L'IA atteint 67 % sur des tâches de banquiers et d'avocats : faut-il craindre une « économie morte » ?

On débat depuis longtemps de l'« internet mort » : l'idée que la majeure partie du contenu en ligne serait écrite par des bots. Cette théorie a désormais des chiffres. L'agence Graphite a analysé 43 000 pages anglophones issues de Common Crawl et constaté qu'en novembre 2024, les textes générés par des machines étaient devenus plus nombreux que ceux écrits par des humains. Aujourd'hui, la même question se pose pour le travail : et si les tâches de bureau étaient massivement confiées à l'IA ? L'avocat Owen McGrann a baptisé ce scénario « économie morte ». Il reste hypothétique, mais il repose sur une base mesurable.

Ce que les modèles savent déjà faire à la place des « cols blancs »

Deux benchmarks montrent où se situe la frontière. APEX, de Mercor, évalue le travail d'un banquier d'affaires, d'un consultant, d'un avocat de grand cabinet et d'un médecin généraliste, avec 100 tâches par profession. Tâche type : analyser un modèle financier dans un tableur, effectuer les calculs et rédiger les conclusions. GPT 5, Gemini 3 Pro, Opus 4.5 et des modèles plus récents remplissent jusqu'à 67 % des critères de contrôle.

GDPVal, d'OpenAI, est plus vaste : 1 320 tâches pour des dizaines de métiers, conçues par des praticiens ayant en moyenne 14 ans d'expérience. Les prompts sont accompagnés de documents, de tableaux et de plans. Par exemple, il faut concevoir l'outillage d'un banc pour une machine à câbles afin que le cycle d'enroulement et de déroulement soit assuré par un seul opérateur, et non par deux.

Des experts ont comparé en aveugle les solutions des réseaux de neurones et celles des humains. Les meilleurs modèles ont été jugés au moins aussi bons qu'un humain dans un peu moins de la moitié des cas. Il y a encore quelques mois, selon le responsable des évaluations de pointe chez OpenAI, aucun modèle ne pouvait rivaliser avec les experts du secteur.

Un benchmark reste cependant un benchmark : ce sont des tâches isolées, avec des données d'entrée toutes prêtes, et non un travail réel aux exigences floues, avec une responsabilité sur le résultat.

Pourquoi les licenciements profitent à une entreprise mais nuisent au marché

Pour une entreprise prise isolément, la logique est simple. En février, Block a supprimé 4 000 postes, soit environ 40 % de ses effectifs, et le cours de l'action a progressé de plus de 20 %. Le marché récompense ce genre de décisions.

Des chercheurs des universités de Pennsylvanie et de Boston ont modélisé ce qui se passerait si tout le monde s'y mettait. Si les licenciements dépassent les créations d'emplois, la demande solvable disparaît. Les personnes licenciées dépensent moins, le chiffre d'affaires de leurs anciens clients baisse, ceux-ci réduisent à leur tour leurs effectifs, et le cercle se referme. Une entreprise seule ne peut pas l'arrêter. L'économiste Zoë Hitzig ajoute la dimension psychologique : de nombreux PDG licencient simplement parce que leurs voisins le font.

Dès mai 2025, Dario Amodei prévoyait que, d'ici un à cinq ans, l'IA évincerait jusqu'à la moitié des employés de bureau débutants, et que le chômage aux États-Unis grimperait à 10–20 %. Lui-même parie contre une adaptation réussie du marché.

Il existe aussi un risque budgétaire. Dans un document d'avril d'OpenAI sur la politique industrielle, on peut lire : s'il y a moins de salaires, les impôts qui financent les retraites et la santé diminueront.

Ce qui est proposé et où se situe le scepticisme

OpenAI présente ses idées comme une matière à débat, et non comme un programme abouti. Parmi elles : déplacer la fiscalité des revenus des particuliers vers le capital et les bénéfices des entreprises, créer un fonds public qui investirait dans des actifs de long terme et partagerait les revenus entre les habitants, instaurer des allocations et des bons de formation qui se déclenchent lorsque le taux de chômage dépasse un seuil.

McGrann va plus loin : participations de l'État dans l'infrastructure d'IA, contrôle antitrust strict, régime fiscal pour le travail automatisé. Les chercheurs des universités de Pennsylvanie et de Boston estiment que, dans leur modèle, ni l'ajustement des salaires, ni l'impôt sur le capital, ni la participation des salariés au capital de l'entreprise, ni le revenu universel de base n'aident. Seul fonctionne l'impôt pigouvien, indexé sur le volume de tâches automatisées. Il oblige l'entreprise à compenser le préjudice causé à des tiers, comme une taxe sur les émissions.

Les sceptiques objectent que ces scénarios catastrophes arrangent la direction et qu'il faudrait d'abord remplacer les managers par de l'IA. Daron Acemoglu rappelle qu'entre 1987 et 2016, la technologie avait elle aussi évincé des travailleurs, sans que de nouvelles tâches n'apparaissent assez vite. L'économie n'en est pas morte pour autant.

Que faire concrètement

Il y a trois enseignements. Premièrement, considérez les benchmarks comme APEX et GDPVal comme une carte des tâches automatisables. Raisonnez en tâches, pas en métiers entiers : 67 % des critères ne signifient pas le remplacement d'un spécialiste. Deuxièmement, si vous construisez un produit pour des clients professionnels, ne fondez pas votre calcul de retour sur investissement uniquement sur la réduction des effectifs. Le scénario où les clients licencient massivement frappe aussi leur solvabilité. Troisièmement, surveillez la réglementation : les taxes sur l'automatisation ne sont pour l'instant qu'un sujet de discussion, mais elles pourraient changer le coût de déploiement de l'IA.

Toute cette histoire a une limite : il s'agit de scénarios et de modèles, et non de statistiques réelles du marché du travail. Mais les chiffres montrent déjà que la décision de licencier n'est plus une affaire purement interne à l'entreprise.