Ceci n’est pas un billet à la hache

Écrire sur la technologie est toujours un piège. Il est facile de passer pour un prophète de malheur, de brandir le poing contre chaque nouvel outil qui perturbe les vieilles habitudes. Ce n’est pas le cas ici.

Je ne suis pas anti-technologie. Je suis un nerd, un geek, et le genre de personne qui apprécie vraiment les outils, les systèmes, les logiciels et les petits flux de travail étranges qui rendent la vie plus facile. J’aime les bons outils. J’aime les systèmes élégants. J’aime cette sensation de découvrir quelque chose qui supprime les frictions d’une tâche sans en enlever le sens.

Mais je suis aussi enseignant, ce qui signifie que je vois l’autre côté de la machine chaque jour. Je vois des jeunes gens éviter le travail lent de l’apprentissage parce qu’un outil peut accomplir la tâche scolaire à leur place. Il donne la réponse, mais il ne transmet pas le savoir. Il produit le résultat, mais il ne rend pas l’apprenant plus capable.

C’est le problème que j’ai exploré dans mon précédent essai, L’illusion que nous appelons intelligence : le danger n’est pas seulement que l’IA puisse générer du langage. Le danger est que nous commencions à confondre le résultat généré avec la compréhension, la commodité avec l’apprentissage, et l’aisance verbale avec la pensée. Un étudiant peut remettre un paragraphe soigné et ne pas savoir pour autant en rédiger un. Un travailleur peut produire un rapport et ne pas comprendre le jugement qui le sous-tend. La surface s’améliore tandis que la capacité intérieure s’affaiblit.

Il ne s’agit donc pas de détester la technologie. Il s’agit de se demander ce que la technologie n’est pas.

La vidéo et l’idée de « cerveau logiciel »

La principale vidéo à l’origine de cet article est l’épisode de Decoder de Nilay Patel pour The Verge, « The People Do Not Yearn for Automation », publié le 23 avril 2026. Patel est rédacteur en chef de The Verge et animateur du podcast Decoder. Dans cet épisode, il critique ce qu’il appelle le cerveau logiciel : une manière de voir le monde comme des bases de données, des boucles, des entrées, des sorties et des systèmes en attente d’automatisation.

Le propos de Patel n’est pas simplement que l’IA est impopulaire. Son argument est que l’industrie technologique comprend mal pourquoi les gens la rejettent. L’industrie continue de traiter la vie humaine comme si elle pouvait être rendue lisible par des logiciels, à condition de collecter suffisamment de données et d’automatiser suffisamment de boucles.

Cela peut fonctionner pour les processus métiers. Cela ne fonctionne pas pour la vie.

Une entreprise peut transformer son stock en base de données. Une tournée de livraison peut devenir un problème d’optimisation. Une file d’assistance client peut être triée, étiquetée et orientée. Mais la vie humaine n’est pas seulement une file d’attente. Elle comprend l’hésitation, la contradiction, le contexte privé, les mauvais timings, le silence, le ressentiment, la mémoire et la dignité. Tout cela ne s’intègre pas proprement dans une feuille de route produit.

La critique de Patel est importante parce qu’il ne parle pas seulement de l’IA. Il parle d’une habitude technologique plus large : l’idée que, parce qu’une chose peut être modélisée dans un logiciel, elle devrait être repensée autour du logiciel. Le résultat est un monde où l’on demande aux gens d’être davantage lisibles par machine, davantage traçables, davantage prévisibles et davantage disponibles pour des systèmes qui promettent la commodité.

Les gens ne rejettent pas toujours la technologie parce qu’ils la comprennent mal. Parfois, ils la rejettent parce qu’ils comprennent ce qu’elle leur demande.

Pourquoi les gens se méfient de l’industrie technologique

Cela fait directement le lien avec une autre vidéo : « The AI industry is ignoring how much people hate it », un épisode de The Tech Report animé par Isaac Pound et publié le 20 avril 2026. Ed Zitron, auteur de Where’s Your Ed At et animateur de Better Offline, y soutient que l’industrie de l’IA a passé des années à antagoniser le public puis à jouer les surpris lorsque les gens se mettent en colère.

Le propos de Zitron est direct. Les gens font déjà face à la hausse des coûts, à l’insécurité de l’emploi, à la pression sur le logement, aux dépenses de santé et à une instabilité générale. Puis des responsables de l’IA montent sur scène et leur disent qu’un grand nombre d’emplois pourraient disparaître, que les entreprises ont besoin d’immenses centres de données, que les modèles sont puissants et dangereux, et que tout cela est inévitable.

Du point de vue de Zitron, la méfiance n’a rien de mystérieux. Les gens entendent une menace, du battage médiatique et du sentiment de droit. Ils voient des entreprises demander de l’argent, des données, de l’énergie, une liberté juridique et la patience du public, tout en offrant de vagues promesses d’une abondance future.

C’est important parce que l’industrie traite souvent la colère du public comme un problème de communication. Si seulement les gens comprenaient mieux l’IA, pense-t-on, ils l’accepteraient. Mais la confiance ne naît pas seulement de l’explication. La confiance naît de l’expérience.

Les gens ont déjà fait l’expérience de services clients automatisés incapables de les aider, de systèmes de recommandation qui manipulent l’attention, de plateformes qui aspirent les données et de produits qui se dégradent après être devenus incontournables. Ils ont vu des entreprises technologiques promettre l’ouverture, puis construire des écosystèmes fermés. Ils ont vu des outils vendus comme des moyens d’autonomisation devenir des systèmes de surveillance, de dépendance ou de réduction des coûts.

Zitron soutient également que les entreprises d’IA devraient cesser de faire en sorte que les modèles ressemblent à des compagnons humains et commencer à les traiter comme de simples outils. Cela compte, car une conception anthropomorphique peut amener les gens à accorder une confiance excessive à des systèmes qui ne les comprennent pas. Un chatbot qui dit « je comprends » peut sembler rassurant, mais il ne comprend pas au sens humain. Il prédit, répond et poursuit l’interaction.

Cette différence n’est pas anodine. C’est la différence entre un outil et une relation.

Le décalage n’est pas accidentel

Le décalage entre les gens et la technologie existe parce que les incitations sont différentes.

L’industrie voit l’automatisation, l’échelle, l’efficacité et la conquête du marché. Les gens ordinaires voient le risque pour l’emploi, la surveillance, la dégradation des services, la confiance brisée et des outils qui leur donnent souvent le sentiment d’être moins humains. Une entreprise peut voir un robot de service client comme une efficacité. Le client peut le vivre comme le fait d’être piégé dans une boucle, sans personne responsable de l’autre côté.

C’est pourquoi l’aversion pour les algorithmes a du sens. Les gens peuvent pardonner plus facilement les erreurs humaines que les erreurs des machines, parce que les erreurs humaines semblent encore engageantes. Une personne peut expliquer, s’excuser, improviser ou comprendre le contexte. Un système souvent ne le peut pas. Une seule erreur de machine peut détruire la confiance, parce que l’utilisateur n’a aucun moyen clair de contester le jugement.

Et même lorsqu’un système automatisé est statistiquement performant, les gens peuvent encore le rejeter s’il menace l’autonomie, l’identité ou la dignité. Un travailleur peut ne pas détester le logiciel parce qu’il est inutile. Il peut le détester parce qu’il le surveille. Un enseignant peut ne pas rejeter l’IA parce qu’elle ne peut pas produire de texte. Il peut la rejeter parce que les élèves l’utilisent pour contourner la réflexion que le devoir était censé susciter.

C’est là que la conversation devient plus sérieuse. La question n’est pas de savoir si l’IA fonctionne. Parfois, c’est le cas. La question est : quel type de travail remplace-t-elle, quel type de personne produit-elle, et quel type de relation crée-t-elle entre les humains et les institutions.

L’industrie technologique traite souvent la méfiance comme irrationnelle. Elle ne l’est pas toujours. Parfois, c’est de la mémoire. Les gens se souviennent d’avoir été automatisés hors des soins.

Travail, identité et éducation

L’IA aura un effet sur le travail. Cela ne fait aucun doute. Mais elle n’affectera pas tous les pays de la même manière.

Chaque économie est construite différemment. Certaines dépendent fortement des services. D’autres dépendent de la fabrication, de l’externalisation, du tourisme, de l’agriculture, des transferts de fonds, de l’emploi dans le secteur public, du travail informel ou des petites entreprises. Les populations se déplacent aussi différemment. Les jeunes migrent, se reconvertissent, résistent, s’adaptent ou quittent des secteurs entiers selon les conditions locales.

L’impact de l’IA ne sera donc pas une histoire claire et unique de « l’économie mondiale ». Ce seront de nombreuses histoires nationales, chacune façonnée par les marchés du travail, les systèmes éducatifs, la réglementation, les salaires, la migration et les choix politiques. Dans un pays, l’IA peut menacer les emplois de services de bureau. Dans un autre, elle peut remodeler l’externalisation. Dans un autre encore, elle peut creuser davantage l’écart entre ceux qui peuvent utiliser les outils et ceux qui sont gérés par eux.

Il en va de même dans l’éducation. Si les étudiants utilisent l’IA pour sauter l’entraînement, ils peuvent produire de meilleurs devoirs tout en devenant de moins bons apprenants. Ce n’est pas un progrès. C’est externaliser l’effort qui construit la compétence. Un outil qui répond à la place de l’étudiant n’éduque pas automatiquement l’étudiant.

L’apprentissage exige des frictions. Il exige l’essai maladroit, la phrase ratée, la pensée inachevée, la correction, la deuxième tentative. Si un outil supprime tout cela, il peut aussi supprimer le chemin par lequel la compétence se forme.

Une intelligence accessible ressemble à un cadeau. Mais si elle affaiblit le jugement, réduit la patience, remplace la pratique et apprend aux gens à faire confiance à un résultat fluide sans le comprendre, elle peut créer plus de problèmes qu’elle n’en résout.

Ce que la technologie n’est pas

La technologie peut étendre les capacités humaines. Elle peut nous aider à écrire, calculer, traduire, organiser, chercher, concevoir et construire. Elle peut rendre plus faciles des tâches difficiles. Elle peut ouvrir l’accès là où il était limité.

Mais la technologie n’est pas le sens. Ce n’est pas le jugement. Ce n’est pas la confiance. Ce n’est pas l’éducation. Ce n’est pas le soin. Ce n’est pas le processus vécu par lequel une personne devient plus capable.

Cette distinction compte, parce que la conversation sur l’IA l’estompe souvent. Le produit exécute la tâche visible, alors nous faisons comme s’il avait remplacé le processus invisible. Il écrit le paragraphe, alors nous faisons comme s’il avait appris. Il répond au client, alors nous faisons comme si le service avait eu lieu. Il résume la réunion, alors nous faisons comme si la compréhension avait eu lieu.

C’est cela, l’illusion. Non pas que les outils soient inutiles, mais que le résultat suffit.

Regardez les vidéos

Ce billet ne fait qu’esquisser l’argument. La vidéo de Patel est utile parce qu’elle nomme la vision du monde derrière le problème : le cerveau logiciel. L’entretien de Zitron est utile parce qu’il explique pourquoi la colère du public envers l’IA n’est pas seulement une peur du changement, mais une réponse aux menaces, au battage médiatique, à l’anxiété liée au travail et à la méfiance.

Et ma propre position, dans L’illusion que nous appelons intelligence, est que nous devrions cesser de confondre le résultat avec la compréhension. La technologie devrait étendre les capacités humaines. Elle ne devrait pas nous entraîner à y renoncer.

Regardez l’épisode Decoder de Nilay Patel, « The People Do Not Yearn for Automation », ici :

Regardez Ed Zitron sur The Tech Report, « The AI industry is ignoring how much people hate it », ici :