Points forts de l'IA — vue d'ensemble — 2026-10-16 (ven.) Édition du soir

Lorsque des annonces de suppressions de postes et des inquiétudes sur les marchés se retrouvent dans les gros titres d'une même journée, on a l'impression que l'IA fait baisser l'emploi et l'économie. Par exemple, CWT Italy a supprimé 190 postes, et CNBC rapporte que les inquiétudes liées à l'IA ont refait surface à Wall Street. Parallèlement, JPMorgan estime que l'action Alphabet présente un potentiel de hausse de 24 %. Les gros titres seuls ne permettent pas de déterminer les raisons de chaque réduction d'effectifs ni l'orientation des opinions du marché. Ce que je voudrais déterminer en cette demi-journée, c'est si l'adoption de la technologie est influencée par l'enthousiasme des gros titres, ou par l'infrastructure sous-jacente : dispositifs de reconversion, systèmes d'évaluation et de réglementation, et façon de l'utiliser de manière fiable sur le terrain. Nous allons maintenant examiner l'avancement réel de ces trois domaines à l'aide des documents de chaque section.

Écart entre les réductions annoncées et la réalité de l'économie

Il a été rapporté que CWT Italy a décidé de supprimer 190 emplois et que le débat sur l'IA s'intensifie (Business Travel News Europe). Le groupe de distribution vidéo Netflix a lui aussi annoncé des licenciements, et la rubrique « 5 Things to Watch in the Morning » de CNBC indique que les inquiétudes liées à l'IA se ravivent à Wall Street (CNBC). Lorsque des annonces de suppressions de postes et l'anxiété des marchés se retrouvent dans les titres du même jour, on a l'impression que l'IA fait directement baisser l'emploi et l'économie. Cependant, ce que les documents permettent de confirmer, c'est que les discussions sur les réductions d'effectifs et sur l'IA ont lieu en même temps. Les titres ne permettent pas de savoir si chaque suppression est due à l'IA ou à d'autres circonstances.

En revanche, la vision du marché n'est pas unidirectionnelle. JPMorgan estime que l'action Alphabet présente un potentiel de hausse de 24 % (Barron's). Alors que l'on s'inquiète de l'IA, des estimations optimistes sont formulées pour le cours des actions des grandes entreprises liées à l'IA. Côté finances publiques, le directeur du budget de l'État de New York avertit que les décisions fédérales et le ralentissement de l'IA pèseront sur les finances de l'État (POLITICO Pro). Cela signifie qu'au même moment, certaines voix disent que l'IA est une source d'inquiétude, d'autres y voient la preuve d'une marge de croissance, et d'autres encore un facteur de pression à la baisse sur les finances publiques.

Dans ces circonstances, le président de la Réserve fédérale de Chicago a déclaré : « Même sans l'IA, l'économie n'est pas en récession » (Yahoo Finance). Cette déclaration montre qu'il faut examiner l'état de l'économie elle-même, indépendamment de la présence ou de l'absence de l'IA. Juger l'économie uniquement à partir du nombre de licenciements ou des mouvements des cours de bourse peut conduire à surestimer ou à sous-estimer l'impact de l'IA. Les propos du gouverneur ne représentent qu'une façon de voir l'économie et n'annulent pas les informations faisant état de suppressions de postes ou d'inquiétudes. Ils peuvent toutefois servir de repère pour distinguer les impressions véhiculées par les titres de l'état réel de l'économie.

En ce qui concerne l'influence sur les décisions d'investissement, il est rapporté que le renforcement par CNH de ses machines agricoles dotées d'IA pourrait également avoir un impact sur les décisions (Yahoo Finance). Ici, l'IA n'apparaît pas comme une raison de licenciements, mais comme la substance même du produit. Alors que les gros titres se concentrent sur les suppressions de postes et les cours de bourse, ce dans quoi les entreprises investissent réellement se trouve ailleurs. À un moment où la perception de l'IA est partagée, ce que les lecteurs veulent savoir n'est pas l'ampleur du tapage qu'elle suscite, mais la forme que prend sa mise en œuvre sur le terrain. Dans la section suivante, nous examinerons l'infrastructure qui soutient son adoption.

Préparation pour ceux qui élèvent des personnes

Malgré les titres sur les licenciements, les entreprises et les organisations sectorielles se préparent à former les personnes avant le déploiement. TechBullion rapporte que Mohammed Shahin préconise la reconversion professionnelle et des stratégies de RH comme moyen de développer les ressources humaines en vue de l'introduction de l'IA. Le postulat est qu'avant d'introduire l'IA, les RH doivent concevoir la manière dont elle sera utilisée par les employés actuels et pour quelles tâches. Un mouvement similaire se produit dans le secteur des soins infirmiers et de la dépendance. L'AHCA/NCAL a annoncé un webinaire sur le thème des ressources humaines et de l'IA. La date de l'événement sera annoncée ultérieurement, et tout ce que nous pouvons confirmer à ce stade est que les organisations du secteur des soins ont commencé à traiter l'IA comme un enjeu de ressources humaines.

Il y a aussi des évolutions du côté de l'éducation. Selon Oracle Blogs, Oracle Academy a défendu l'adoption de programmes d'enseignement sur l'IA lors de la Conférence nationale sur l'éducation de l'Inde. Alors que la reconversion en entreprise cible les employés actuels, il s'agit ici d'une initiative qui intègre des contenus appris dès l'étape du cursus scolaire. L'autre est l'Université polytechnique de Valence (UPV). L'université a mis au point une IA qui détecte le sexisme dans les vidéos des réseaux sociaux. Il ne s'agit pas d'une histoire de formation des personnes, mais de la manière de repérer les biais dans les contenus traités par l'IA. Néanmoins, en ce qui concerne la mise en place d'un système permettant de vérifier l'équité avant l'introduction, cela va dans la même direction que le développement des ressources humaines.

Lues côte à côte, il apparaît que les débats sur les suppressions de postes, la formation et la correction des biais se déroulent à des endroits différents. Alors que le titre sur les suppressions se concentre sur le nombre d'emplois que l'IA remplacera, la théorie de la reconversion de Shahin, le webinaire AHCA/NCAL, le soutien pédagogique d'Oracle Academy et l'IA de détection de l'UPV portent sur ce qu'il faut préparer avant que le remplacement n'ait lieu. Ce que le lecteur veut voir, c'est si l'organisation qui parle de l'adoption présente aussi son plan de formation, sa manière de réaffecter les ressources humaines et sa méthode pour vérifier les biais dans les résultats. La présence ou l'absence de ces préparatifs peut avoir un impact plus important sur le résultat de la mise en œuvre que les chiffres des gros titres.

Alors que les préparatifs sont axés sur les personnes et l'équité, les mécanismes de vérification et de régulation des réponses fournies par l'IA sont eux aussi remis en question. Dans la section suivante, nous examinerons le mouvement de vérification et de régulation.

Un cadre qui relie la sécurité par l'évaluation et le dialogue

Un mouvement est en cours pour soutenir la préparation face aux IA dangereuses par l'évaluation externe et le dialogue international. Le PDG de Nvidia a appelé à un dialogue entre les États-Unis et la Chine sur les IA dangereuses (Cheddar). Anthropic a accordé un accès de niveau employé à l'organisme d'évaluation METR, lui permettant d'évaluer des modèles de pointe (TradingView). Le premier est un appel à créer un forum de discussion entre les nations, tandis que le second est un changement opérationnel qui permet à des tiers d'examiner le modèle dans des conditions similaires à celles du développeur. D'après ce qui a été rapporté, personne ne connaît les détails de l'accord précis. Toutefois, on constate que l'attention portée à la préparation ne repose pas uniquement sur l'auto-déclaration de chaque entreprise, mais s'étend aussi aux évaluations externes et au dialogue.

Cette orientation recoupe aussi les intérêts des chercheurs. Les trois préprints présentés sur notre site n'ont pas encore été évalués par des pairs, et les informations primaires sont publiées sur arXiv. Le premier est X-Ragent, qui traite les agents d'interprétation de radiographies thoraciques. Lors de l'interprétation d'une image, il n'est pas possible d'aboutir à une conclusion à partir des seules observations, et il existe des situations où l'on combine des éléments complémentaires comme des valeurs mesurées. Les auteurs soulignent que les mécanismes permettant d'apprendre quand des éléments probants sont nécessaires, ainsi que ceux permettant d'exclure du raisonnement les mesures non pertinentes, sont faibles. Nous entraînons donc les deux séparément et utilisons une récompense qui n'accorde une évaluation du processus qu'à la trajectoire où le diagnostic est correct.

Le deuxième, Agent-Reflex, se concentre sur le comportement lorsque l'outil renvoie une réponse défectueuse. Les agents en exploitation réelle reçoivent des réponses erronées et des corrections de la part des utilisateurs en cours de route. Les auteurs affirment que les méthodes existantes disposent de signaux d'enseignant limités pour encourager l'apprentissage de la réflexion et de la récupération après un échec dans de telles situations. Par conséquent, à la troisième étape de l'apprentissage, nous extrayons des « compétences de réflexion » réutilisables à partir de paires de trajectoires réussies et échouées. Le troisième, VRSD, traite du point suivant : lorsqu'on apprend auprès d'un enseignant qui connaît la réponse, le modèle devient capable d'énoncer des affirmations sans les vérifier. L'auto-distillation on-policy ne donne des informations privilégiées, comme des réponses vérifiées, qu'à l'enseignant. Selon les auteurs, cela biaise les enseignants vers des raccourcis de raisonnement comportant peu de vérification ou de remise en question, ce qui réduit fortement la variété des sorties. VRSD ne supprime pas les informations privilégiées et ajuste leur usage au moyen d'invites système.

Ce que ces trois ouvrages ont en commun, c'est qu'ils ne se contentent pas de vérifier l'exactitude des résultats, mais examinent aussi des comportements tels que le moment de chercher des preuves, la manière de s'arrêter lorsque les données d'entrée sont corrompues, et la question de savoir s'il faut formuler des affirmations sans les avoir confirmées. Ce sont le même type de questions que les cadres d'évaluation externes cherchent à poser. Lorsque les lecteurs décident d'adopter ou non un modèle, il vaut la peine de regarder qui a confirmé ce comportement et dans quelles conditions, en plus des chiffres de précision. Dans la section suivante, nous verrons comment appliquer cette confirmation à l'usage sur le terrain.

Des usages qui s'étendent aux soins médicaux, à la santé mentale et aux relations

La Food and Drug Administration (FDA) des États-Unis aurait approuvé un outil d'IA qui prédit la récidive du cancer du sein (ABC News). Cette approbation est un exemple de résultat d'IA qui passe l'examen public en tant qu'élément de décision médicale. Dans le domaine de la santé mentale, il a été rapporté que le bien-être social des utilisateurs d'une application fondée sur l'IA s'était amélioré (2 Minute Medicine). L'un est une prédiction proche d'un diagnostic, l'autre un soutien émotionnel quotidien, et leurs finalités diffèrent. Ils ont toutefois un point commun : ils sont mis en pratique dans des situations étroitement liées à la santé et aux émotions humaines. Lorsqu'ils envisagent une adoption, les lecteurs doivent lire séparément les articles indiquant que l'outil a été efficace et les procédures utilisées pour le confirmer. L'approbation de la FDA est un exemple de ces dernières, et les articles sur l'application relèvent d'un autre niveau.

Cependant, plus l'appareil est proche des humains, plus l'impact d'un usage inadapté sur l'utilisateur est grand. Le New York Post a rapporté que les « AI polys », qui entretiennent des relations à trois avec des chatbots d'IA, deviennent plus courants, et des experts mettent en garde contre le risque de maladie mentale. Vietnam.vn a expliqué comment MoMo s'appuie sur la philosophie de Tesla et sur une réglementation favorable pour fidéliser ses utilisateurs. L'empathie est la valeur d'un service, mais elle peut aussi être un moyen d'encourager l'utilisation continue. Les signalements d'amélioration du bonheur coïncident avec des avertissements sur l'approfondissement des relations. Il vaut donc mieux éviter de considérer un nombre élevé d'utilisateurs ou un taux de poursuite élevé comme la preuve que les bénéfices pour les utilisateurs sont importants.

Des questions se posent aussi en dehors du secteur technologique. The Conversation a présenté le débat sur la question de savoir si quelque chose est un être vivant ou une machine à l'ère de l'IA, du point de vue de l'agriculteur-écrivain Berry. Une tribune publiée dans TCNJ Signal News soutient que l'art généré par l'IA éloignera les clients. Il s'agit de l'opinion d'un média étudiant, et non d'une enquête montrant de véritables changements dans les ventes ou la fréquentation. Cependant, il semble que la crainte que l'usage de l'IA nuise à la confiance des clients gagne les premières lignes de la production et du service client.

Les autorisations médicales, les rapports d'efficacité en soutien émotionnel, les mises en garde sur les relations et les inquiétudes quant aux réactions des clients exigent tous de juger de la manière dont la technologie est utilisée, indépendamment de sa performance. Dans les domaines où des personnes sont concernées, déterminer qui sera responsable de quel périmètre et à quel moment des personnes reprendront la main est plus important que de savoir si l'on peut l'introduire.

Les titres sur les restructurations et les cours de bourse attirent l'œil, mais ce que l'on y voit, c'est que l'on y discute en même temps de restructuration et d'IA. Le facteur décisif était la maintenance continue. Du côté des ressources humaines, un mouvement se dessine pour concevoir la reconversion avant d'introduire l'IA, et la même orientation s'observe dans les organisations du secteur des soins infirmiers et dans les programmes éducatifs. En matière de sécurité, les évaluations par des organismes externes et le dialogue international se développent pour compléter l'autodéclaration de chaque entreprise. Dans les domaines médical et psychologique, certains cas sont confirmés par des procédures telles que l'approbation de la FDA, tandis que d'autres sont uniquement rapportés par des utilisateurs, et plus l'usage est proche des personnes, plus l'impact des écarts est grand. Lorsqu'on envisage une mise en œuvre, l'attention se déplace de l'élan des gros titres vers le contenu : préparation des personnes, mécanismes de vérification et certitude de l'usage.

Q1 : Lorsque vous utilisez l'IA dans votre travail, qui décide de la façon de l'utiliser et des étapes à suivre, et comment les utilisateurs sont-ils préparés ? Q2 : Le fait d'affirmer qu'il n'y a aucun problème dans les résultats ou l'utilisation de l'IA est-il confirmé par une évaluation externe ou des procédures publiques, plutôt que par une auto-déclaration ? Q3 : Les décisions relatives au personnel et aux investissements reposent-elles sur l'existence de dispositifs de requalification et de vérification, plutôt que sur les gros titres ou les variations du cours de l'action ?

Enfin, trois questions

- Lorsque vous utilisez l'IA dans votre travail, qui décide de la manière de l'utiliser et des étapes à suivre, et comment les utilisateurs sont-ils préparés ? Q2 : La preuve de l'absence de problèmes dans les résultats ou l'usage de l'IA est-elle confirmée par une évaluation externe ou des procédures publiques, plutôt que par une déclaration de l'entreprise elle-même ? Q3 : Les décisions en matière de personnel et d'investissement reposent-elles sur l'existence de dispositifs de reconversion et de vérification, plutôt que sur les gros titres ou les variations du cours de l'action ? - La preuve de l'absence de problèmes dans les résultats ou l'usage de l'IA est-elle confirmée par une évaluation externe ou des procédures publiques, plutôt que par une déclaration de l'entreprise elle-même ? Q3 : Les décisions en matière de personnel et d'investissement reposent-elles sur l'existence de dispositifs de reconversion et de vérification, plutôt que sur les gros titres ou les variations du cours de l'action ? - Les décisions en matière d'effectifs et d'investissement reposent-elles sur l'existence de dispositifs de requalification et de vérification, plutôt que sur les gros titres ou les variations du cours de l'action ?