L'automatisation n'est pas une demande des utilisateurs

À Indianapolis, un conseiller municipal a été réveillé par des tirs devant son domicile; un message « No Data Centers » a été laissé sur le pas de la porte [1]. L'élu avait soutenu un projet de data center dans son district. Ce n'est pas un incident isolé. Des élus locaux qui approuvent ces infrastructures ont vu leur maison visée, et des cocktails Molotov ont été lancés contre le domicile de Sam Altman [2]. Je lis dans ces faits un symptôme plus qu'une anecdote: la demande d'automatisation n'est pas portée par les utilisateurs, mais par ceux qui en tirent un enrichissement.

Nilay Patel formule la ligne de partage plus nettement que la plupart des rapports d'entreprise: « The people paying thousands of dollars a month to set up swarms of OpenClaw agents and write thousands of lines of code are people who look at the world and see opportunities for automation, to repeat tasks, to collect data. To build software. AI is great for them. For everyone else, AI is just a demanding slop monster. It’s a threat. » [2]. Le propos est brutal, mais il correspond aux données disponibles.

Une défiance mesurée, malgré un usage massif

Aux États-Unis, 52 % des Américains se disent plus inquiets qu'enthousiastes face à l'IA dans leur vie quotidienne, contre 37 % en 2021; seuls 9 % se disent plus enthousiastes qu'inquiets [3]. Chez les moins de 30 ans, 55 % se déclarent plus inquiets qu'enthousiastes, une majorité pour la première fois [3]. La défiance vise aussi les dirigeants: une majorité des sondés ne fait confiance à aucun des neuf dirigeants technologiques testés, et Satya Nadella, pourtant le mieux placé, recueille 65 % de non-confiance [3].

Pourtant, l'usage n'est pas marginal. Près de deux tiers des répondants d'un sondage NBC ont utilisé ChatGPT ou Copilot au cours du mois précédent [2]. ChatGPT approche 900 millions d'utilisateurs hebdomadaires [2]. L'hostilité et l'usage coexistent donc. Nilay Patel résume ce paradoxe: les gens expérimentent ces outils tous les jours, et aucune campagne publicitaire ne peut effacer leur réaction à leur propre expérience [2].

L'automatisation vient d'en haut, pas du terrain

Dans les organisations, le mouvement est inverse. Les assistants génératifs sont déployés dans les suites bureautiques avec une promesse de productivité immédiate. Sur le terrain, les salariés décrivent plutôt une accélération du rythme: la relecture, la vérification et la mise en conformité restent à leur charge [4]. Les tâches qui formaient les juniors, support client, communication, marketing, se transforment en supervision de machines. L'effet n'est pas seulement une déqualification ressentie; il touche les parcours d'entrée dans les métiers [4].

Quand l'IA arrive sans négociation sur les objectifs, sans formation et sans règles claires de responsabilité, elle est vécue comme un instrument de contrôle [4]. Les hallucinations transforment le gain de productivité annoncé en temps de correction: une erreur dans un devis, une procédure ou un conseil client a des conséquences immédiates [4]. L'outil devient un filtre supplémentaire plutôt qu'un raccourci.

Le décalage entre la démonstration et le travail réel est documenté du côté des directions. Aaron Levie, CEO de Box, parle d'« AI psychosis » pour désigner des dirigeants qui, loin de la phase finale du travail, ne voient que le résultat optimal d'une démonstration, sans les dix ou vingt étapes restantes de correction [5]. En développement logiciel, cela s'appelle le happy path: le scénario idéal où tout se passe comme prévu. La production réelle, elle, est faite de cas limites, de données incomplètes et de bugs introduits par le code généré [5].

Le marketing et la pédagogie ne suffiront pas

Face à cette hostilité, la réponse dominante consiste à mieux expliquer ou mieux vendre. Sam Altman a qualifié les animateurs de TBPN de « genius marketers » et assume vouloir un meilleur marketing pour l'IA [6]. Satya Nadella a déclaré que l'industrie devait gagner la social permission de consommer de l'énergie [2]. Mais l'hypothèse du déficit d'information résiste mal aux données.

Les travaux du Pew Research Center montrent que l'exposition à l'information sur l'IA amplifie les opinions au lieu de les convertir mécaniquement. Les personnes moins instruites sont plus souvent inquiètes, tandis que celles qui ont beaucoup entendu parler de l'IA peuvent être plus enthousiastes selon les pays [7]. Surtout, quand on demande aux gens ce qu'ils veulent comprendre, ils placent les risques en tête, pas le fonctionnement technique [7]. En Allemagne, la surveillance automatisée inquiète 62 % des répondants et la désinformation amplifiée par l'IA 51 % [7]. Le public ne demande pas qu'on lui enseigne le deep learning; il demande des garanties sur ce que l'automatisation fait à sa vie.

Le software brain confond la base de données et la réalité

Nilay Patel nomme ce prisme le software brain: une partie de l'industrie technologique voit le monde comme une série de bases de données contrôlées par du code. Ce prisme a bâti des entreprises entières, mais il atteint ses limites quand il s'applique à des systèmes sociaux [2]. Le droit n'est pas du code, les tribunaux ne sont pas des ordinateurs, et la société ne se conforme pas à un schéma de données. Vouloir automatiser une décision en supposant une logique déterministe revient à demander aux personnes de s'adapter à la base, plutôt que l'inverse [2]. Patel conclut: « Not everything is a loop! The entire human experience cannot be captured in a database. That’s the limit of software brain. That’s why people hate AI. It flattens them. » [2].

Cette confusion éclaire l'insistance des entreprises. L'IA ne se contente pas d'automatiser des tâches; elle impose une reconfiguration du travail, de l'énergie et des infrastructures. Les data centers concentrent les griefs parce qu'ils rendent visibles les coûts matériels, la consommation électrique et hydrique, et les accords confidentiels profitables aux opérateurs [1]. Les élus qui les approuvent paient un prix politique, parfois physique [1].

Je ne conclus pas à un refus absolu de l'outil. Les Européens restent partagés: 55 % s'attendent à ce que l'IA transforme positivement la vie quotidienne sur vingt ans, et 84 % demandent un encadrement prudent [3]. Ce n'est pas l'IA comme telle qui est rejetée, c'est une automatisation qui déplace le coût vers les utilisateurs et le bénéfice vers les actionnaires.

Un critère de décision

Avant de déployer un agent ou un workflow automatisé, une organisation devrait poser une question simple: qui gagne le temps et l'argent, et qui assume les erreurs, la correction et la déqualification? Si le gain se concentre dans les comptes de résultat tandis que le coût se diffuse dans les équipes, les clients ou les riverains, le projet n'est pas une modernisation; c'est un transfert de charge. L'acceptabilité se mesure moins en taux d'adoption qu'en distribution des bénéfices et des risques. Les dirigeants qui l'ignorent continueront de traiter le public comme un problème de communication. Les autres construiront peut-être une automatisation que les utilisateurs n'ont pas demandée, mais qu'ils peuvent accepter.