IA et emploi : surestimer aujourd'hui, sous-estimer demain (la loi d'Amara)

Quand on parle d'IA et de travail, le débat se fige vite en deux camps. D'un côté, les enthousiastes : le monde du travail change, l'IA va remplacer beaucoup de métiers. De l'autre, les sceptiques : ils brandissent des tests ratés, des démonstrations qui déraillent, des études où l'IA échoue. Les deux camps ont raison. Mais ils ne parlent pas du même moment.

Cette semaine, une étude a fait le tour des médias : des chercheurs de l'université Carnegie Mellon ont confié une entreprise fictive, de A à Z, à des agents IA. Résultat : le meilleur agent, Claude 3.5 Sonnet, n'a mené à bien que 24 % des tâches confiées. Trois quarts du travail d'une entreprise réelle lui échappent encore. De quoi rassurer ceux qui craignent de perdre leur emploi. Ou pas. Parce que dans le même temps, la génération de vidéo par IA est passée en trois ans d'un cauchemar déformé — souvenez-vous de la vidéo virale de Will Smith mangeant des spaghettis en 2023 — à des plans quasi indiscernables d'une prise de vue réelle.

Deux constats vrais en même temps. Deux visions qui s'opposent. Et au milieu, une question que tout dirigeant devrait se poser : à quel instant T suis-je en train de juger l'IA ?

La loi d'Amara : la théorie qui manquait au débat

En 1978, Roy Amara, chercheur à l'Institute for the Future en Californie, formulait une loi restée célèbre en prospective technologique :

Nous avons tendance à surestimer l'effet d'une technologie à court terme et à le sous-estimer à long terme.

Appliquée à l'IA, cette loi d'Amara dessine exactement le portrait du débat actuel. Les enthousiastes regardent la courbe des trois dernières années — texte, image, vidéo, code — et en tirent une projection à 3 ou 5 ans. Les sceptiques, eux, font des tests aujourd'hui et en tirent une conclusion définitive. L'un surestime ce que l'IA fera bientôt. L'autre fige dans le présent ce qu'elle ne fait pas encore.

Ce n'est pas de la relativité du temps, c'est de la prospective appliquée. Et c'est utile, parce qu'elle déplace la question. Le débat n'est pas « l'IA va-t-elle remplacer les emplois ? » mais « quelle décision je prends aujourd'hui, sur la base d'un constat qui sera probablement faux dans 3 ans ? ».

L'étude Carnegie Mellon : un instantané, pas un verdict

Revenons à cette entreprise 100 % IA. Les chercheurs ont peuplé une société fictive d'agents — analyste financier, chef de projet, ingénieur logiciel — avec des modèles connus (Claude 3.5 Sonnet, GPT-4o, Gemini 2.0 Flash, Amazon Nova, Meta Llama, Qwen) et leur ont confié des tâches professionnelles réelles : naviguer dans des fichiers, analyser une base de données, choisir des locaux, contacter un service RH simulé.

Les résultats :

Les échecs ne viennent pas de l'incapacité à produire du texte. Ils viennent de ce que le travail réel exige et que les tests classiques ne mesurent pas : comprendre l'implicite d'une consigne (demander un fichier « .docx », certains agents ne déduisent même pas qu'il s'agit d'un document Word), enchaîner une logique sur plusieurs étapes, naviguer dans des interfaces web avec leurs popups, ou lire une situation sociale. Quand un agent est perdu, il prend des raccourcis et croit avoir réussi.

Ce que cette étude dit vraiment : à l'instant T, l'autonomie complète au poste de travail n'existe pas. Ce qu'elle ne dit pas : ce que ces mêmes agents feront dans 2 ou 3 ans. L'étude est un instantané. Elle a la valeur d'un thermomètre pris un matin de novembre. Elle n'a pas la valeur d'une courbe de température sur un an.

Le test Will Smith : la preuve que la courbe est raide

Prenons un autre indicateur, plus visuel. En mars 2023, un internaute publie sur Reddit une vidéo générée par IA : Will Smith mangeant des spaghettis. Le résultat est cauchemardesque — visage qui se déforme, bouche aux mouvements impossibles, spaghettis vivants. La vidéo devient virale, et le « test Will Smith mangeant des spaghettis » devient un benchmark informel de la communauté IA.

Avance rapide de trois ans. En 2025, le modèle Veo 3 de Google génère la même scène avec une précision faciale, une physique des mouvements et un son synchronisé qui la rendent presque indiscernable d'une vraie captation. Le même test, passé de l'absurde au réalisme en 24 mois.

Pourquoi cet exemple compte dans un débat sur l'emploi ? Parce qu'il montre la vitesse de la courbe. Celui qui, en 2023, aurait conclu « la vidéo IA ne remplacera jamais un tournage » aurait eu raison à l'instant T. Et tort 24 mois plus tard. Celui qui, en 2023, aurait prédit « dans 2 ans, des films entiers générés par IA » aurait eu tort à l'instant T. Et probablement raison aujourd'hui.

La loi d'Amara ne prédit pas l'avenir. Elle dit simplement ceci : les deux se trompent à court terme, dans des directions opposées.

Le vrai danger : décider sur un constat à l'instant T

Le risque, pour une entreprise, n'est pas d'être du mauvais camp. Il est de fonder une décision durable sur un constat temporaire.

• L'erreur de l'enthousiaste pressé : licencier ou geler des recrutements sur la base d'une projection à 3 ans tirée de la courbe actuelle. Le cas de Dukaan est instructif : en juillet 2023, son PDG a licencié 90 % de son service client pour le remplacer par un chatbot. Un an plus tard, il affichait des indicateurs spectaculaires (temps de réponse passé de 1 min 44 à quelques secondes, résolution de 2 heures à quelques minutes, coûts de support réduits d'environ 85 % — chiffres communiqués par l'entreprise). Mais le périmètre était circonscrit : un service client, des demandes répétitives. Extraire de ce cas une loi générale « l'IA remplace 90 % des emplois » serait aussi faux que de nier le résultat.
• L'erreur du sceptique figé : refuser d'investir, de former, de structurer, parce que « les tests montrent que ça ne marche pas ». Or l'étude Carnegie Mellon elle-même montre que les agents excellent sur des tâches bien spécifiques. Le fossé se situe ailleurs : dans l'enchaînement, l'implicite, le jugement. Ce sont précisément les compétences que les organisations peuvent commencer à découper, déléguer partiellement, mesurer — dès maintenant.

Entre les deux, il y a une posture : expérimenter sans figer, structurer sans attendre.

Ce que la loi d'Amara change concrètement pour une PME

La loi d'Amara n'est pas qu'un cadre de réflexion. Elle se traduit en trois décisions concrètes.

Premièrement : ne pas décider de l'organisation à partir d'un seul constat. Un test raté ou une démo bluffante sont des données, pas des stratégies. Croisez les sources : études académiques (comme TheAgentCompany), retours d'expérience sectoriels, tests internes sur vos propres tâches.

Deuxièmement : investir sur des périmètres réversibles. Automatiser une tâche circonscrite, mesurée, avec un humain qui valide — c'est réversible. Restructurer une équipe entière sur la base d'une projection — c'est irréversible. La bonne unité de décision n'est pas « l'IA va-t-elle remplacer ce poste ? » mais « quelle tâche puis-je confier à l'IA cette trimestre, avec quels contrôles, et comment je mesure le résultat ? »

Troisièmement : garder une veille active plutôt qu'une opinion figée. La courbe est raide. Ce qui est vrai aujourd'hui a une date de péremption. Une revue trimestrielle des capacités réelles — pas des annonces — coûte peu et évite deux erreurs coûteuses : celle de passer à côté d'un virage, et celle d'y entrer trop tôt.