Prendre l’IA au sérieux !

Texte 90% IA

De l’obsession de l’auteur à la nouvelle architecture de la pensée

On voit aujourd’hui se multiplier les débats autour de l’usage de l’intelligence artificielle dans l’écriture. Un texte est soupçonné d’avoir été généré, réécrit ou substantiellement assisté par un modèle de langage, et la discussion se déplace immédiatement vers la question de l’auteur : ce texte a-t-il vraiment été écrit par un humain ? Et si ce n’est pas le cas, peut-on encore le considérer comme légitime ? Ou pire : « Désolé(e), mais si je vois "co-écrit avec l'IA", je passe mon chemin. Pourquoi lire quelque chose qui n'a pas été écrit ? »

Je me sens de plus en plus à des années-lumière de ce débat.

Non par mépris pour la question de l’auteur, et certainement pas parce que la distinction entre contribution humaine et contribution machinique serait devenue sans importance. Les questions d’attribution, de transparence, d’originalité et de responsabilité restent parfaitement légitimes, en particulier lorsque des institutions ont établi des règles explicites.

Mais je soupçonne qu’en concentrant le débat sur celui qui a matériellement produit les phrases, nous risquons de passer à côté de quelque chose d’infiniment plus important.

Il faut — pour reprendre le genre de formule que l’IA aime à employer — prendre l’IA au sérieux.

Un modèle de langage de pointe donne aujourd’hui à un individu accès à une largeur de ressources linguistiques, conceptuelles et disciplinaires qu’aucun être humain ne pourrait personnellement accumuler, retrouver et mobiliser avec une rapidité comparable.

• Cela ne signifie pas que le modèle soit omniscient.
• Cela ne signifie pas que tout ce qu’il affirme soit vrai.
• Cela ne dispense certainement ni de vérifier ni de juger.
• Mais cela change la situation intellectuelle.

Ce qui est extraordinaire n’est pas que la machine sache écrire

Le fait historiquement inédit n’est pas qu’une machine soit désormais capable d’écrire un paragraphe donnant l’impression d’avoir été rédigé par un humain.

À mes yeux, c’est la partie la moins intéressante du phénomène.

Le fait véritablement inédit est qu’un être humain puisse désormais entrer dans une interaction continue avec un système capable de passer, en quelques secondes, de l’ingénierie électrique à la philosophie, du calcul quantique à l’architecture d’entreprise, de la linguistique aux infrastructures énergétiques, du droit à l’histoire de l’informatique — et de rechercher des analogies, d’éprouver des distinctions, faire apparaître des contradictions ou rapprocher des ensembles de connaissances jusque-là séparés par des frontières disciplinaires et cognitives (ce que j'ai appelé Le rêve impensé de Diderot et d'Alembert…).

La question importante devient alors moins : qui a écrit cette phrase ? que : quelles nouvelles formes de pensée deviennent possibles à travers cette interaction ?

La différence est considérable.

Penser a toujours signifié penser avec d’autres

L’écriture n’a jamais été réductible à l’acte matériel de produire des phrases.

Les auteurs ont toujours pensé à travers d’autres esprits : livres, conversations, éditeurs, traducteurs, bibliothèques, archives, enseignants, contradicteurs, traditions intellectuelles.

La pensée humaine est profondément relationnelle.

L’IA introduit cependant quelque chose de différent, au moins par le degré et peut-être, à terme, par la nature même de cette relation : la ressource intellectuelle extérieure n’est plus seulement consultée.

• Elle répond.
• Elle propose.
• Elle objecte.
• Elle reformule.
• Elle compare.
• Elle peut conserver les structures élaborées au cours d’un dialogue.

On peut lui demander de réfuter l’argument qu’elle vient elle-même de contribuer à construire. On peut passer avec elle de l’abstraction à l’exemple, puis revenir à l’abstraction.

Elle peut faire apparaître une relation que l’interlocuteur humain n’avait pas perçue — et celui-ci peut à son tour la rejeter, la transformer ou reconnaître en elle quelque chose que ni l’un ni l’autre n’avait explicitement formulé au départ.

Nous ne sommes plus seulement devant un instrument de consultation. Nous entrons dans un régime d’interaction cognitive.

« L’IA l’a écrit » devient alors une description insuffisante

C’est pourquoi réduire le phénomène à l’opposition : « l’humain l’a écrit » versus « l’IA l’a écrit » paraît de plus en plus relever d’une ontologie insuffisante de ce qui est réellement en train de se produire.

L’objet intéressant pourrait ne plus être chacun des deux auteurs pris séparément. Il pourrait être la relation cognitive qui s’établit entre eux. C’est un changement considérable.

Car nous avons longtemps pensé l’outil comme quelque chose d’extérieur au processus intellectuel :

HUMAIN → OUTIL → RÉSULTAT

Avec l’IA générative, quelque chose de plus circulaire apparaît :

HUMAIN → IA → HUMAIN → IA → HUMAIN → … → RÉSULTAT

• Chaque passage modifie potentiellement le suivant.
• Une intuition humaine provoque une exploration machinique.
• Cette exploration fait apparaître une relation inattendue.
• Cette relation modifie l’hypothèse humaine.
• La nouvelle hypothèse est soumise à l’IA.
• Elle rencontre une objection.
• L’objection provoque une reformulation.
• Et ainsi de suite.

Le résultat final devient difficilement attribuable à une causalité intellectuelle linéaire. Il est issu d’une dialectique.

Et c’est précisément pourquoi le jugement humain devient plus important

Cette nouvelle puissance cognitive ne diminue pas l’importance du jugement. Elle l’augmente.

Parce qu’avoir accès à une largeur cognitive extraordinaire ne dit absolument pas ce qui mérite d’être retenu.

• Le modèle peut produire dix rapprochements dont un seul sera fécond.
• Il peut placer une contre-vérité convaincante à côté d’une intuition remarquable.
• Il peut banaliser une idée originale en la reformulant dans le langage le plus conventionnel.
• Il peut aussi faire apparaître une connexion que l’humain n’aurait probablement jamais trouvée seul.

Le travail humain se déplace donc. Le pendant étant que s’il faut moins d’effort pour produire du langage, il faut davantage de responsabilité pour orienter, sélectionner, contredire, vérifier, hiérarchiser, relier, éliminer, reformuler et finalement assumer.

Tel est le déplacement essentiel.

Nous confondons peut-être deux choses : écriture et jugement

L’obsession actuelle pour la détection des textes « écrits par IA » pourrait paradoxalement reproduire exactement l’erreur que je souhaiterais décrire dans mon Manifeste des dix déplacements (voir en P.S.) : elle concentre l’attention sur le composant plutôt que sur l’architecture.

La phrase est le composant. Le véritable objet est le système cognitif qui l’a produite.

Expérience humaine, intention, mémoire, intuition, culture personnelle, ressources documentaires, capacité linguistique et conceptuelle du modèle, dialogue itératif, vérification, sélection, réécriture et finalement décision de publier : tout cela constitue désormais une architecture de production intellectuelle.

La question : « Qui a généré cette séquence de mots ? » ne suffit plus à la décrire.

Le modèle ne remplace pas nécessairement l’auteur : l’architecture de l’auteur change

Dire : « L’IA remplace l’auteur » paraît aussi simplificateur que dire : « L’IA n’est qu’un outil. »

Les deux propositions manquent quelque chose, de même qu’il manque quelque chose aux deux propositions : ce qui change pourrait être l’architecture même de l’auctorialité.

L’auteur n’est plus nécessairement celui qui produit matériellement chaque mot. Il peut devenir davantage celui qui :

pose la question,
détermine la direction,
construit le problème,
reconnaît la relation féconde,
refuse la réponse insuffisante,
demande la contradiction,
vérifie l’affirmation,
sélectionne ce qui mérite de demeurer,
organise l’ensemble
et assume finalement ce qui est publié.

Cela ne signifie évidemment pas que toute utilisation de l’IA produit une œuvre intellectuelle. Un prompt banal peut produire un texte banal que quelqu’un publiera sans même le lire. Mais ce cas ne définit pas davantage la relation humain-IA (que j'aime à définir la dialectique humAIne) qu’un mauvais cliché ne définit la photographie.

Le véritable enjeu est ailleurs : jusqu’où pouvons-nous augmenter notre capacité de penser avec ces systèmes sans leur abandonner notre faculté de juger ?

Le scénario le plus pauvre serait simplement de produire davantage

Nous pourrions utiliser cette puissance nouvelle pour produire : plus d’articles, plus de posts, plus de rapports, plus de présentations, plus de livres, plus vite, et ainsi de suite. Ce serait probablement le résultat le moins intéressant de la révolution en cours.

Nous aurions inventé une extension cognitive extraordinaire pour fabriquer davantage de contenus. Mais une possibilité beaucoup plus importante existe.

Nous pouvons utiliser l’IA pour franchir des frontières disciplinaires qui limitaient auparavant la pensée individuelle ; confronter une intuition à des traditions intellectuelles que nous connaissons imparfaitement ; explorer rapidement les conséquences d’une hypothèse ; rechercher des analogies entre des domaines éloignés ; multiplier les points de vue ; construire puis déconstruire un raisonnement ; découvrir des territoires conceptuels auxquels une vie humaine ne suffirait peut-être pas à nous donner spontanément accès.

Non pas pour penser moins, mais pour penser plus, et plus loin.

Et probablement aussi pour penser ailleurs que là où notre propre formation nous aurait naturellement conduits.

Une nouvelle division du travail cognitif

C’est pourquoi je crois qu’il faut cesser d’opposer trop simplement :

pensée humaine vs production machinique.

Une nouvelle division du travail cognitif est en train de devenir possible.

La machine excelle dans certaines opérations : mobiliser, parcourir, comparer, recombiner, reformuler, simuler, multiplier.

L’humain demeure irremplaçable dans une autre fonction — non parce qu'une frontière métaphysique garantirait éternellement son exclusivité, mais parce que c'est encore lui qui se trouve situé dans le monde et qui devra répondre de ce qu'il choisit d'y faire : orienter et assumer.

C’est ici que je retrouve le principe qui traverse mon travail (nouveau livre blanc à publier...) :

Delegate the task. Preserve the judgment.

Mais je serais désormais tenté de lui ajouter : ne confondons pas la préservation de l’auctorialité humaine avec la préservation du jugement humain.

La question immédiate, un peu trop simpliste, demande : qui a produit les mots ?

La vraie question demande : qui a orienté la recherche, reconnu ce qui importait, distingué ce qui méritait d’être conservé et finalement assumé ce qui est dit ?

À l’âge de l’intelligence artefactuelle, la seconde question pourrait devenir infiniment plus importante que la première.

Prendre l’IA au sérieux

Voilà finalement pourquoi je me sens si éloigné de certains débats actuels sur « l’écriture par IA ».

Ils ne sont pas absurdes. Les problèmes de fraude, de plagiat, de transparence et d’attribution existent réellement.

Mais ils risquent de nous faire regarder le symptôme le plus visible d’une transformation beaucoup plus profonde.

Nous nous demandons encore : « La machine a-t-elle écrit le texte ? »

alors que la question historique pourrait être :

« Que devient la pensée humaine lorsqu’elle peut dialoguer en permanence avec une intelligence artefactuelle capable de mobiliser une part immense du patrimoine linguistique et conceptuel humain ? »

Ne nous inquiétons plus de savoir qui a produit la phrase, pendant que l’architecture de la production intellectuelle est en train de changer ! C’est cela qu’il faut prendre au sérieux.

Non pas parce que l’IA aurait toujours raison. Non pas parce qu’elle saurait littéralement tout. Non pas parce qu’il faudrait s’effacer devant elle. Mais précisément pour la raison inverse : parce qu’une puissance cognitive sans précédent dans l’histoire devient disponible, et que la question décisive est désormais de savoir ce que nous allons en faire.

L'enjeu n'est peut-être donc pas de préserver à tout prix un monde dans lequel l'humain écrivait chaque phrase. Il est de préserver — voire d'accroître — la capacité humaine à orienter, discerner et assumer dans un monde où la nécessité d'écrire chaque phrase seul(e) n’a plus forcément grand sens.

P.S. Manifeste des dix déplacements

Le déplacement du point fixe

Pourquoi nos prévisions économiques et sociétales doivent réexaminer ce qu'elles tiennent pour acquis

Résumé

Toute prévision repose sur des variables, mais aussi sur des relations que l'on suppose suffisamment stables pour ne pas avoir à les réexaminer en permanence. Croissance et emploi, productivité et revenus, qualification et insertion professionnelle, développement économique et expansion de la classe moyenne : ces relations constituent autant de repères à partir desquels entreprises, États et individus peuvent se projeter dans l'avenir.

Elles fonctionnent comme des points fixes du raisonnement.

Un point fixe n'est pourtant pas nécessairement immuable. Il est une référence que le raisonnement traite, provisoirement ou implicitement, comme suffisamment stable pour pouvoir mesurer, comparer, inférer, prévoir et décider.

Le problème apparaît lorsque les conditions qui assuraient cette stabilité commencent à changer sans que le statut du point fixe soit lui-même révisé.

Le déplacement du point fixe commence lorsque ce qui servait de paramètre au raisonnement doit à son tour devenir une variable du raisonnement.

Ce déplacement ne signifie pas que la relation considérée est devenue fausse. Il signifie qu'elle ne peut plus être présupposée : ses conditions doivent désormais être vérifiées.

Cette distinction est particulièrement importante dans une période de transformation technologique rapide. L'intelligence artificielle peut modifier non seulement certaines variables économiques — productivité, coûts, emplois, prix — mais également les relations historiques entre ces variables. Une augmentation de la production n'implique plus nécessairement la même augmentation du travail humain ; une augmentation de la productivité ne garantit pas la même distribution de revenus ; une qualification élevée ne garantit pas la même valeur marchande du travail ; une croissance économique soutenue ne produit pas nécessairement selon les mêmes mécanismes l'expansion de la classe moyenne.

Les prévisions économiques et sociétales doivent donc intégrer un risque rarement explicité : le modèle peut continuer à fonctionner alors que certaines des relations sur lesquelles il repose ont déjà commencé à changer.

---

1. Toute prévision a besoin de points fixes

Prévoir consiste nécessairement à distinguer ce qui peut varier de ce que l'on suppose suffisamment stable pour raisonner sur cette variation.

Une entreprise peut faire varier dans ses scénarios la croissance démographique, les taux d'intérêt, les prix de l'énergie ou ses parts de marché. Mais derrière ces variables explicites subsistent des relations plus rarement interrogées : une population plus aisée consommera davantage ; une augmentation de la demande entraînera une augmentation de l'activité ; la croissance distribuera suffisamment de revenus pour soutenir la consommation ; les compétences nécessaires à l'activité future pourront être trouvées ou formées.

Sans de telles stabilités, aucune prévision ne serait possible. Si chaque variable, chaque relation entre variables et chaque condition permettant à ces relations de fonctionner devaient être réévaluées simultanément, le raisonnement deviendrait indéterminé.

Le point fixe est donc une nécessité cognitive et stratégique.

Un point fixe est une référence que le raisonnement traite comme suffisamment stable pour pouvoir agir sans devoir continuellement la remettre en question.

Sa fixité est fonctionnelle plutôt qu'absolue.

---

2. Comment un point fixe se déplace

Une relation suffisamment régulièrement observée finit par perdre son caractère problématique.

Elle entre dans les modèles, les projections, les stratégies, les politiques publiques et les comportements individuels. Sa genèse disparaît progressivement derrière son usage. Le résultat demeure disponible tandis que les conditions historiques, économiques, institutionnelles ou sociales qui permettaient de le produire deviennent moins visibles.

La difficulté commence lorsque ces conditions changent.

Le point fixe ne disparaît pas immédiatement. Il continue pendant un certain temps à remplir sa fonction de repère alors que les mécanismes qui assuraient sa stabilité se transforment.

Il faut donc distinguer deux phénomènes.

Le déplacement intervient lorsque la relation continue à pouvoir servir de référence, mais ne peut plus raisonnablement être tenue pour acquise.

La disparition intervient éventuellement plus tard, lorsque cette relation ne fournit plus une référence suffisamment stable pour organiser le raisonnement.

À force de se déplacer, le point fixe peut finir par disparaître comme point de référence.

Entre les deux existe une zone particulièrement importante pour la décision stratégique : celle où le point fixe s'est déjà déplacé dans le réel mais continue d'être traité comme fixe dans les représentations.

---

3. Le risque majeur : le déplacement précède sa reconnaissance

Les transformations structurelles deviennent rarement visibles au moment précis où elles commencent.

À court terme, les premiers symptômes du déplacement d'un point fixe peuvent même être interprétés comme les bénéfices de la transformation qui le déplace. À moyen et long terme, leur accumulation peut contribuer à défaire certaines des conditions de stabilité sur lesquelles ces bénéfices reposaient.

L'automatisation en fournit une illustration particulièrement claire.

Pour une entreprise, une augmentation de la productivité, une diminution du travail nécessaire, une réduction des coûts et une amélioration des marges sont immédiatement observables. Elles apparaissent dans les comptes, les indicateurs opérationnels et les résultats trimestriels.

Les effets éventuels sur la reproduction des compétences, la formation des trajectoires professionnelles, la distribution agrégée des revenus ou la demande solvable future apparaissent selon d'autres temporalités et à d'autres échelles.

Il existe donc une asymétrie fondamentale : le bénéfice peut être local, tandis que la conséquence est systémique ; le bénéfice peut être rapide, tandis que la conséquence est lente ; le bénéfice peut être directement mesurable, tandis que la conséquence exige une estimation ou n'apparaît qu'après accumulation.

Le problème devient plus sérieux encore lorsque le premier signal observable possède un signe positif.

Un système d'alerte simplement retardé finit par signaler le problème. Un système dont les indicateurs initiaux interprètent le déplacement comme une amélioration peut au contraire encourager sa poursuite.

L'amélioration d'un indicateur peut accompagner la dégradation de l'une des conditions qui rendent cette amélioration durable.

---

4. Une difficulté d'instrumentation, pas seulement de perception

Le déplacement du point fixe ne doit donc pas être réduit à un problème de lucidité individuelle.

Un dirigeant peut être parfaitement attentif. Les données peuvent être exactes. Le tableau de bord peut mesurer correctement ce pour quoi il a été construit.

Et pourtant manquer le phénomène essentiel.

Trois difficultés doivent être distinguées :

1. La première concerne ce qui n'existe pas et ne laisse donc aucune trace directe. Un emploi supprimé est observable ; un emploi qui aurait été créé en l'absence d'une transformation technologique ne l'est pas. Il ne peut apparaître qu'au moyen d'une estimation contrefactuelle.
2. La deuxième concerne ce qui se produit hors du périmètre de décision. Une réduction de masse salariale est directement mesurée par l'entreprise ; ses éventuels effets agrégés sur les revenus des ménages et la formation de la demande sont distribués dans l'ensemble de l'économie.
3. La troisième concerne ce qui se manifeste au-delà de l'horizon de mesure. Une entreprise peut constater immédiatement les gains obtenus par l'automatisation d'une fonction tout en ne découvrant que plusieurs années plus tard qu'elle a réduit les conditions permettant de former les experts capables d'en contrôler les résultats.

Ces trois problèmes ne relèvent pas du même remède : le premier demande la construction prudente de contrefactuels ; le deuxième l'élargissement du périmètre d'analyse ; le troisième l'allongement de l'horizon.

Ils révèlent néanmoins un même problème général :

Les systèmes de mesure peuvent être structurellement désalignés avec les systèmes de conséquences.

---

5. La difficulté du contrefactuel

Rendre visible ce qui ne s'est pas produit exige de construire une trajectoire de référence.

Combien d'emplois une entreprise aurait-elle créés pour accompagner sa croissance si elle n'avait pas automatisé certaines fonctions ? Quel aurait été le rapport entre croissance de la production et croissance des effectifs ? Quelle trajectoire aurait suivie une profession sans l'introduction d'une technologie donnée ?

Aucune de ces réponses n'est directement observable.

Le contrefactuel doit être construit à partir d'autres entreprises, d'autres territoires, d'autres périodes ou de relations historiques estimées suffisamment comparables.

Une difficulté fondamentale apparaît alors :

Pour mesurer le déplacement d'un point fixe, il faut provisoirement fixer autre chose.

La mesure d'une relation devenue instable nécessite une autre relation supposée suffisamment stable pour servir de référence.

Or une technologie à usage général comme l'intelligence artificielle peut progressivement affecter jusqu'aux références utilisées pour construire le contrefactuel. Une entreprise qui n'utilise pas directement l'IA peut néanmoins être affectée par les prix, les fournisseurs, les concurrents, les marchés du travail ou les comportements de ses clients transformés par son adoption ailleurs.

Plus une technologie devient générale, plus il peut devenir difficile de l'isoler comme cause, précisément parce qu'elle transforme progressivement le monde qui aurait dû servir de contrôle.

Cela n'interdit pas la mesure. Cela impose d'expliciter les hypothèses sur lesquelles elle repose.

---

6. La révisabilité des points fixes

La réponse ne peut donc consister à éliminer tous les points fixes.

Ce serait rendre toute prévision impossible.

Il faut distinguer le point que l'on choisit consciemment de fixer pour les besoins du raisonnement du point dont la stabilité est devenue une évidence que l'on ne pense plus à interroger.

Le danger n'est pas de fixer provisoirement un repère. Il commence lorsque nous oublions que nous l'avons fixé.

Une prévision robuste devrait donc pouvoir documenter non seulement ses variables et ses scénarios, mais également :

• les relations qu'elle suppose suffisamment stables ;
• les raisons pour lesquelles elles peuvent encore être considérées comme telles ;
• les horizons sur lesquels cette stabilité a été observée ;
• les transformations susceptibles de les modifier ;
• et les autres points fixes provisoires utilisés pour tester leur stabilité.

Il n'existe pas de point de vue extérieur à toute hypothèse. Pour réexaminer une relation, il faut nécessairement en immobiliser provisoirement d'autres.

La rigueur consiste dès lors moins à supprimer les présupposés qu'à préserver leur révisabilité.

---

7. L'IA comme accélérateur du déplacement

Cette question dépasse largement celle de l'intelligence artificielle. Les guerres, les ruptures énergétiques, les transformations démographiques, les changements climatiques, les crises financières ou les mutations institutionnelles peuvent également déplacer des relations longtemps considérées comme stables.

L'IA présente néanmoins une caractéristique particulière : elle intervient simultanément dans de très nombreux domaines et peut modifier non seulement les niveaux des variables, mais les relations qui les unissent.

Parmi les relations à réexaminer figurent notamment :

• croissance de l'activité et croissance de l'emploi ;
• productivité et rémunération du travail ;
• qualification et valeur marchande de la compétence ;
• emplois débutants et reproduction future de l'expertise ;
• augmentation de la production et distribution du pouvoir d'achat ;
• développement économique et expansion de la classe moyenne ;
• automatisation du jugement et maintien d'une capacité humaine indépendante d'évaluation.

Aucune de ces relations ne doit être déclarée rompue par principe.

Le changement décisif est ailleurs : ce qui pouvait jusqu'ici être présupposé doit désormais pouvoir être vérifié.

L'IA ne réfute donc pas nécessairement les prévisions existantes. Elle peut modifier le statut épistémique de certaines de leurs hypothèses : de paramètres, elles deviennent variables.

---

8. Conséquences pour les prévisions économiques

Une prévision économique ne devrait plus seulement demander quelle valeur prendront ses variables.

Elle devrait également se demander si les relations utilisées pour transformer ces variables en prévisions resteront valides pendant l'horizon considéré.

Une prévision peut être correcte sur chacune de ses données démographiques et néanmoins erronée dans la chaîne causale qui les transforme en marché futur.

Une population plus nombreuse signifie davantage de besoins. Elle ne garantit pas, à elle seule, davantage de demande solvable.

Une population mieux formée signifie davantage de compétences disponibles. Elle ne garantit pas la valeur marchande future de ces compétences.

Une économie plus productive signifie davantage de richesse produite. Elle ne détermine pas, à elle seule, comment cette richesse sera distribuée ni sous quelles formes elle deviendra pouvoir d'achat.

La prévision doit donc porter non seulement sur les variables, mais aussi sur la stabilité des relations entre les variables.

C'est un changement méthodologique majeur.

---

9. Conséquences pour les prévisions sociétales

Le même problème concerne les individus et les institutions.

Une grande partie des choix de vie repose sur des points fixes implicites : certaines études donneront accès à certaines professions ; l'expérience augmentera la valeur professionnelle ; une carrière permettra progressivement d'accéder au logement, à l'épargne et à la sécurité économique ; une génération transmettra à la suivante les compétences nécessaires aux activités futures.

Lorsque ces relations se déplacent, les conséquences ne deviennent pas immédiatement visibles dans les statistiques d'emploi.

Une profession peut continuer d'exister tout en perdant sa viabilité économique (cas actuel de la traduction professionnelle...).

Un individu peut rester employé tout en perdant sa capacité de projection.

Une économie peut continuer de croître tandis que les mécanismes permettant à une partie importante de sa population d'accéder durablement à la classe moyenne se transforment.

Les prévisions sociétales doivent donc intégrer non seulement des stocks — emplois, population, revenus moyens — mais également des trajectoires : stabilité des revenus, possibilité d'entrée dans une profession, progression, acquisition d'expertise, capacité d'investissement, constitution patrimoniale et transmission.

---

10. Vers un Strategic Assumption Test

La conséquence opérationnelle est simple : toute stratégie de long terme devrait identifier les points fixes sur lesquels elle repose.

Un Strategic Assumption Test pourrait commencer par cinq questions :

1. Que tenons-nous pour suffisamment stable pour ne pas le réexaminer dans chacun de nos scénarios ?
2. Quelles conditions permettent à cette relation de rester stable ?
3. L'une de ces conditions a-t-elle commencé à changer ?
4. Notre propre stratégie contribue-t-elle directement ou collectivement à cette transformation ?
5. Nos instruments de mesure sont-ils capables de détecter ce déplacement avant qu'il n'ait produit des conséquences difficiles à inverser ?

Cette dernière question oblige à examiner l'instrumentation elle-même.

L'organisation devrait savoir si les conséquences recherchées sont directement observables ou contrefactuelles, si elles se produisent dans son périmètre de mesure ou à l'extérieur, si leur horizon correspond à celui de ses tableaux de bord et, surtout, si leurs premiers signaux possèdent le même signe que leurs conséquences de long terme.

Un indicateur peut être parfaitement exact et stratégiquement trompeur lorsque le périmètre, l'horizon ou le modèle causal de ce qu'il mesure est trop étroit.

---

Conclusion — Prévoir lorsque les repères se déplacent

Les prévisions économiques et sociétales ont toujours reposé sur des hypothèses. Le problème contemporain ne réside donc pas dans la découverte soudaine que l'avenir est incertain.

La difficulté apparaît lorsque des relations suffisamment stables pour avoir cessé d'être perçues comme des hypothèses recommencent à devenir variables.

Le déplacement du point fixe désigne ce moment.

Il précède sa disparition éventuelle. Il peut précéder longtemps sa reconnaissance. Ses premiers symptômes peuvent même être enregistrés comme des améliorations de performance. Et les instruments chargés de mesurer le changement doivent eux-mêmes s'appuyer sur d'autres relations provisoirement tenues pour stables.

La réponse ne consiste donc ni à conserver artificiellement les anciens points fixes, ni à prétendre raisonner sans eux.

Elle consiste à organiser leur révisabilité.

Le déplacement du point fixe commence lorsque ce qui servait de paramètre au raisonnement doit à son tour devenir une variable du raisonnement.

Pour mesurer ce déplacement, il faut provisoirement fixer autre chose.

Le danger commence lorsque nous oublions que nous l'avons fixé.

Pour les entreprises comme pour les États, la question stratégique devient alors moins de savoir si leurs prévisions sont aujourd'hui exactes que de déterminer si leurs méthodes de prévision sont capables de reconnaître à temps que certaines des relations qui les rendaient exactes ont commencé à se déplacer.

P.S. Merci à la dialectique ChatGPT - Claude...

Genèse de ce billet

Cette réflexion naît d'une statistique : 

Couplée à l'évolution démographique : selon l’ONU (World Population Prospects, 2022), les projections mondiales seraient de 8,5 milliards d’habitants en 2030 et de 9,7 milliards en 2050.

J'ai découvert la juxtaposition de ces projections démographiques de l'ONU et des projections économiques de Brookings dans un rapport d'entreprise, qui pose le point fixe suivant : augmentation de la démographie = expansion de la classe moyenne (laquelle gagnerait en quinze ans environ 2,38 milliards de personnes, soit une hausse de 79 %, en passant de 3,03 milliards de personnes en 2015 à 5,41 milliards en 2030...).

En clair, cela signifierait que 64% de la population mondiale serait qualifiée de « classe moyenne » d'ici 5 ans !

Or, si cela pouvait être valable avant l'émergence de l'IA grand public, l'arrivée de ChatGPT fin 2022 a totalement changé la donne. D'où l'origine de ma réflexion...

Avec cette question corrollaire : combien d'entreprises, voire d'états, basent encore leurs modèles économiques sur de telles prévisions ?