« Nous savions que nous étions en train d’entraîner l’IA à nous remplacer. »
Dans cet article de Business Insider1, un prestataire d’OpenAI, payé au moins 50 dollars de l’heure par la startup Handshake AI, raconte ce qu’on lui demande concrètement : créer des tâches professionnelles réalistes pour entraîner ChatGPT à reproduire son métier.
Le projet s’appelle Stagecraft. Entre 3 000 et 4 000 freelances y participent. Pilotes de ligne, pharmaciens, compositeurs, géoscientifiques, sculpteurs, éleveurs, spécialistes RH, médecins urgentistes — 439 métiers répertoriés dans un tableur. Chaque prestataire doit construire un persona professionnel, définir un contexte, des objectifs, des livrables, puis rédiger des consignes comme s’il s’adressait à un collègue. Le tout passe par trois niveaux de relecture, dont un par un expert métier et un par OpenAI.
L’objectif
Cartographier les tâches économiquement pertinentes et évaluer ce que le modèle sait déjà faire.
Tiré du guide interne du programme
Bien plus qu’un assistant généraliste, qu’on améliore à la marge, on parle d’une captation méthodique du savoir-faire professionnel, métier par métier.
Et pourquoi des sculpteurs et des éleveurs, au milieu des pharmaciens et des pilotes de ligne ?
Parce que les « trous dans la raquette » d’un modèle entraîné sur le web se trouvent précisément là où le savoir-faire circule peu en ligne. Quand un avocat fiscaliste ou un développeur Python produit déjà des masses de texte exploitable — forums, documentation, jurisprudence, un éleveur qui gère la rotation de ses pâturages selon la pluviométrie et l’état sanitaire du troupeau, beaucoup moins. Un sculpteur qui ajuste la tension d’une armature en fonction du comportement d’une terre à la cuisson, encore moins. Ce sont des savoirs incarnés, transmis oralement ou par compagnonnage, très peu formalisés. Inaccessibles au scraping : il faut payer des experts pour produire cette connaissance, dans un format exploitable.
Il y a aussi une logique de marché. OpenAI vend ChatGPT à des coopératives agricoles, des cabinets d’architecture, des institutions culturelles. Le modèle ne peut pas répondre n’importe quoi sur la gestion d’un sol argileux ou les contraintes d’un moulage en bronze, au risque de faire fuir les clients.
Il y a quelques jours, lors d’une conférence sur l’IA en santé, j’avais entendu une généraliste raconter comment elle avait cessé de collaborer avec un éditeur. On lui demandait de documenter ses raisonnements cliniques, d’expliciter ses arbitrages diagnostiques — pour alimenter des modèles qui, à terme, devaient automatiser une partie de son rôle.
Même logique, autre terrain.
On peut continuer à opposer les deux camps : l’IA va remplacer les métiers, ou bien elle ne fera que les assister. Les deux passent à côté. Ce qui se joue, c’est une fragmentation. Tout ce qui relève du traitement structuré de l’information — analyse documentaire, synthèse, qualification, production standardisée — devient entraînable, et donc industrialisable à court terme.
Mais ce que cette mécanique ne capture pas, ou très mal : le cadrage initial, poser le bon problème. L’arbitrage sous incertitude, l’ambigüité du réel. La responsabilité d’une décision qu’on ne délègue pas à un modèle statistique. L’interaction avec un interlocuteur réel qui ne rentre dans aucun jeu de données.
Ce qui donne sa valeur à un métier, au fond, ce n’est jamais la somme de ses tâches.
Le vrai sujet pour un dirigeant va plus loin que « qu’est-ce que l’IA va remplacer ». Il tient en une question : où, dans votre organisation, la valeur repose-t-elle encore sur des tâches reproductibles — et où repose-t-elle sur autre chose ?
Parce que pendant qu’on débat du futur, d’autres le documentent ligne par ligne. Et le vendent à l’heure.
Dans les missions que je mène en entreprise, c’est là que j’essaie d’amener mes clients : qu’on arrête de parler d’outils pour commencer la cartographie réelle du travail. Ce qui est entraînable, ce qui ne l’est pas, ce qui doit changer.
Dans votre propre métier, ou dans ceux de vos équipes : qu’est-ce qui résiste réellement à l’entraînement ?