Présentées tant comme un bouleversement technologique sans précédent que les cavaliers d’une apocalypse annoncée depuis longtemps par ceux qui savent, les Intelligences Artificielles Génératives ne laisse personne indifférent. On l’observe, post après post LinkedIn, généré ou non, tout le monde a un avis.

Mais qu’en est-il réellement ? Cette catégorie d’intelligence artificielle peut-elle être qualifiée d’avancement majeur impactant déjà le cours de nos tristes vies, ou de simple poudre aux yeux, yeux fatigués devant tant de texte insipides et d’images jaunâtres ?

Les IA génératives soufflent-elles le vent d’une révolution que rien n’arrêtera ? Ou ne sont-elles que des jouets bien trop gourmands en ressources ?

Voyons cela.

IA Générative, une définition

Avant toute chose, reprenons les bases et explicitons les termes. Dans notre Grand Lexique de la Data, nous abordons l’aspect plus technique de cette technologie que nous n’aborderons pas ici, et définissons l’Intelligence Artificielle Générative ainsi :

Terme généraliste pour désigner les modèles génératifs produisant du texte, des images, des vidéos ou d’autres formes de données, en fonction de l’entrée, qui se présente souvent sous la forme d’invites textuelles.

Mais pour correctement comprendre l’enjeu des IA génératives, ou IA gen, il est nécessaire de comprendre ce que représente l’Intelligence Artificielle elle-même. Dans notre Guide pour comprendre les LLM et technologies liées, nous expliquons qu’il n’existe pas de définition officielle de l’IA. L’IA est un domaine, celui du développement de la reproduction de comportement humain par les machines.

D’un point de vue social, L’IA peut désigner la possibilité pour une machine de reproduire des comportements liés aux humains, tels que le raisonnement, la planification et la créativité. D’un point de vue technique, l’IA peut désigner tout algorithme de Machine Learning reposant sur un entraînement à partir de données choisies, et permettant une perception de patterns sous-jacents dans le but de prédire, classifier, ou regrouper.

L’intelligence artificielle est intiment lié à notre compréhension de notre esprit et notre conscience, que nous tentons de reproduire, encore et encore. Un processus que l’on peut qualifier d’externalisation, et qui rend possible une analyse de la pensée sous un nouveau jour. Cependant, cette recherche constante de la psyché humaine se fait plus opaque depuis plusieurs années, jusqu’à atteindre un aspect de « boîte noire » pour beaucoup. Les algorithmes s’étant tellement développés, les IAg apparaissent pour beaucoup comme une magie lointaine que seuls quelques d’élu.e.s peuvent maîtriser. Leur créateurices elleux-même ne pourraient pas tout expliciter de leur comportement et résultats.

Ainsi nous sont présentées les Intelligences Artificielles Génératives, une forme extrême de technologie magique, sensée nous aider pour certain.e.s, nous remplacer pour d’autres, ou encore nous effacer.

Une utilisation croissante

Ce narratif a plu à ces débuts, et continue de plaire, en témoigne l’adoption toujours croissante des IAg. Génération d’images, de musique, de texte, de vidéo, de codes… Le public est curieux, et cela se voit.

CRÉDOC, Baromètre du numérique

Le graphe présenté ci-dessus est issu des résultats de l’édition 2026 du Baromètre du numérique, conduit à la demande de l’Arcep, de l’Arcom, du CGE et de l’ANCT, et montre, entre autre, le taux d’utilisation de l’IA générative et son déploiement, dans la sphère privée comme professionnelle, et pour un ensemble d’usages. Les résultats s’appuient sur une enquête menée auprès de 4 145 personnes, grâce à différents échantillons et modes de recueil, assemblés afin de fournir une représentation de la société française de 12 ans et plus. On constate une diffusion rapide de la technologie en question, avec près d’une personne sur deux déclarant y avoir recours. Au cours des vingt-cinq années d’existence de ce baromètre, jamais une technologie numérique n’aurait été adoptée aussi vite. La pratique de l’IA générative est d’abord une pratique personnelle pour 42% de la population, mais encouragée par la sphère professionnelle et parfois intégrée à des plateformes utilisées.

Toujours d’après le rapport, les usages se concentreraient sur une poignée d’IA génératives (ChatGPT en tête, suivie de Gemini) et vers la recherche d’informations (73%). L’adoption de l’IA générative demeure socialement marquée : les publics jeunes, ou diplômés du supérieur et les cadres en sont les plus utilisateurs, ceux plus âgés et moins diplômés restant en retrait. Les personnes n’utilisant pas l’IA générative évoqueraient avant tout un manque de compétences, des habitudes d’usage bien ancrées autour des moteurs de recherche. Ces résultats sont confirmés ailleurs, où l’on estime que plus d’un tiers des Français utilise les IAg tous les jours.

Une révolution prédite…

A en croire Matt Schumer, entrepreneur, développeur et investisseur
américain, il se passe quelque chose du côté de l’IA, des IAg plus précisément. Pendant des années, les avancées dans le domaine ont progressé régulièrement, à un rythme assez lent pour que leur assimilation reste possible. Puis le rythme s’est accéléré à partir de 2025, de nouvelles techniques de modélisation ont permis une progression exponentielle, chaque produit proposé surpassant le précédent. Selon Schumer, l’IA générative deviendrait de plus en plus autonome, se comportant presque comme un.e développeureuse lambda.

« Elle itère, comme un développeur, corrigeant et peaufinant jusqu’à obtenir un résultat satisfaisant.« 

Il enchaîne sur la montée en puissance des moteurs grands public, jugées peu fiables il y a à peine 3 ans, et qui désormais apparaissent méconnaissables par rapport à leur première version. Pour Schumer, le débat sur la progression de l’IA n’a plus de sens, elle paraît évidente, et seule les idiot.e.s du village continuent de penser autrement. Il finit son article de blog avec des phrases alarmistes, dignes des plus grands films catastrophes. Il faudrait être prêt et prête, car ce qui arrive va être énorme.

Il n’est pas le seul à avancer ce genre d’arguments non sourcés.
Dario Amodei, PDG dans le secteur de l’IA, aurait prédit que les intelligence artificielle génératives supprimerait 50 % des emplois de cols blancs débutants d’ici un à cinq ans. Encore récemment, les journalistes ont repris en cœur les affirmations apocalyptiques de Jacob Coxon sur X. La fin est propre, l’IA arrive, elle est puissante et devient de plus en plus difficile à contrôler. La technologie aurait tant avancée que notre existence même serait menacée, notre travail devenu inutile. Une révolution, en somme, celle de la machine toute-puissante, que nous avons déjà abordé dans notre article Intelligence Artificielle Générale, le culte de la machine. Elle est présentée comme une fatalité, une évidence, que seuls les simples d’esprit ne voient pas venir. Nous n’y pouvons rien, nos vies vont changer, en mieux ou en bien qu’importe, mais elles vont changer.

…Toujours en attente

Une étude portant sur l’utilisation des chatbots basés sur l’IA générative dans 7 000 entreprises révélerait « qu’aucun impact significatif sur les revenus ou les heures enregistrées, quelle que soit la profession, n’a été enregistré ». Ces chatbots ont été déployés dans des centaines d’entreprises employant des cadres et des employés de bureau ; toutefois, leur impact sur le temps de travail et les salaires se serait avéré négligeable en moyenne, selon un document de travail du National Bureau of Economic Research croisant l’utilisation de l’IAg avec des données d’entreprises au Danemark. En moyenne, les employés auraient économisé 3 % de leur temps, tandis que seulement 3 % à 7 % des gains de productivité leur aurait été reversés sous forme de hausse de salaire.

Bien sûr, ce type de résultat est justifié par Schumer.

« Une partie du problème réside dans le fait que la plupart des gens utilisent la version gratuite des outils d’IA. Cette version a plus d’un an de retard sur les fonctionnalités payantes. Juger l’IA à l’aide de ChatGPT (version gratuite) revient à évaluer l’état des smartphones avec un vieux téléphone à clapet. Seuls ceux qui investissent dans les meilleurs outils et les utilisent quotidiennement pour leur travail savent à quoi s’attendre.« 

Il faudrait donc débourser plus pour voir la vierge, et comprendre ce qui arrive. Pratique, n’est-ce pas ? Seulement, la dépense devrait se faire sans réelles preuves de ce qui est avancé. Schumer écrit beaucoup et bien, mais aucun exemple concret n’est avancé, aucune donnée n’est fournie pour étayer son propos, et tout son texte semble aller dans le sens de ce que le public attend : du sensationnel, le petit frisson de l’inconnu ainsi qu’une bonne dose de discours apocalyptique.

Il existe pourtant des exemples prouvant l’amélioration de systèmes IAg dans le temps. Par METR (Model Evaluation and Threat Research), il est possible de suivre l’évolution sur plusieurs années de la durée maximale avant intervention humaine que les algorithmes récents peuvent atteindre. Il y a un an, cette durée était d’environ dix minutes. Désormais, elle est de plusieurs heures. Seulement, il est encore impossible de considérer 100 % de fiabilité pour toute génération d’objet, et même si le produit final reste conforme en surface, le résultat obtenu est souvent loin d’être parfait. Comme le répètent depuis longtemps articles et discussions de développeurs, la sécurité du code généré automatiquement est bien souvent douteuse. Bien sûr, les
entreprises spécialisées en IA sont conscientes de cette difficulté, tout comme Schumer. C’est pour cela que des spécialistes sont recrutés à travers le monde, afin d’obtenir des retours sur les performances de l’IAg et d’améliorer l’entraînement de leurs modèles. Des entreprises telles que Mercor en ont fait leur fond de commerce.

Ajoutons à cela les exemples d’entreprises ayant fait marche arrière dans les licenciements massifs observés plus tôt dû à l’adoption des IA génératives, ou le mea culpa de certains CEO s’étant vanté d’avoir remplacé ses employés et qui ont avoué avoir commis une erreur monumentale. De plus, des dirigeants affirment que seule une fraction des initiatives d’IAg génère réellement le retour sur investissement escompté. En effet, seulement 25 % des initiatives d’IA aurait généré le retour sur investissement escompté au cours des trois dernières années, selon un nouveau rapport d’IBM basé sur une enquête menée auprès de 2 000 dirigeants d’entreprise dans le monde entier au premier trimestre 2025. Enfin, beaucoup de chercheurs du secteur estiment que des milliards sont engloutis dans une impasse. Ces résultats, publiés dans un nouveau rapport, sont issus d’une enquête menée par des scientifiques de l’Association for the Advancement of Artificial Intelligence (AAAI) auprès de 475 chercheurs du domaine.

Nous devons nous rendre à l’évidence face aux faits : les Intelligences Artificielles Génératives ne fonctionnent pas, du moins pas autant que nous le voudrions.

CONCLUSION

Les Intelligences Artificielles génératives ne sont pas un total échec, ni une totale fraude. Elles parviennent à des résultats, plus ou mois acceptables selon les tâches. Elles sont simplement survendues par rapport à leur capacité, et portent en elles une menace pour l’environnement et les travailleureuses. Alors bien sûr, leur impact est parfois complexe à mesurer, certaines professions misent à part, mais le sentiment général n’est pas au beau fixe. L’IAg aurait de plus rendu la programmation à la fois plus facile mais plus complexe également.

Un paradoxe que l’on peut retrouver au final dans l’automatisation des procédés industriels. En 1983, la psychologue cognitive Lisanne Bainbridge publiait un article dans une revue d’ingénierie, traitant de l’automatisation des processus industriels. Pour elle, plus un système automatisé est sophistiqué, plus le rôle de l’humain en son sein est exigeant, même si les concepteurs de systèmes automatisés auraient tendance à considérer l’opérateur humain comme le maillon faible. L’objectif de l’automatisation est donc d’éliminer l’humain autant que possible, mais le concepteur qui tente d’éliminer l’opérateur le laisse néanmoins accomplir les tâches qu’il ne parvient pas à automatiser. Au final, l’humain n’est pas remplacé, mais il se retrouve à gérer les aspects les plus difficiles. Son travail est rendu plus pénible, et non l’inverse. Une tendance observée chez les utilisateurices des IA génératives.

Au final, révolution ? Pas vraiment.

Gadget ? Sans doute.

Perte de ressources et de moyens ? Assurément.