Faut-il avoir peur de l’IA ? Le vrai risque est peut-être ailleurs

Faut-il avoir peur de l’intelligence artificielle ?

La réponse n’est pas simple.

Si l’on regarde uniquement ce que l’IA apporte sur le plan technique, elle peut être extrêmement bénéfique dans de nombreux domaines. Elle aide déjà à écrire, chercher, résumer, programmer, analyser ou automatiser certaines tâches répétitives.

Mais un progrès technique ne devient pas automatiquement un progrès humain. Entre les deux, il y a des décisions économiques, des règles collectives et une question essentielle : qui profite réellement du changement ?

Le vrai risque n’est donc peut-être pas l’existence de l’IA. Il réside plutôt dans la manière dont nous choisissons — ou refusons — d’organiser son développement et son utilisation.

Pourquoi je reste enthousiaste

Je travaille dans la data et je développe Repero AI. À titre personnel, je suis très enthousiaste face aux outils déjà disponibles.

Ils m’aident à explorer une base de code, à formuler une première hypothèse, à documenter un choix ou à accélérer une tâche dont je comprends les enjeux. Ils ne remplacent ni mon expérience ni ma responsabilité, mais ils peuvent réduire la distance entre une idée et sa mise en œuvre.

Je suis également impatient de voir ce que ces outils permettront demain. Dans l’informatique et la data, leur valeur ajoutée n’en est encore qu’à ses prémices. Il reste un monde à découvrir.

Cette perspective enthousiaste ne doit cependant pas nous empêcher de voir les difficultés. Même pour un technicien, rester au courant devient un travail en soi : les outils se multiplient, les modèles évoluent rapidement et les usages changent avant que les pratiques aient eu le temps de se stabiliser.

Si les spécialistes peinent déjà à suivre, que demandons-nous aux personnes dont ce n’est ni le métier ni le centre d’intérêt ?

Le progrès technique ne garantit pas le progrès social

Une entreprise peut légitimement chercher à gagner en efficacité. Un travailleur peut légitimement espérer que cette efficacité améliore aussi son quotidien.

Pourtant, un gain de productivité ne dit rien, à lui seul, sur sa répartition. Il peut réduire les tâches pénibles, libérer du temps et améliorer la qualité du travail. Il peut aussi conduire à augmenter les objectifs, intensifier le rythme ou diminuer les effectifs sans donner davantage d’autonomie aux personnes concernées.

Ce résultat n’est pas inscrit dans la technologie. Il dépend des choix de management, du dialogue social, de la formation et des règles publiques.

L’histoire de l’industrialisation rappelle que les protections liées au temps de travail, à la sécurité ou à la représentation collective ne sont pas apparues avec les machines. Elles ont été construites progressivement par la négociation, la loi et les mobilisations sociales.

L’IA nous place devant une question comparable, sans être une répétition exacte de cette histoire : allons-nous seulement apprendre à produire davantage, ou allons-nous aussi décider collectivement de ce que nous voulons faire du temps et de la valeur ainsi créés ?

Une crainte légitime quand le cadre reste flou

Dans beaucoup de métiers, l’absence de cadre clair crée un déséquilibre. On demande parfois aux salariés d’intégrer des outils qu’ils n’ont pas choisis, sans formation suffisante, sans politique explicite sur les données et sans savoir comment leur travail sera évalué demain.

La crainte n’est donc pas forcément un refus du progrès. Elle peut être une réaction raisonnable à des questions très concrètes :

• quelles tâches vont changer ?
• aurai-je le temps de me former ?
• que deviennent les informations que je transmets à l’outil ?
• qui vérifie ses réponses ?
• serai-je tenu responsable d’une décision que je ne peux pas expliquer ?
• les gains obtenus amélioreront-ils mon travail ou augmenteront-ils seulement la pression ?

L’Organisation internationale du Travail souligne que l’exposition à l’IA générative signifie plus souvent une transformation des emplois qu’une automatisation complète. Cette nuance est importante, mais elle ne dispense pas d’accompagner cette transformation.

Il ne suffit pas de dire aux gens qu’ils doivent « s’adapter ». Il faut leur donner du temps, des droits, des compétences et une place dans les décisions.

Le danger d’une course à la puissance

Une autre inquiétude concerne la concentration du pouvoir. Le développement des plus grands modèles demande des volumes considérables de calcul, de données, de compétences et de capitaux. Peu d’acteurs peuvent soutenir cette course.

Les entreprises qui construisent ces modèles sont des acteurs commerciaux. Cela ne rend pas leurs travaux inutiles ou suspects par principe. Cela signifie simplement que leurs démonstrations, leurs évaluations et leurs annonces doivent être lues avec le même esprit critique que toute communication produite par une organisation ayant ses propres intérêts.

Il faut donc distinguer une publication scientifique indépendante, une étude financée par l’industrie, une évaluation interne et une campagne de lancement. La transparence sur les méthodes, les données, les limites et les conflits d’intérêts est plus utile qu’une confiance aveugle — ou qu’une accusation générale impossible à démontrer.

La question n’est alors plus seulement « faut-il craindre l’IA ? », mais : faut-il craindre une escalade dans laquelle chaque acteur cherche le modèle le plus grand et le plus puissant, sans que son utilité sociale, son contrôle ou son coût soient réellement débattus ?

La puissance générale n’est pas la seule voie possible. Des modèles plus spécialisés, des plateformes orientées vers une fonction identifiable et des outils adaptés à un contexte précis peuvent parfois apporter davantage de valeur avec moins de complexité.

Organiser la coexistence plutôt que subir la course

L’IA et les humains devront coexister. La bonne question est de savoir dans quelles conditions.

Un outil réellement orienté vers une solution devrait permettre à l’utilisateur de comprendre sa fonction, de garder le contrôle et de vérifier le résultat. Il devrait rendre les sources visibles lorsqu’elles existent, conserver les productions de manière retrouvable et masquer la complexité technique lorsqu’elle n’aide pas à prendre une décision.

C’est aussi la conviction qui guide le développement de Repero AI : l’utilisateur ne devrait pas avoir à suivre chaque changement de modèle pour organiser son travail. La technologie doit servir un besoin compréhensible, et non imposer sa propre complexité.

À une échelle plus large, une coexistence acceptable suppose au moins :

• une formation accessible pendant le temps de travail ;
• des règles claires sur les données et la responsabilité ;
• une information transparente sur les capacités et les limites des systèmes ;
• la participation des travailleurs aux décisions qui modifient leur métier ;
• une mesure des effets réels sur la charge, la qualité et l’autonomie ;
• un débat sur le partage des gains de productivité.

Les premières réglementations existent, notamment dans l’Union européenne, et les institutions du travail commencent à documenter les effets de l’IA. Mais écrire des règles ne suffira pas : elles devront évoluer avec les usages et se traduire dans la réalité quotidienne des organisations.

Conclusion : ne pas avoir peur, mais poser des conditions

Je n’ai pas peur de l’IA comme d’une force autonome qui déciderait seule de notre avenir. Je crains davantage une technologie déployée trop vite, concentrée entre trop peu de mains et utilisée sans donner aux personnes concernées les moyens de comprendre, de choisir ou de contester.

Nous pouvons être enthousiastes devant les possibilités techniques et exigeants sur leurs conséquences. Ces deux positions ne se contredisent pas.

Il est encore temps de normaliser et d’encadrer l’usage de l’IA afin qu’il ne se fasse pas au détriment des humains. Cela demandera plus que de nouveaux modèles : il faudra revoir certaines habitudes économiques, politiques et managériales, et décider ensemble de la place que nous voulons donner à ces outils.

Il ne faut donc ni rejeter l’IA ni l’accepter sans conditions. Il faut apprendre à la construire, à l’utiliser et à la gouverner comme un choix de société.

Sources

• Organisation internationale du Travail, « Generative AI and Jobs: A Refined Global Index of Occupational Exposure », 2025.
• Organisation de coopération et de développement économiques, OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market, 2023.
• Fonds monétaire international, « AI Will Transform the Global Economy. Let’s Make Sure It Benefits Humanity », 2024.
• Stanford Institute for Human-Centered Artificial Intelligence, AI Index Report 2025, 2025.
• Union européenne, règlement sur l’intelligence artificielle — règlement (UE) 2024/1689, 2024.