Olivier Sibony est professeur à HEC et spécialiste de la décision. Eric Hazan est investisseur et ancien senior partner chez McKinsey. Ils viennent de publier ensemble "Faut-il encore décider ?", un livre qui refuse d'être technophobe comme il refuse d'être technophile, et qui cartographie ce qu'on peut confier à une IA et ce qu'on doit garder pour soi. Je les connais tous les deux, mais séparément, et c'était la première fois que je les avais en face de moi ensemble. Ça se sent : ils se coupent la parole, se corrigent, se chambrent sur les anglicismes, et surtout ils ne sont pas toujours d'accord. C'est exactement ce que je cherchais. Ce qui m'a le plus remué dans cette conversation, c'est cette idée qu'on ne se fait pas déposséder de nos décisions : on les abandonne. Par confort. Parce qu'on est fabriqués pour économiser notre énergie, et qu'une réponse bien formulée par une machine nous suffit largement. Dans cet épisode, nous parlons de l'effet de contentement, du risque de démission, de ce que devient la confiance en soi quand on fait relire chacun de ses mails, de la justice et du recrutement comme zones interdites, du deskilling, de la joie au travail, et de ce scénario de technocratie IA vers lequel on glisse sans l'avoir choisi. J'ai questionné Olivier et Eric sur ce que ça fait aux jobs, sur les valorisations d'OpenAI et d'Anthropic qui dépassent le PIB de la Pologne, et sur ce fameux moment où le médecin, l'ego coincé entre lui et la machine, fait moins bien que la machine seule. Une conversation dense, drôle par moments, et qui m'a laissé avec une question simple : sur quoi est-ce que je refuse de lâcher, moi, et pourquoi ? Citations marquantes- « Le risque, c'est d'avoir toujours tendance à se défausser sur la machine, à lui demander une réponse et à finalement abdiquer toute responsabilité. Et ça, c'est un vrai danger. » (Olivier Sibony)- « Les meilleurs médecins ont à peu près 74 % d'acuité, la machine 90 %. Mais quand tu mets les meilleurs médecins avec la machine, ils n'ont que 76 %. » (Eric Hazan)- « Comment tu vas utiliser une IA comme partenaire de réflexion pour mieux réfléchir, et non pas comme une béquille sur laquelle tu vas te reposer pour ne pas réfléchir ? Toute la différence est là. » (Olivier Sibony)- « L'IA est en train de devenir l'infrastructure du monde et notre infrastructure personnelle. On marche sur un petit tapis roulant, et on n'a aucun moyen de savoir comment il a été programmé. » (Eric Hazan)- « Penser est un plaisir. Réfléchir n'est pas seulement instrumental : on le fera aussi pour le plaisir, comme on joue du piano. » (Olivier Sibony) Idées centrales discutées 1. L'IA générative pense comme notre système 1, et c'est exactement le piège (03:30 – 07:20)L'histoire de l'IA a commencé par une tentative de répliquer le système 2 : les règles, le calcul, les systèmes experts des années 70-80. Ça n'a jamais marché. L'IA générative, elle, imite le système 1 : rapide, fluide, spontanée, presque humaine. Pourquoi ça compte : quand ChatGPT nous dit de vérifier, il nous demande d'activer notre système 2. Or c'est fatigant. Alors on lit la réponse avec notre système 1, on la trouve plausible parce qu'elle est bien formulée, et on ne vérifie pas. 2. L'effet de contentement et le risque de démission (08:00 – 09:40)Se satisfaire d'un résultat correct sans se demander s'il en existe un meilleur. Olivier l'appelle l'effet de contentement, Eric y ajoute le risque de démission : on abdique la responsabilité de la décision. Pourquoi ça compte : le problème n'est pas que la machine décide mal, c'est que personne ne décide plus vraiment. Et quand tu n'as pas réfléchi par toi-même, tu ne sais même pas ce que ta réponse aurait donné. 3. Un LLM généraliste n'est jamais un bon outil de décision (14:40 – 16:00)Un outil d'aide à la décision, c'est un outil entraîné spécifiquement sur ta décision, avec tes objectifs, tes données, et testé sur un échantillon suffisant pour vérifier qu'il fait mieux que toi. Pourquoi ça compte : personne ne demanderait à ChatGPT le prix du siège d'un Paris–New York. Et pourtant on lui demande des décisions de recrutement, de couple, de carrière. 4. Le paradoxe du médecin : l'ego entre la machine et le diagnostic (12:00 – 13:20)74 % d'acuité pour les meilleurs médecins, 90 % pour la machine, 76 % pour les deux ensemble. L'expérience du praticien s'intercale et dégrade le résultat. Pourquoi ça compte : ça retourne l'intuition dominante du "human in the loop". Sur certaines décisions, l'humain dans la boucle est le maillon qui abîme la performance. Le vrai gain, c'est de rendre au médecin le temps de l'empathie, pas de maximiser le nombre de patients. 5. Performance x acceptabilité : la carte des décisions (24:00 – 26:15)Deux axes. Ce qui est performant et acceptable : trading haute fréquence, logistique, optimisation de données massives avec des règles claires. Ce qui est performant mais pas encore accepté : la voiture autonome, malgré plus de 40 000 morts par an au volant aux États-Unis. Ce qui reste inacceptable : la justice, l'évaluation des personnes. Pourquoi ça compte : un humain doit juger un autre humain en le regardant dans les yeux. La théâtralité du procès fait partie de la procédure démocratique, pas du folklore. 6. Le deskilling n'est pas nouveau, la vraie question est de savoir ce qu'on refuse de perdre (26:15 – 30:00)On a cessé d'extraire des racines carrées à la main, on a gardé les tables de multiplication. Le GPS abîme peut-être l'hippocampe. Perdre une compétence libère du temps pour autre chose. Pourquoi ça compte : la bonne question n'est pas "est-ce que je perds des compétences", mais "quelles compétences, pour qui, sont assez importantes pour que je refuse de les perdre". Au cas par cas, personne par personne. 7. Les jobs ne disparaissent pas d'un coup, l'économie est visqueuse (41:00 – 49:00)Le FMI évalue 22 à 25 % de la population active à risque d'automatisation quasi totale. Mais la transition industrielle prend une quinzaine d'années, et les entreprises ne font pas ce qui serait pourtant rentable. Deux consultants avec un demi-siècle de métier à eux deux l'ont vérifié mille fois. Pourquoi ça compte : les tâches disparaissent, les jobs se reconfigurent, d'autres apparaissent. Il y a plus de radiologues qu'avant. Il y a vingt ans, on ne pouvait pas imaginer le métier de podcaster. 8. Il manque une infrastructure de la confiance (55:40 – 57:20)Quand tu achètes 400 grammes de carottes, tu ne demandes pas si la balance est truquée : quelqu'un l'a certifiée, et ce quelqu'un est certifié par l'État. Pour l'IA, cette chaîne n'existe pas. Pourquoi ça compte : aujourd'hui, un DRH sait que son outil de tri de CV est bon parce que la startup qui le lui a vendu le lui assure. C'est comme demander au boucher si la viande est bonne. Questions posées dans l'interview- Pourquoi écrire ce livre à deux, et qu'est-ce que la décision et l'IA se disent l'une à l'autre quand on les croise ?- C'est quoi le système 1 et le système 2, et pourquoi cette distinction éclaire-t-elle l'histoire entière de l'IA ?- Qu'est-ce que l'effet de contentement, et comment savoir qu'on est en train d'y tomber ?- Que se passe-t-il quand des millions de gens utilisent un LLM comme psy, sachant qu'il ne produit qu'une moyenne statistique de toutes les réponses possibles ?- Est-ce que ça vous dérange que notre infrastructure cognitive quotidienne soit américaine, entraînée sur des valeurs qui ne sont pas les nôtres ?- Quelles sont les décisions qu'on ne devrait jamais déléguer à une IA, et pourquoi la justice en fait partie ?- Le deskilling : où est la limite entre une compétence qu'on peut abandonner et une compétence qui nous constitue ?- Que fait l'IA à la confiance en soi de celui qui n'ose plus envoyer un mail sans le faire relire ?- Comment repense-t-on la formation des juniors quand on automatise précisément les tâches qui servaient à les former ?- Quels sont les jobs réellement à risque, et que valent les prédictions des entreprises qui ont besoin de justifier leur valorisation ?- Quelles questions un dirigeant doit-il se poser avant de décider ce qu'il délègue à une IA ?- Comment sait-on qu'on peut faire confiance à un système d'IA, et qui est censé le certifier ?- Que penser d'un pays qui nomme une IA à la place d'un ministre, ou d'un patron qui remplace son management intermédiaire par des agents ?- À quoi voulez-vous ouvrir, et à quoi voulez-vous claquer la porte ?Références citées dans l'épisodeLivres et auteurs - "Faut-il encore décider ?", Olivier Sibony et Eric Hazan, le livre discuté (01:00)- Daniel Kahneman, "Système 1 / Système 2" ("Thinking, Fast and Slow"), socle de toute la première partie (02:56, 03:35)Chercheurs et acteurs de l'IA - Yann LeCun, ex-responsable de l'IA chez Meta, sur les limites des Transformers et les World Models (37:40 – 40:40)- Alex Lebrun et AMI Labs (Advanced Machine Intelligence Lab), société créée à Paris, valorisée environ 3,5 milliards de dollars pour environ 1 milliard levé (40:20 – 41:00)- Fei-Fei Li, ex-Google, citée comme l'une des rares personnes travaillant sur les World Models (40:00)- Mark Zuckerberg, annonce de son clone IA accessible à tous ses employés (59:40)- Jack Dorsey, patron de Block (ex-Square), suppression annoncée du management intermédiaire, note "de la hiérarchie à l'intelligence" (60:00 – 60:40)- Elon Musk, cité pour son scénario d'IA maximaliste (50:50)Études et institutions - Étude Anthropic sur les utilisateurs qui perdent confiance dans leur propre système de valeurs (10:45)- Étude Brookings sur l'automatisation qui supprime les barreaux de l'échelle de promotion interne, et sur les tâches automatisées qui faisai
