Lorsque l’IA amplifie la productivité d’une équipe par cinq, vous pouvez réduire de 80% les effectifs tout en maintenant la production d’origine ; ou bien conserver le même nombre de personnes et faire cinq fois plus de choses. Ce choix se produit en même temps dans les salles de réunion des entreprises du monde entier, et il n’y a pas de réponse standard.
En juillet 2025, lorsque Huang Renxun a été interrogé dans une interview exclusive de CNN sur le fait que l’IA causerait ou non le chômage des cols blancs, il a donné une réponse extrêmement directe : si le monde n’a pas de nouvelles idées, l’amélioration de productivité apportée par l’IA ne fera au final que se transformer en chômage. Le problème ne vient pas de l’IA, mais du fait que les décideurs ont ou non de l’imagination. Si le monde n’a pas de nouvelles idées, l’amélioration de productivité apportée par l’IA ne fera au final que se transformer en chômage.
Et l’histoire a déjà prouvé depuis longtemps que l’amélioration de l’efficacité n’a jamais pour effet de réduire la demande. Le paradoxe de Jevons proposé au XIXe siècle indique que lorsque la technologie améliore l’efficacité et réduit les coûts, la demande ne diminue pas, elle croît au contraire. Cette règle se répète à chaque révolution technologique.
Paradoxe de Jevons : l’amélioration de l’efficacité ne réduit pas la demande, elle l’augmente
À première vue, l’amélioration de l’efficacité ferait baisser la demande, un peu comme lorsque Google lance l’algorithme TurboQuant, qui comprime au moins 6 fois l’occupation mémoire des grands modèles de langage, tout en augmentant la vitesse de raisonnement jusqu’à 8 fois au maximum, sans sacrifier la précision du modèle. Le marché a rapidement interprété cette technologie comme une « destruction de la demande », mais l’histoire n’a jamais fonctionné comme cela.
(La nouvelle technologie de Google effraie le marché : la demande de mémoire pour l’IA baisse de six fois ! SK Hynix et Micron vendent en même temps)
Dans le podcast a16z, le cofondateur de BOX, Aaron Levie, indique que l’erreur la plus courante sur le marché consiste à comprendre l’IA avec les méthodes du monde d’hier : « Le plus grand problème, c’est que tout le monde essaie de calculer des modèles économiques, mais ils sous-estiment d’au moins un ordre de grandeur l’ampleur des opportunités. »
Cette erreur s’est en réalité produite de nombreuses fois. À l’époque du PC, on pensait que la puissance de calcul était un marché limité ; à l’ère du cloud, on pensait simplement qu’on déplaçait les serveurs existants dans les centres de données des autres. Mais ce qui s’est réellement produit, c’est que personne n’avait pensé que les gens utiliseraient mille fois plus de ressources.
C’est la version moderne du paradoxe de Jevons : quand les coûts baissent, la demande ne diminue pas : elle explose.
Exemple avec Excel : l’exécution bas de gamme est compressée, la prise de décision haut de gamme est amplifiée
Il en va de même avec l’IA. Quand les modèles deviennent moins chers et plus rapides, le marché pense immédiatement que la demande rétrécit, mais ce qui se produit réellement, c’est l’explosion des cas d’usage. Et cette explosion modifie directement la façon de travailler des humains.
Les révolutions technologiques ne remplacent jamais directement les gens ; elles déplacent les personnes vers des niveaux d’abstraction plus élevés. Il a utilisé l’exemple des tableurs : une personne avec un MBA qui vient de commencer à travailler dans une banque ne va pas utiliser de tableur au début ; il faut donc tout un groupe de stagiaires pour le faire à sa place. Mais quelques années plus tard, elle et tous ses collègues deviennent capables d’utiliser les tableurs ; le niveau de travail correspondant disparaît directement et l’abstraction entière remonte d’un cran.
L’IA est en train de reproduire ce processus : l’exécution bas de gamme est compressée, la prise de décision haut de gamme et l’intégration des systèmes sont amplifiées.
Si pas de nouvelles idées, la productivité apportée par l’IA ne se transforme qu’en chômage
Ce changement n’est plus seulement théorique : il a mentionné un cas. Un marketeur d’Anthropic a utilisé des outils d’IA pour réaliser un travail qui, auparavant, nécessitait une équipe de cinq à dix personnes. On peut même dire qu’une seule personne, en automatisant avec Claude Code, a réalisé l’équivalent du travail de cinq à dix personnes.
Mais la clé de ce cas, c’est la compétence. Levie indique : « Vous devez être un penseur des systèmes pour réussir à faire ça. » L’IA n’a pas rendu tout le monde plus fort ; elle a donné un levier énorme à ceux qui savent décomposer un système. Le travail lui-même n’a pas disparu : il a été redéfini.
Cela renvoie aussi à la réponse de l’année dernière, lorsque Huang Renxun a été interrogé sur l’IA et le chômage des cols blancs. Tout le monde dit que l’IA provoque une vague de chômage, mais les outils ne font que doubler la productivité ; le problème, c’est qu’on n’a pas la capacité de s’en servir pour augmenter la production, voilà tout.
Si le monde n’a pas de nouvelles idées, l’amélioration de productivité apportée par l’IA ne fera au final que se transformer en chômage. Le problème ne vient pas de l’IA, mais du fait que les décideurs ont ou non de l’imagination.
Aaron Levie : le nombre d’agents d’une future entreprise pourrait être mille fois celui des employés
Quand ce modèle s’étend au niveau de l’entreprise, la forme organisationnelle change aussi.
Dans le podcast, Levie avance une prédiction clé : le nombre d’agents d’une entreprise à l’avenir pourrait être de 100 à 1000 fois celui des employés. Et si vos agents sont plus nombreux que les humains de cent à mille fois, votre logiciel doit être conçu pour les agents.
Cela signifie que la source de la compétitivité des entreprises est en train de se déplacer : la performance de votre entreprise dépendra de la capacité de vos agents à obtenir des informations efficacement et à accomplir des tâches.» Par conséquent, le problème de l’industrie logicielle est aussi redéfini. L’ouverture des API, la gestion des autorisations et de l’identité, la manière dont les données sont appelées : tout cela devient des compétences fondamentales. Dans cette architecture, les employés ne sont plus l’unique unité de production ; les agents deviennent les principaux exécutants, tandis que les humains se tournent vers la conception et la coordination.
Du point de vue de Levie, Paperclip, dont on a parlé dans un article, pourrait être un scénario de travail IA assez prospectif.
Si OpenClaw est un employé IA, alors Paperclip est le système de gestion de toute l’entreprise. Les utilisateurs peuvent définir des objectifs d’entreprise, établir une structure organisationnelle, recruter des agents IA de différents types (comme OpenClaw, Cursor, Codex), et les faire se répartir les tâches et collaborer comme une équipe d’entreprise. Le rôle des humains dans ce système ressemble davantage à celui d’un conseil d’administration : il suffit de définir la stratégie, d’approuver les décisions majeures et de surveiller le budget, le reste étant automatiquement effectué par les agents.
(Une entreprise d’une seule personne, ça représente quoi ? Le projet IA open source devenu viral Paperclip vous aide à créer une « entreprise sans main-d’œuvre »)
Vous ne pouvez pas faire du vibe coding pour SAP
Mais cette transition ne se fera pas en une nuit. Levie prévient clairement aussi : « La diffusion des capacités de l’IA sera plus lente que ce que la Silicon Valley imagine. » La raison, c’est que les entreprises ne partent pas de zéro ; une grande partie des connaissances est dispersée dans les processus, les systèmes et l’organisation, au lieu d’être simplement dans la couche de données. Il le dit aussi de façon très directe : vous ne pouvez pas construire SAP en vous basant sur du vibe coding.
Le problème plus concret, c’est qu’une grande majorité de personnes ne peut même pas décrire clairement son propre flux de travail, sans parler de le transformer en un système exécutable par des agents. C’est aussi pour cela que, pour construire aujourd’hui un système d’agents complet, il faut encore un haut niveau de compétences techniques. Néanmoins, cette barrière est en train de baisser rapidement.
Revenons à la question initiale. Dans l’histoire, à chaque révolution technologique, il y a des entreprises qui choisissent de réduire les coûts, et d’autres qui choisissent d’étendre leurs capacités. Les premières optimisent l’efficacité ; les secondes créent de nouveaux marchés. À la fin, ce sont les secondes qui définissent l’époque.
Il en va de même avec l’IA. Le problème n’a jamais été de savoir si elle remplacera les humains, mais si vous allez l’utiliser pour faire plus de choses.
Cet article répond à une question : si l’IA vous fait gagner cinq fois en efficacité, faut-il réduire 80% des coûts ou faire cinq fois plus de choses ? La première apparition remonte à Chaine News ABMedia.
