Francois Lamotte

Voici ce qu’il va se passer. D’ici 5 ans, 2 ans d’après les plus optimistes, les IA sauront faire à peu près tout ce que 99 % des humains savent faire aujourd'hui. D’ici 15 ans, peut-être 10 d’après les plus optimistes, les robots sauront faire à peu près tout ce que 99 % des humains savent faire aujourd'hui. Mais cela ne veut pas dire que tous les humains seront remplacés dans leurs emplois instantanément. Pour trois raisons : 1. La société sera longue à s’adapter. Tous les process d’entreprises, les masses salariales, les procédures RH, les organisations d’usines, les méthodes de travail, etc. devront se réinventer. Cela prendra du temps, des consultants, créera beaucoup d’hétérogénéités entre entreprises. Une grande part de l'organisation sociale actuelle repose sur des conventions, pas des nécessités économiques. Pléthore de gens doivent leur emploi à l'inertie des institutions, au fait que les chefs veulent de grosses équipes, que c'est souvent plus facile d'embaucher que de licencier. Beaucoup d'entreprises ne s'adapteront jamais, et continueront tant que leur rente de situation leur permettra, avant de disparaître et se faire remplacer. Ce processus pourra durer longtemps. 2. La société ne voudra pas s’adapter. Non seulement les lois limiteront beaucoup d’usages (en médecine, dans les professions réglementées, dans l’éducation, le recrutement, la justice, les infrastructures critiques, que l’AI Act européen classe déjà « à haut risque »), mais aussi de grands mouvements luddites réclameront plus de lois. On a l’exemple de ces dernières semaines des mathématiciens : vingt-cinq médaillés Fields ont dénoncé dans Le Monde, le 11 septembre, un « grave désalignement » de l’IA en mathématiques, et plus d’un millier de chercheurs réunis dans l’Association for Human Mathematics se sont engagés à ne pas travailler pour les entreprises d’IA ni à publier de texte généré par une machine, une partie d’entre eux renonçant à tout usage de l’IA dans leur recherche. On sait bien que ça n’empêchera pas les Américains et les Chinois de les rendre obsolètes en quelques années, mais ces résistances locales ralentiront la transition. Il y aura des centaines de pétitions anti-centres de calcul, et des milliers de zadistes qui mettront le feu à des grands projets d’infrastructure IA. Bientôt notre quotidien sera fait de tribunes et d'actions anti-IA. 3. Les contraintes physiques ne se relâcheront pas tout de suite. Il va falloir beaucoup, beaucoup d’électricité, de centres de calcul, mais aussi d’usines à servomoteurs, actuateurs, d’acier de précision. Et construire, ça prend du temps, ça demande des permis, des négociations. Construire des centrales nucléaires en masse, ça prendra 20 ans, avoir un écosystème qui produit à l'échelle, sans doute autant. Mais il faut se rendre compte d'une chose : me plus probable est que le monde soit déjà engagé sur un chemin irréversible. Nous sommes déjà tous morts (en tant qu’organisations sociales) mais beaucoup ne le savent pas encore. Tout comme une fois que la révolution industrielle avait commencé à Manchester à la fin du XVIIIe siècle, les sociétés traditionnelles partout sur terre étaient déjà mortes sans le savoir. La Chine des Qing, la plus grande puissance mondiale de l’époque, n’est morte qu’en 1912. Mais elle a fini par mourir. Le Japon n’est pas mort, mais il s’est transformé avec Meiji de telle façon qu’il soit totalement méconnaissable. Ainsi, dans les 20 ans à venir, de grandes nations tomberont, et la plupart seront au mieux totalement méconnaissables. La période de transition durera une vingtaine d’années. Et à l’issue de cette période, le monde aura connu l’équivalent au moins d’un bon siècle de développement. Le passage de 1820 à 1920. Pour un dirigeant français au XIXe siècle, il n’y avait en réalité qu’un seul véritable enjeu : faire en sorte que la France passe du stade de grande puissance agraire à celui de grande puissance industrielle. De la même façon, il n’y a qu’un seul enjeu pour nous désormais : que nous réussissions notre passage au stade de grande puissance IA. Car sinon, ce ne sera pas seulement la paupérisation et la vassalisation, mais aussi l’explosion sociale et la montée de la violence. 15 ans sans croissance et la France s’embrase déjà et ses élites s’enfuient. Imaginons 30 ans de plus. Pour devenir une grande puissance IA, il n’y a que trois choses à faire, par ordre de difficulté : 1. Acquérir le maximum de maillons et de goulets d’étranglement de la révolution IA. De l’énergie en abondance (construire du nucléaire en masse et tenir le cycle du combustible), des centres de calcul bien sûr et tout ce qui les alimente (transformateurs, aciers électriques, électronique de puissance, refroidissement), mais encore se remettre à faire des terres rares et des aimants, du silicium, du gallium, du lithium, des puces et de la mémoire, des équipements et gaz de fab, des réducteurs, moteurs et actionneurs, de la machine-outil de précision, des capteurs et de la photonique, des câbles et réseaux, etc. La révolution IA est une révolution qui s'apuie sur de l'infrastrcuture physique. Sans ça, non seulement nous serons les vassaux de ceux qui posséderont ces maillons, mais toute la richesse fuira vers ceux qui les possèdent. 2. Adapter notre système socio-économique à l’IA. Donc modifier toutes les lois, toutes les contraintes. Faire basculer l’administration, les entreprises, le plus rapidement possible dans le monde de l’IA. Créer des incitations, des facilités, des formations. Adapter les institutions, l’école, la médecine, etc. Les révolutions technologiques sont dépendantes des institutions qui les diffusent, et les nôtres sont faites pour le monde d’avant. 3. Créer une organisation sociale qui accompagne la transition sans exploser. Lors de la révolution industrielle, les campagnes se sont vidées, les villes se sont remplies d’ouvriers, la pauvreté de masse est devenue la grande question de l’époque, des révoltes, le quotidien était rythmé par les révolutions, les instabilités, les avènements de régimes autoritaires. La bascule rapide du système économique a provoqué des changements sociaux qui ont créé beaucoup de souffrance et ont emporté les gouvernements. Pour notre transition, nous allons avoir besoin de beaucoup d’électriciens, de constructeurs de data centers, d’ingénieurs nucléaires, de techniciens de puces. Mais une grande partie des métiers du tertiaire seront devenus inutiles. Des cohortes entières de diplômés du supérieurauront encore moins de débouchés professionnels qu'aujourd'hui. C'est ma recette habituelle des révolutions. Le cas extrême, c'est la révolte des Taiping, chez les Qing. En 15 ans, trente millions de morts. Presque deux fois la première guerre mondiale, parce que l'ordre social ancien ne pouvait survivre à la révolution industrielle. Nous avons donc trois choses à faire seulement, mais trois défis majeurs, qui se heurtent à deux problèmes : 1. Le déni. Notre cerveau n’est pas fait pour penser les ruptures. Il est fait pour penser que demain ressemblera à hier, en un peu différent. Or, l'histoire fonctionne par sauts. Et nous sommes sur le point de faire un des plus grands sauts de l'histoire de notre espèce. 2. Le conservatisme des élites. Les élites par définition sont les bénéficiares du statu quo. Leur incitaiton ets donc de ralentir la transition pour maintenir leur pouvoir le plus longtemps possible. Reste donc à sortir du déni et changer nos élites.

À l'origine en chinois et traduit Effets de la littératie en IA générative et de la pensée d'ordre supérieur sur les performances de collaboration humain–IA générative : chinaxiv.org/abs/202609.0044… "Effets de la littératie en IA générative et des capacités de pensée d'ordre supérieur sur les performances de collaboration humain-IA (Numéro spécial en gestion de l'intelligence) Zhou Hanhui1 Long Lirong1 Xie Xin1 Wang Guoxuan2, 3 (1 École de gestion de l'Université de science et de technologie de Huazhong, Wuhan 430074) (2 Laboratoire clé du ministère de l'Éducation sur la psychologie et le comportement en ligne des adolescents, Wuhan 430079) (3 Laboratoire clé de la province du Hubei sur le développement humain et la santé mentale, École de psychologie de l'Université normale centrale de Chine, Wuhan 430079) Résumé Avec le développement fulgurant de l'intelligence artificielle générative (Generative Artificial Intelligence, GenAI), la manière de cultiver chez les individus une littératie permettant une collaboration efficace avec la GenAI devient de plus en plus un enjeu clé influençant les performances de collaboration humain-IA. Cependant, les recherches existantes n'ont pas encore abouti à un consensus sur la capacité de la littératie en GenAI à améliorer les performances de collaboration humain-IA, et ses méthodes de mesure, ses limites d'effet et ses mécanismes de processus restent à explorer. Sur la base de la théorie de la complémentarité homme-machine, deux études ont été menées pour examiner l'impact et les mécanismes de la littératie en GenAI humaine et de trois capacités de pensée d'ordre supérieur sur les performances de collaboration humain-IA. L'étude 1, avec un échantillon de 216 étudiants universitaires, a développé et validé un outil d'évaluation relativement objectif de la littératie en GenAI, et a révélé que la littératie en GenAI influence positivement les performances de collaboration humain-IA. L'étude 2 a conduit une recherche sur site auprès de 261 employés en activité d'une entreprise de commerce électronique, examinant le rôle modérateur de trois capacités de pensée d'ordre supérieur : la créativité, les connaissances intégrées dans un domaine et la résolution de problèmes, et a utilisé une méthode d'analyse de réseau cognitif pour coder et analyser les textes de dialogues humain-GenAI, afin de révéler les stratégies de traitement cognitif individuelles. Les résultats indiquent que la littératie en GenAI influence positivement les performances de collaboration humain-IA, et que les trois capacités de pensée d'ordre supérieur modèrent positivement cette relation. L'analyse de réseau cognitif a en outre révélé que, chez les individus ayant une littératie en GenAI relativement élevée, ceux dotés d'une forte créativité, de solides connaissances intégrées dans un domaine et d'une forte capacité de résolution de problèmes tendent respectivement à adopter des stratégies de traitement cognitif de « stimulation créative », de « vérification croisée » et d'« évaluation de solutions ». Cette étude offre certaines perspectives pour l'ère de la GenAI afin d'améliorer les avantages centraux humains et les performances de collaboration humain-IA. Mots-clés Littératie en GenAI, capacités de pensée d'ordre supérieur, performances de collaboration humain-IA, stratégies de traitement cognitif Classification B849 : C93 Date de réception : 2025-12-12 *Projet clé financé par le Fonds national chinois pour les sciences naturelles (72132001, 72432008), projet jeune en sciences humaines et sociales financé par le ministère de l'Éducation (25YJC630077). Auteur correspondant : Wang Guoxuan, E-mail : [email protected]. ChinaXiv:202609.00449v1 T h i s v e r s i o n p o s t e d 2 0 2 6 - 0 9 - 2 6 . 2 1 Introduction Actuellement, l'intelligence artificielle générative basée sur les grands modèles de langage (Generative Artificial Intelligence, abrégée GenAI) possède de puissantes capacités de création de contenu et d'usage général, et peut collaborer avec les humains pour accomplir des tâches complexes, donnant ainsi naissance à une forme de travail hybride appelée collaboration humain-IA (Raisch & Fomina, 2025). Par exemple, les agents intelligents peuvent, par un apprentissage actif des données, renforcer continuellement l'efficacité de la collaboration humain-IA (Boussioux et al., 2024). Compte tenu des différences dans les types de tâches spécifiques et les modes de collaboration, les performances de collaboration humain-IA désignent la qualité des résultats des tâches réalisées ou le degré d'atteinte des objectifs sous la participation conjointe des humains et de la GenAI (Raisch & Krakowski, 2021). Cependant, en raison de l'incertitude probabiliste des modèles sous-jacents de la GenAI (Noy & Zhang, 2023), la collaboration humain-IA fait face à des risques tels que les biais de sortie et les inadéquations de tâches (Jin et al., 2025). Selon la théorie de la complémentarité homme-machine (Licklider, 1960), une collaboration homme-machine efficace repose non seulement sur l'amélioration des performances techniques, mais aussi sur la compréhension précise par l'individu des avantages complémentaires des deux parties et leur invocation raisonnable. Par conséquent, cultiver et améliorer la littératie en GenAI des individus est crucial pour rehausser les performances de collaboration humain-IA. La littératie en GenAI désigne l'ensemble des capacités qu'un individu possède pour interagir efficacement avec la GenAI afin de faire face à des tâches spécifiques, incluant la compréhension des concepts techniques, l'application de la GenAI dans divers contextes, l'évaluation et la reformulation du contenu généré par la GenAI, ainsi que les jugements éthiques correspondants (Ng et al., 2021). Les recherches existantes indiquent que la littératie en GenAI peut améliorer les performances des individus dans la collaboration avec la GenAI pour accomplir des tâches complexes (Li et al., 2025 ; Qin et al., 2025), mais que les individus hautement littérés peuvent aussi hésiter à adopter les suggestions de la GenAI, réduisant ainsi leur efficacité au travail (Tully et al., 2025), ou que leur excessive confiance peut nuire au développement des performances à long terme (Bewersdorff et al., 2025 ; Fernandes et al., 2026). Cela montre que les recherches existantes n'ont pas encore formé de conclusion unanime sur la relation entre la littératie en GenAI et les performances de collaboration humain-IA, et qu'il est urgent de répondre à deux questions centrales : premièrement, les divergences des recherches existantes proviennent-elles des limites des méthodes de mesure ? Deuxièmement, sur la base d'une mesure objective de la littératie en GenAI individuelle, quelles sont les conditions limites et les mécanismes de processus par lesquels elle influence les performances de collaboration humain-IA ? Plus précisément, les recherches existantes reposent souvent sur des méthodes de mesure par auto-rapport, qui peinent généralement à refléter avec précision les capacités réelles des individus dans la collaboration avec la GenAI (Jin et al., 2025). En particulier, des limitations telles que la désirabilité sociale et les biais d'acteur réduisent leur crédibilité (Lintner, 2024). Étant donné que les méthodes de mesure standardisées favorisent l'identification des effets de la littératie en GenAI (Chiu et al., 2024), il est nécessaire de développer un outil d'évaluation relativement objectif de la littératie en GenAI. Sur cette base, les recherches existantes présentent deux perspectives : la « théorie de l'efficacité » et la « théorie de la dépendance ». La première estime que l'amélioration de la littératie en GenAI peut stablement promouvoir les performances individuelles (Jin et al., 2025), tandis que la seconde affirme que une haute littératie en GenAI peut affaiblir le jugement autonome de l'individu (Fernandes et al., 2026). Cependant, ces deux perspectives considèrent la littératie en GenAI principalement du point de vue d'une capacité technique unique, négligeant toutes deux la subjectivité humaine dans la collaboration humain-IA. La théorie de la complémentarité homme-machine considère que l'amélioration des performances de collaboration provient du complément mutuel entre les capacités mécaniques de la technologie et les ressources cognitives uniques des humains (Licklider, 1960). Pour intégrer ces vues paradoxales, on peut introduire les capacités de pensée d'ordre supérieur, c'est-à-dire l'ensemble des capacités des individus à acquérir de nouvelles informations, à les relier, les organiser et les étendre mutuellement avec les informations existantes pour résoudre des problèmes spécifiques (Lewis & Smith, 1993). En réalité, les sorties de la GenAI ne sont que des contenus alternatifs en attente d'affinage, et ce sont les capacités de pensée d'ordre supérieur humaines qui constituent le facteur clé pour les transformer en résultats de valeur (Fernandes et al., 2026 ; Guoa et al., 2025), telles que la créativité, les connaissances intégrées dans un domaine, la capacité de résolution de problèmes, etc. Ces capacités proviennent de la pratique d'apprentissage à long terme des humains et de l'accumulation de socialisation, et sont difficiles à simuler ou à remplacer complètement par les grands modèles sous-jacents de la GenAI, nécessitant l'exercice de la subjectivité humaine (Raisch & Fomina, 2025). Par conséquent, il est nécessaire d'examiner l'effet d'interaction entre la littératie en GenAI individuelle et les capacités de pensée d'ordre supérieur (ici désignant la créativité, les connaissances intégrées dans un domaine et la capacité de résolution de problèmes) sur les performances de collaboration humain-IA. Plus loin encore, les recherches existantes négligent relativement le processus cognitif dynamique de rétroaction continue et de co-génération entre les deux parties dans la collaboration (Krakowski et al., 2026). La ..."