IA : accélérer pour quoi faire ?

IA : accélérer pour quoi faire ?

  • RN
  • octobre 1, 2026
  • 22 minutes

Les modèles d'IA progressent vite, et les chiffres qui circulent donnent le vertige. Pour les lire, il faut d'abord savoir ce qu'ils mesurent.

Ce que mesurent ces tests

Un benchmark est un test standardisé : on soumet la même série d'exercices à tous les modèles, puis on compare leurs scores. Selon les tests, le score indique la part d'exercices réussis, ou l'écart entre la performance du modèle et une référence humaine.

Le test ARC-AGI a été créé en 2019 par le chercheur François Chollet. Ses deux premières versions proposent des puzzles visuels : quelques grilles de cases colorées montrent une transformation, et le modèle doit deviner la règle puis l'appliquer à une nouvelle grille. Une personne résout la plupart de ces puzzles en quelques minutes. Une IA a plus de mal, parce que chaque puzzle est inédit : le test est conçu pour limiter la simple mémorisation.

ARC-AGI-3 change de format. Le modèle est placé dans de petits jeux interactifs, sans aucune consigne. Il doit explorer, comprendre le but et les règles, puis réussir en un nombre d'actions raisonnable. Son score compare sa réussite et son efficacité à celles de joueurs humains, qui ont résolu tous les jeux. Un score de 1 % signifie que la machine est encore très loin du niveau humain ; 100 % voudrait dire qu'elle fait aussi bien.

Blueprint-Bench 2, conçu par la société Andon Labs, évalue la représentation de l'espace. À partir de photos de l'intérieur d'un appartement, le modèle doit en dessiner le plan. Le score, compris entre 0 et 1, vérifie surtout si les pièces sont correctement reliées entre elles. Les personnes testées obtiennent 0,59.

Ce que disent les chiffres

Le test ARC-AGI-3, lancé en mars 2026, laissait tous les grands modèles sous 1 % à sa sortie. En septembre, le meilleur modèle obtient un score d'environ 63 % selon le protocole standard d'ARC Prize. ARC Prize publie aussi un score de 99,9 %, obtenu avec un protocole adapté par le fournisseur du modèle : les deux résultats ne sont pas directement comparables.

Selon la fondation ARC Prize, le coût par tâche pour atteindre 75 % sur ARC-AGI-1, c'est-à-dire le prix à payer pour qu'un modèle tente de résoudre un puzzle, estimé à partir des tarifs des fournisseurs, a baissé de plus de 99 % en un an et demi. Andon Labs projette que les modèles dépasseront la référence humaine sur Blueprint-Bench 2 avant la fin de l'année. Cette dernière affirmation est une extrapolation de tendance, pas une mesure.

Ces chiffres invitent à parler d'accélération. Leur vérification fait apparaître une question plus importante : l'écart entre la vitesse des modèles et celle des personnes qui travaillent, apprennent ou enseignent avec eux.

Plusieurs rythmes qui se désaccordent

Parler d'une accélération au singulier mélange quatre phénomènes qui avancent à des vitesses différentes :

  • la fréquence des annonces des entreprises qui développent ces modèles ;
  • la progression des scores sur des tests ;
  • l'amélioration réelle du travail fait avec ces outils ;
  • la vitesse à laquelle les organisations les adoptent.

Des sorties rapprochées peuvent refléter une concurrence commerciale intense sans que chaque version change les usages. Les tests eux-mêmes changent : ARC-AGI-3 introduit des jeux interactifs absents des deux premières versions. Le temps mis par les modèles pour progresser sur chaque version ne se compare donc pas : ce ne sont pas les mêmes épreuves..

Les modèles changent en quelques semaines, alors qu'adapter un métier ou une formation prend des années. Tout le monde n'a pas le temps ni les moyens de suivre ce rythme.

Le coût baisse, la consommation peut monter

En 1865, l'économiste William Stanley Jevons publie The Coal Question. Il y constate que les machines à vapeur plus efficaces n'ont pas réduit la consommation de charbon en Angleterre. Elles l'ont augmentée, parce qu'elles rendaient le charbon rentable pour des usages nouveaux. Ce mécanisme porte le nom de paradoxe de Jevons, ou effet rebond.

La baisse du coût par tâche des modèles d'IA pose la même question. Une tâche qui coûte mille fois moins cher peut être effectuée beaucoup plus souvent, et par beaucoup plus de monde. L'Agence internationale de l'énergie en fait le constat en avril 2026 : l'énergie consommée par tâche d'IA baisse à un rythme sans précédent, et pourtant la consommation des centres de données a augmenté de 17 % en 2025. Elle devrait doubler d'ici 2030, et celle des centres dédiés à l'IA tripler.

Le rebond n'est cependant pas automatique, et son ampleur n'est pas connue d'avance. Il dépend des usages réellement remplacés, des usages ajoutés et des équipements nécessaires. Une requête qui évite un déplacement en voiture n'a pas le même bilan qu'une requête qui s'ajoute à tout le reste.

Le prix payé par l'utilisateur ne reflète pas non plus le coût collectif. Une requête gratuite ou facturée quelques centimes consomme toujours de l'électricité et repose sur une infrastructure fabriquée à partir de métaux et de ressources minérales. Selon les centres de données, elle mobilise aussi de l'eau pour le refroidissement. Tout cela se passe dans des lieux que l'utilisateur ne voit pas. Une baisse de prix peut cacher un déplacement des coûts.

Le temps gagné, et qui le récupère

Une meilleure performance sur un test ne se transforme pas directement en temps gagné. Entre les deux, il faut intégrer l'outil, apprendre à s'en servir, vérifier ses résultats et corriger ses erreurs.

En 2025, l'organisation METR a observé 16 développeurs expérimentés travaillant sur leurs propres projets. Avec les outils d'IA de l'époque, ils ont mis en moyenne 19 % de temps en plus, alors qu'ils estimaient après coup avoir gagné 20 %. Cette étude porte sur une génération d'outils et un contexte précis. Elle montre surtout que le gain ressenti et le gain mesuré peuvent diverger.

Supposons même que le gain soit réel : une tâche de quatre heures en prend désormais deux. La suite dépend de l'organisation du travail. Les deux heures peuvent servir à approfondir. Elles peuvent aussi servir à produire deux fois plus, ou justifier un délai plus court et un prix plus bas. Elles peuvent enfin être absorbées par le travail que l'outil crée lui-même : contrôler et corriger ses résultats, puis répondre aux demandes supplémentaires qu'une production plus rapide encourage, par exemple davantage de versions ou de retouches.

Dans les métiers de l'image, la question se pose concrètement. Un outil qui trie des rushs en une heure laisse au monteur la tâche de revoir les plans écartés à tort et de contrôler le résultat. Une livraison plus rapide habitue aussi les clients à attendre la suivante pour le lendemain. On retrouve ici, appliquée au temps humain, une logique proche du paradoxe de Jevons : un temps de travail rendu plus efficace peut être entièrement réabsorbé.

Des métiers disparaissent, d'autres apparaissent

L'argument rassurant s'appuie souvent sur Joseph Schumpeter. En 1942, il décrit la « destruction créatrice » : les innovations détruisent des activités anciennes et en créent de nouvelles, et l'économie dans son ensemble y gagne. Les cochers ont disparu, les chauffeurs et les mécaniciens sont apparus.

Un économiste plus ancien apporte une nuance utile. En 1821, David Ricardo ajoute à la troisième édition de ses Principes de l'économie politique un chapitre sur les machines. Il y revient sur sa propre position : il admet que l'introduction des machines peut nuire durablement aux travailleurs, même quand elle enrichit le pays. Ricardo croyait au progrès technique, et il a changé d'avis en observant ses effets sur les ouvriers.

Appliquée à l'IA, la destruction créatrice soulève trois questions.

  1. Le délai. Les grandes transitions passées se sont étalées sur des générations. Celle-ci peut se jouer au cours d'une seule carrière.
  2. Le profil. Les emplois créés demandent souvent d'autres qualifications, dans d'autres lieux. La personne dont le poste disparaît n'est pas forcément celle qui occupera le nouveau.
  3. La qualité. Une partie du travail créé par l'IA consiste à annoter des données et à évaluer des réponses, souvent payé à la tâche et sous-traité dans des pays à bas salaires.

L'économie peut gagner globalement pendant que des personnes précises perdent leur métier. Les deux constats sont compatibles.

Quelles compétences vieillissent ?

Le discours sur l'IA répète que les compétences deviennent obsolètes de plus en plus vite. Il faudrait préciser lesquelles.

Prenons le pain au levain. Apprendre à entretenir un levain et à conduire toute la fabrication d'un pain artisanal demande des années. Ce savoir-faire continue d'évoluer : la farine change d'une récolte à l'autre, l'eau d'une région à l'autre, la température et l'humidité d'une saison à l'autre. Le boulanger ajuste ses gestes à chaque fournée. Sa compétence progresse avec son environnement au lieu de dépendre d'une version de logiciel.

Le philosophe Michael Polanyi a nommé ce type de connaissance le savoir tacite : nous savons plus de choses que nous ne pouvons en dire. Il s'acquiert par la pratique et se transmet mal par une notice.

La distinction vaut pour la photographie. Connaître l'emplacement d'une fonction dans un logiciel est une compétence liée à l'outil, qui disparaît avec lui. Savoir lire une lumière, choisir un cadre ou trouver la bonne distance avec une personne photographiée relève du savoir tacite. La même ligne de partage traverse l'usage de l'IA : les recettes de prompts liées à un outil ou à une version de modèle vieillissent vite, alors que savoir formuler une intention, donner le bon contexte et juger un résultat reste utile d'un outil à l'autre.

Une précision tout de même : une compétence peut garder sa valeur humaine et perdre sa valeur économique. Au XXe siècle, le pain industriel et la grande distribution ont fortement réduit la place de la boulangerie artisanale, avant que le levain ne regagne du terrain. Le savoir-faire n'avait pas vieilli entre-temps. Ce qui avait changé, c'était la place que le marché lui laissait.

Des inégalités qui se croisent

La fracture numérique est souvent décrite comme une course : les ingénieurs devant, les utilisateurs avancés ensuite, le reste de la population derrière. Cette image fait des non-utilisateurs des retardataires. Elle cache plusieurs inégalités distinctes, qui ne touchent pas toujours les mêmes personnes.

Dimension Question à poser
Accès Qui peut payer les abonnements et le matériel ?
Temps Qui peut tester et apprendre pendant ses heures de travail ?
Jugement Qui a les connaissances pour repérer un résultat faux ou trompeur ?
Autonomie Qui peut refuser l'outil, changer de fournisseur ou travailler sans lui ?
Bénéfices Qui récupère le temps ou l'argent économisé ?
Exposition Qui subit des décisions assistées par IA sans l'avoir choisi ?

La dernière ligne compte particulièrement. Une personne peut ne jamais ouvrir un assistant conversationnel et être affectée par l'usage que font de l'IA son employeur, son administration ou sa banque. La fracture porte aussi sur le pouvoir de décider de ses propres usages, et de peser sur ceux qu'on lui impose.

Ces outils peuvent aussi réduire certains écarts. Une personne qui ne pouvait pas payer un traducteur peut désormais comprendre un courrier officiel écrit dans une autre langue. Cet accès reste cependant fragile : le service peut devenir payant, modifier ses conditions ou disparaître, et le travail réalisé n'est pas toujours récupérable ailleurs. Un même outil peut ainsi ouvrir une possibilité tout en créant une dépendance envers son fournisseur.

Les modèles ouverts, dont les poids sont téléchargeables et qui peuvent être installés sur sa propre machine, offrent une alternative partielle à cette dépendance. Ils restent toutefois peu utilisés en dehors des cercles spécialisés, et les plus performants demandent un matériel puissant, donc coûteux. Cet article ne développe pas cette piste : elle existe, mais elle ne résout pas tout.

L'école et son propre temps

Les critiques de l'enseignement répètent volontiers que l'école a toujours une guerre de retard. Le constat vaut parfois pour l'équipement technique. Il vaut beaucoup moins pour la réflexion : la plupart des enseignants suivent l'évolution de leur secteur et la transmettent à leurs étudiants. Dans l'enseignement supérieur, les meilleurs leur apprennent aussi à organiser leur propre veille.

La formule de la guerre de retard prend en outre le calendrier des lancements commerciaux comme étalon pour juger l'enseignement. Or l'école n'a pas pour mission de suivre ce calendrier. Elle doit donner accès aux pratiques actuelles, permettre de les éprouver et transmettre les connaissances qui servent à les juger, ce qui demande du temps.

La lenteur n'est pas une vertu pour autant. Elle peut traduire un manque de moyens, de formation des enseignants ou de curiosité pour ce qui change. La distinction utile oppose un temps pédagogique choisi et défendu à une inertie subie.

Dans une école d'art, la question devient concrète : quelles étapes peut-on confier à un outil sans perdre l'apprentissage qu'elles permettaient ? Un étudiant peut obtenir rapidement une image réussie sans avoir encore les moyens de comprendre pourquoi elle fonctionne.

La réponse habituelle consiste à dire qu'il suffit d'apprendre à vérifier. Mais vérifier une image, un raisonnement ou une information suppose de déjà connaître le domaine. Le regard critique se construit par la pratique, les essais et les erreurs, comme le geste du boulanger. Se tenir à distance de l'engouement du moment peut alors devenir un choix pédagogique, à condition qu'il soit réellement un choix.

La promesse des quinze heures

Les capacités des modèles évoluent vite, mais la possibilité de décider de leurs usages reste inégalement répartie. Le rythme est fixé par une poignée d'entreprises privées, qui contrôlent les modèles les plus avancés et une large part des infrastructures de calcul. Cette concentration leur donne un pouvoir de fait sur des pratiques professionnelles, éducatives et culturelles entières, sans débat démocratique préalable. L'AI Act européen, appliqué par étapes depuis 2024, encadre les usages les plus risqués de l'IA, mais il ne traite pas cette concentration. Elle relève d'autres outils, comme le droit de la concurrence.

Le progrès technique a pourtant permis, depuis la révolution industrielle, de réduire fortement le temps de travail. Au XIXe siècle, les ouvriers européens travaillaient souvent douze heures par jour, six jours par semaine, dans des conditions épuisantes. En Belgique, une loi de 1921 fixe la journée à huit heures, et la durée légale est aujourd'hui de 38 heures par semaine. Les gains de productivité ont rendu cette réduction possible, mais elle a été obtenue par des luttes sociales et inscrite dans la loi.

En 1930, l'économiste John Maynard Keynes prédisait qu'à l'horizon de 2030, quinze heures de travail par semaine suffiraient. Le philosophe Bertrand Russell défendait peu après, dans son Éloge de l'oisiveté, une journée de quatre heures. Près d'un siècle plus tard, le sociologue et philosophe allemand Hartmut Rosa constate que les techniques censées faire gagner du temps s'accompagnent d'une accélération du rythme de vie, et que le sentiment de manquer de temps augmente.

L'IA repose ainsi une question ancienne : à quoi employer le temps qu'elle libère, à supposer qu'il soit réellement libéré ? Il peut servir à produire davantage. Il peut aussi être consacré à une passion, à ses proches, à se cultiver ou à la vie collective. Ce choix ne relève pas de la technique, mais de la manière dont une société répartit les gains qu'elle produit.

Sources

Ressources

Pourquoi ce blog ?

Photographe, réalisateur, enseignant et formateur, j’ai vu l’intelligence artificielle s’imposer dans mon champ de travail. Pas comme un simple outil, mais comme un déplacement profond des pratiques et des repères. Les enjeux sont multiples. Éthiques, créatifs, écologiques, sociaux. Ils touchent à la manière de produire des images, de transmettre, de travailler. Ce blog rassemble des textes courts, organisés par thèmes, pour suivre ces transformations. Une tentative de rester attentif, et de comprendre ce qui se joue.