Mon nouvel article pour le magazine FreeThink explique pourquoi l'IA ne prendra pas tous les emplois : Le TLDR ? 1) L'économie unitaire des agents. Ils ne coûteront pas le même prix qu'un abonnement Netflix à 20 $, pensez plutôt à un salaire humain. 2) Les impôts. Attendez-vous à des taxes sur le travail numérique et robotique à mesure qu'il s'améliore, commençant comme une réaction populiste protectionniste et dans des endroits fortement réglementés comme l'UE, puis se répandant partout. 3) L'IA ne fait pas disparaître le travail. Elle change simplement le flux de travail et crée un ensemble différent de problèmes, et ces problèmes ne sont pas largement compris par les personnes qui n'interagissent pas avec ces systèmes 8 à 10 heures par jour et qui ne lisent que sur eux : A) conception / description du problème B) itération C) vérification 4) La fallacie du travail fixe 5) Certains rôles, nous aimons simplement avoir des personnes parce que nous sommes des créatures sociales. Les DAB font mieux le travail de distribution d'argent que les humains, mais les emplois de caissier se sont simplement déplacés vers le service client. Nous pourrions avoir un parfait droid de serveur, mais je préfère discuter avec une personne amicale et joyeuse dans mon restaurant préféré. Quelques extraits de l'article : Si vous utilisez ces systèmes pour quoi que ce soit d'important, vous avez besoin d'un passage de vérification qui va bien au-delà d'un survol paresseux. Cela signifie un travail humain orienté vers les détails — vous devez vérifier chaque affirmation, chaque diagramme, chaque lien, chaque mot, chaque ligne de code, chaque résultat et citation et fait. Et qui est le mieux placé pour vérifier ? Les personnes qui sont déjà bonnes dans ce que l'IA essaie de faire : les travailleurs qu'elle est censée remplacer. Les médecins peuvent vérifier les affirmations médicales. Les programmeurs seniors peuvent vérifier les sorties de codage de l'IA. Les rédacteurs compétents peuvent vérifier que tout ce que GPT écrit chante — ils savent reconnaître une bonne tournure de phrase quand ils la lisent et peuvent s'assurer que chaque paragraphe s'enchaîne avec le précédent. Les grandes entreprises technologiques dépensent actuellement des trillions (pour construire de nouveaux centres de données IA, et en plus de tout le reste, le coût de payer des gens pour faire fonctionner ces centres devra également être pris en compte dans l'équation. Votre future main-d'œuvre, fonctionnant sur des puces de réseau neuronal spécialisées, coûtera probablement 5 000 $, 10 000 $ ou 20 000 $ par mois par travailleur numérique, pas 200 $. Dans ma startup d'agents IA, j'ai une équipe de trois ingénieurs utilisant Claude Code et GPT-5 d'OpenAI pour les aider dans leur codage. En utilisant les prix API (nous avons actuellement une moyenne d'environ 8 000 $ par mois — c'est ce que coûtent réellement 600 $ d'abonnements. Et cela représente huit heures par jour par programmeur, pas des agents fonctionnant sans interruption 24 heures sur 24, sept jours sur sept. Nous sommes également susceptibles de voir des taxes sur les agents IA s'ils viennent vraiment mordre dans la main-d'œuvre de manière significative, alors que le monde s'enfonce de plus en plus dans le protectionnisme. En fait, c'est pratiquement garanti. Cela augmentera également le coût de leur fonctionnement. À mesure que ces économies unitaires se manifestent, la plupart des entreprises devront se demander : "Est-il moins cher de jeter plus de personnes sur un problème que de payer pour l'IA ?" Dans la plupart des cas, la réponse sera "oui", à moins que vous n'ayez un problème hyper-spécialisé que l'IA peut vraiment aider à accélérer, comme la découverte de médicaments. Même si l'IA était parfaite et bon marché, il y aura toujours des emplois que nous ne voulons tout simplement pas confier aux machines. Nous avons des DAB, mais nous avons toujours des guichetiers humains parce que nous voulons la possibilité de parler à une personne. Dans le monde de la restauration, nous pourrions un jour avoir des droids de serveur parfaits, mais je voudrai toujours interagir avec une personne amicale et drôle qui me fait sentir comme un roi pendant que je dîne, et je m'attends à ce que beaucoup d'autres le veuillent aussi. Comme James Bessen le note à plusieurs reprises dans la Harvard Business Review, l'automatisation ne crée pas seulement ou ne détruit pas des emplois — elle les transforme. (Lorsque les DAB bancaires ont été déployés, les rédacteurs d'obituaries aiguisent leurs plumes pour les guichetiers, mais l'emploi des guichetiers bancaires n'a pas chuté — il a augmenté. C'est parce que les DAB ont réduit le coût de fonctionnement d'une agence, ce qui signifie que les banques pouvaient ouvrir plus d'agences, où le travail du guichetier est passé de la gestion de l'argent à la vente et au service de relations. L'élasticité de la demande compte aussi. Lorsque vous réduisez le coût d'une ressource, les humains en utilisent plus — c'est le paradoxe de Jevons (en action). Appliqué à l'intelligence artificielle, une cognition moins chère nous fera consommer plus d'intelligence dans l'ensemble, tout comme une énergie moins chère a conduit à une utilisation accrue de l'énergie. Un nouveau marché pour l'intelligence émergera. Dans son essai "Pourquoi y a-t-il encore tant d'emplois ?" l'économiste David Autor explique pourquoi ce genre de chose continue de se produire. Les technologies automatisent des tâches spécifiques, mais elles créent également de nouvelles tâches, de nouvelles complémentarités et de nouvelles catégories de travail pour lesquelles nous n'avions pas de mots auparavant. Un fermier du XVIIIe siècle ne pourrait jamais comprendre le travail d'un designer web parce qu'il repose sur le dos de nombreuses innovations cygnes noires — comme l'électricité, les ordinateurs et Internet — qu'il ne pourrait pas imaginer. Nous sommes excellents pour imaginer tous les emplois qui vont disparaître à cause d'une nouvelle technologie, mais terribles pour prédire ceux qui seront créés parce qu'ils n'existent pas encore. Si vous imaginez un monde dans lequel chaque personne a une équipe de 15 agents numériques, chacun travaillant jour et nuit, vous imaginez un monde avec beaucoup de coûts de puissance et de silicium. Les courbes de capex et opex façonnent où le travail des machines a du sens. En résumé : L'avenir du travail ne sera pas une simple question de choix entre l'IA et les travailleurs humains. Il s'agira de calculer ce que chaque tâche coûte à réaliser avec des personnes, avec des machines et avec des hybrides lorsque vous incluez les coûts d'erreur en cascade, la taxe de vérification, la vraie taxe, l'économie unitaire et le risque. Ce n'est pas un avenir sans humains. C'est un avenir avec plus de levier par humain que jamais dans l'histoire. C'est la définition même de la croissance économique : faire plus avec moins. Il en coûtait à vos ancêtres 1 000 heures de travail pour éclairer leur maison avec des bougies en suif. Il vous en coûte quelques secondes pour éclairer votre maison d'un simple interrupteur. Leverage en action.

On dirait que ce dont nous avons besoin, c'est de la confidentialité différentielle et du chiffrement homomorphe pour les conversations avec les LLM. Nous avons besoin d'un ProtonMail pour le chat.