Remote Labor Index : les agents passent de 2,5 % à 41,3 % en un an

La plupart des benchmarks pour agents se ressemblent : résoudre une tâche issue d'un dépôt de code, répondre à des questions, passer une simulation de boutique. Tout cela est loin de ce pour quoi les gens paient réellement. Le Remote Labor Index est conçu différemment, et c'est pourquoi le chiffre d'un récent post Telegram mérite l'attention.

Ce que mesure exactement l'indice

Le Remote Labor Index (RLI) a été créé par Scale AI et le Center for AI Safety à l'automne 2025. L'idée est simple : prendre de vrais projets que des clients ont publiés sur des plateformes freelance, les confier à un agent, puis montrer le résultat à celui qui payait. Si le client répond « c'est au niveau d'un humain, voire meilleur », la tâche est validée. La métrique finale est la part de ces projets.

Dans la première version, le meilleur agent obtenait 2,5 %. Aujourd'hui, selon le post, l'indicateur est monté à 41,3 %. Cela représente une hausse d'environ 16 fois en un an.

La composition des tâches compte encore plus. L'indice couvre 23 catégories : 3D et CAO, architecture, design graphique, vidéo et animation, audio et bien d'autres. Le code n'en est qu'une parmi d'autres. Pour un product manager ou un fondateur, c'est le signal principal : les agents sortent du périmètre de la programmation, où l'on avait l'habitude de les évaluer.

Comment lire le chiffre de 41,3 %

Imaginez une commande freelance : « réaliser une vidéo animée de 30 secondes pour une landing page ». Auparavant, l'agent produisait quelque chose que le client jetait aussitôt à la corbeille. Désormais, dans quatre cas sur dix, le résultat est accepté comme exploitable. Cela ne veut pas dire que l'agent a remplacé un studio. Cela veut dire que, pour une commande sur deux ou trois, il n'est plus forcément pertinent de s'adresser d'emblée à un humain.

Mais ce chiffre comporte des réserves que le post ne détaille pas :

• On ne sait pas quel modèle ou quel système a obtenu 41,3 %. Il peut s'agir d'un seul agent, ou du meilleur résultat parmi plusieurs.
• Le post ne renvoie à aucune source primaire, seulement à la chaîne Telegram de son auteur. Le tableau des résultats doit être consulté sur le site de l'indice lui-même.
• L'évaluation du client reste subjective. « Au moins aussi bien qu'un humain » sur un projet ponctuel ne garantit pas la stabilité sur un flux de centaines de commandes.
• Les quelque 59 % de tâches restantes ne sont toujours pas résolues par l'agent. Il s'agit souvent des projets les plus complexes et les plus coûteux.

En résumé : la tendance est réelle, mais il vaut mieux vérifier l'ampleur exacte à la source plutôt que dans un résumé.

Chômage ou pas

L'auteur du post plaisante sur le chômage, et la plaisanterie est douloureuse. Mais, en pratique, ces métriques se traduisent rarement par un « humain entièrement remplacé ». Le plus souvent, c'est la structure du travail qui change : l'agent produit un premier brouillon, l'humain le vérifie et l'affine. Pour le freelance, cela signifie une pression sur les prix des commandes simples et une demande accrue pour ceux qui savent valider un résultat et poser des tâches.

Que faire concrètement

Les développeurs et les product managers devraient faire trois choses.

1. Prendre leurs tâches types hors code : maquettes, illustrations, courtes vidéos, voix off, modèles CAO simples. Les faire passer par des agents récents et comparer avec le résultat humain selon vos propres critères de qualité.
2. Mettre en place une procédure de recette. Si l'agent atteint le standard dans 40 % des cas, la valeur est créée par celui qui écarte rapidement les 60 % restants sans y perdre de temps.
3. Suivre l'indice comme un baromètre. Pour planifier les recrutements et le budget, la dynamique par catégorie est plus utile qu'un chiffre global unique.

Conclusion principale : il y a un an, on pouvait affirmer sans risque que les agents ne savaient pas faire du vrai travail. Aujourd'hui, cette affirmation doit être vérifiée tâche par tâche.