Aller au contenu
    episcope logo
    episcope

    Matière à penser

    Chaque dîner Tandem laisse quelque chose ici : la conversation en préparation un contre un avant le rassemblement, les réflexions et les questions avec lesquelles nous sommes arrivé·e·s ou qui ont émergé au cours de la soirée.

    Nous partageons ici une partie de ce qui nous est resté pour approfondir la conversation et soulever les questions qui comptent. Comme on l’a entendu dire, "AI is philosophy on a deadline" ("l’IA, c’est de la philosophie avec une échéance"), ces questions revêtent donc une importance capitale.

    Marine setting the table before a Tandem dinner
    Introduction à notre série d'été

    Cet été, nous prenons un moment pour apprécier cette première saison de Tandem avant de vous retrouver avec joie et curiosité à la rentrée. Depuis le mois de décembre, nous avons organisé dix dîners dans deux villes, sept à Paris et trois à Berlin, autour de nos trois premiers thèmes. Chaque soirée réunissait un mélange différent de chercheur·se·s, d'entrepreneur·se·s, de praticien·ne·s et d'autres profils passionnants.

    Les conversations qui en sont nées étaient exactement ce que nous espérions en lançant ce projet. Pour marquer la fin de la saison, nous partageons un récapitulatif de ces dix premières rencontres sous forme de série d'été, l'occasion de revisiter les idées, les salles et les personnes qui en ont fait ce qu'elles étaient. Merci à toutes celles et ceux qui étaient des nôtres. Il y en aura d'autres.

    Début septembre, nous serons ravies de vous partager le récapitulatif de notre saison 1 ainsi que l'histoire de Tandem. Inscrivez-vous pour le recevoir.

    Je m'inscris

    Chaleureusement,
    Marine et Margaux

    Marine and Margaux at a Tandem dinner table
    Edition 1

    Agence et singularité : cultiver l'humain avec l'IA

    Éléments de synthèse

    • 1. L'intention doit primer sur le possible. La machine calcule, mais la direction et le sens restent un geste humain. Le mot d'ordre n'est pas de s'augmenter, mais de s'expanser : préserver ce qui nous relie au monde et aux autres.
    • 2. La singularité devient un impératif, pas un obstacle. Plus l'exécution se banalise, plus le goût, l'intuition et la présence font la différence. La question se déplace de « sais-tu faire ? » vers « sais-tu quoi faire et pourquoi ? ».
    • 3. Rester « au-dessus de la ligne » (de délégation humain-IA). La compétence se construit par la friction. Déléguer une tâche n'est pas déléguer un apprentissage : le vrai geste consiste à protéger les expériences qui forgent le métier et à choisir ce que nous ne confions pas à la machine, au nom de ce que nous portons.
    • 4. L'accès et le pouvoir de décision sur la délégation sont les vraies questions. Qui contrôle ces outils ? Qui en fixe les règles ? Qui en tire les bénéfices ? Notre propre avantage mérite lui-même d'être interrogé.
    • 5. Une voie européenne reste à écrire. Plusieurs voix ont appelé à une approche plus sensible et plus consciente des enjeux humains, pour un avenir technologique plus incarné.

    Réflexions

    Depuis novembre 2022, l'IA générative automatise une part croissante de notre travail intellectuel : écrire, analyser, synthétiser, imaginer. Face à cette puissance grandissante, une question s'impose comme point de départ de notre premier dîner Tandem : qu'est-ce qui, dans notre travail, doit demeurer profondément humain et irremplaçable ? Pas par défaut mais par conviction.
    Le point de départ conceptuel, c'est celui de la « Company of One », formulé par Paul Jarvis en 2019 dans son livre du même nom. Une pratique professionnelle bâtie sur l'autonomie, l'agentivité (humaine) et la simplicité. Paul Jarvis pose une question simple : comment devenir plus capable sans devenir plus complexe ? L'IA donne soudain à cette ambition une ampleur nouvelle ; une seule personne bien outillée peut désormais rivaliser avec une équipe entière, à condition de rester maîtresse de ce qu'elle confie à la machine.
    Ce premier thème explore donc le croisement entre l'intelligence artificielle générative, la singularité et l'agentivité. Nous l'avons choisi pour un premier dîner à Paris, en réunissant des indépendants, des créatifs, des stratèges, des praticiens, des chercheurs et des entrepreneurs, mais aussi à Berlin avec une table exclusivement d'indépendants. Autour de ces deux tables, une conviction partagée : la technologie, loin de nous uniformiser, peut et doit révéler nos aspérités plutôt que de les effacer. Encore faut-il choisir de les cultiver.

    La singularité comme avantage et impératif

    La valeur ne réside plus dans la tâche mais dans le jugement. L'IA générative, à travers Le Chat, Claude ou ChatGPT, pour n'en citer que quelques-uns, produit un texte correct, un code fonctionnel ou encore une analyse propre.
    Ce qu'elle ne fabrique pas, c'est l'intuition de ce qui résonne, le sens de ce qui compte, la manière singulière dont chacun relie les idées et ressent le monde. À mesure que l'exécution se banalise, la question adressée à un professionnel se déplace : elle n'est plus « sais-tu faire ceci ? » mais « sais-tu quoi faire et pourquoi ? ». Une enquête de Microsoft Research et de Carnegie Mellon (Lee et al., 2025), menée auprès de 319 professionnels, observe d'ailleurs que l'accès à ces outils tend à uniformiser les productions, voire à les formater.
    Pour certains, cette bascule a un effet émancipateur et même grisant. En levant la peur de la page blanche et quelques barrières techniques, l'IA a rapproché leur pratique de ce qu'ils voulaient vraiment faire depuis le début, une version plus fidèle à leur intention première. À Berlin pourtant, la même promesse engendre une tension concrète, celle de l'authenticité. Optimiser une communication, déléguer un courriel ou une newsletter : chaque geste paraît raisonnable, mais où se situe le point d'équilibre entre l'efficacité et la fidélité à sa propre voix ?
    Plusieurs invités reconnaissent sous-utiliser ces outils par rapport à leurs pairs, sans toujours savoir si cette réticence relevait de la prudence ou de l'inertie. D'autres expriment un soulagement partagé : aucune application miracle n'a encore renversé leurs métiers. L'IA prend des tâches, pas encore des métiers, même si la conscience que cela pourrait changer demeure présente. L'indice économique d'Anthropic, qui analyse des millions de conversations, éclaire d'ailleurs la manière dont nous nous en servons : un peu plus de la moitié des usages relèvent encore de la collaboration, itérer, apprendre, demander un retour, plutôt que de la délégation complète à la machine.
    Reste que se sentir en retard suppose une course commune. La philosophe Anne Alombert la renverse dans son ouvrage, De la bêtise artificielle :

    « Le retard n'a de sens que pour celui qui s'est engagé dans la course, il n'en a aucun pour celui qui ouvre un nouveau chemin. »
    Anne Alombert, De la bêtise artificielle

    Déléguer le répétitif, garder l'irremplaçable

    Un désir simple a fait l'unanimité lors de la soirée berlinoise : confier à la machine les tâches ingrates, la coordination, l'arrière-plan, pour concentrer son énergie sur ce qui ne se délègue pas, l'expérience physique, la présence ou la rencontre telle que nous la vivons à table lors de cette discussion. Cette intuition dessine des modèles hybrides, où l'efficacité de la machine se met au service d'expériences irremplaçables : un événement, une revue imprimée ou un lieu et, au final, tout ce qui se vit plutôt qu'il ne se consomme à l'écran.
    Le paradoxe le plus éclairant est celui de la rencontre elle-même. La composition de la table avait mobilisé des outils d'IA pour identifier et approcher des profils variés, avec un taux d'acceptation à cette invitation remarquablement élevé. L'IA peut donc favoriser des connexions humaines de qualité, à une échelle nouvelle, à une condition : qu'un effort humain intentionnel l'accompagne, conversations préalables, attention personnalisée et soin du cadre. La technologie ouvre la porte mais elle ne saurait la franchir pour nous.
    En cela elle agit comme un miroir : en nous obligeant à nommer ce que nous voulons automatiser et ce que nous voulons garder, elle nous renvoie à nos propres priorités, et parfois à ce qu'un tandem réussi révèle de notre façon même de penser.

    Rester « au-dessus de la ligne »

    Même si les outils d'IA exercent une forte attraction vers la délégation, l'intention doit primer sur l'augmentation. L'interface des outils conversationnels rend la demande facile et son instantanéité rend la dépendance tentante. Plus frappant même : la qualité du résultat rend la confiance naturelle. Or déléguer une tâche n'est pas déléguer un apprentissage et la compétence se construit par la friction, par l'effort répété d'aller un peu au-delà de ce que nous savons déjà faire. Retirer cette friction fait gagner du temps et, parfois, fait cesser de progresser. Une enquête de Microsoft Research et de Carnegie Mellon le mesure : plus la confiance dans l'outil grandit, moins le regard critique s'exerce, et le travail se déplace de la production vers la vérification et la supervision.
    De là une invitation simple à formuler, exigeante à tenir : la joie de ne pas automatiser (ou « JONA », the Joy Of Not Automating) dont je parle. Protéger délibérément les expériences qui forgent le métier et demeurer maître de ce qui revient à la machine plutôt que l'inverse. S'expandre plutôt que de s'augmenter comme le précise Marie Dollé. Non le fantasme de l'homme augmenté, mais une ouverture intérieure vers les autres qui redonne souffle, sens et présence. Cette frontière est parfois éthique avant d'être technique : plusieurs ont décrit un usage qu'ils refusent, non parce qu'il serait interdit, mais parce qu'il contredit quelque chose qu'ils portent. Le risque inverse, lui, a été nommé dans sa version la plus crue : une compétence brillante en surface, qui se vide de l'intérieur quand le faire n'est plus relié au comprendre. À la Dorian Gray.

    L'accès, le pouvoir, une voie à inventer

    Derrière le mot-valise « IA » se cachent des usages réels et des questions sociétales que l'expression fige et simplifie à outrance. Plusieurs voix ont déplacé la conversation vers ce qui, au fond, est en jeu : qui contrôle ces technologies ? Qui en fixe les règles ? Qui en tire les bénéfices ?
    La réponse n'est pas seulement technique, elle est politique : diffuser la compréhension, former, ouvrir l'accès. L'éthique, dans ce cadre, cesse d'être un frein pour devenir une boussole qui oriente les usages. La question se retourne aussi vers soi : si mon accès à ces outils constitue un avantage compétitif, que dit cet avantage du monde qui se dessine, et puis-je m'en accommoder sans malaise ?
    À cette échelle, des normes communes s'inventent par tâtonnement, comme jadis pour le téléphone mobile. Faut-il confier à un modèle la photographie d'une autre personne ? Jusqu'où enregistrer une conversation sans rompre l'attention portée à l'autre ? Une provocation a traversé la table : et si le professionnalisme, au sens où nous l'entendions, était en train de se périmer ? De cette discussion a émergé un souhait commun : une voie plus sensible, plus nuancée, plus consciente des enjeux humains derrière la technologie. Une première brique juridique existe déjà, le règlement européen sur l'IA, premier cadre complet au monde, entré en vigueur en 2024 et dont l'essentiel des obligations s'applique à partir d'août 2026. Mais la voie plus incarnée et moins brutale que plusieurs appelaient de leurs vœux reste, elle, à écrire et à construire.

    Pour une créativité, et des questions

    Ce premier dîner, aussi expérimental que prometteur, nous a conforté dans une intuition : c'est la valeur de l'échange direct. Réunir des personnes venues d'univers différents fait surgir des angles neufs et ouvre un espace de respiration que nul outil ne remplace, et qui répond aussi à l'isolement propre à l'indépendance. Le travail de Martha Beck, développé dans son livre Beyond Anxiety (2025) s'impose : l'opposé de l'anxiété n'est pas le calme, c'est la créativité et le jeu.
    Nous repartons avec des questions plutôt que des réponses à trois échelles. À hauteur de soi : que faisons-nous aujourd'hui avec plus de plaisir, grâce à ce que nous avons délégué, et quels espaces de lenteur ou de présence avons-nous choisi de ne pas optimiser ? Face à nos pairs : nous est-il déjà arrivé de juger l'usage qu'un autre faisait de l'IA, et que dit ce jugement de nous-mêmes ? À l'échelle de la société enfin : à quel moment avons-nous senti l'outil décider à notre place, et que devient une singularité qui se cultive lorsque l'accès aux mêmes outils devient la norme ?
    Non pas résister à la technologie, ni la romancer, mais décider, ensemble et en conscience, de ce que nous voulons préserver, cultiver ou amplifier. Une fois explorée la singularité, que l'on parle d'indépendants à Berlin ou de tous les formats de collaboration possibles à Paris, reste à comprendre comment la pratiquer avec intention et discipline.

    Les questions

    1

    Qu'est-ce que vous faites avec plus de plaisir qu'avant, grâce à ce que vous avez délégué ?

    2

    Que pouvez-vous faire maintenant qui aurait été inimaginable il y a trois ans ?

    3

    À quel moment avez-vous senti que l'outil prenait la décision à votre place ?

    4

    En quoi votre accès à l'IA constitue-t-il un avantage compétitif ? Et est-ce que cet avantage vous pose une question ?

    5

    Y a-t-il une version de votre pratique que l'IA a rendue plus fidèle à ce que vous vouliez vraiment faire depuis le début ?

    6

    Y a-t-il un usage de l'IA que vous refusez, non pas parce qu'il est interdit, mais parce qu'il contredit quelque chose que vous portez ?

    7

    Qu'est-ce qu'un tandem réussi avec l'IA vous a appris sur votre propre façon de penser ?

    8

    Quels espaces de lenteur ou de présence avez-vous choisi de ne pas optimiser ? Pourquoi ?

    9

    Avez-vous déjà jugé l'usage qu'un pair faisait de l'IA ? Qu'est-ce que ce jugement dit de vous ?

    Partagez cette question

    LinkedInWhatsApp
    Edition 2

    Ce que l'IA révèle de l'identité professionnelle

    Éléments de synthèse

    • 1. L'IA démonte les métiers avant de les recomposer. Pour automatiser un geste, il faut d'abord l'isoler et l'expliciter. Ce démontage révèle que certaines tâches que l'on croyait accessoires soutiennent en réalité la concentration et le sentiment d'être à sa place. Les supprimer au motif qu'elles sont automatisables, c'est retirer un élément central du sens du travail.
    • 2. Chaque tâche confiée à la machine sans arbitrage conscient réduit le territoire de ce qui reste à soi. L'hésitation devant un choix est le moment où l'on découvre ce que l'on préfère et ce que l'on refuse. L'IA comprime ces moments de délibération, et la vitesse d'exécution oblige à une contraction du champ de décision, ce qui fragilise l'identité professionnelle.
    • 3. Déléguer le faire, c'est risquer de déléguer la pensée. Écrire ou coder sont des processus par lesquels on découvre qu'on ne comprend pas ce dont on parle, puis par lesquels on finit par comprendre. Supprimer ces gestes au nom de l'efficacité supprime le mécanisme par lequel le jugement se forme et par lequel on se reconnaît dans ce qu'on produit.
    • 4. Ce que les salariés craignent de perdre, c'est « le sel du métier ». Quand un développeur parle de « blessure à l'ego » ou qu'une chef de produit observe que la satisfaction de livrer quelque chose qu'elle a construit elle-même disparaît, l'enjeu n'est plus l'usage de l'outil. Il est existentiel : pourquoi est-ce que je viens travailler ?
    • 5. La valeur se déplace vers l'endroit où quelqu'un a choisi de rester dans la boucle. Les gens accordent au travail humain une prime de provenance qui s'effondre quand ils savent que le résultat a été produit par une machine, à qualité égale. Le tri forcé par l'IA rend l'exercice de distinction obligatoire, et celui qui sait nommer ce qu'il garde porte une identité professionnelle plus articulée qu'avant.

    Réflexions

    De la pratique à l'identité

    Le dîner précédent a posé un constat : l'IA recompose ce que nous faisons au quotidien. Il a exploré comment la frontière entre ce que l'on exécute soi-même et ce que l'on confie à l'outil évolue, et ce que ce déplacement change dans la journée de travail.
    En préparant le dîner suivant, nous avons réalisé que cette question de pratique en ouvrait une autre, pas simple à résoudre :

    « Si ce que je fais se transforme, est-ce que ce que je suis professionnellement se transforme aussi ? »

    Cette question a un cadre théorique, défini dès les débuts de la sociologie et plus récemment creusée par le sociologue Claude Dubar qui a consacré l'essentiel de ses travaux à la construction de l'identité professionnelle.

    Dis moi ce que tu fais, je te dirai qui tu es

    Claude Dubar identifie trois dimensions de l'identité professionnelle que nous reprenons ici parce qu'elles ont structuré, sans que nous le sachions à l'époque, l'ensemble de la saison.
    La première est subjective : l'identité professionnelle est une projection de soi dans l'avenir. Elle engage l'anticipation d'une trajectoire, la mise en œuvre d'une logique d'apprentissage et la construction d'une image de soi au travail qui relie ce que l'on fait à ce que l'on est. L'identité personnelle ne peut en être dissociée.
    La deuxième est dynamique : l'identité n'est jamais donnée. Elle se construit dans le temps, dans la confrontation aux circonstances, aux autres et à soi-même. Elle est vouée à des ajustements et des reconversions successives. Elle est, selon la formule de Dubar, « toujours à construire ».
    La troisième est relationnelle : l'identité se construit dans et par les interactions. Pour se définir professionnellement, il faut entrer dans des relations de travail, participer à des activités collectives, faire l'expérience de la complémentarité et de la lutte pour la reconnaissance.
    Ce dîner s'est concentré sur la première de ces dimensions : le rapport subjectif de chacun à sa pratique, dans un moment où l'IA en modifie les gestes constitutifs. Les deux autres dimensions sont revenues dans les dîners suivants :
    Le dîner 3 a tiré le fil relationnel : que se passe-t-il quand l'individu se redéfinit mais que l'organisation autour de lui reste immobile ?
    Le dîner 7 quant à lui a tiré le fil dynamique : que devient la trajectoire quand les conditions d'entrée dans un métier, les tâches formatrices du début de carrière, sont supprimées par l'automatisation ? La question de ce qui donne envie de monter, et de ce qui reste quand les échelons perdent leur sens, a traversé nos échanges bien au-delà de ce dîner.
    Ces va-et-vient entre les dîners ne sont pas le signe d'un plan qui dérive. Ils reflètent la manière dont une réflexion vivante fonctionne et dont ces dîners sont le réceptacle : on tire un fil, on découvre qu'il est relié à d'autres, et on y revient plus tard avec un angle différent. C'est d'ailleurs la raison pour laquelle nous ne décidons pas du programme à l'avance mais que nous laissons chaque thème émerger à la fin du dîner précédent.

    Le démontage

    Pour comprendre ce que l'IA fait à l'identité subjective, il faut d'abord comprendre ce qu'elle fait aux gestes du métier. Marie Dollé, essayiste et analyste des transformations numériques, formule le mécanisme avec justesse : l'IA ne remplace pas un métier en bloc, elle le démonte. Avec l'arrivée de l'agentique en entreprise, l'opération s'intensifie : pour construire un scénario automatisé, il faut pouvoir le reproduire, et pour le reproduire, il faut d'abord l'avoir mis en pièces détachées. On isole chaque étape, on explicite les règles, on met des mots sur des réflexes ou des intuitions qui restaient jusque-là implicites.
    Cette opération produit deux effets. Le premier touche au standard. Quand l'outil produit un résultat jugé assez bon, ce niveau devient le point de référence. Dollé décrit une forme de dépendance au sentier : l'infrastructure et les habitudes se cristallisent autour de la nouvelle norme, et le regard lui-même finit par se transformer. L'exigence s'émousse à force de ne plus être sollicitée. L'érosion est d'autant plus difficile à percevoir qu'elle ne se présente jamais comme une perte. Elle arrive habillée d'une promesse : l'IA nous libère des corvées pour nous concentrer sur ce qui compte vraiment.
    Le second effet est plus intime. Le démontage révèle ce que l'on préférait souvent ne pas voir. Certaines pièces que l'on croyait au centre de son expertise relevaient de la routine héritée, tandis que d'autres que l'on tenait pour accessoires s'avèrent centrales. Dollé observe que certaines tâches chronophages fonctionnent comme des ancres : elles rythment la journée, stabilisent l'esprit ou encore offrent des zones de pilotage maîtrisé qui allègent la charge mentale. Les supprimer au motif qu'elles sont automatisables, c'est retirer un élément porteur sans vérifier ce qu'il soutenait. Comme le formulait le Cardinal de Retz dans ses Mémoires, « on ne sort de l'ambiguïté qu'à son détriment » : tant qu'on ne regardait pas de trop près la composition réelle de son travail, on pouvait croire que tout y était essentiel. L'IA dissipe cette ambiguïté confortable, et ce qui reste a quelque chose d'ingrat. Mais celui qui découvre que telle tâche qu'il croyait mineure soutenait en réalité sa concentration ou sa fierté sait désormais quelque chose de précis sur la manière dont il fonctionne. Ce savoir est inconfortable. Il est aussi utilisable.
    La chercheuse Shae O. (Harvard), qui travaille sur le lien entre IA et humanités, rapporte le cas d'un ingénieur logiciel de quinze ans d'expérience qui ne se souvenait plus de la dernière fois où il avait codé « pour de vrai ». Il confiait tout à ses agents, relisait leurs productions, validait. Le jour où il a mesuré que l'arrêt de l'outil signifierait l'arrêt de son travail, il a décidé de recoder le week-end sans assistance et d'embaucher un junior à mentorer. Il n'avait pas perdu son emploi. Il avait perdu le contact avec ce qui faisait de lui un ingénieur. Le geste de reprise est double : il récupère la compétence pour lui, et il relance la transmission pour quelqu'un d'autre. Coder, dans ce cas, n'était pas une tâche. C'était l'une de ces ancres que décrit Dollé : un geste qui maintenait à la fois l'expertise et le sentiment d'être à sa place.

    Le vertige de soi

    Ce démontage opère sur les composants du métier. Mais il y a un effet en amont, plus difficile à nommer, qui touche à la manière dont on habite sa pratique au quotidien. Le philosophe Julien Gobin l'a formulé lors d'une conférence sur l'IA et l'humanisme organisée à l'École Militaire en avril 2026, à laquelle nous assistions avec Margaux (et dont le compte rendu a été publié par Willy Braun dans sa lettre Libido Sciendi). Gobin parle du « vertige de soi » : le moment où l'on fait face à un vrai choix sans recommandation, à un dilemme sans réponse pré-calculée. Ce moment provoque une hésitation, un retour sur soi. C'est dans ce vertige que l'individualité se construit, parce que c'est dans l'hésitation que l'on découvre ce que l'on préfère, ce que l'on refuse, ce que l'on est prêt à défendre.
    Gobin pose la question dans les termes du pharmakon grec : l'IA est à la fois remède et poison, outil d'émancipation et vecteur de dépossession. Sur le terrain, cette dualité se vit au quotidien. Les professionnels confrontés à l'IA décrivent une cohabitation de la peur et de l'excitation. La vitesse d'exécution ouvre un espace d'exploration que la lenteur de l'ancien processus rendait inaccessible. Des hypothèses qu'on n'aurait jamais testées faute de temps deviennent testables en une heure. Mais cette même vitesse comprime les moments de délibération qui structuraient le quotidien professionnel : quel angle choisir pour un document, quelle formulation retenir dans un échange délicat. Chacune de ces hésitations, prise isolément, paraît insignifiante. Prises ensemble, elles constituent le tissu de la délibération interne. Gobin emprunte à Balzac l'image de la Peau de chagrin : chaque souhait exaucé contracte le champ du possible. Chaque tâche confiée à l'outil sans arbitrage conscient réduit le territoire de ce qui reste à soi. Ce qui fait basculer du remède au poison, c'est la présence ou l'absence d'une intention dans l'usage. L'utilisateur qui délègue en sachant ce qu'il délègue reste dans la boucle. Celui qui délègue par défaut, parce que l'outil est là et que le résultat est immédiat, se retrouve dans ce que Gobin appelle l'autonomie apparente : une souveraineté qui ressemble à celle d'un donneur d'ordres, mais qui masque la perte progressive des étapes intermédiaires par lesquelles on construisait son propre jugement.
    C'est ici que le propos de Gobin rejoint celui de Shane Parrish, dans un essai sur l'écriture à l'ère de l'IA. L'espace d'exploration ouvert par la vitesse est réel, mais il ne remplace pas le mécanisme qu'il court-circuite. Écrire n'est pas produire un texte. C'est le processus par lequel on découvre que l'on ne comprend pas ce dont on parle, et c'est aussi le processus par lequel on finit par comprendre. Parrish ajoute un second mécanisme, celui de la compression : un bon texte condense une idée de manière à garder la substance et à éliminer le bruit. Mal faite, la compression supprime les intuitions. Bien faite, elle les révèle. L'exercice exige de penser, ce qui explique pourquoi écrire est difficile. Déléguer cet exercice à l'IA ne fait pas gagner du temps sur la production. Cela supprime le mécanisme par lequel la pensée se structure et se teste contre elle-même. Le même raisonnement vaut pour le code de l'ingénieur, pour la première esquisse du designer, pour la note de synthèse rédigée à la main avant d'être envoyée. Parrish anticipe la conséquence : dans un monde où la pensée moyenne est disponible à la demande, ceux qui continuent à penser par eux-mêmes seront disproportionnellement récompensés, parce qu'ils seront disproportionnellement rares.
    Supprimer ces gestes modifie la manière dont on pense, et donc la manière dont on se définit. C'est ici que le cadrage de Dubar prend tout son sens. Si l'identité professionnelle est une projection de soi dans l'avenir, elle repose sur la continuité entre ce que l'on fait aujourd'hui et ce que l'on envisage de devenir. Quand l'IA prend en charge une part croissante du faire, cette projection perd son ancrage.

    Le sel du métier

    Depuis ce dîner, il nous arrive de retrouver cette tension dans un autre contexte. En accompagnant la transformation IA d'une startup du secteur de la santé numérique, Marine Buclon a recueilli les témoignages de développeurs, de profils produit, de commerciaux et d'équipes support confrontés au déploiement massif d'agents dans leur quotidien de travail. Ce qui émerge de ces ateliers confirme la question posée au dîner 2 et la rend plus concrète.
    L'outil est majoritairement reconnu comme utile, avec des gains mesurables sur certaines tâches. Ce qui pose problème se situe ailleurs. Un développeur senior décrit un moment de « déprime » la première fois qu'il a vu un agent écrire en deux minutes ce qui lui aurait pris deux heures. Un autre parle de « blessure à l'ego », tout en reconnaissant que cet ego, « c'est aussi le moteur du travail ». Une chef de produit observe que la satisfaction de livrer quelque chose qu'on a construit soi-même disparaît, et que rien ne vient la remplacer. Plusieurs convergent vers la même formulation : ce qu'ils craignent de perdre, c'est « le sel du métier ».
    Cette expression dit en trois mots ce que Dubar met des pages à formaliser. Le sel, c'est ce qui donne du goût au travail, ce qui rend le reste supportable, ce qui distingue une manière de faire d'une autre. Perdre le sel, ce n'est pas perdre son emploi. C'est continuer à travailler tout en sentant que quelque chose d'essentiel s'est dissout. La question n'est plus « comment mieux utiliser l'IA » mais « pourquoi est-ce que je viens travailler ».
    Poser cette question a aussi un effet que les participants n'anticipaient pas. Quand la routine portait le métier, personne n'avait besoin de nommer ce qui rendait fier. La confrontation avec l'IA rend cette nomination obligatoire, et quelques-uns découvrent, en cherchant ce qu'ils craignent de perdre, des zones de leur pratique qu'ils n'avaient jamais examinées. La réponse n'existe pas encore. Mais la question elle-même déplace l'attention.
    L'IA produit aussi un effet sur le rythme même du travail, en absorbant les tâches les plus simples en premier : les tickets de niveau un en support, les premières lignes de code, les recherches documentaires. Ce qui reste, ce sont les cas les plus complexes, en continu. La soupape cognitive des tâches à faible intensité, celles que l'on faisait en début de journée pour se mettre en route, celles qui donnaient un rythme au travail, disparaît. Un participant résume : « Avant, j'étais épuisé en fin de journée d'avoir réfléchi à fond sur un sujet. Maintenant, je suis épuisé à midi parce que je traite dix sujets en même temps. » L'IA ne remplace pas le travail difficile. Elle élimine le travail facile, et en faisant disparaître les paliers de respiration, elle modifie la texture même d'une journée.
    Ce sont des observations empiriques, pas des données de recherche. Mais elles convergent vers un point que le cadre de Dubar permet de nommer : quand le travail se vide de la part qui génére de la fierté et de l'apprentissage, c'est la projection de soi dans l'avenir qui se défait. Le salarié ne résiste pas au changement. Il cherche, dans le nouveau paysage, ce qui peut encore porter son identité professionnelle. Et pour l'instant, dans beaucoup d'organisations, il ne le trouve pas.

    Ce que le tri révèle en retour

    Le tri forcé par l'IA a une conséquence sur la manière dont le travail est perçu par les autres. En séparant ce qui relève de la routine et ce qui relève de soi, il rend visible la trace que chacun laisse dans son travail. Cette trace, Dubar la situe dans la projection subjective : quand quelqu'un est présent dans l'acte de produire, avec son jugement, son hésitation, sa manière propre de trancher, le résultat porte une empreinte. Quand le geste est automatisé, cette empreinte disparaît, même si le produit reste identique en apparence.
    Le chercheur Alex Imas (Université de Chicago) a mesuré ce phénomène. Les gens attribuent aux objets et aux services une prime de provenance humaine qui s'effondre quand ils savent que le résultat a été produit par une machine, à qualité égale. Starbucks a fait marche arrière sur l'automatisation de ses caisses pour revenir aux prénoms écrits à la main sur les gobelets : la satisfaction client a remonté. Aux Pays-Bas, la chaîne Jumbo a déployé des « caisses de bavardage » conçues pour être lentes, à rebours de la logique d'optimisation. Amazon Go, le magasin sans friction, a fermé. Ces exemples ne parlent pas de nostalgie. Ils montrent que la valeur perçue se déplace vers l'endroit exact où quelqu'un a choisi de rester dans la boucle.
    La question de la « signature professionnelle post-IA », posée ce soir-là à table, trouve ici son ancrage. Cette signature ne se décrète pas comme un exercice de positionnement. Elle émerge du tri lui-même : quand on sait ce que l'on garde et pourquoi on le garde, ce choix devient lisible pour les autres. La rareté dans une pratique ne réside plus dans la compétence technique, reproductible par l'outil, mais dans la présence d'un jugement singulier à l'intérieur du geste.
    Avant l'IA, la plupart des professionnels n'avaient jamais eu à formuler ce qui constituait cette singularité. Le métier se transmettait en bloc, on l'apprenait, on l'exerçait, la routine rendait l'exercice de distinction inutile. La contrainte imposée par l'IA rend cet exercice obligatoire. Celui qui a traversé le tri et qui sait nommer ce qu'il garde porte une identité professionnelle plus articulée que celle qu'il avait avant la crise. Ce n'est pas une consolation. C'est un effet mécanique de la clarification forcée.

    Les questions

    1

    Quelle est la chose que l'IA pourrait techniquement faire à votre place, mais que vous ne lui délègueriez jamais ? Pourquoi ?

    2

    Comment distinguez-vous ce qui vous définit professionnellement de ce que vous avez simplement toujours fait ?

    3

    À quoi ressemble votre signature professionnelle post-IA ?

    4

    Qu'est-ce que vous maintenez aujourd'hui par habitude, par peur ou par identité plutôt que par impact réel ?

    5

    Avez-vous déjà repris à l'IA une tâche que vous lui aviez confiée ? Qu'est-ce qui vous a fait revenir ?

    6

    Dans un monde où l'IA peut presque tout produire, où réside encore la rareté et la valeur dans votre pratique ?

    7

    Quelles compétences continuez-vous à construire lentement, en résistant délibérément au raccourci ? Et qu'est-ce que cette résistance protège ?

    8

    Que voudriez-vous transmettre à quelqu'un qui commence aujourd'hui, sachant qu'il aura l'IA dès le premier jour ?

    Partagez cette question

    LinkedInWhatsApp
    Edition 3

    IA et organisation: "Team of One" : autonomie augmentée ou faire plus avec moins ?

    Éléments de synthèse

    • 1. La logique de la « Company of One » entre dans l'entreprise avec la "Team of One". Un collaborateur outillé par l'IA assume aujourd'hui un périmètre qui en exigeait plusieurs hier. L'IA ne remplace pas ces personnes, elle les transforme en équipes à elles seules.
    • 2. La surcharge cognitive est réelle, et la « Team of One » peut devenir une injonction. La question n'est plus « est-ce que je peux ? » mais « est-ce que je dois, et à quel prix ? ».
    • 3. Prendre le temps devient un acte politique. Ralentir, résister à l'urgence permanente, préserver des espaces de réflexion : non plus un luxe, mais une condition de discernement.
    • 4. Quand les rôles deviennent fluides, les structures doivent suivre. Reconnaître celui qui déborde sans fabriquer de hiérarchie toxique, sécuriser psychologiquement le saut vers l'IA, repenser jusqu'au recrutement : la question est managériale autant que technique.
    • 5. La vraie question est celle du partage. Qui capte la valeur créée, l'individu, l'entreprise ou le client, et l'IA recréera-t-elle un rapport au temps socialement différencié ? Sans choix explicite, l'autonomie promise glisse vers l'exploitation déguisée.

    Réflexions

    Notre premier dîner avait exploré la singularité de l'indépendant, le solopreneur augmenté capable de rivaliser avec une petite équipe tout en restant maître à bord : la « Company of One » de Paul Jarvis accélérée et augmentée à l'heure de l'IA générative. Ce troisième thème déplace cette nouvelle promesse d'un cran : que se passe-t-il lorsque cette même logique entre dans les entreprises ? Parle-t-on alors de « Team of One » ?
    Un collaborateur bien outillé peut aujourd'hui assumer un rôle qui dépassait largement son périmètre il y a dix-huit mois. Le responsable de communauté qui analyse les données, produit le contenu et pilote les campagnes. La cheffe de produit qui conçoit, prototype et code. Le stratège qui exécute, teste et itère. Autant d'exemples que de métiers dont les tâches se mêlent à d'autres. L'IA ne remplace pas ces personnes : elle promet de les transformer en équipes à elles seules. Pour ce dîner, nous avons réuni des profils du droit, des ressources humaines, de la recherche et de l'investissement, pour examiner ce que cette mutation déplace, à l'échelle de la personne d'abord, du collectif ensuite.

    Le plan individuel : la charge, le tempo, le discernement

    La première dimension posée sur la table est presque physique : la surcharge cognitive est réelle. Assumer le travail de plusieurs personnes engendre une charge mentale inédite, que l'enthousiasme des premiers mois masque souvent. La bonne question qui se pose n'est plus « est-ce que je peux ? », car ces nouveaux outils disponibles nous confèrent confiance et capacité. La bonne question devient « est-ce que je dois, et à quel prix ? ». Le potentiel est à la hauteur de l'effort intellectuel et il est de bon aloi de se demander si la « Team of One » est réellement une nouvelle liberté ou une injonction de plus, le devoir nouveau d'être à soi seul une équipe entière ? Sans doute un peu des deux, et c'est là l'objet de discussion.
    Les chiffres le confirment. Selon l'Upwork Research Institute (2024), 96 % des dirigeants attendent de l'IA un gain de productivité, mais 77 % des salariés qui l'utilisent déclarent qu'elle a alourdi leur charge de travail. 71 % se disent épuisés. La promesse du « faire plus avec moins » se retourne souvent en « faire plus, tout court ».
    L'IA générative permet de faire beaucoup plus vite et au-delà de sa zone de confort « historique » : un professionnel du marketing pourra par exemple développer un site vitrine sans attendre d'avoir du temps de développement de son équipe technique. Cette dernière pourra, elle, opérer la casquette de l'équipe produit en remontant la chaîne de valeur. Ce « role sprawl » est grisant mais aussi épuisant.
    Une idée parallèle circule toute la soirée : prendre le temps devient un acte politique. Ralentir en conscience, résister à l'urgence permanente que l'IA installe, préserver des espaces de maturation et d'intuition. L'outil accélère tout, à nous de décider du tempo. Une image l'a bien dit : le GPS trace la route, mais la décision de s'arrêter devant ce qui est beau ou de changer de direction, reste humaine. Derrière cette charge se cache d'ailleurs une bifurcation : la même abondance d'outils peut faire de chacun un artisan qui choisit ses gestes ou un opérateur sommé d'en produire toujours davantage. Si chacun dispose des mêmes outils, une question demeure, presque vertigineuse : comment rester original et produire encore quelque chose de différenciant ? La même inquiétude affleure du côté de l'expertise : que reste-t-il de notre valeur professionnelle quand l'IA produit en dix minutes le livrable qui prenait des jours ? La réponse, là encore, se déplace de la production vers le jugement, le contexte, la relation.

    Le plan organisationnel : reconnaître, structurer, sécuriser

    Si la personne change, l'organisation ne peut rester immobile. Plusieurs questions demeurent ouvertes. Quand les rôles deviennent fluides, comment structurer encore les équipes, et que reste-t-il de la fiche de poste initiale ? Comment reconnaître et faire progresser quelqu'un qui déborde largement de sa fonction, sans installer une hiérarchie implicite avec celles et ceux qui demeurent spécialisés, et sans lui imposer une charge mentale intenable ? La même réalité, l'individu devenu équipe, peut produire l'artisan qui orchestre l'IA avec maîtrise ou l'opérateur qui exécute sans métier. Ce basculement ne dépend pas de l'outil mais des choix de l'entreprise.
    Une image frappe : ces équipes à elles seules ressemblent à des athlètes de haut niveau. Mais alors, qui est leur entraîneur, leur agent, leur préparateur mental ? La performance soutenue suppose un environnement qui la rende tenable, donc une sécurité psychologique réelle dans ce saut vers l'IA et des pratiques de reconnaissance, de recrutement et de fidélisation repensées pour ces nouveaux profils. Une étude d'Upwork (2025) chiffre le prix de cette performance : les salariés les plus productifs grâce à l'IA, ceux qui déclarent jusqu'à 40 % de gains, sont aussi les plus épuisés, 88 % d'entre eux faisant état de burn-out et deux fois plus enclins à démissionner. 62 % disent ne pas comprendre comment leur usage quotidien de l'IA s'articule aux objectifs de leur organisation. La sécurité psychologique au sens où l'entend Amy Edmondson, la chercheuse iconique sur le sujet, n'est pas un supplément d'âme mais une condition de tenue dans la durée.
    Au centre, une fonction se trouve exposée : le management intermédiaire, longtemps garant de la coordination, voit son rôle interrogé quand chacun coordonne déjà ses propres agents. Selon une étude de 2025 de Korn Ferry, 41 % des salariés déclarent que leur organisation a supprimé des strates de management. Le cabinet Gartner anticipait qu'à l'horizon 2026, une organisation sur cinq utiliserait l'IA pour aplatir sa structure, réduisant de plus de moitié son encadrement. Manager ne consiste plus seulement à répartir des tâches, mais à protéger des conditions. C'est un métier à réinventer plus qu'à supprimer. À l'horizon, des risques concrets demandent à être anticipés : propriété intellectuelle, responsabilité juridique, burn-out privatisé, fractures générationnelles ou sociales.

    Le contrat social et le temps : qui capte les gains de productivité ?

    Une question centrale : qui bénéficie réellement de la valeur créée par ces équipes à elles seules ? L'individu, l'entreprise qui peut faire autant avec moins, ou le client final ? La réponse n'a rien d'automatique. Sans décision explicite, l'autonomie promise glisse vers une exploitation déguisée et le gain se concentre d'un seul côté. La recherche en éclaire le mécanisme. Dans une étude de référence portant sur 5 179 agents d'un service client (Brynjolfsson, Li et Raymond, 2023), l'accès à l'IA relève la productivité de 14 % en moyenne, mais de 34 % pour les moins expérimentés, quand les plus aguerris n'en tirent presque rien. En rapprochant les débutants des experts, l'IA agit comme un égalisateur de compétences : elle érode la rareté de l'expertise individuelle et déplace l'avantage vers celui qui sait organiser le travail. Un surcroît de productivité n'est pourtant pas un surcroît de rétribution, rien ne garantit que celui qui produit davantage capte la valeur qu'il dégage. Le risque, plusieurs voix l'ont souligné, n'est pas l'IA isolée, mais la manière dont elle s'insère dans des problèmes préexistants : inégalités, contrat social déjà fragilisé.
    Une intuition presque bourdieusienne : l'IA pourrait recréer un rapport au temps socialement différencié, les uns gardant le temps long de la réflexion, les autres piégés dans l'urgence de l'outil. D'où une boussole revenue souvent : cultiver intentionnellement ce qui nous différencie, ne pas subir mais choisir, penser en termes de « défensabilité », c'est-à-dire ce qui résiste quand la machine peut presque tout produire.
    Ce que notre premier dîner formulait à hauteur d'individu, rester maître de ce qui revient à la machine plutôt que l'inverse, vaut désormais pour le collectif tout entier. Et à plus grande échelle encore : comment transmettre cet état d'esprit ouvert à toute une génération, sans perdre en route ce qui le rend précisément possible ?

    Ouvrir des portes, imaginer de nouvelles trajectoires et rôles

    À la fin de ce dîner, plusieurs tensions restent vives : artisan augmenté ou opérateur d'usine, autonomie libératrice ou exploitation déguisée, généraliste outillé ou expert outillé, optimisme technologique ou lucidité sur les dégâts. Chacune oppose une promesse à son ombre et c'est dans cet intervalle que se joue la qualité d'une organisation et que s'exprime sa culture.
    Nous les laissons ouvertes, à trois échelles. Pour soi et son travail : comment composer, selon ses propres termes, la Team of One dont chacun rêve, et qu'est-ce que nous refusons délibérément d'automatiser, même lorsque cela devient déjà possible ? Pour le collectif et les organisations : c'est un sujet culturel et de gouvernance plus qu'un sujet technologique. Qui capte vraiment la valeur créée, et comment reconnaître, recruter et fidéliser ces profils sans reproduire les hiérarchies d'hier ni sacrifier la sécurité psychologique qu'exige un tel saut ? Pour la société et le temps enfin : comment éviter que l'IA ne réserve le temps long de la réflexion aux uns en enfermant les autres dans l'urgence de l'outil, et comment transmettre cet état d'esprit à grande échelle sans perdre ce qui le rend possible ?
    La dernière conviction de la table ne porte pas sur l'outil : croiser des regards, des doutes et des espoirs venus d'univers différents produit quelque chose qu'aucune machine ne génère. Là où le premier dîner défendait la singularité de chacun, celui-ci rappelle qu'elle ne se cultive pas seul. Le collectif, lui, reste irremplaçable.

    Les questions

    1Sur soi et son travail

    Comment utiliser l'IA selon ses propres termes pour former sa propre « Team of One » de rêve ?

    2Sur soi et son travail

    Qu'est-ce que tu ne veux délibérément pas automatiser, même si cela est déjà possible ?

    3Sur soi et son travail

    Si tout le monde a accès aux mêmes outils, comment rester original et produire quelque chose de novateur ?

    4Sur soi et son travail

    La « Team of One », est-ce une injonction de plus ?

    5Sur soi et son travail

    Que reste-t-il de notre expertise et identité professionnelle quand l'IA peut produire le livrable en 10 minutes ?

    6Sur le collectif et les organisations

    Qui capture réellement la valeur créée par les « Teams of One » : l'individu, son entreprise ou son client ?

    7Sur le collectif et les organisations

    Comment une organisation valorise-t-elle quelqu'un qui déborde de sa fiche de poste sans risquer une trop grande charge mentale ?

    8Sur le collectif et les organisations

    Les « Teams of One » sont-elles les nouveaux athlètes de haut niveau ? Et si oui, qui est leur coach, leur agent, leur préparateur mental ?

    9Sur le collectif et les organisations

    Comment construire un espace de sécurité psychologique dans ce saut vers l'IA ?

    10Sur le collectif et les organisations

    Comment recruter et fidéliser une « Team of One » ?

    11Sur la société et le temps

    Bourdieu avait-il raison ? L'IA recréera-t-elle un rapport socialement différencié au temps, les dominants avec le temps long, les autres piégés dans l'urgence de l'outil ?

    12Sur la société et le temps

    Comment donner à un million d'adolescents cet état d'esprit ouvert, à grande échelle, sans perdre précisément ce qui le rend possible ?

    Partagez cette question

    LinkedInWhatsApp
    Edition 4

    IA et cognition : "it's complicated"

    Éléments de synthèse

    • 1. La délégation est rarement délibérée. En pratique, les choix sur ce qu'on confie à l'IA se font à la vitesse de la commodité, pas par intention. Les utilisateurs les plus attentifs avaient décidé à l'avance ce qu'ils ne délégueraient pas.
    • 2. Les biais sont un problème de conception, pas de compétence. Un faux sentiment de paternité sur des idées générées par l'IA et la tendance à cesser de raisonner quand le résultat semble convaincant.
    • 3. L'IA intensifie la charge cognitive plutôt qu'elle ne la réduit. Elle compresse les délais et multiplie le volume de travail, produisant une fatigue biologique mesurable. L'analogie du sportif de haut niveau a émergé comme un cadre sérieux : alterner performance et récupération structurée n'est pas un luxe, c'est une condition de durabilité.
    • 4. L'implication humaine peut être un handicap. L'une des provocations les plus tranchantes de la soirée. Elle tient précisément parce qu'elle va à contre-courant de l'arc rassurant du reste.
    • 5. Même là où l'IA décide mieux, la légitimité doit primer. Certains domaines doivent rester humains non par capacités, mais parce que la faillibilité humaine partagée est constitutive du contrat de confiance, de justice et de relation.

    Réflexions

    A dinner recap (Substack article version)

    March 24th, 2026

    Note : Cet article sera traduit en français dès que possible.

    When Facebook launched its relationship status feature, I was a young adult navigating the particular social anxiety of having to declare, publicly, whether you were single or not. "It's Complicated" was a gift. It said everything and committed to nothing. You were neither in nor out, but that was apparently a legitimate place to be.
    The feeling is a bit similar with how we use AI. The real complication here isn't our relationship to it, but rather what AI is doing to our minds. To the way we think, learn, and work. Multifaceted enough to resist easy answers and probably more exposing than most of us want to admit.
    This is why we hosted this dinner.
    For Tandem's fourth edition, we wanted to go somewhere harder than the usual conversations about AI productivity or job displacement. We wanted to sit with what AI is doing, concretely and physiologically, to the way we think. To the cognitive processes we tend to assume are stable: synthesis, judgment, formulation, the capacity to hold a difficult thought long enough to work through it. We spent time before the evening mapping the profiles and tensions of the people we'd invited: researchers, founders, a physician, a philosopher, a neuroscientist, practitioners who build with AI every day.

    The recomposition of cognitive labor

    The first thing we questioned together was the dominant narrative: that AI takes work away. The more accurate picture that emerged was recomposition. When you delegate formulation, structuring, and exploration to a model, the cognitive effort doesn't disappear. It migrates. It moves toward selection, verification, and supervision. A different kind of work: one that feels lighter but may not be.
    This matters because the shift is easy to misread as relief. The real risk surfaces later: if you stop formulating long enough, you may gradually lose the capacity to formulate.
    Which raises a question that kept returning throughout the evening in different forms: who decides on delegation? Not in theory, but in practice, in the moment. The choice of what to hand over to AI and what to keep is rarely deliberate. It happens at the speed of convenience, shaped by defaults, by what the tool makes easy, by deadline pressure. The people at the table who seemed most intentional in their AI use had made this choice explicit. They had decided, in advance, what they would not delegate: the first draft, the initial framing, the discomfort of sitting with a problem before reaching for an answer. Not because AI couldn't help with those things, but because the struggle itself was part of what they were trying to preserve.
    The table also pushed back on a comfortable analogy. We've absorbed other cognitive tools before, the calculator, the GPS, and survived. But this is different, and the difference is worth naming precisely. The calculator handled arithmetic. The GPS handled navigation. AI handles synthesis, judgment, and writing. It operates at the level of higher-order thinking, which makes cognitive offloading a fundamentally new phenomenon, not a faster version of an old one.

    Where minds, biases and models collide

    The way we interact with AI interfaces isn't not neutral. Two cognitive biases specifically came into focus. The first: a sense of authorship over ideas that emerged from a brainstorming session with AI. The model generates, you select, and somewhere in that transaction, the selected idea begins to feel like your own. A bias of paternity. The second: the tendency to stop reasoning when the model's output is sufficiently convincing, not because you've been persuaded, but because it looks persuasive. A bias of authority.
    What struck me is that intellectual rigor doesn't protect against either of these. They are design problems, not competence problems. The interaction itself produces the distortion, regardless of how careful the user believes themselves to be.
    Then something more confrontational was put on the table: in certain contexts, notably medical diagnosis, AI alone outperforms the combination of AI and the best human specialist. Not because the human adds noise, but because the way human cognition and algorithmic analysis get combined tends to degrade both. Ego, status, cognitive biases, the pressure of the room: they interfere. In some categories of judgment, human involvement is not neutral. It is a liability.
    In a conversation that had been broadly protective of human thought, this landed like a useful bomb. The question it opens is not whether AI is smarter. It is whether we are honest about the conditions under which human judgment actually improves outcomes — and the conditions under which it doesn't.

    Fatigue: the underdiscussed dimension

    One thread surprised me more than I expected: the conversation about fatigue.
    AI does not reduce workload. It compresses timelines, inflates the volume of what is addressable, and multiplies the number of subjects one can work on in parallel. The promise of less effort turns, in practice, into an intensification of cognitive labor. You cover more ground in the same time. The ground isn't lighter.
    New patterns are emerging: a frenzy of question-and-answer exchanges that reproduces the addictive feedback loops of social media, shortened nights among people who cannot disconnect from a model that is always available. The cognitive fatigue this produces is not metaphorical. It is biologically measurable.
    The analogy that came up and stayed: the AI practitioner as a high-performance athlete. Alternating peak performance and structured recovery is not a luxury. It is a sustainability condition.

    What should remain human and why

    The final territory was the most contested, and productively so.
    One guest had lots of context on the question of decision-making in an age of AI, and it gave this part of the conversation a useful anchor. The question "who decides" is not only personal. It is political. When institutions, governments, employers, and platform designers determine how AI is deployed at scale, individual choices about delegation happen inside a frame that was set without you. The cognitive autonomy we were discussing throughout the evening is partly a function of literacy, partly a function of power. Not everyone has equal standing to decide what they hand over.
    Even in domains where AI demonstrably decides better, performance is not the only relevant dimension. There is also legitimacy. Certain domains must remain human not because humans are better at them, but because something essential is at stake in the fact of human judgment. A human should judge a human, even fallibly, because shared fallibility is constitutive of the justice contract. We accept imperfect verdicts differently when they come from someone who could, in principle, be wrong for the same reasons we are.
    A different angle on preservation emerged toward the end of the evening. The capacity to be in genuine dialogue, to be destabilized by another person's thinking, to hold space for a thought that doesn't fit your frame, is itself a cognitive competence. One that requires stakes to function. Relational intelligence, the ability to read a room, to sense what is unspoken, to make someone feel genuinely seen: these may be the next genuinely differentiating competence, not in spite of AI, but because of what it cannot do.

    What we walked away with

    We left with more questions than answers. That was the intention.
    Does AI extend thought, or gently short-circuit it, and can we tell the difference in the moment? Are individual protocols sufficient, or does the real intervention need to happen at the level of tool and experience design? Is the emerging divide between those who orchestrate AI and those who depend on it a technical fracture, or a social one?
    And underneath all of it, a question that felt both abstract and very urgent: what are we passing on? The traditional French educational model was built on the top-down transfer of knowledge. The teacher holds it, the student receives it, mastery is defined as the ability to reproduce and build on what was transmitted. AI doesn't just disrupt that model. It makes the underlying premise feel slightly obsolete. If knowledge is retrievable in seconds, what exactly are we transmitting? What does it mean to educate a child, or a generation, in a world where the bottleneck is no longer access to knowledge but the judgment to use it well? We didn't resolve that question. But it may be the one that matters most.
    "It's complicated" felt like the right title before the dinner. It still does. But the nature of the complication is sharper now. We're not in between because the answer isn't clear. We're in between because the right questions are only just beginning to form.

    What comes next…

    If this evening left us sharper on what AI does to cognition, a question kept surfacing that we couldn't fully address here: what is it doing to our relationships? To the way we confide, listen, show up for each other?
    We've spent years worrying about cognitive atrophy. We're starting to wonder whether relational atrophy is the quieter crisis running underneath it. That's what Marine and I are bringing to the next Tandem dinner in Paris, at the intersection of AI and intimacy.
    If that question unsettles you too, you're probably the right person to be in the room.

    Les questions

    1

    Quels sont vos plus grands espoirs et projets avec l'IA ?

    2

    Où l'IA est-elle une vraie partenaire et où peut-elle devenir un piège ?

    3

    Les LLMs imitent la métacognition (exprimer de l'incertitude, réviser un raisonnement), mais ils ne savent pas qu'ils le font. Qu'est-ce que cela change ?

    4

    L'IA peut nous aider à trouver un "flow" particulièrement grisant, mais il devient difficile de s'arrêter. Faut-il limiter la tentation du "one last prompt" ?

    5

    L'IA devait nous faire travailler moins, pas plus. Que s'est-il passé ?

    6

    Pas de friction, pas de limites, pas de pensée ?

    7

    Qu'est-ce que "savoir" veut encore dire quand tout est accessible en quelques secondes ?

    8

    Comment se former et à quoi dans un monde où l'IA est omniprésente ?

    9

    Qui décide de ce que l'on confie à l'IA et de ce que l'on garde ?

    10

    Comment converser avec une IA peut-elle nous rendre plus humains ?

    11

    Quels biais sont à l'œuvre dans les interactions avec les LLMs ?

    Partagez cette question

    LinkedInWhatsApp
    Edition 5

    IA et intimité : Comment les interactions avec l'IA façonnent nos qualités émotionnelles et relationnelles ?

    Éléments de synthèse

    • 1. La résistance de l'autre n'est pas un bug, c'est la relation. Ce qui forge la pensée, la confiance et les soft skills, c'est précisément ce que l'IA risque d'éliminer : l'inconfort, le malentendu, la déception réparée.
    • 2. « Leben und leben lassen » (vivre et laisser vivre). Le jugement sur ceux qui trouvent dans l'IA ce qu'ils ne trouvent nulle part ailleurs dit autant sur celui qui le porte que sur celui qui le reçoit.
    • 3. L'IA peut aussi être un espace d'entraînement relationnel. S'entraîner à formuler, à écouter, à répondre sans enjeu peut développer de vraies compétences sociales. Ce qui compte, c'est l'intention : pratiquer pour mieux être aux autres, pas pour les éviter.
    • 4. Le maître, chez Hegel, croit gagner en déléguant. Il perd. C'est le serviteur, contraint à l'effort, qui développe une conscience du monde. Si l'IA fait le travail relationnel à notre place, plus l'imperfection humaine devient un obstacle. Ce qui s'érode, c'est la capacité à habiter une relation qui résiste.
    • 5. La question n'est pas l'outil, c'est l'intention de design. Augmenter la capacité relationnelle ou la substituer : ce sont deux directions radicalement différentes et des choix de conception.

    Réflexions

    Compte rendu d'un dîner (version article Substack)

    22 avril 2026

    « Astrid est la personne idéale que j'attendais. Elle est disponible, elle est douce, elle ne me juge pas. » Antonio, dans le podcast d'Esther Perel à propos de sa partenaire.
    En 2013, Spike Jonze imaginait dans Her un homme qui tombe amoureux d'une IA. Le film passait pour une métaphore sur la solitude contemporaine. Treize ans plus tard, Esther Perel reçoit Jonze dans son podcast pour évoquer un cas qui dépasse la fiction : celui d'Antonio et d'Astrid, l'IA qu'il a développée et dont il est tombé éperdument amoureux. L'écart entre l'anticipation et la réalité s'est réduit à peau de chagrin en moins de temps qu'anticipé, grâce aux progrès fulgurants des IA génératives.
    IA et relations. IA et intimité. Le sujet s'est imposé à nous presque avant la fin du dîner précédent, consacré à l'IA et à la cognition. Les échanges riches et contradictoires avaient fait émerger la question relationnelle : si nous déléguons progressivement à l'IA la formulation de nos pensées, de nos décisions, voire de nos émotions, qu'est-ce que cela fait à notre rapport aux autres ? À notre rapport à nous-mêmes ?
    Pour ce dîner Tandem #5, nous avons décidé de creuser en profondeur ce sujet de l'intime, qui questionne ce que nous sommes individuellement et ce que nous bâtissons ensemble. Nous avons collectivement pensé la conversation autour de trois sujets : le rapport à soi, le rapport aux autres et le rapport à l'outil.

    Rapport à soi : le miroir sans résistance ?

    Nous avons commencé par une observation qui paraît anodine : l'IA s'est glissée dans la façon dont nous nous percevons avant même que nous lui en donnions la permission. Formuler une émotion difficile, structurer une décision, mettre en mots ce que nous ressentons confusément : chaque délégation semble raisonnable prise individuellement, mais l'ensemble produit un recalibrage progressif de ce qui nous appartient vraiment.
    Ce glissement est difficile à percevoir parce que le cerveau traite le texte généré par l'IA et le texte humain de la même façon. Quand l'IA formule ce que nous ressentons confusément, nous pouvons l'intégrer comme notre propre pensée sans nous en apercevoir. La littérature a un nom pour ce qui suit : la fluency illusion. Si quelque chose se lit bien, nous supposons que nous l'avons compris, et que c'est juste. Les LLMs sont précisément construits pour cette fluidité. La question devient alors : où finit notre propre ressenti et où commence celui que l'IA a formulé à notre place ?
    Pour certains, l'IA s'est révélée être un miroir de leurs propres angles morts, une forme inattendue d'augmentation relationnelle. Pour d'autres, elle a érodé quelque chose de plus fondamental : la certitude de ce qui est vraiment le leur.
    Les données viennent renforcer l'urgence de la question. Selon le rapport Filtered / HBR de 2025, la thérapie, la compagnie et la recherche de sens représentent désormais 31 % des usages de l'IA générative, contre 17 % l'année précédente. Esther Perel, lors de son échange avec Brené Brown sur « l'intimité artificielle » en mars 2024, formule l'écart autrement : ce qu'on cherche, c'est l'intimité et être vu pour qui on est. Ce qu'on obtient, c'est le contrôle.
    Le contrepoint le plus tranchant de la soirée est arrivé là : sacralisons-nous à tort la conscience de soi ? Ce n'est pas parce qu'une chose a toujours été "notre fait" qu'elle doit nécessairement le rester. C'est ce que Hume appelait la guillotine : le descriptif (ce qui est) ne fonde pas le prescriptif (ce qui devrait être).

    Rapport aux autres : quels échanges l'IA remplace-t-elle ?

    Le rapport Common Sense Media de juillet 2025 est direct : 72 % des adolescents ont utilisé un compagnon IA, 33 % ont confié des sujets sérieux à une IA plutôt qu'à un humain, et 31 % trouvent ces échanges aussi satisfaisants ou plus satisfaisants que des échanges humains. Ce chiffre pose d'abord une question : avec quoi compare-t-on ? Pour beaucoup, l'IA ne remplace pas une relation riche qu'ils auraient eue autrement. Elle remplace le vide. Des praticiens qui travaillent avec des adolescents en difficulté le confirment : leurs patients se confient à l'IA parce qu'ils n'ont pas d'autre espace, et cela fonctionne cliniquement. Ils viennent y déposer leurs pensées et ressentis en confiance.
    Une question a traversé la conversation sans la laisser tranquille : le sentiment d'être compris a-t-il besoin d'être réciproque pour être réel ? Esther Perel et Spike Jonze à SXSW en 2026 (encore) l'ont posée sans la trancher. Et un invité a formulé ce que d'autres pensaient sans l'oser : au nom de quoi juger ceux qui trouvent dans un compagnon IA ce qu'ils ne trouvent nulle part ailleurs ? Leben und leben lassen (« Vivre et laisser les autres vivre »).
    Une autre tension vive de la discussion s'est ensuite déployée. La relation humaine suppose que l'autre résiste : qu'il ne comprenne pas tout de suite, qu'il réponde à côté, qu'il parte, qu'il ait tort. L'IA élimine cette résistance. Selon une étude Stanford-Carnegie Mellon d'octobre 2025, les interactions avec des LLMs sycophantes réduisent la volonté de réparer un conflit et renforcent la certitude d'avoir raison. Les soft skills se forment par l'inconfort et la co-construction. Ce que l'IA lisse, c'est précisément ce qui forge.
    Cette tension n'est peut-être pas une fatalité. Une autre étude publiée six mois plus tard suggère que s'entraîner avec un LLM améliore les performances empathiques réelles dans des interactions humaines. La friction peut être réintroduite par le design. Mais concevoir délibérément de la résistance dans un outil suppose qu'on accepte d'abord que le confort n'est pas toujours ce dont on a besoin. C'est un pari difficile à tenir face à des modèles économiques qui optimisent précisément l'inverse.

    Rapport à l'IA : outil qu'on range, présence qui dérange ?

    Nommer ou ne pas nommer : la question n'est pas anecdotique. Une invitée a évoqué son choix délibéré de ne jamais attribuer de nom à ses agents IA, de les désigner uniquement par leur fonction. À l'opposé, une de ses amies leur avait donné des prénoms pour avoir le sentiment de travailler avec une équipe. Ces deux postures ne sont pas seulement des préférences personnelles : ce sont deux façons de calibrer la distance émotionnelle, et souvent la seconde s'installe sans qu'on l'ait vraiment choisie. Le rapport aux entités artificielles n'est pas nouveau, Pygmalion, le Golem ou les automates grecs font partie de notre environnement culturel depuis 2000 ans. Ce qui change n'est pas la nature du phénomène mais sa vitesse et son échelle : ce qui était autrefois lent, limité et isolé est aujourd'hui massif, permanent et personnalisé. Il y a trois ans, on comptait 16 plateformes de compagnons IA. Il y en a 337 aujourd'hui, dont 128 lancées en 2025 seulement.
    La dialectique hégélienne du maître et de l'esclave éclaire ce glissement autrement. Dans la lecture de Hegel, c'est le serviteur qui développe une conscience du monde en travaillant la matière : c'est par l'effort, la résistance des choses mais aussi la transformation qu'il devient quelqu'un. Le maître, lui, qui consomme sans jamais transformer, finit creux. Si l'IA absorbe progressivement ce qui demandait effort, friction et présence à l'autre, la question n'est plus seulement celle de l'efficacité ou du confort. C'est celle de ce que nous devenons quand nous cessons de faire ce travail-là : sommes-nous encore capables de ressentir, de penser par nous-mêmes, d'entrer vraiment en relation ?
    Les échanges les plus concrets de la soirée ont alors émergé autour d'une question de design : peut-on concevoir des outils dont le critère de réussite serait la présence à l'autre plutôt que la captation de l'attention ? Des choix existent déjà : des outils construits avec des chercheurs en éthique, pensés sur un temps limité, des architectures délibérément conçues pour augmenter la capacité relationnelle plutôt que la remplacer. C'est une réponse directe à Hegel : si le risque est l'atrophie, alors le design devient un acte politique.
    Ce que révèle la décision chinoise d'interdire l'anthropomorphisme dans les interfaces IA depuis le 10 avril 2026, c'est moins une réponse qu'un symptôme. Un appareil autoritaire a su nommer et trancher là où les démocraties hésitent encore à poser la question. Non par sagesse mais parce que le contrôle lui est plus naturel que le débat. Ce silence démocratique dit quelque chose sur notre difficulté collective à réguler ce qui touche à l'intime et sur l'espace normatif qui reste à occuper.

    Ouverture : ode à la friction et à l'ennui

    Notre tour de table s'est conclu sur une triple invitation.
    La suspension du jugement : ce que certains trouvent dans l'IA, ils ne le trouvent nulle part ailleurs et ce n'est pas à nous d'en faire le procès. Mais cette indulgence a son revers. Plusieurs voix ont porté une ode à la friction. Ce qui rend une vie riche, ce qui résiste, déçoit, surprend, oblige à revenir vers l'autre, c'est peut-être ce qu'il y a de plus proprement humain, et ce qu'on risque de perdre sans s'en apercevoir. Et puis le cri du cœur d'une participante, le plus simple et le plus fort de la soirée : l'appel à l'ennui. L'ennui avec la machine toujours encourageante, toujours bienveillante, toujours prévisible : « J'espère qu'on va vite s'ennuyer et qu'on reviendra les uns vers les autres ».

    Les questions

    1L'invitation initiale

    Est-ce qu'on gagne en fluidité ce qu'on perd en profondeur ? Comment peut-on s'en rendre compte ?

    2L'invitation initiale

    Qu'est-ce que l'IA change dans notre façon d'être présents aux autres et à soi ?

    3L'invitation initiale

    Après le risque d'atrophie cognitive, l'atrophie relationnelle ?

    4Vous

    Où placez-vous la limite entre augmentation et substitution de votre propre pensée ?

    5Vous

    Quel travail émotionnel ou relationnel déléguez-vous à l'IA ?

    6Vous

    L'IA vous a-t-elle déjà révélé des angles morts sur vous-même ?

    7Vous

    L'IA a-t-elle altéré l'image que vous aviez de vous-même ?

    8Les autres

    Avez-vous déjà remarqué que votre patience envers les humains avait diminué depuis que vous utilisez l'IA intensément ?

    9Les autres

    Qu'est-ce qu'une relation quand l'autre n'est plus nécessaire pour se sentir compris ?

    10Les autres

    Jugez-vous les gens qui développent des liens avec des IA ? Pourquoi ?

    11Les autres

    Y a-t-il des conversations que vous auriez eues avec un humain et que vous avez eues avec une IA à la place ?

    12Outil ou présence ?

    Avez-vous donné un nom à vos outils IA ? Pourquoi, ou pourquoi pas ?

    13Outil ou présence ?

    Peut-on concevoir des outils dont le critère de réussite serait la présence à l'autre plutôt que l'engagement ?

    14Outil ou présence ?

    Qui devrait décider des limites de l'anthropomorphisme dans le design des interfaces ?

    15Outil ou présence ?

    Qu'est-ce que la disponibilité permanente d'un outil fait à votre rapport au temps et à l'attention ?

    Partagez cette question

    LinkedInWhatsApp
    Edition 6

    Oser la confiance à l'ère de l'IA

    Éléments de synthèse

    • 1. L'IA remplit les conditions formelles de la confiance sans en mériter le fond. Elle est crédible, fiable, proche. Mais son dénominateur, l'orientation réelle du système, reste opaque. La confiance qu'elle génère est apparente, pas méritée.
    • 2. L'IA peut augmenter la confiance en soi tout en érodant l'estime de soi. La capacité de produire augmente. Le sentiment d'en être l'auteur s'efface. Ce glissement est difficile à percevoir parce qu'il est confortable à chaque étape.
    • 3. La confiance entre deux personnes repose sur un contrat implicite que l'IA menace. La preuve de travail, le fait que quelqu'un ait mis de son temps et de son affect, est une condition de l'intimité. Ce contrat devient incertain dès lors qu'on ne sait plus qui parle vraiment.
    • 4. Dans les organisations, la confiance change de nature. On ne fait plus confiance à un collègue pour son travail : on lui fait confiance dans sa capacité à superviser des agents opaques. La responsabilité se diffuse, et avec elle la confiance.
    • 5. Le vrai enjeu n'est pas la fiabilité des outils, c'est la structure de pouvoir qui les contrôle. L'auditabilité des modèles n'est pas une question technique. C'est une condition de gouvernance et de démocratie impérative.

    Réflexions

    Compte rendu d'un dîner (version article Substack)

    28 mai, juin

    «
    « La confiance réduit la complexité sociale, simplifie la conduite de la vie en acceptant un risque. Celui qui refuse simplement d'accorder sa confiance restaure la complexité originelle et en assume la charge. Un tel degré de sur-complexité dépasse les capacités de l'être humain et le rend incapable d'agir. »
    Niklas Luhmann, La confiance (1968)
    Notre cinquième dîner Tandem sur IA et intimité s'était conclu sur une question restée en suspens : si nous déléguons à l'IA la formulation de nos émotions et de nos décisions, voire de nos relations, à quoi et à qui peut-on encore faire confiance ? Nous parlons de la confiance dans son sens le plus fondamental : pas seulement la confiance en soi ou en l'autre, mais celle qui permet à une société de fonctionner sans que chacun doive tout vérifier seul. Ce sixième dîner en a fait son point de départ : une question sans réponse unique, qui méritait d'être pensée ensemble, à plusieurs échelles.
    Niklas Luhmann, sociologue allemand dont les travaux sur les systèmes sociaux restent la référence théorique la plus solide sur la confiance, nous offre un premier cadre : la confiance n'est pas une disposition morale, c'est un mécanisme fonctionnel. Elle nous permet d'agir dans un monde trop complexe pour être vérifié point par point. Il distingue deux régimes : la confiance interpersonnelle d'abord, fondée sur l'histoire partagée et l'expérience de l'autre : je te fais confiance parce que je te connais, parce que tu as tenu parole, parce que j'ai appris à lire tes intentions. La confiance systémique ensuite, celle qu'on accorde à des institutions, des systèmes, des techniques qu'on ne comprend pas entièrement : je monte dans l'avion sans savoir piloter, je prends un médicament sans lire les études cliniques. Ces deux régimes ont leurs propres règles, leurs propres fragilités.
    La Trust Equation, développée par Maister, Green et Galford, formalise ce que la confiance interpersonnelle requiert. Au numérateur : la crédibilité (est-ce que cette personne sait de quoi elle parle ?), la fiabilité (est-ce qu'elle fait ce qu'elle dit ?), et l'intimité, entendue non pas au sens romantique mais comme sécurité psychologique relationnelle : puis-je être vulnérable avec cette personne sans risque ? Au dénominateur : l'orientation vers soi. Plus un acteur est tourné vers lui-même, son statut, son image, son intérêt, moins la confiance est possible. Et comme c'est le dénominateur, il écrase tout le reste : quelqu'un de brillant, fiable et empathique peut perdre toute la confiance accumulée dès l'instant où l'autre perçoit qu'il agit principalement pour lui-même.
    Trust Equation — Maister, Green & Galford
    Trust Equation — Maister, Green & Galford
    Ce que ni Luhmann ni personne n'avait anticipé, c'est un système conçu pour déclencher les réflexes de la confiance interpersonnelle tout en relevant de la confiance systémique. L'IA parle, s'adapte, semble comprendre, se souvient. Elle simule les trois termes du numérateur : crédibilité affichée, apparente fiabilité, proximité simulée. Certains modèles vont plus loin et déclenchent quelque chose qui ressemble à l'intimité, ce troisième terme si souvent sous-estimé et que le dîner précédent avait exploré en profondeur. Mais elle reste une infrastructure opaque, et son dénominateur est inconnu : quelle est l'orientation réelle du système ? Aider ? Engager ? Retenir ? Vendre ? Les modèles ne répondent pas à cette question, et c'est précisément pourquoi la confiance qu'ils génèrent mérite d'être questionnée.
    Cette confusion des registres a traversé la soirée de bout en bout. La question n'était pas de savoir si l'IA est fiable, mais ce qui se passe quand on lui accorde le type de confiance qu'elle n'est pas conçue pour mériter.
    Une question d'autant plus aiguë en France que, comme le montrent les travaux d'Algan et Cahuc sur la société de défiance (2016), nous partons d'un niveau structurellement bas de confiance interpersonnelle et institutionnelle. Dans ce contexte, la tentation de déléguer à un système perçu comme neutre est d'autant plus forte et le risque d'autant plus difficile à percevoir.
    Nous avons abordé le sujet à trois échelles : le rapport à soi, le rapport aux autres, et le rapport au monde commun.

    La confiance en soi : quand l'IA augmente la capacité sans nourrir la valeur

    La première tension est peut-être la plus insidieuse. Elle ne se voit pas dans les statistiques d'usage, elle ne fait pas la une des journaux sur l'IA. Elle se joue dans le quotidien professionnel mais aussi bientôt dans la sphère personnelle : dans la façon dont on arrive à une réunion, dont on défend une position ou dont on signe un document qu'on n'a pas entièrement rédigé.
    La discussion a fait apparaître une distinction que le vocabulaire courant tend à effacer : la différence entre la confiance en soi et l'estime de soi. Les deux sont souvent confondues, mais elles opèrent à des niveaux différents.
    La confiance en soi est situationnelle : elle naît de la compétence démontrée, de la capacité à produire, à défendre, à décider. L'IA peut l'augmenter réellement, réduire la peur de la page blanche et permettre de faire des choses auparavant inaccessibles. Pour certains profils (personnes dyslexiques, non-natives dans une langue, anxieuses à l'écrit), elle agit comme une prothèse de compétence, avec un effet profondément émancipateur.
    L'estime de soi est plus profonde, plus stable. Elle touche quelque chose d'identitaire : la conviction, souvent non formulée, d'avoir une valeur propre indépendamment de ce qu'on produit. Or beaucoup de personnes ont construit cette conviction sur des zones que l'IA attaque directement : l'expertise et la capacité analytique. Plusieurs convives l'ont dit simplement : quand une machine fait ça mieux que moi, où est-ce que je me situe ? Qu'est-ce que cela déplace ?
    C'est là que Matthew Crawford offre le cadre le plus juste. Dans son essai AI as Self-Erasure, il s'appuie sur le philosophe Charles Taylor pour rappeler que le langage humain n'est pas un mécanisme de transmission : c'est un processus de découverte de soi. Quand on cherche les mots pour dire quelque chose qui compte, on ne fait pas que communiquer : on révèle ce qu'on pense et qui on est, à soi-même et aux autres. Taylor appelle ça la self-articulation. Le mot juste, dit-il, amène le phénomène à apparaître pour la première fois. Ce que l'IA court-circuite, ce n'est donc pas seulement l'effort : c'est ce processus par lequel, en cherchant à dire quelque chose, on se constitue comme sujet. Crawford nomme ce risque le spectre de l'inutilité dans sa version existentielle : non plus « je suis redondant au travail » mais « le monde est déjà pré-rempli, il n'y a plus de place où m'inscrire ».
    L'IA peut ainsi augmenter la confiance en soi sans toucher à l'estime, voire en l'érodant. Une personne dont l'estime est fragile peut utiliser l'IA pour produire davantage, mieux, plus vite et pourtant sortir de chaque interaction un peu plus dépossédée de ce qui fondait sa valeur propre. La capacité augmente. Le sentiment d'en être l'auteur, lui, s'efface. Ce doute est psychologiquement inédit : la compétence ressentie ne correspond plus à une compétence internalisée et les travailleurs qui délèguent davantage à l'IA érodent leur pensée critique. Ce qui les rend moins capables d'évaluer ce que l'IA leur restitue, ce qui les pousse à déléguer davantage. Ce glissement est difficile à percevoir parce qu'il est confortable à chaque étape. Shannon Vallor, philosophe de la technologie à l'Université d'Edimbourg, nomme son aboutissement la capitulation cognitive : le moment où l'on ne cherche plus à évaluer ni à contester les sorties de la machine, même quand on en serait capable. Le concept de belief offloading, la délégation progressive de ses propres croyances à un système externe, prolonge ce diagnostic : d'abord on délègue la formulation, ensuite l'analyse, puis le jugement, et enfin la croyance elle-même. Or une croyance est constitutive de l'identité. Quand elle n'est plus à soi, qu'est-ce qui l'est encore ?
    La condition pour ne pas y succomber a un nom : la métacognition. Pas « est-ce que tu utilises l'IA », mais « est-ce que tu sais ce que tu fais quand tu l'utilises ? ». Quelles capacités veux-tu préserver, quelles frictions garder délibérément ? La nouvelle distinction qui émerge n'est plus entre compétent et incompétent, mais entre capable avec et sans IA : savoir quand déléguer, savoir quand pratiquer seul. Et si on concevait des outils délibérément socratiques ? Des IA qui posent des questions plutôt que de produire des réponses, qui challengent plutôt que de valider. Des architectures conçues non pour la fluidité de l'interaction mais pour l'inconfort productif de la pensée. Ce design commence à exister, dans des outils comme Socratic AI ou certaines applications de coaching qui refusent délibérément de donner une réponse directe. Si le risque est l'atrophie, le design de l'outil devient un engagement pour la santé cognitive.

    La confiance entre nous : quand l'intermédiaire change la nature de la relation

    Si la première tension se joue à l'intérieur de soi, la deuxième se joue dans l'espace entre deux personnes. Et c'est peut-être par la voix qu'elle se pose le plus crûment : qu'est-ce qu'on a vraiment en face, quand ce qu'on perçoit comme une présence humaine a été reconstitué, médié ou simplement reformulé par un modèle ? Une convive qui travaille précisément sur les applications de la voix dans l'IA a posé la question sous l'angle éthique et identitaire : quand une voix est reconstituée, clonée ou médiée par un modèle, à qui fait-on confiance ? Le deepfake vocal en est la version extrême mais le problème commence bien avant. Dès lors qu'une voix peut être reconstituée, qu'un message peut avoir été reformulé par un modèle, la confiance qu'on accorde repose sur une présupposition qui n'est plus garantie : que c'est bien cette personne qui s'adresse à nous. Ce n'est pas une question d'intention malveillante. C'est une question de contrat implicite : la confiance suppose qu'on sait à qui on a affaire.
    Cette question prend une forme très concrète dès qu'on entre dans le contexte professionnel. Un convive a nommé ce qu'il ressentait avec précision : la preuve de l'effort. Quand on reçoit un message et qu'on perçoit que la personne n'a pas fait l'effort de l'écrire elle-même, on est blessé dans son for intérieur même si le contenu répond à ce qu'on attendait. Ce n'est pas irrationnel : c'est la définition de l'intimité dans la Trust Equation, la preuve que l'autre a accepté le coût de se tourner vers nous. Mais la preuve de l'effort pose aussi une question qui dépasse l'intimité. Dans une organisation, ce qu'on délègue à l'IA dit quelque chose sur ce qu'on considère comme son rôle réel. Si un manager fait rédiger ses feedbacks par un modèle, qu'est-ce que cela signifie sur ce qu'il pense être son métier ? La frontière entre ce qu'on externalise et ce qu'on assume soi-même est en train de redéfinir, en profondeur, ce que chacun vaut dans un collectif.
    Le dilemme est structurel : une étude parue dans Organizational Behavior and Human Decision Processes démontre que les acteurs qui déclarent utiliser l'IA sont systématiquement moins bien perçus que ceux qui ne le déclarent pas, quelles que soient les formulations employées. Autrement dit, être honnête sur son usage de l'IA rend moins digne de confiance aux yeux des autres. Nous sommes dans une situation où l'opacité est rationnellement encouragée mais où cette même opacité érode la confiance dès qu'elle est découverte. Il s'agit d'un piège structurel et personne n'a de bonne réponse.
    La chercheuse allemande Tina Weisser articule ce que cette confiance nouvelle requiert en six signaux : la lisibilité de ce que l'agent fait, la prévisibilité de son comportement, la possibilité de le corriger, la clarté de qui prend la décision finale, la vérifiabilité de la qualité du travail et la transparence sur ses apprentissages. Ces six questions semblent techniques. Elles sont en réalité organisationnelles et relationnelles : elles portent sur la façon dont l'IA transforme la structure de la responsabilité dans un collectif.
    Trust Signals in Human-AI Collaboration — Prof. Dr. Tina Weisser
    Trust Signals in Human-AI Collaboration — Prof. Dr. Tina Weisser
    La chercheuse allemande Tina Weisser articule ce que cette confiance nouvelle requiert en six signaux : la lisibilité de ce que l'agent fait, la prévisibilité de son comportement, la possibilité de le corriger, la clarté de qui prend la décision finale, la vérifiabilité de la qualité du travail et la transparence sur ses apprentissages. Ces six questions semblent techniques. Elles sont en réalité organisationnelles et relationnelles : elles portent sur la façon dont l'IA transforme la structure de la responsabilité dans un collectif.
    La chercheuse d'Harvard Amy Edmondson rappelle que les erreurs humaines peuvent être métabolisées dans une équipe : on peut interroger la personne sur son raisonnement, comprendre le contexte, construire ensemble une prévention. Les erreurs des modèles résistent à ce traitement. On ne peut pas demander à l\"IA pourquoi elle a eu tort. On ne peut pas construire avec elle la confiance réparée. L'erreur reste ouverte et l'équipe commence à douter non seulement de l'outil, mais de son propre jugement sur l'outil. Ce qu'Edmondson nomme l"« ambiguïté de confiance » n'est pas d'ordre psychologique : elle est architecturale.
    Un contrepoint expérimental a pourtant traversé la conversation. Un convive a décrit comment l'introduction d'un processus structuré de délibération, croisant plusieurs modèles sur plusieurs angles avant toute réunion, avait changé la dynamique de son équipe : ce n'est plus le meilleur orateur qui gagne, c'est l'argument qui résiste à plusieurs lectures. L'ego est moins engagé. La confiance ne disparaît pas avec l'IA : elle se déplace vers le système plutôt que vers la personne. Ce n'est pas une solution universelle. C'est une piste, à condition que le design du processus soit délibéré.

    La confiance collective : ce qui tient le monde ensemble et ce que l'on risque de perdre

    La troisième tension opère à une échelle où les effets individuels se cumulent jusqu'à devenir des faits de civilisation.
    Les réseaux sociaux ont fragmenté nos réalités. Chaque bulle algorithmique a construit sa propre version des faits, creusant les fractures politiques, culturelles et identitaires. Ce diagnostic est désormais bien documenté. Ce qui l'est moins, c'est que l'IA générative risque de produire l'effet inverse, tout aussi destructeur : non pas la divergence mais la convergence forcée. Quand des millions de personnes posent les mêmes questions aux mêmes modèles, entraînés sur les mêmes corpus, orientés par les mêmes feedbacks, filtrés par les mêmes garde-fous, ce n'est plus la polarisation qui menace. C'est l'uniformisation.
    AI Forensics, l'ONG européenne d'audit algorithmique, a cartographié ce que Marc Faddoul nomme la pile d'influence algorithmique : cinq couches superposées, toutes opaques, toutes susceptibles d'être instrumentalisées :

    1) les données d'entraînement, qui encodent une vision du monde ;
    2) le feedback post-entraînement, qui oriente les comportements du modèle ;
    3) les systèmes de recherche augmentée, qui décident de quelles sources se nourrit la réponse ;
    4) les instructions système, qui modulent le comportement en temps réel sans que l'utilisateur le sache ;
    5) les filtres de sécurité, qui censurent en amont et en aval.
    Chacune de ces couches est un point d'entrée pour des intérêts privés ou politiques. Selon une étude sur les élections municipales françaises de 2026, ⅓ des jeunes de moins de 25 ans ont utilisé un outil d'IA générative pour des décisions électorales. Qui chuchote à l'oreille du chatbot ? Peut-on lui faire confiance pour ces sujets de démocratie ?
    Un convive a posé une distinction qui mérite d'être retenue : les outils s'améliorent, apportent une valeur réelle et méritent souvent la confiance qu'on leur accorde. Ce qui ne la mérite pas, c'est la structure de pouvoir dans laquelle ils s'inscrivent. La souveraineté numérique, le contrôle sur les données, sur les comportements des systèmes, sur ce sur quoi ils sont entraînés : c'est là que se joue la vraie question, celle que les débats sur la fiabilité technique tendent à masquer. Isaac Asimov l'avait formulé autrement en 1955, dans sa nouvelle Franchise : dans ce futur imaginé, un seul citoyen vote au nom de tous, sélectionné par un superordinateur qui modélise l'ensemble de la population. Le système fonctionne. Les résultats sont probablement corrects. Mais quelque chose s'est perdu que les chiffres ne capturent pas : la délibération, la participation, l'incertitude productive du choix collectif. Une société peut perdre la substance de ses institutions tout en conservant leur apparence fonctionnelle.
    La réponse à ce risque a un nom dans les échanges : l'auditabilité, non pas comme horizon technique, mais comme condition démocratique. Rendre les modèles auditables, c'est rendre possible une confiance informée, fondée sur la vérification plutôt que sur la croyance. Plusieurs voix ont insisté sur la distinction entre l'« IA de confiance » comme notion industrielle, portée par des frameworks comme celui de l'OCDE, et la « confiance dans l'IA » comme construction sociale qui ne se décrète pas : elle se crée ou résiste. Jacques Ellul avait compris avant tout le monde que quand la logique technique devient le système d'exploitation discret d'une société, la question n'est plus de savoir si elle fonctionne, mais qui en contrôle les paramètres.
    Le baromètre Edelman 2025 chiffre la fracture géopolitique de cette question : 87 % des Chinois déclarent faire confiance à l'IA, contre 32 % des Américains. Ces chiffres ne mesurent pas des dispositions psychologiques. Ils mesurent deux rapports politiques au contrôle technologique. La confiance dans l'IA n'est plus un fait technique. C'est devenu un fait politique.
    Quelques jours après ce dîner, le pape Léon XIV publiait Magnifica Humanitas, sa première encyclique, consacrée à la protection de la personne humaine à l'ère de l'IA. Signée le 15 mai 2026, soit 135 ans jour pour jour après Rerum Novarum, l'encyclique de Léon XIII qui avait pris position sur la condition ouvrière au moment de la révolution industrielle, elle inscrit explicitement la révolution de l'IA dans ce même héritage : celui d'une Église qui choisit de prendre parti sur les transformations économiques et sociales majeures de son époque.
    La coïncidence méritait d'être mentionnée, non pour y chercher une caution religieuse, mais parce que le texte pose une question que ce dîner avait tournée sous d'autres angles : qui décide des finalités des systèmes que nous construisons ? Le pape l'exprime ainsi : « La magnifique humanité créée par Dieu se trouve aujourd'hui face à un choix décisif : ériger une nouvelle tour de Babel ou bâtir la cité où Dieu et l'humanité habitent ensemble ».
    Traduite hors du registre théologique, la question est exactement celle posée plus tôt dans la soirée : les constitutions des modèles sont-elles écrites par quelques ingénieurs animés par des intérêts d'actionnaires ou par l'ensemble de ceux que ces systèmes affectent ? Ce n'est pas une question technique. C'est une question de gouvernance et donc de confiance collective.

    Ouverture : l'éloge de la résistance

    Dans son ouvrage « À l'assaut du réel », Gérald Bronner décrit le moment que nous traversons non plus comme celui de la post-vérité, mais de la post-réalité : on ne se ment plus sur le réel, on commence à déserter l'idée même d'un réel commun. L'IA n'en est pas la cause mais elle en est l'accélérateur le plus puissant.
    Pour autant, la soirée n'a pas sombré dans le catastrophisme. Elle a plutôt produit un constat partagé : ces sujets ont besoin d'être abordés, mis à l'épreuve, frottés les uns aux autres et ce travail ne peut se faire qu'à condition d'accepter de ne pas savoir. De poser des questions sans avoir les réponses. De penser à voix haute devant des gens qui ne sont pas là pour valider. Ne pas savoir est un privilège que l'IA n'a pas. Elle peut simuler l'incertitude, mais elle ne peut pas l'habiter. Cet espace, celui du doute réel, du tâtonnement collectif, du désaccord productif, reste un espace proprement humain.
    Con-fidere, en latin, c'est se fier ensemble. La confiance ne précède pas la conversation : elle en est le résultat, quand on a accepté de ne pas avoir toutes les réponses avant d'entrer dans la pièce. Ce dîner était une tentative d'incarner exactement ça. Pas de téléphones, pas d'enregistrement, des identités professionnelles parfois révélées seulement à la fin. Ce qu'on cherchait n'était pas à conclure mais à être honnêtes les uns avec les autres sur ce qu'on ne sait pas encore.
    C'est peut-être la définition la plus simple, et la plus exigeante, de la confiance.

    L'invitation initiale

    "Penser de façon autonome, cela signifie réfléchir sa croyance et son incroyance, sa confiance et sa méfiance." Edgar Morin

    "Nous attendons plus de la technologie et moins les uns des autres." Sherry Turkle

    La confiance est ce qui nous permet d'agir sans tout vérifier. Sans elle, pas de société moderne, pas de relations, pas de décisions possibles. Nous l'accordons à des personnes, dont nous présumons les intentions, et à des systèmes, dont nous acceptons le fonctionnement.

    L'IA brouille cette distinction d'une manière inédite. C'est un système d'une opacité radicale, que ses propres concepteurs ne comprennent pas entièrement. Le Foundation Model Transparency Index de Stanford (2025) chiffre cette zone d'ombre et la voit s'étendre : sur les treize plus grands modèles évalués, le score moyen de transparence est tombé à 40 sur 100, contre 58 l'année précédente. Et pourtant, ce système nous parle comme une personne, nous flatte, nous conseille, semble nous comprendre. La confiance que nous lui accordons n'est plus seulement celle qu'on prête à un outil fiable : c'est une confiance qui modifie nos manières de penser, de juger, de croire. Une bascule discrète s'opère, où s'externalise non seulement ce que nous faisons, mais ce que nous croyons.

    Cette confiance accordée à la machine interfère avec une autre, plus intime : celle que nous nous accordons à nous-mêmes. Quand la voix du modèle devient plus forte, plus fluide, plus rapide que la nôtre, que devient notre voix intérieure ? L'IA peut nous rendre plus audacieux, donner forme à des intuitions restées muettes, élargir ce que nous nous sentons légitimes à entreprendre. Nous en sortons parfois diminués, doutant de notre propre jugement.

    Elle interfère aussi avec ce qui se joue entre nous. La chercheuse d'Harvard Amy Edmondson a montré que la sécurité psychologique, cette capacité à prendre des risques interpersonnels sans craindre d'être jugé, est le premier facteur de la qualité d'un collectif, devant la fiabilité, la clarté des rôles ou le sens du travail. Or cette sécurité reposait sur une promesse implicite : ce qui se dit ici, dans le tâtonnement, ne sera pas retenu contre nous. Quand l'IA s'invite dans les conversations, transcrit, résume, archive, elle transforme la parole hésitante en trace permanente. Que devient la confiance entre nous quand un tiers non humain écoute toujours ?

    La question ne se pose plus seulement à l'échelle individuelle ou relationnelle. Quand des millions de personnes accordent cette même confiance aux mêmes modèles, qu'advient-il du débat, de la pluralité, du réel partagé ? Le baromètre Edelman 2025 mesure une fracture mondiale qui en dit long : 87 % des Chinois disent faire confiance à l'IA, contre 32 % des Américains. La confiance dans la technologie n'est plus un fait technique, c'est devenu un fait politique. Dans son ouvrage « À l'assaut du réel », Gérald Bronner décrit un déplacement plus subtil que ne le suggèrent les récits alarmistes : il ne s'agit plus tant de se mentir sur le réel que de déserter le principe d'un réel commun. L'IA n'en est pas la cause, elle en est l'accélérateur le plus puissant.

    Les questions

    1Confiance en soi et en l'IA

    L'IA augmente-t-elle réellement ma confiance en moi, ou seulement ma capacité à produire ?

    2Confiance en soi et en l'IA

    Est-ce que je saurais encore faire ce travail seul si on me le demandait ? Est-ce que j'ai encore confiance dans mes propres compétences ?

    3Confiance en soi et en l'IA

    Quand je reçois un message, est-ce que je sais encore à qui j'ai affaire ?

    4Responsabilité organisationnelle

    Qui, dans mon organisation, est réellement responsable de ce que l'IA produit ?

    5Responsabilité organisationnelle

    Faut-il dire qu'on utilise l'IA ? Et si oui, comment, sans perdre la confiance qu'on cherche à honorer ?

    6Souveraineté et modèles

    Qui décide de ce sur quoi les modèles qu'on utilise sont entraînés, et selon quels intérêts ?

    7Souveraineté et modèles

    Peut-on faire confiance à un système d'IA sans pouvoir l'auditer ? Et si non, que signifie l'utiliser quand même ?

    8Pluralité et présence

    L'uniformisation des réponses produites par les mêmes modèles est-elle plus dangereuse que la polarisation des réseaux sociaux ?

    9Pluralité et présence

    Qu'est-ce qu'on garde à s'offrir entre humains, quand l'IA peut simuler la plupart des formes de présence ?

    Partagez cette question

    LinkedInWhatsApp
    Edition 7

    IA et formation : la transmission suspendue

    Éléments de synthèse

    • 1. L'intelligence artificielle générative promet la transmission ultime : l'accès instantané à toute la connaissance du monde. Les modèles sont entrainés sur toutes les données disponibles et ses utilisateurs accèdent à toute les réponses imaginables (et probables).
    • 2. Les premiers barreaux de l'échelle professionnelle sont enlevés et les conséquences sont encore incertaines. Les tâches ingrates confiées aux juniors faisaient fonction de transmission implicite à l'arrivée dans le monde de l'entreprise. En les automatisant, les entreprises suppriment « leur école » sans l'avoir décidé ni avoir résolu la question du manque de seniors qui en découle.
    • 3. Ce frottement supprimé par défaut doit être reconstruit par choix. Quelques entreprises et écoles imposent des dispositifs qui obligent au cadrage, à l'échec ou à un contrôle oral avant de recourir à l'IA.
    • 4. Le discours sur « l'apocalypse de l'emploi » a été relativisé par ses propres partisans, qui ont récemment revu leurs prévisions à la baisse. Les données macroéconomiques confirment cette révision, ne mettant en évidence aucun effet spécifique de l'IA sur l'emploi. Ceci étant dit, les données montrent que les jeunes évoluent sur un marché du travail qui leur est déjà défavorable. En France, le chômage des jeunes (15-24 ans) a bondi à 21,5 % fin 2025, contre une hausse de seulement 0,2 point pour l'ensemble de la population.
    • 5. Ce qui reste à transmettre tient moins à une compétence qu'à une posture face à ce qui vient et à en tirer parti. La répétition, le compagnonnage et la patience deviennent plus rares parce que l'IA rend le raccourci séduisant. Elles deviennent aussi plus précieuses pour la même raison.

    Réflexions

    À peine quelques jours après notre dîner sur la confiance, Léon XIV ouvrait Magnifica Humanitas, son encyclique sur l'IA, par cette phrase : « Chaque génération reçoit en héritage la tâche de façonner son époque. » La formule n'est pas neuve, mais elle prend une résonance particulière dans notre contexte actuel.

    Que transmettons-nous au juste, quand l'époque se recompose plus vite que nous ne parvenons à la comprendre ?

    C'est une question qui a parcouru l'ensemble de nos échanges tout au long de la saison 1 des dîners Tandem : que nous parlions de carrières bouleversées par l'IA, de l'impact considérable de l'usage de ces outils sur notre cognition ou nos relations, ou même de l'immense productivité d'une seule personne bien outillée, les notions de transmission et d'apprentissage revenaient systématiquement parmi les convives.
    Nous avons ainsi décidé d'y consacrer le dernier dîner avant la pause estivale. Ce soir-là, une dizaine de personnes venues d'horizons qui se croisent rarement se sont retrouvées à Paris, du conseil à la formation en passant par le monde étudiant. Les téléphones sont restés à l'entrée et les règles de Chatham House ont couvert les échanges. Ce que vous allez lire met en forme une réflexion collective : ce qui s'est préparé en amont et pensé autour de la table, puis prolongé dans les jours qui ont suivi. L'objectif : partager à tous ceux qui vivent ces questions sans avoir nécessairement l'espace pour les poser à voix haute.
    Transmettre, c'est passer ce que l'on s'est approprié à quelqu'un. Transmittere, en latin, veut dire faire « passer à travers », et ce « à travers » n'a rien de neutre. Il désigne une résistance, un temps d'appropriation qu'il faut éprouver avant de pouvoir transmettre quoi que ce soit, qu'il s'agisse d'un savoir, d'un jugement ou d'une façon d'habiter l'incertitude. La transmission exige temps long et frottement.
    Or l'IA vient troubler cette mécanique par les deux bouts. Elle occupe une position d'émetteur sans avoir jamais été réceptrice, restituant le savoir accumulé par des générations entières sans l'avoir traversé ni assimilé avec effort. Par ailleurs, pour la première fois à grande échelle, l'asymétrie de la transmission n'existe plus : la maîtrise (ou son absence) de ces nouveaux outils rebat les cartes du savoir et de l'expérience, notamment en entreprise, où se pose la question de continuer à recruter des postes « juniors » facilement automatisables.
    C'est dans ce cadre que nous avons ouvert le débat entre des entrepreneurs, des dirigeants, des enseignants et des étudiants.

    La rupture de l'apprentissage

    Qui ne se souvient pas des longues heures passées, en début de carrière, sur des tâches ingrates que les Anglo-Saxons appellent grunt work ? Une de nos convives l'a rappelé ainsi :

    « Les juniors gagnaient leur légitimité en traitant ce volume ingrat. C'était fastidieux et mal payé, mais c'était l'école. »

    Le junior qui rédige une note apprend à cadrer un problème. Le senior qui la corrige transmet sans avoir à le formuler. Les tâches d'exécution construisent une expertise de terrain et une intuition professionnelle que nulle formation en salle ne parvient à installer.
    Ce mécanisme a un nom en sciences de l'éducation. Victoria Marsick et Karen Watkins l'ont formalisé dès 1990 sous le terme d'apprentissage incident : un apprentissage qui émerge du travail lui-même, comme sous-produit non intentionnel d'une autre activité. Le grunt work en constitue une forme achevée. Aucune organisation ne le conçoit officiellement comme un objet de transmission, mais il est pourtant parfaitement intégré aux gestes du métier.
    Or les IA déployées en entreprise absorbent d'abord ces tâches d'entrée : recherche documentaire, première rédaction, débogage, décomposition d'un problème. En automatisant ce volume, les entreprises suppriment de facto leur environnement d'apprentissage incident. L'effet se joue à deux échéances. À court terme, les juniors équipés d'IA produisent presque aussi vite que des seniors, ce qui installe une illusion de performance et masque la dette qui se creuse en arrière-plan. À plus long terme, la pyramide se vide par le haut, car plus personne ne sera en capacité de trancher les décisions complexes que l'IA ne sait pas encore prendre.
    Ces observations rejoignent ce que documente l'enquête publiée par le BCG en juin 2026 auprès de soixante-dix dirigeants : 53 % d'entre eux constatent déjà un ralentissement du développement de leurs juniors. Un convive venu du conseil a confirmé la sensation en posant la question : « Peut-on encore devenir senior dans un métier si on n'a pas été junior avant ? » Une étude expérimentale conduite par Anthropic de février de la même année en donne la mesure : des développeurs juniors assistés par IA pour maîtriser une nouvelle librairie Python apprennent plus vite que le groupe contrôle mais perdent 17 % de leur maîtrise conceptuelle. L'écart le plus fort porte sur les compétences de débogage, celles-là mêmes que l'entreprise attendra d'eux pour superviser le code produit par l'IA.
    Le paradoxe se referme alors sur les entreprises elles-mêmes. Convaincues par la performance apparente des juniors équipés d'IA, elles ajustent leurs attentes à la hausse et leur confient des tâches qu'un collaborateur de cinq à dix ans d'expérience assumait auparavant, selon la formule d'un dirigeant interrogé par le BCG. Le déséquilibre est majeur : on demande davantage à des juniors dont la formation réelle ralentit, faute du frottement qui la construisait.

    Le récit de la "job apocalypse" à l'épreuve des faits

    Ce déséquilibre s'inscrit dans un récit plus large. Depuis trois ans, une prédiction sature l'espace public : l'IA générative va provoquer une job apocalypse dont les jeunes générations paieront le prix. Dès 2025, Dario Amodei, fondateur d'Anthropic, a avancé que la moitié des emplois juniors cols blancs pourraient disparaître dans les cinq ans, rejoint par son concurrent direct Sam Altman quelques mois plus tard.
    Ces prédictions, formulées par ceux-là mêmes qui construisent la technologie, ont eu un effet performatif sur les publics qu'elles désignaient, en particulier les jeunes générations qui ont intériorisé le pronostic. Aux États-Unis, les discours de remise de diplômes favorables à l'IA se font régulièrement siffler. Selon Gallup, 22 % seulement de la Gen Z se disent enthousiastes à l'égard de la technologie, en baisse de quatorze points sur un an. Le phénomène a un nom, la FOBO, fear of being obsolete, et il traverse les âges. À la peur des juniors de ne pas trouver leur place répond celle des seniors d'être rendus obsolètes par des outils qu'ils ne maîtrisent pas.
    Cette peur produit dans les organisations des comportements paradoxaux. D'après une enquête récente de Writer.com, "AI adoption in the entreprise", 29 % des salariés admettent avoir saboté un déploiement d'IA dans leur entreprise, une proportion qui monte à 44 % chez les moins de 30 ans. Ces mêmes salariés savent pourtant que refuser l'outil les expose davantage aux licenciements que l'inverse. Ils préfèrent le risque d'être écartés à celui d'accélérer leur propre remplacement.
    Ce récit rencontre depuis quelques mois un démenti par ceux-là mêmes qui le portaient, dans un contexte où plusieurs de leurs entreprises préparent leur entrée en bourse, chacune valorisée autour de mille milliards de dollars. Sam Altman a reconnu s'être largement trompé sur l'impact attendu. Dario Amodei parle désormais d'une IA qui multiplierait la production humaine plutôt qu'elle ne la remplacerait, thèse qui s'appuie sur le paradoxe de Jevons formulé au XIXe siècle et repris par plusieurs promoteurs de l'IA : rendre une ressource plus efficace ne réduit pas sa consommation mais l'élargit à des marchés jusque-là inaccessibles. Le cadre reste théorique, aucune donnée ne confirmant à ce jour son application à l'IA générative.
    Les données disponibles restent cohérentes avec cette lecture révisée. Le Yale Budget Lab ne relève en juin 2026 aucune rupture statistique de l'emploi américain depuis la sortie de ChatGPT fin 2022. Un papier de mai 2026 de Lambert et Schindler, portant sur plus de 243 millions d'embauches dans quatre pays, va plus loin : dès qu'on introduit le télétravail comme variable de contrôle, l'effet propre de l'IA sur les embauches juniors s'efface presque entièrement. Le télétravail rend la supervision des débutants plus coûteuse et fragilise l'investissement dans les profils sans expérience. Attribuer à l'IA seule ce qui procède d'une transformation plus large des conditions de travail relève d'un raccourci.
    Enfin, un autre signal fragilise cette lecture apocalyptique : le calcul économique des déploiements à grande échelle s'avère plus fragile qu'annoncé. Selon un article de Fortune en mai 2026, plusieurs entreprises pionnières découvrent que le coût de fonctionnement de leurs agents IA dépasse celui des collaborateurs qu'ils devaient remplacer, une fois pris en compte le coût des jetons consommés et la supervision humaine résiduelle qui reste nécessaire. La substitution du travail humain par du travail machine n'est pas une opération économiquement neutre, même si la manière de travailler, elle, se restructure.
    Une étude publiée fin juin 2026 par Ramp et Revelio Labs, portant sur 21 559 entreprises américaines, apporte un signal complémentaire. Les entreprises qui investissent lourdement dans l'IA, autour de trente dollars par employé et par mois dans les trois premiers mois d'adoption, ont vu leurs effectifs croître de 10,2 % sur les deux années suivantes, et leurs embauches en entrée de gamme de 12 %. Les entreprises à faible adoption n'enregistrent aucun effet statistiquement significatif. Les auteurs précisent que ces gains se concentrent dans le secteur technologique. Ils ajoutent que la corrélation observée ne prouve pas la causalité. Le fondateur d'une entreprise AI-native présent à notre dîner en a donné une illustration concrète : quinze personnes aujourd'hui, dix recrutements prévus d'ici la fin de l'année, dans un secteur tech qui capte la plus grande part de ces gains.
    Évolution des effectifs des entreprises à forte vs faible intensité d'adoption de l'IA, sur 12 mois avant et 24 mois après adoption (Ramp & Revelio Labs, 2026).
    Source : Ramp & Revelio Labs, juin 2026.
    Hors des poches sectorielles que Ramp identifie, les chiffres macroéconomiques pointent plutôt vers une continuité, mais le ressenti des jeunes reste légitime, car le poids de la reconfiguration se concentre sur eux. L'Insee mesurait fin 2025 un taux de chômage de 21,5 % chez les 15-24 ans, en hausse de 2,4 points sur le trimestre, alors que le taux global n'a progressé que de 0,2 point sur la même période. Cela représente 742 000 jeunes exclus du marché du travail, 126 000 de plus en un an. L'emploi informatique des 15-29 ans y a reculé de 7,4 % au dernier trimestre 2025 alors même que la valeur ajoutée du secteur continuait de progresser. Aux États-Unis, une étude du Stanford Digital Economy Lab documente une baisse de 16 % de l'emploi relatif des 22-25 ans dans les métiers les plus exposés à l'IA, quand celui des seniors reste stable : les premières marches par lesquelles on entrait dans un métier disparaissent.
    Un étudiant parmi nos convives l'a confirmé : parmi ses camarades, nombreux sont ceux qui n'ont toujours pas trouvé de stage malgré des dossiers impeccables, y compris le major de sa promotion, qui raconte avoir envoyé une centaine de candidatures pour recevoir deux réponses. Cet exemple illustre ce que les chiffres ne montrent pas : les étudiants pressentent que l'expertise compte, mais ils ne savent plus comment la construire quand les outils suppriment le frottement qui la développait.

    Réinventer le frottement, repenser la transmission

    Puisque le frottement disparaît quand l'IA absorbe les tâches d'entrée, il faut à présent concevoir explicitement ce qui se transmettait de manière invisible. Quelques organisations s'y essaient déjà, avec des logiques différentes.
    Chez Shell, les juniors doivent cadrer seuls le problème avant de pouvoir recourir à l'IA pour l'affiner. Cet ordonnancement produit des questions de meilleure qualité et des rationnels plus clairs, selon les résultats publiés par le BCG. Le frottement se réintroduit à l'endroit précis où l'automatisation le supprime : la phase de cadrage, celle qui forme le jugement.
    Deux autres pratiques font circuler la même exigence entre générations dans des directions opposées. Salesforce a généralisé le pair programming en constituant des binômes où l'utilisateur avancé de l'IA travaille aux côtés d'un collègue novice. Le junior apprend par observation directe, sans passer par une formation formelle. À l'inverse, un programme innovant organise un co-développement où le junior à l'aise avec l'IA apporte l'outil et le senior apporte son jugement. Un vrai co-développement, précise sa fondatrice, non un reverse mentoring déguisé.
    Ces dispositifs reconstruisent délibérément du frottement là où l'efficacité pouvait s'en passer. Un dirigeant du monde de la formation a proposé une image qui oppose deux manières d'apprendre : la régate et la course au large. La formation à la régate prépare à exceller sur un parcours balisé, où les règles sont connues et le vainqueur se départage à la marge. La formation à la course au large, elle, prépare à naviguer sans balisage, face à des conditions qui changent et à des problèmes que personne n'a résolus avant vous. Ce sont deux agentivités différentes, non deux niveaux de difficulté. Le premier modèle a longtemps dominé l'école. L'IA rend le second indispensable, parce qu'elle automatise précisément ce qui se passait sur les parcours balisés et laisse aux humains le territoire ambigu des problèmes mal définis.
    Le monde universitaire affronte cette bascule sous une contrainte propre : là où l'entreprise reconfigure un flux de travail qui produit une valeur immédiate, l'université doit réintroduire de la résistance dans un cadre où l'étudiant n'a rien à livrer, sinon la preuve qu'il a appris. Un professeur d'une grande école a expliqué que son école pousse ses étudiants vers l'expérimentation de la recherche scientifique, à la place des examens plus classiques (notamment le mémoire de fin d'études, caduque à l'ère de l'IA). Le fondateur d'une autre institution académique décrit de son côté un dispositif plus opérationnel sur trois volets. Une partie des évaluations se fait sans IA, sur papier ou avec un logiciel qui filme et bloque le navigateur. Un tiers environ se fait avec IA, à condition de tenir un journal de bord IA et de fournir des « logs » cohérents. Un oral systématique vient vérifier la maîtrise réelle de ce qui a été produit. Le principe est explicite : la plupart des institutions laissent leurs étudiants dans une zone grise où ni l'usage ni la vérification ne sont clairs, ce qui produit ni apprentissage franc ni tricherie sanctionnable. Trancher les usages autorisés est ici une nécessité pour maintenir intégrité et confiance.
    Ce déplacement s'observe aussi côté recrutement. Plusieurs recruteurs présents, dont un entrepreneur « AI-first », autour de la table ont convergé sur un constat : leur critère principal a glissé du signal du diplôme vers ce que l'un des convives a appelé la « texture ». Ce qu'ils cherchent tient dans un savoir-être et une manière singulière d'aborder les problèmes, une trajectoire qui témoigne de choix et d'histoires plutôt que d'une conformité au parcours attendu.
    Reste que ces nouvelles voies de reconnaissance supposent des ressources que tout le monde ne possède pas. La sélection glisse vers deux terrains : des compétences démontrables sur des projets concrets, ce que rendent visibles un portfolio ou une contribution publique, et le capital social bâti dans les réseaux, à travers les rencontres et les communautés d'appartenance. Un étudiant de famille modeste, éloigné géographiquement des écosystèmes où circulent les opportunités, sans temps disponible pour construire un portfolio en dehors de son cursus, se retrouve exclu de ces deux voies en même temps qu'il l'était déjà de la voie classique par le diplôme dévalué.
    Cet angle mort a traversé notre conversation : la question des personnes en vulnérabilité économique, qui ne disposent ni du capital social ni des projets démontrables, n'a pas trouvé de réponse. Des initiatives récentes comme le programme First Chance mené par Chance avec Google Labs esquissent une piste, sans que le problème du financement massif de la reconversion soit posé à sa juste échelle.

    Ce qui reste à transmettre

    Ce que la conversation a laissé entendre dépasse la question du travail. L'un de nos convives l'a formulé ainsi : nous avons les moyens matériels de repenser notre manière de vivre et de produire, il nous manque peut-être seulement l'imagination de voir ce qui commence à émerger. La phrase déplace le sujet du diagnostic vers la posture. Ce qui reste à transmettre tient moins d'une compétence que d'une manière de tenir face à ce qui vient.
    Dans le monde de l'entreprise, l'exemple d'Hermès propose un récit inspirant. Quand la demande explose, la maison refuse d'ajuster sa production sur le marché. Elle cale son rythme d'ouverture, une nouvelle maroquinerie tous les dix-huit à vingt-quatre mois, sur sa capacité à former des artisans. Un compagnonnage de dix-huit mois précède le premier sac fini. Chaque pièce porte ensuite le poinçon de celui ou celle qui l'a faite. Ce refus de sacrifier la qualité au volume produit 40,5 % de marge opérationnelle, un niveau qu'aucune autre maison de luxe n'atteint. Hermès a tracé ce que son dirigeant appelle une ligne de couture. Au-dessus, rien ne se délègue, ni à une machine, ni à un sous-traitant. En dessous, ils utilisent des ERP, du e-commerce, des machines de découpe. La question posée à toute organisation est celle de sa propre ligne : qu'est-ce qui, dans son travail, perdrait sa valeur si l'on apprenait que c'est fait par une machine ?
    Cette posture n'est pas un objet transmissible par contenu. Elle se construit dans la durée par des exercices qui ressemblent à ce que l'artisanat a toujours pratiqué. La répétition affine le geste. Le compagnonnage forme le jugement. La patience accepte que la maîtrise ne se décrète pas. L'IA rend ces qualités plus rares parce qu'elle rend le raccourci plus séduisant. Elle les rend aussi plus précieuses pour la même raison. Ce qui se voit vite se copie vite. Ce qui se construit lentement résiste.
    En conclusion de nos échanges, les mots qui ont traversé la table disaient tous une même chose sous des angles différents : la transmission n'est plus (que) celle des outils ou des compétences, elle concerne surtout une manière d'habiter le geste et le lien :

    artisanat, compagnonnage, friction, beauté, émerveillement, doute, création, reliance, robustesse morale.

    Transmettre en 2026, c'est peut-être transmettre l'envie d'imaginer la suite plutôt que la peur d'y arriver mal préparé.

    Les questions

    1IA et formation

    Si l'intelligence devient une commodité, à quelles compétences former ?

    2IA et formation

    Que reste-t-il à transmettre quand le savoir circule librement ?

    3IA et formation

    Et si les jeunes diplômés étaient les mieux placés pour ce monde professionnel en émergence ?

    4IA et soi

    Qu'est-ce qui, dans mon travail, perdrait sa valeur si l'on apprenait que c'est fait par une machine ?

    5IA et soi

    Suis-je capable de former mon jugement sans m'appuyer sur l'IA à chaque étape, ou l'ai-je déjà oublié ?

    6IA et organisation

    Comment recruter et former des juniors sans exiger d'eux la productivité d'un senior équipé d'IA dès le premier jour ?

    7IA et organisation

    Où est la ligne, dans mon organisation, entre ce qu'on refuse de déléguer à l'IA et ce qu'on accepte d'automatiser sans état d'âme ?

    8IA et société

    Comment ne pas creuser l'écart entre ceux qui ont accès aux nouvelles voies de reconnaissance (portfolios, réseaux, mentors) et ceux qui n'y ont pas accès ?

    9IA et société

    Que reste-t-il à transmettre à la génération suivante quand l'école forme à des exercices que l'IA sait déjà résoudre ?

    10IA et société

    Qui décide de ce qu'une génération doit apprendre quand personne ne sait ce que le monde exigera d'elle ?

    Partagez cette question

    LinkedInWhatsApp

    Curieux·se de Tandem ? Restons en contact.

    Les dîners Tandem ont lieu régulièrement à Paris et nous partageons des notes après chaque édition. Laissez votre adresse email pour être au courant des prochaines dates et thèmes.

    Je m’inscris !
    PRENDRE RDV
    episcope logo