MIT Technology Review : OpenAI, Anthropic et tout le marché de l'IA sont bloqués entre le buzz et le profit

Le battage publicitaire autour de l'IA a déjà créé une sensation de révolution inévitable, mais entre les promesses bruyantes et les profits réels, un vide persiste : l'industrie a bien maîtrisé l'étape de création de modèles impressionnants, mais ne peut toujours pas démontrer clairement comment ils s'intègrent de manière fiable aux opérations des entreprises et transforment l'économie. L'auteur se souvient d'une marche anti-IA en février à Londres, où des militants de Pause AI distribuaient un tract avec un schéma presque mème : étape un, faire croître une superintelligence numérique ; étape deux, une question ; étape trois, aussi une question. C'est une référence aux gnomes de South Park, dont le plan commercial ressemblait à ceci : collecter des caleçons, puis quelque chose d'inconnu, puis réaliser un profit.

Selon l'auteur, c'est exactement l'état dans lequel se trouve tout le marché de l'IA : la technologie existe, la promesse de transformation existe, mais le mécanisme intermédiaire reste flou. Pour les opposants à l'IA, l'étape manquante signifie généralement une réglementation : il faut d'abord comprendre quelles règles doivent limiter le déploiement, qui les rédigera et qui en garantira le respect. Pour les partisans de la technologie, l'image est inversée.

Ils sont déjà mentalement au point où l'IA sauve l'économie, booste la productivité et transforme le marché du travail. Comme l'a dit à l'auteur le scientifique en chef d'OpenAI, Jakub Pachocki, il s'agit d'une technologie qui transforme l'économie. Le problème est que la route vers cet avenir est différente pour chacun, et personne ne possède de cartes éprouvées.

Une étude publiée par Anthropic le 5 mars 2026 tente d'évaluer l'impact de l'IA sur le marché du travail. L'entreprise a introduit une métrique appelée observed exposure, qui relie les capacités théoriques des modèles de langage aux données réelles sur leur utilisation. La conclusion est mitigée : les gestionnaires, architectes, professionnels des médias et autres professions de cols blancs sont les plus à risque, mais la pénétration réelle de l'IA est bien inférieure à son potentiel théorique.

Selon les données d'Anthropic, dans la catégorie Computer and Math, Claude ne couvre réellement que 33 pour cent des tâches, et environ 30 pour cent des travailleurs ont une exposition zéro. En même temps, les chercheurs n'ont pas encore trouvé d'augmentation claire du chômage dans les professions les plus vulnérables après le lancement de ChatGPT, bien que l'embauche de jeunes employés dans de tels rôles puisse déjà ralentir. Un deuxième exemple refroidit encore davantage le marché.

En février, les chercheurs de Mercor ont testé les principaux agents d'IA d'OpenAI, Anthropic et Google DeepMind sur 480 longues tâches de bureau compilées à partir de pratiques réelles de banquiers d'investissement, de consultants et d'avocats d'entreprise. Les agents ont reçu un environnement réaliste avec des fichiers, des documents, des feuilles de calcul et des applications pour tester non pas une belle scène de démonstration, mais la véritable routine de travail. Le résultat a été brutal : aucun système n'a pu gérer systématiquement la plupart des tâches.

Même les meilleurs modèles ont fourni des résultats partiels utiles, mais l'exécution complète d'un travail complexe restait plutôt l'exception que la règle. C'est cette étape manquée. Il ne suffit pas d'intégrer simplement les modèles dans un produit ou de les asseoir à côté d'un employé.

Ils doivent fonctionner au sein de processus complexes, parmi les gens, les règles, les contrôles, les logiciels obsolètes et la responsabilité des erreurs. Parfois, l'ajout d'IA n'accélère pas le travail, mais le complique. Oui, les entreprises peuvent restructurer les processus pour s'adapter aux nouveaux outils, mais cela nécessite du temps, de l'argent et du courage managérial.

Pour l'instant, le vide dans la compréhension est comblé par des annonces bruyantes hebdomadaires, et un post réussi sur les réseaux sociaux peut faire bouger les attentes et même le marché plus vite que les données soignées. La conclusion principale est simple : le marché de l'IA manque maintenant non pas d'une autre démonstration de capacités, mais de preuves provenant de l'opération du monde réel. Ce qui est nécessaire, c'est une plus grande transparence de la part des développeurs de modèles, une collaboration entre les chercheurs et les entreprises, et de nouvelles méthodes d'évaluation qui montrent non pas la magie de laboratoire, mais ce qui se passe après la mise en œuvre.

Tant que cela n'existe pas, les promesses d'une révolution économique imminente restent une belle troisième étape sans une deuxième convaincante.