L’intelligence artificielle n’a pas besoin d’être une intelligence pleinement générale pour exercer un pouvoir considérable. Pendant des décennies, l’accent a été mis sur l’intelligence qu’une machine pourrait atteindre. Cependant, l’émergence des agents d’IA a déplacé le débat vers une question plus urgente : à quel point sommes-nous prêts à les laisser agir en notre nom ? Une IA n’a pas besoin d’être consciente ou même dotée d’une intelligence générale pour avoir une influence importante. Elle a seulement besoin des bonnes autorisations. En 1950, Alan Turing proposait d’évaluer l’intelligence d’une machine en observant son comportement plutôt qu’en se demandant si elle pouvait penser. Quelques années plus tôt, Isaac Asimov explorait cette idée sous un angle différent à travers ses récits sur des robots obéissant à des lois simples. Son œuvre mettait en lumière la façon dont des règles apparemment simples peuvent devenir complexes face aux ambiguïtés du monde réel. L’une des questions portait sur le comportement ; l’autre, sur les limites. Soixante-dix ans plus tard, une troisième question émerge : que se passe-t-il lorsque nous donnons à une machine non seulement la capacité de répondre, mais aussi celle d’agir ? Cette question pourrait devenir plus cruciale pour les entreprises que le débat en cours sur l’arrivée d’une intelligence artificielle générale (AGI). Longtemps, une grande partie des discussions sur l’IA a tourné autour de l’AGI, c’est-à-dire l’idée d’une machine capable de raisonner et d’apprendre dans tous les domaines comme un être humain. Des questions comme « Quand arrivera-t-elle ? » ou « Sera-t-elle plus intelligente que nous ? » sont fascinantes. Mais elles peuvent détourner l’attention de ce qui se passe déjà : les entreprises sont transformées par l’IA sans avoir besoin d’une intelligence pleinement générale. Une entreprise n’a pas besoin d’une machine capable de raisonner comme un humain sur tous les sujets. Elle a besoin d’un système suffisamment compétent pour des tâches spécifiques, connecté aux bons outils et autorisé à accomplir certaines actions. Cette distinction est cruciale. Prenons l’exemple d’une IA qui ne sait ni cuisiner ni conduire une voiture, mais qui peut analyser des campagnes publicitaires, modifier un budget, générer de nouvelles annonces et mesurer leurs performances. Bien qu’elle ne soit pas générale, si on lui confie un budget média de 500 000 euros, elle exerce sans conteste un pouvoir économique. Une IA n’a pas besoin d’être une AGI pour avoir du pouvoir. Elle a besoin de capacités, d’autorisations et d’autonomie – et c’est peut-être cette combinaison que nous devrions commencer à mesurer. Nous avons d’abord utilisé l’IA générative comme des assistants : « Résume ce document », « Écris-moi ce programme », « Analyse ce tableau », « Propose une réponse à ce client ». Dans ces cas, la machine produit quelque chose, mais c’est l’humain qui décide quoi en faire. Mais progressivement, certaines autorisations sont ajoutées. L’IA ne se contente plus de proposer une réponse à un client : elle l’envoie. Elle ne recommande plus une modification de programme : elle ouvre la pull request, la fusionne et déclenche le déploiement. Le même modèle, la même entreprise – mais la nature du système a radicalement changé. La différence ne réside pas principalement dans son intelligence, mais dans le mandat que nous lui avons confié. Par exemple, dans un service client, une IA pourrait d’abord analyser un dossier et suggérer une réponse. Puis elle répond directement. Ensuite, elle applique un geste commercial inférieur à 20 euros. Puis elle choisit la compensation dans une limite budgétaire. Enfin, elle identifie les causes des réclamations et modifie les règles opérationnelles pour les réduire. Nous sommes passés d’un générateur de texte à un système auquel l’entreprise délègue une petite partie de son pouvoir de décision. L’évolution des agents d’IA se manifeste aussi dans des domaines comme le marketing. Un responsable marketing pourrait d’abord demander à une IA « d’analyser les performances de mes campagnes et de me faire des recommandations ». Puis : « Prépare les campagnes que tu recommandes. » Ensuite : « Crée-les directement sur les plateformes publicitaires. » Puis : « Réalloue le budget quotidiennement vers les campagnes les plus performantes. » Enfin : « Voici mon objectif de coût d’acquisition et mon budget mensuel. Optimise-le. » Ces dernières instructions ne contiennent que quelques mots supplémentaires, mais elles changent tout. L’humain ne donne plus une tâche. Il fixe un objectif et laisse la machine choisir le chemin pour y parvenir. Les agents d’IA sont intéressants parce qu’ils n’exécutent plus seulement des instructions simples. Ils peuvent décomposer des objectifs, utiliser plusieurs outils, observer les résultats et décider des prochaines étapes. Chaque nouvel outil auquel ils sont connectés élargit leur champ d’action : CRM, ERP, messagerie, CMS, base documentaire, plateformes publicitaires, outils de développement, services de paiement, systèmes logistiques. La question « Que peut faire l’IA ? » devient inséparable d’une autre : « À quoi a-t-elle accès ? » L’« développeur IA », qui écrivait autrefois uniquement du code, fait désormais partie d’une évolution plus large. Un modèle peut recevoir une demande fonctionnelle, explorer une base de code, identifier les fichiers concernés, écrire la correction, exécuter des tests et modifier sa proposition en fonction des résultats. Ce qui compte, ce n’est pas seulement la qualité du code, mais la longueur de la chaîne d’actions que nous sommes prêts à laisser la machine accomplir. La différence entre « Écris-moi cette fonction » et « Corrige ce bug » est significative. Dans le second cas, le système doit commencer à déterminer ce qu’il doit examiner et modifier. On pourrait aller encore plus loin : « Corrige ce bug et déploie la correction si tous les tests passent. » À ce stade, nous introduisons une règle de délégation. Ce type d’évolution pourrait avoir des conséquences économiques bien au-delà de la productivité individuelle. Si la création d’applications internes, l’automatisation de flux de travail ou le développement de fonctionnalités devient bien moins coûteux, le compromis traditionnel entre l’achat de logiciels et leur développement pourrait évoluer. Certains des logiciels que les entreprises achètent aujourd’hui parce qu’elles n’ont pas les moyens de les construire pourraient être générés, adaptés et maintenus plus facilement à l’avenir. Cela ne signifie pas la disparition des éditeurs de logiciels, mais cela pourrait modifier la frontière entre logiciels standards, développements spécifiques et automatisation.