large. Les anciens de l’entreprise resteront incités à nous accompagner en mentors responsables, financièrement intéressés à notre réussite. L’occasion est celle d’un rôle plus stimulant pour chacun, à chaque échelon. Tout salarié peut montrer ses talents avec des responsabilités plus larges, ce qui compte surtout pour les débutants qui n’en avaient aucune.

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 manager classique 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, et pas seulement en dessous.

La différence essentielle avec le premier scénario : ici, l’IA productive est adoptée par les managers humains en place, et pas seulement par les salariés actuellement sans fonction d’encadrement. Pour cela, elle doit être assez compétente pour devenir un membre de l’équipe à part entière.

Les humains sont généralistes. Un marteau aide à accomplir une tâche ; un humain 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 du périmètre exige des compétences plus vastes.

Un emploi est une valise remplie de nombreuses tâches. Pour une équipe entière, cette valise déborde de travaux de toutes sortes. Plus de tâches à couvrir signifie plus de points de blocage potentiels. Si une seule tâche essentielle de l’équipe implique un travail physique, tout un nouvel ensemble de périphériques devient nécessaire. Pour remplacer directement une équipe entière, l’IA doit maîtriser toutes ses responsabilités variées.

Une IA capable de couvrir un périmètre plus large est plus difficile à construire. Mais pour les entreprises — et c’est l’asymétrie centrale de toute cette transition —, un périmètre plus large facilite l’adoption.

Un dirigeant peut adopter directement une équipe ou une fonction étendue 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 suppose l’adhésion et la formation d’une grande partie du personnel.

Traditionnellement, les nouvelles technologies réduisent le coût d’un ensemble limité de tâches. La charge passe alors à l’acheteur. L’entreprise doit trouver comment exploiter le nouvel outil, puis former son personnel, se réorganiser et repenser ses processus⁠(ouverture dans une nouvelle fenêtre) autour de lui. Le tableur ne s’est pas intégré tout seul au service comptable : c’est le service comptable qui s’est réorganisé autour du logiciel.

Pour la main-d’œuvre, c’est l’inverse. Un stagiaire, un employé ou une bonne équipe trouvent comment vous être utiles. Ils vous questionnent, s’imprègnent de votre contexte, repèrent vos besoins. Ils vous révèlent ce dont vous ignoriez même l’existence. Les meilleurs collaborateurs s’intègrent d’eux-mêmes.

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

Trop souvent, nous présentons l’automatisation d’un emploi comme le Graal de l’AGI. Certes, nous n’en sommes même pas encore là. Les emplois sont extraordinairement complexes parce que nos capacités sont remarquables. Pourtant, une infime part⁠(ouverture 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 rend pas suffisamment justice aux humains. Le travail ne se résume pas aux tâches, ni même à leur part non routinière : il repose aussi sur une prodigieuse coordination, sur notre souplesse pour réaliser de petites parties d’un résultat plus vaste. Nous réduire à de simples listes de tâches, c’est brader notre valeur. La capacité humaine réside davantage dans nos organisations⁠(ouverture dans une nouvelle fenêtre) que dans l’individu. Une AGI économique doit se hisser au niveau des personnes ensemble, et non d’une personne seule.

Le scénario de l’« imbrication » pourrait donc être assez inefficace si l’IA reste semblable à un outil, voire à un salarié, plutôt qu’à une équipe ou à une entreprise. Un modèle placé à côté de chaque salarié, c’est mille interfaces et passages de relais⁠(ouverture dans une nouvelle fenêtre). Cette organisation fragmentée pourrait ralentir l’adoption.

Nous voyons une course entre des déploiements précoces moins performants et des modèles ultérieurs plus capables. Le vainqueur dépendra de la rapidité d’adoption des futurs modèles : suffira-t-elle à compenser le temps supplémentaire nécessaire pour atteindre ces compétences ?

Ce scénario d’« imbrication » 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 salariés restants recevraient des mandats bien plus larges, aidés par leurs équipes d’agents. Point important : ce scénario n’implique pas, à lui seul, une baisse globale de l’emploi humain. Nous pourrions avoir davantage d’entreprises, chacune avec moins de salariés.

Notre troisième scénario est le plus déroutant. L’IA entre ici dans l’entreprise au-dessus des humains. L’empilement n’est plus humain puis machine, mais humain, IA, humain : un sandwich d’automatisation. Certaines personnes « rendent des comptes » à 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, cela a déjà commencé.

Même lorsque nous envisageons l’IA comme un moyen de mécaniser le travail cognitif, nous pensons surtout aux échelons inférieurs. Nous disons généralement que l’IA automatise les tableurs et les présentations, pas le management. Notre intuition est que l’automatisation remonte la hiérarchie : d’abord les tâches cognitives ingrates, puis le jugement, le manager constituant le dernier bastion.

Mais le travail d’un manager se déroule surtout sur un ordinateur et dans son esprit : lire, se réunir, peser le pour et le contre, garder le contexte en tête, décider. La présence physique a de la valeur : parcourir les bureaux, être au contact des équipes. Pourtant, même lorsqu’il est surtout cognitif, le travail de terrain implique davantage de contact avec la matière et les outils que le management. C’est le stagiaire qu’on envoie à la photocopieuse, pas son chef.

La prise de décision managériale est difficile à enseigner à un modèle, car la réussite est ambiguë et se mesure sur de longues périodes. C’est pour des raisons similaires⁠(ouverture dans une nouvelle fenêtre) qu’il est difficile de former de bons managers humains. Nous ne savons pas encore à quel point les modèles sont bons en management. Nos évaluations abondent pour le travail cognitif d’exécution, mais peu couvrent l’orchestration à grande échelle propre aux managers et aux dirigeants.

Il faut néanmoins envisager que les capacités des modèles actuels soient en réalité plus proches de celles des managers humains que de celles des salariés de terrain. Certaines fonctions managériales 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 grâce à des prestataires humains placés sous ses ordres. Ce monde nous semble bien étranger. Beaucoup de choses devraient changer.

Mais il existe une forme plus naturelle, dont le premier acte est déjà en scène : le conseil. Aujourd’hui, une dirigeante peut demander à ChatGPT de lire des centaines de canaux Slack, documents, courriers et fichiers de code de 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 lisible⁠(ouverture dans une nouvelle fenêtre).

Les dirigeants ont depuis longtemps parsemé l’organigramme d’intermédiaires mercenaires : ils appelaient cela le conseil. Un cabinet de conseil en management ajoute un échelon au-dessus de vous, brièvement et à grands frais. À l’avenir, les consultants IA pourraient être omniprésents, pour un coût dérisoire.

Les modèles commencent à peine à analyser de manière fiable les documents et les communications des entreprises. Leur goût et leur proactivité doivent mûrir. Pour l’instant, ChatGPT aide une dirigeante motivée à comprendre plus finement son organisation. Nous l’imaginons devenir à terme un cabinet de conseil complet. Il ne sera pas un véritable « manager » des salariés subalternes, mais plutôt un correspondant interne et un conseiller des dirigeants. Il mobilisera son expertise de l’entreprise pour tout examiner, faire remonter spontanément les difficultés et aider à les hiérarchiser.

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

Ce scénario nous semble profond, tant par le déplacement de l’autorité que par la facilité d’adoption d’une IA faisant office de cabinet de conseil. Comme le conseil traditionnel, le cabinet de conseil d’IA n’exige aucune compétence technique du dirigeant. Ce n’est pas l’ordinateur, adopté par la base par ceux qui savaient taper au clavier et utiliser un terminal. Il suffit de parler à votre consultant : il se charge du savoir-faire technique. Cette vague d’adoption peut partir du bureau de la direction. Le cabinet 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 les prestataires : pouvoir faire respecter les engagements. Les entreprises n’ont jamais disposé d’un moyen peu coûteux d’observer le travail dans toute la richesse qu’il mérite. Elles en mesurent donc les simulacres⁠(ouverture dans une nouvelle fenêtre) : clics comptabilisés, mouvements de souris, pastilles de statut vertes, autant de signaux déconnectés de la qualité du travail réel.

L’IA offre un outil de suivi qui comprend. Elle peut examiner ce qu’une personne produit et reconnaître de véritables progrès vers des objectifs plus vastes. Comme nous le verrons dans la section suivante, aucun nouveau dispositif de surveillance ne doit être mis en place à la légère⁠(ouverture dans une nouvelle fenêtre). Mais dans de bonnes conditions, il peut renforcer la confiance et inciter les entreprises à donner plus de liberté à leurs employés.

Si l’outil de suivi comprend les multiples voies qui peuvent mener à un travail de qualité, les employés peuvent travailler davantage à leur façon. Les progrès vers de bons résultats compteront davantage qu’une méthode imposée, facile à suivre pour les supérieurs. Un suivi intelligent offre de la souplesse et pénalise cette productivité de façade que nous détestons tous.

La proposition ressemble à celle des assureurs qui réduisent vos cotisations si vous installez un boîtier de suivi dans votre voiture. Si vous cherchiez à tricher, cela vous dessert ; si vous faisiez simplement votre travail, le suivi peut vous donner raison, et la direction vous fait davantage confiance.

Cette confiance ouvre des possibilités. Nous pourrions voir une ouverture nouvelle⁠(ouverture dans une nouvelle fenêtre) d’entreprises jusque-là réticentes au travail hybride, aux profils atypiques, aux prestataires ou au recrutement de personnes brillantes dans des pays lointains.

Aujourd’hui, l’organigramme pose de nombreux problèmes aux salariés de terrain. Il est profondément décourageant de ne pouvoir faire remonter un problème que l’on constate directement. Il est injuste de rester coincé sous un manager inefficace, ou de fournir 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. Quand on ne sait traiter que des rapports d’engrenages, chacun ressemble à un rouage. Les entreprises peinent depuis longtemps à mesurer le travail de leurs salariés. Un suivi intelligent pourrait reconnaître les contributions précieuses et les approches singulières qui échappent aux indicateurs grossiers d’aujourd’hui.

À partir de ces trois scénarios schématiques, nous explorons maintenant quelques 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 viser. Cycles de planification, rituels de feuille de route et comités de validation servent tous à garantir que, lorsque l’entreprise donne enfin le feu vert, elle s’engage dans une voie qui en vaut la peine. Nombre de contrôles hiérarchiques existent parce que l’exécution était une ressource précieuse.

Dans de nombreux domaines, l’IA fait chuter le coût de création, au moins jusqu’au prototype, sinon jusqu’au produit fini. Selon nous, l’entreprise devrait adapter son approche : moins viser, tirer davantage. Elle peut créer un prototype, observer, apprendre vite, se réorienter, puis recommencer. Un prototypage facilité⁠(ouverture dans une nouvelle fenêtre) devrait éloigner les entreprises des structures qui sous-tendent une production exigeant beaucoup de planification.

Dans sa version la plus simple, cela donne une équipe qui itère plus vite. Dans une lecture plus radicale, c’est l’équipe elle-même qui est remise en question. Si la planification collective compte moins et les idées diverses et indépendantes davantage, vaut-il mieux une seule équipe qui itère vite ou de nombreuses personnes proposant chacune leurs propres prototypes fonctionnels ? Si un vrai 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 mémos ?

Créer à moindre coût pourrait donner plus de place aux individus dans l’entreprise. Cela signifierait moins de niveaux d’encadrement intermédiaire et moins d’autorisations à demander, car demander coûtait autrefois moins cher qu’agir, et ce n’est plus le cas.

Cela dit, comme nous allons le voir, la technologie qui permet aux individus de prototyper à moindre risque peut aussi imposer davantage de lourdeurs bureaucratiques.

L’une des principales raisons du management vertical est la conviction que les dirigeants prennent de meilleures décisions pour l’entreprise⁠(ouverture dans une nouvelle fenêtre) que les salariés débutants. Les entreprises paient davantage les professionnels chevronnés et très compétents au sommet, et les managers sont souvent formés à la stratégie d’entreprise, tandis que les salariés sans fonction d’encadrement se spécialisent dans leur domaine. Si l’IA fournit d’excellents conseils à tous les salariés, l’écart de qualité des décisions se réduit. Les managers auraient moins de raisons d’intervenir. Cela renforcerait l’autonomie des salariés et pourrait réduire les niveaux d’encadrement.

De même, le « cabinet de conseil d’IA » veille à ce que rien de trop lourd de conséquences ne se produise sans qu’un dirigeant soit alerté. Si un salarié s’apprête à publier un billet de blog aux répercussions importantes pour l’entreprise, le cabinet le signalera spontanément au dirigeant. Cela inspire confiance : les managers n’ont plus à craindre qu’un incident majeur survienne à leur insu, et peuvent donc exercer un contrôle moins étroit⁠(ouverture dans une nouvelle fenêtre) sur la manière dont un salarié travaille.

Mais le cabinet de conseil d’IA est une arme à double tranchant⁠(ouverture dans une nouvelle fenêtre). En assurant un suivi intelligent, il peut renforcer la confiance accordée aux salariés ; il peut aussi imposer plus fermement les méthodes préférées du PDG dans toute l’organisation. Les entreprises valorisent la cohérence⁠(ouverture dans une nouvelle fenêtre) : non 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 garantir un produit constant aux clients.

Dans le même ordre d’idées, les incitations des dirigeants ne coïncident pas toujours avec celles des salariés. Les salariés recherchent la réussite de leur domaine⁠(ouverture 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, parce qu’ils récoltent les fruits⁠(ouverture dans une nouvelle fenêtre) d’un travail plus intense. Le cabinet pourrait faire respecter plus strictement des méthodes précises imposées d’en haut.

Nous pensons que, dans l’ensemble, les salariés gagneront en autonomie. Notre optimisme repose sur un usage de l’IA qui signale les exceptions importantes tout en laissant davantage de décisions aux salariés.

Nous pensons que l’IA servira de cadre : même si les dirigeants souhaitent préserver la cohérence de la marque, cela ne sera qu’une contrainte à respecter. Les salariés comprennent mieux les contraintes de l’entreprise et sont mieux armés pour faire preuve de créativité au-delà de ces contraintes. Leurs arrières assurés, les dirigeants peuvent laisser les employés tester de nouvelles approches potentiellement lucratives. Avec l’aide d’assistants IA sous leurs ordres, les salariés seront aussi responsables de réalisations plus importantes. Nous voyons plus de possibilités de créativité dans la conduite de travaux plus complexes.

La logique de l’autonomie des salariés s’applique aussi à la taille des entreprises. Ronald Coase⁠(ouverture dans une nouvelle fenêtre) se demandait pourquoi nous organisons la production au sein d’entreprises plutôt qu’au moyen d’un réseau de contrats. Même un avion pourrait être construit uniquement par des contrats entre pairs, mais ce serait très inefficace. Les entreprises réalisent des économies d’échelle, alignent les incitations, organisent de grands projets et évitent de devoir négocier en permanence.

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 consignes, avec son lot de frictions et de téléphone arabe. Une entreprise plus grande, comptant davantage d’employés humains, est moins lourde à gérer si l’IA sert de couche de coordination. Grâce au « cabinet de conseil d’IA », une dirigeante peut connaître son entreprise comme un fondateur connaît sa start-up de vingt personnes. Elle peut suivre la mise en œuvre d’une initiative au lieu d’attendre le compte rendu trimestriel, et être alertée au moindre événement. Sa vision peut se diffuser plus largement. Chacun sait mieux ce que font les autres et connaît mieux les priorités globales de l’organisation.

Mais l’effet pourrait aussi être inverse. Si la communication est fluide et le respect des engagements plus facile à contrôler, une entreprise a moins besoin d’internaliser sa chaîne d’approvisionnement. Elle peut faire davantage confiance aux fournisseurs et prestataires externes.

L’une des grandes motivations de l’intégration verticale est l’alignement des incitations. C’est l’idée des contrats incomplets⁠(ouverture dans une nouvelle fenêtre) : un constructeur aéronautique peut passer un contrat avec un fabricant de réacteurs, mais pour tout ce que le contrat n’exige pas explicitement, ce dernier est incité à rogner sur les coûts et à privilégier sa propre rentabilité. Pour l’éviter, le constructeur aéronautique rachète le fabricant de réacteurs. Comme entre salariés et patrons : si les contrats sont plus faciles à contrôler et arbitrés avec intelligence plutôt qu’en cochant des cases, les entreprises pourraient s’appuyer plus volontiers sur d’autres entreprises. Elles auraient moins de raisons de tout faire en interne.

Nous nous attendons à voir de nombreuses petites entreprises, mais aussi de vastes « holdings » d’IA menant une multitude de projets différents au sein d’une même structure. Le conglomérat est économiquement pertinent lorsqu’un actif commun est exploité par tous les projets. Cet actif commun pourrait être la puissance de calcul, même si celle-ci peut facilement être mobilisée en petites quantités selon les besoins. Une usine ou une flotte de robots commune constitue une meilleure raison.

La grande « holding » peut aussi se justifier par des incitations alignées. Si une vaste organisation d’IA et de capitaux se consacre entièrement à une mission commune, comme guérir le cancer, des initiatives plus petites et distinctes deviennent moins nécessaires. Une entreprise d’IA pourrait éviter les luttes de pouvoir, partager toute l’information et, au besoin, créer une diversité de profils créatifs parmi ses agents

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

Si l’IA donne la même excellente idée à chacun, nous avons moins d’occasions de nous différencier. Les écarts salariaux devraient se resserrer.

Le jugement, le goût et l’étendue des responsabilités s’opposent à ce resserrement. Si nous dirigeons chacun des entreprises d’IA sous nos ordres, la valeur humaine qui subsiste réside dans nos décisions. Si chacun est responsable d’un travail plus vaste, la différence entre un bon et un mauvais jugement se fait davantage sentir⁠(ouverture dans une nouvelle fenêtre).

Nous appliquons depuis longtemps cette logique au sommet de l’organigramme. Nous justifions la rémunération des PDG⁠(ouverture dans une nouvelle fenêtre) par l’idée que des décisions un peu meilleures au sommet peuvent avoir d’immenses effets sur les résultats. Les inégalités salariales pourraient s’accroître si certains salariés gèrent mieux leurs entreprises d’IA pour mobiliser des ressources rares.

Plus les enjeux sont importants, plus votre léger avantage sur autrui se reflète sur votre fiche de paie. D’un autre côté, l’IA donnera de bons conseils à tout le monde. Moins de différenciation resserre la distribution des salaires.

Ici comme ailleurs, la force dominante dépendra peut-être du rôle que nous jouons : exercer surtout notre jugement ou suivre celui d’autrui.