Un DAF sort d'un conseil où une acquisition à 10 Md€ vient d'échouer. Le modèle était juste, les données propres. Ce qui a manqué : lire la salle. Certaines tâches résistent, par nature, aux gains de productivité.
Un DAF sort d'un conseil d'administration où une acquisition à 10 milliards d'euros vient de capoter. Le modèle était juste. Les données étaient propres. L'analyse impeccable. Ce qui a échoué, c'est la lecture de la salle : qui hésitait, quel chiffre ferait mouche, quand cesser de pousser. Aucune IA dans la pièce n'aurait pu le saisir. Aucune ne le pourra de sitôt.
Ce n'est pas un manque de capacité. C'est une propriété structurelle de certains travaux. William Baumol l'a formalisé dans « Macroeconomics of Unbalanced Growth » (1967) : certaines activités résistent aux gains de productivité par nature. Son exemple : le quatuor à cordes — quatre musiciens, quarante-cinq minutes, inchangé depuis Beethoven. On ne joue pas une œuvre plus vite. On ne négocie pas en moitié moins de temps. Il appelle cela la maladie des coûts.
Il pensait aux salles de concert et aux hôpitaux. Mais le même mécanisme traverse toute grande organisation. Chaque fonction a deux parts. La première : le travail que la technologie a toujours su accélérer — du tableur à l'ERP, jusqu'à l'IA générative aujourd'hui. Appelons-la la part codifiable. La seconde : le travail dont la valeur dépend d'un jugement humain non réplicable — non parce qu'il ne produit pas de valeur, mais parce que sa valeur est intrinsèquement liée à l'humain qui l'exerce. Appelons-la la part de jugement.
L'intuition de Baumol : tant que les deux parts coexistent, la part de jugement fixe le plancher de coût — elle tire les coûts vers le haut même quand la technologie améliore le reste.
Voilà ce que l'IA fait vraiment au travail du savoir : elle n'élimine pas la maladie des coûts, elle la concentre. Avant l'IA, codifiable et jugement étaient mêlés dans des fonctions entières. Après l'IA, la part codifiable disparaît — et ce qui reste est plus petit, plus pur, et soudain très exposé. Moins de gens portent le jugement. Une dépendance plus forte sur chacun.
Le vivier de juniors qui apprenaient en faisant le travail codifiable — disparu. Le savoir tacite qui se transmettait par cette pratique partagée — qui s'érode, silencieusement, avant que quiconque le remarque. Les gains de l'IA sont réels et visibles. Les pertes sont réelles et invisibles — jusqu'à ce qu'il soit trop tard.
Avant le prochain déploiement, posez une question : qu'est-ce que nous retirons aussi — et qui portera ce qui reste ? Ça n'apparaîtra sur aucun tableau de bord. Cela exige une décision délibérée — avant que les pertes ne deviennent visibles.
• Et chez vous ?
« L'économie de l'IA » est la chronique stratégique de Patrick Darmon, co-fondateur de Fizz venture. Conseil, formation et déploiement — du comité de direction jusqu'au terrain.
Parlons de votre IA
