Les systèmes d’IA ne se contentent plus de répondre à des demandes ponctuelles : ils peuvent désormais recevoir un travail, parfois l’équivalent de plusieurs heures de travail humain, et le restituer en quelques minutes. Dans une analyse publiée sur sa lettre d’information, Ethan Mollick décrit une progression rapide de ces capacités, qui, selon lui, risque d’accentuer l’instabilité des marchés, de l’emploi et de la politique.
Depuis l’arrivée de ChatGPT, le travail avec l’IA prenait surtout la forme d’échanges successifs, que l’auteur appelle la « co-intelligence ». Depuis la fin de 2025, des agents comme Claude Code, le Codex d’OpenAI ou OpenClaw permettent de confier une tâche entière à une IA. L’auteur parle désormais d’une époque de « gestion » des IA plutôt que de travail à leurs côtés.
Une progression rapide et régulière
Pour illustrer cette croissance, l’auteur reprend son « Otter Test », qui demande aux modèles de générer une image d’une « loutre dans un avion utilisant le wifi ». Entre 2022, année du lancement de ChatGPT, et 2025, les progrès sont, selon lui, rapides et remarquables. Il a aussi soumis une consigne à un modèle vidéo de ByteDance, la maison mère de TikTok, encore non disponible aux États-Unis : le résultat est, d’après l’auteur, presque parfait, à une erreur de prononciation près.
Les benchmarks, ces tests standardisés qui mesurent les performances des modèles, suivent la même courbe. Le graphique METR Long Tasks mesure la quantité de travail humain qu’une IA peut accomplir de façon autonome avec un certain niveau de fiabilité. Ce graphique fait l’objet de critiques, et METR a lui-même signalé des problèmes potentiels, mais la plupart des mesures de capacités présentent, selon l’auteur, un profil similaire. Sur le test Google-Proof Q&A, des étudiants diplômés utilisant Google obtiennent 34 % hors de leur domaine et environ 70 % dans leur domaine, alors que les meilleures IA atteignent 94 %. Sur GDPval, les dernières IA égalent ou dépassent dans 82 % des cas les humains les plus performants, selon des experts du secteur.
Ces progrès restent inégaux. L’auteur souligne que l’IA demeure « irrégulière », capable de réussir certaines tâches à un haut niveau tout en échouant sur d’autres. Les entreprises, de leur côté, adoptent encore lentement l’outil. Certaines expérimentent toutefois de nouvelles organisations : l’entreprise de sécurité StrongDM a annoncé avoir conçu une « Software Factory », où des agents IA écrivent, testent et livrent des logiciels sans intervention humaine sur le code. Les deux règles affichées sont : « le code ne doit pas être écrit par des humains » et « le code ne doit pas être relu par des humains ». Chaque ingénieur doit consacrer à des jetons d’IA, les unités de calcul facturées par les modèles, un montant équivalent à son salaire, soit au moins 1 000 dollars par jour.
Une semaine agitée
Selon l’auteur, la semaine du 22 au 27 février illustre ce que pourrait devenir la période à venir. Le 22 février, la société de recherche financière Citrini Research a publié un scénario fictif sur la manière dont l’adoption de l’IA pourrait détruire plusieurs entreprises établies d’ici 2028. Le texte, jugé en partie invraisemblable, a néanmoins provoqué des mouvements notables à Wall Street. Le 26 février, l’entreprise de services financiers Block a annoncé 40 % de suppressions de postes, en les attribuant à l’IA, une explication que le New York Times juge probablement exagérée. Le 27 février, un conflit public a opposé le Pentagone et Anthropic sur la question de savoir qui doit fixer les règles d’utilisation de Claude par l’État.
Vers l’auto-amélioration des IA
L’auteur mentionne aussi l’« auto-amélioration récursive », ou RSI, idée selon laquelle les IA servent de plus en plus à construire de meilleures IA. À Davos, en janvier, Dario Amodei, d’Anthropic, a expliqué que des modèles performants en code et en recherche sur l’IA pourraient servir à créer la génération suivante. Il a noté que les ingénieurs de son entreprise écrivent presque plus de code eux-mêmes. En février, OpenAI a présenté son dernier modèle Codex comme « notre premier modèle ayant joué un rôle déterminant dans sa propre création ». Demis Hassabis, de Google DeepMind, a indiqué lors du même débat que tous les grands laboratoires travaillent sur ce sujet.
L’auteur reconnaît que l’on ignore jusqu’où cette boucle peut aller, et que des limites techniques, de calcul ou de données pourraient apparaître. Pour lui, la RSI n’est plus de la science-fiction, mais « un élément explicite de la feuille de route de chaque grande entreprise d’IA ».
