Quand l’IA nous transformera en petits kittens

La dystopie la plus probable de l’IA n’est peut-être pas Terminator.

Elle est plus douce, plus propre, plus confortable. Elle ressemble à une société où les humains ne sont pas exterminés, mais gardés.

Nourris. Logés. Distraits. Protégés de la misère absolue. Consultés parfois. Aimés même, d’une certaine manière. Mais progressivement déplacés du centre économique, comme des petits kittens dans une maison très riche : attachants, fragiles, coûteux à entretenir, mais plus vraiment indispensables à la production de valeur.

L’image est volontairement dérangeante. Elle n’est pas une prédiction littérale. C’est un cadre mental pour regarder ce qui se passe déjà : les modèles deviennent meilleurs, les agents commencent à exécuter, les entreprises qui possèdent l’infrastructure accumulent du pouvoir, et le débat politique glisse lentement vers une question que l’on formulait encore comme science-fiction il y a dix ans : que fait-on des humains quand une partie croissante de leur utilité économique devient optionnelle ?

Les chats domestiques ont gagné une forme de paradis matériel. Ils ne chassent presque plus. Ils dorment, mangent, jouent, reçoivent des soins, vivent plus longtemps que leurs ancêtres sauvages. Mais ils ne contrôlent ni la maison, ni le budget, ni les règles, ni la porte.

Le risque n’est pas que l’IA nous déteste. Le risque est qu’elle rende possible une société où l’on peut nous garder confortablement sans vraiment avoir besoin de nous.

Ce que l’on sait déjà, sans fantasmer

Il faut partir des faits, pas de la panique.

L’Anthropic Economic Index, publié en 2025 à partir de millions de conversations anonymisées avec Claude, donne un signal intéressant. Anthropic observe que l’usage de l’IA est déjà très concentré dans le développement logiciel et l’écriture technique. L’étude indique qu’environ 36 % des occupations voient l’IA utilisée dans au moins un quart de leurs tâches associées, tandis qu’environ 4 % l’utilisent dans trois quarts de leurs tâches. Elle distingue aussi deux modes : l’augmentation, où l’IA collabore avec l’humain, et l’automatisation, où l’IA exécute directement la tâche. Dans leurs données, l’augmentation domine encore légèrement : 57 % contre 43 %.

Ce n’est donc pas encore “l’IA a remplacé tout le monde”. C’est plus subtil : l’IA entre d’abord par les tâches, pas par les métiers entiers.

L’Organisation internationale du Travail formule une lecture proche : l’IA générative est, à court terme, plus susceptible d’augmenter beaucoup de jobs que de les détruire intégralement. Mais ce constat rassurant cache une tension. Si un métier est composé de vingt tâches, et que huit deviennent beaucoup plus rapides, la fiche de poste survit peut-être. Le besoin de dix personnes, lui, peut ne pas survivre.

Le FMI estime que l’IA pourrait affecter près de 40 % des emplois dans le monde, et jusqu’à 60 % dans les économies avancées. Là encore, “affecter” ne veut pas dire “supprimer”. Une partie des travailleurs gagnera en productivité et en revenu. Une autre partie verra ses tâches, son pouvoir de négociation ou son salaire comprimés.

C’est précisément ce mélange qui rend le sujet difficile. La question n’est pas “est-ce que l’IA va tout remplacer ?” La question est : qui garde la valeur quand le travail humain devient plus compressible ?

Le développeur : de créateur à vérificateur de flux

Prenons le cas du développeur.

Il y a quelques années, l’idée qu’un outil écrive une part significative du code quotidien semblait encore spectaculaire. Aujourd’hui, elle est devenue banale. Une étude publiée par GitHub sur Copilot indiquait déjà que les développeurs utilisant Copilot terminaient une tâche expérimentale 55 % plus vite que ceux qui ne l’utilisaient pas.

On peut discuter la portée de cette étude : contexte contrôlé, tâche spécifique, effet réel variable selon le niveau, le domaine et la qualité du code attendu. Mais le signal est clair. Une partie du travail de production logicielle devient moins rare.

Le développeur ne disparaît pas immédiatement. Il change de fonction.

Il devient moins souvent la personne qui tape toute la solution, et plus souvent celle qui :

• formule le problème ;
• découpe les contraintes ;
• choisit l’architecture ;
• vérifie les sorties ;
• arbitre les compromis ;
• protège le système contre les erreurs rapides et plausibles.

Ce rôle peut être plus intéressant. Il peut aussi être plus fragile.

Car si un très bon développeur supervisant plusieurs agents peut produire ce que produisait hier une petite équipe, le marché n’a pas mécaniquement besoin du même nombre de développeurs intermédiaires. Il peut choisir d’augmenter la production, de réduire les coûts, ou de faire les deux.

Dans le scénario doux, chaque développeur devient un chef d’orchestre augmenté.

Dans le scénario kitten, une petite élite garde la main sur les systèmes, pendant qu’une grande partie des travailleurs techniques se retrouve dans une boucle d’entretien, de validation et de micro-corrections autour d’une machine qui capture l’essentiel du levier.

Le métier existe encore. Mais le centre de gravité s’est déplacé.

Le médecin : pas remplacé, mais entouré jusqu’à devenir un point de validation

Le cas du médecin est différent, mais encore plus instructif.

En santé, personne de sérieux ne devrait souhaiter un remplacement brutal de l’humain. Les enjeux cliniques, juridiques et éthiques sont trop importants. Mais la médecine est pleine de tâches où l’IA peut accélérer la lecture, prioriser les dossiers, extraire le contexte, préparer les notes, router les cas, détecter des anomalies, proposer des recommandations ou surveiller des signaux faibles.

Dans un article précédent sur l’IA en radiologie et l’orchestration des workflows, j’expliquais que le vrai levier n’est pas seulement le compte rendu généré. C’est la file de travail, la priorisation, le bon contexte au bon moment, et la bonne boucle de revue humaine.

Là aussi, le scénario raisonnable est positif : moins de temps perdu, moins de tâches administratives, plus de disponibilité pour le patient.

Mais poussons la logique.

Si l’IA trie les cas, résume l’historique, propose les hypothèses, préremplit les documents, surveille les traitements et signale les risques, le médecin peut devenir progressivement un point de contrôle dans une chaîne d’intelligence distribuée. Toujours responsable. Toujours nécessaire dans les cas limites. Mais moins central dans la production quotidienne de certains actes cognitifs.

Il ne faut pas caricaturer : le soin humain ne se réduit pas à un diagnostic. L’annonce, la confiance, la responsabilité, la coordination et la relation restent difficiles à automatiser proprement.

Mais économiquement, la tentation sera forte : si l’on peut faire passer plus de patients avec moins de temps médecin par dossier, alors le système poussera dans cette direction. Pas parce qu’il est malveillant. Parce que les systèmes sous contrainte de coût finissent souvent par optimiser ce qui est mesurable.

Le médecin n’est pas supprimé. Il est encapsulé.

Le point clé : l’IA ne devient pas seulement intelligente, elle devient propriétaire du levier

L’erreur serait de croire que ce débat porte seulement sur la performance des modèles.

Le vrai sujet, c’est la propriété du levier.

Les modèles de pointe ne tombent pas du ciel. Ils exigent des talents rares, des données, du calcul, des partenariats cloud, des capitaux massifs et une distribution mondiale. Quand Anthropic annonce son partenariat avec Amazon, ou quand OpenAI, Microsoft, Google, Meta et d’autres accumulent infrastructure, modèles, produits, API, assistants et plateformes, on ne regarde pas seulement une course technologique. On regarde la formation d’une couche économique capable de prélever une rente sur de plus en plus de tâches.

L’open source et les modèles ouverts peuvent limiter cette concentration. Meta, Mistral, DeepSeek, Qwen et d’autres rendent certaines capacités plus accessibles. C’est important. Mais même avec des modèles ouverts, l’entraînement, l’inférence à grande échelle, la distribution, l’intégration produit et la confiance restent très capitalistiques.

Autrement dit : l’intelligence devient abondante à l’usage, mais pas forcément démocratique dans sa propriété.

C’est là que le futur kitten devient crédible.

Pas parce qu’une IA consciente déciderait de domestiquer l’humanité. Mais parce qu’une économie où l’intelligence productive est concentrée peut finir par distribuer des rations, des services et du divertissement à une population dont elle a moins besoin comme main-d’œuvre.

Ce n’est pas l’esclavage. Ce n’est pas non plus la liberté.

C’est une dépendance confortable.

Le revenu universel comme bol de lait politique

Si l’IA augmente massivement la productivité tout en comprimant une partie du travail humain, une idée reviendra mécaniquement : redistribuer une part de cette richesse.

On l’appellera revenu universel, dividende IA, impôt sur l’automatisation, fonds souverain des données, crédit citoyen, revenu de transition, ou autre chose. Le nom importe moins que le mécanisme : si les machines produisent plus de valeur avec moins d’humains, il faut trouver une manière de maintenir la demande, la paix sociale et la dignité minimale.

Les expériences de revenu de base ne prouvent pas qu’un revenu universel financé par l’IA fonctionnerait à l’échelle d’une économie avancée. Elles donnent simplement des signaux.

L’expérience OpenResearch sur les transferts monétaires inconditionnels, associée historiquement au financement de Sam Altman, étudie ce que des paiements réguliers changent dans la vie économique des bénéficiaires. Les résultats publiés montrent surtout que l’argent donne plus d’agence : capacité à faire des choix, à absorber des chocs, à explorer des options.

L’étude de GiveDirectly au Kenya indique aussi que les transferts réguliers n’ont pas produit le cliché de “l’oisiveté” : les bénéficiaires n’ont pas travaillé moins au total, et certains se sont orientés vers davantage d’activité indépendante. Là encore, prudence : contexte rural, montants, durée et niveau de revenu très différents d’un pays européen.

La conclusion raisonnable n’est pas “le revenu universel est magique”.

La conclusion raisonnable est : donner de l’argent directement peut améliorer la sécurité et l’agence sans détruire mécaniquement l’envie d’agir.

Mais dans une société dominée par l’IA, ce revenu peut prendre deux formes très différentes.

Dans le scénario digne, c’est un dividende de productivité : les citoyens reçoivent une part du surplus parce que l’économie a besoin de moins de travail contraint pour produire beaucoup.

Dans le scénario kitten, c’est un bol de lait : une allocation suffisante pour éviter la révolte, pas assez pour reprendre le contrôle.

Trois scénarios limites

Il faut éviter les prédictions trop nettes. Le futur sera probablement hybride. Mais trois scénarios permettent de clarifier le débat.

1. Le scénario copilote : l’humain reste au centre

Dans ce scénario, l’IA augmente massivement les travailleurs, mais les organisations gardent une vraie place à la décision humaine.

Le développeur code moins à la main, mais conçoit plus. Le médecin passe moins de temps à chercher l’information, mais garde la relation et la responsabilité. Le manager traite moins de reporting, mais consacre plus d’énergie à la qualité des décisions.

La productivité augmente. Les salaires peuvent suivre pour les personnes capables de maîtriser ces systèmes. L’éducation se transforme. Les entreprises qui apprennent vite gagnent.

C’est le scénario préféré des présentations corporate.

Il est possible. Mais il suppose une chose non triviale : que les gains de productivité soient partagés avec les humains augmentés, plutôt que capturés par les propriétaires de capital, d’infrastructure et de modèles.

2. Le scénario plateforme : une minorité orchestre, la majorité exécute autour

Dans ce scénario, le travail ne disparaît pas. Il se polarise.

Une minorité conçoit, possède, règle, audite et gouverne les systèmes. Une grande partie des autres travailleurs effectue des tâches résiduelles : validation, relation client, opérations locales, supervision de cas anormaux, alimentation de données, micro-services humains là où la machine reste fragile ou juridiquement limitée.

Le développeur moyen devient reviewer de générations. Le médecin moyen devient superviseur de triages. Le juriste moyen devient contrôleur de brouillons. Le service client devient escalade humaine autour d’un agent principal.

La société fonctionne. Mais la mobilité devient plus difficile. Le centre économique est dans la plateforme, pas dans l’exécution.

C’est probablement le scénario le plus réaliste à moyen terme.

3. Le scénario kitten : allocation, confort, perte de prise

Dans ce scénario, l’IA et la robotique finissent par couvrir assez de production cognitive, logicielle, administrative et partiellement matérielle pour qu’une partie importante de la population ne soit plus nécessaire comme force de travail régulière.

Le système politique répond par des transferts. Les services de base sont maintenus. La consommation devient fortement personnalisée. Les loisirs, les mondes virtuels, les compagnons IA, les soins automatisés et les micro-statuts sociaux occupent une place croissante.

Les humains ne meurent pas de faim. Ils vivent même parfois mieux matériellement que beaucoup de travailleurs du passé.

Mais ils dépendent d’une infrastructure qu’ils ne comprennent pas, ne possèdent pas et ne peuvent pas vraiment contester. Leur autonomie politique et économique se réduit à choisir entre des environnements, des abonnements, des expériences et des styles de vie optimisés.

Ils sont nourris.

Ils sont divertis.

Ils sont surveillés juste assez pour être protégés.

Ils sont des kittens.

Pourquoi cette image est utile

L’image du kitten est volontairement injuste pour nous. C’est son intérêt.

Elle oblige à poser une question que les débats sur l’IA évitent souvent : l’objectif est-il de rendre les humains plus puissants, ou simplement de les rendre moins nécessaires sans les faire souffrir ?

Une société peut être riche et infantilisante. Elle peut être confortable et politiquement faible. Elle peut distribuer assez pour calmer la colère, tout en réservant le pouvoir réel à ceux qui contrôlent les modèles, le calcul, l’énergie, les données et les interfaces.

Le danger n’est pas seulement le chômage. Le danger est la perte de fonction.

Le travail n’est pas uniquement un revenu. C’est aussi une place dans le système, une capacité de négociation, une identité, un rythme, une contribution visible, un prétexte à apprendre, un moyen d’être pris au sérieux.

Si l’IA réduit massivement le besoin de contribution humaine dans certains domaines, il faudra reconstruire autre chose à la place. Pas seulement un virement mensuel.

Ce qu’il faut surveiller maintenant

Pour éviter le scénario kitten, il ne suffit pas de ralentir l’IA ou de répéter que “l’humain restera important”. Il faut regarder les mécanismes concrets.

Qui possède les modèles et l’infrastructure ?
Si quelques acteurs contrôlent l’accès aux meilleures capacités, ils contrôlent une part croissante de la productivité collective.

Qui reçoit les gains ?
Si l’IA rend une équipe deux fois plus productive, les bénéfices vont-ils aux salariés, aux clients, aux actionnaires, à l’État, ou à la plateforme qui fournit le modèle ?

Quelles compétences restent réellement rares ?
Pas les compétences que l’on aime célébrer. Celles qui gardent un pouvoir de marché quand les agents deviennent bons.

Quels droits apparaissent autour de l’automatisation ?
Droit à l’explication, à la contestation, à la formation, à la participation aux gains, à la portabilité des données, à l’accès à des outils ouverts.

Comment finance-t-on les humains si le travail paie moins de monde ?
Impôt sur les profits exceptionnels, taxation du capital, dividende des données, fonds souverain IA, revenu de base, services publics renforcés : le débat fiscal va devenir un débat existentiel.

Lecture GTL : ne pas devenir l’animal de compagnie de l’économie IA

Le sujet n’est pas de savoir si l’IA sera “bonne” ou “mauvaise”. Elle sera les deux.

Elle peut rendre un développeur beaucoup plus puissant. Elle peut aider un médecin à travailler avec moins de friction. Elle peut réduire des tâches absurdes, créer de nouveaux produits, accélérer la recherche, améliorer des services publics.

Mais elle peut aussi déplacer la valeur vers ceux qui possèdent la couche d’intelligence et transformer les autres en bénéficiaires passifs d’un système qu’ils n’opèrent plus.

La vraie question stratégique pour les entreprises, les travailleurs et les États est donc simple : comment rester du côté de ceux qui orchestrent, et pas seulement de ceux qui sont nourris ?

Pour une entreprise, cela veut dire construire une capacité interne, pas seulement brancher des API. Former les équipes, cartographier les workflows, garder la compréhension métier, mesurer les gains, partager une partie de la productivité, et ne pas laisser toute l’intelligence opérationnelle sortir de l’organisation.

Pour un travailleur, cela veut dire remonter dans la chaîne : moins vendre l’exécution brute, plus vendre le jugement, la responsabilité, la capacité à cadrer un problème et à contrôler des systèmes.

Pour un État, cela veut dire traiter l’IA comme une infrastructure de richesse, pas seulement comme un secteur technologique. Si l’IA devient une machine à produire du surplus, la question de la redistribution ne sera pas un supplément moral. Ce sera une condition de stabilité.

Nous ne deviendrons probablement pas tous des kittens.

Mais une partie du futur nous pousse dans cette direction : plus de confort, plus d’assistance, moins de nécessité, moins de prise.

La dystopie douce n’est pas celle où la machine nous écrase.

C’est celle où elle nous caresse pendant que quelqu’un d’autre possède la maison.

Sources

• Anthropic — Introducing the Anthropic Economic Index
• Anthropic — Expanding access to safer AI with Amazon
• Organisation internationale du Travail — Generative AI likely to augment rather than destroy jobs
• Fonds monétaire international — AI will transform the global economy. Let’s make sure it benefits humanity
• GitHub — Research: quantifying GitHub Copilot’s impact on developer productivity and happiness
• OpenResearch — Findings from the Unconditional Cash Study
• GiveDirectly — Early findings from the world’s largest UBI study