Commencer par les variables, pas par le scénario de film
Il n’existe aucune observation d’une société post-AGI. « Après l’AGI » n’est donc pas une période factuelle que nous pouvons décrire comme nous décrivons une élection, une récession, ou le lancement d’un produit. C’est une famille de scénarios construits à partir d’hypothèses sur la capacité, le coût, l’accès, la propriété, la sécurité, et la réponse politique. Un bon scénario rend ces hypothèses visibles. Un mauvais les cache derrière une histoire vivante.
Même le point de départ technique est incertain. Le Rapport international sur la sécurité de l’IA 2026 décrit une amélioration rapide accompagnée de capacités irrégulières, un écart d’évaluation entre les tests et la performance dans le monde réel, et plusieurs trajectoires de développement plausibles jusqu’en 2030. Il n’entérine ni une date d’arrivée unique ni une trajectoire inévitable. Cette incertitude devrait se répercuter sur l’analyse sociale.
Quatre variables font l’essentiel du travail :
- Vitesse : la capacité largement transformatrice se diffuse-t-elle sur des années, ou arrive-t-elle plus vite que les employeurs, régulateurs, écoles, et foyers ne peuvent s’ajuster ?
- Accès : la capacité est-elle disponible pour des millions d’organisations et d’individus, ou contrôlée par une poignée de fournisseurs et de gouvernements ?
- Propriété : qui possède les modèles, les puces, l’infrastructure énergétique, les centres de données, les entreprises complémentaires, et le revenu qui en résulte ?
- Contrôle : les institutions conservent-elles la capacité d’inspecter, restreindre, remplacer, et faire appel des décisions médiées par l’IA ?
Les scénarios ci-dessous ne sont pas des prédictions assorties de probabilités. Ce sont des tests de résistance. La réalité pourrait combiner des traits des quatre, différer selon les pays, ou passer de l’un à l’autre.
Scénario un : diffusion gérée
Dans la diffusion gérée, la capacité s’améliore rapidement mais pas instantanément. Les systèmes automatisent des ensembles de travail plus vastes, mais le déploiement reste limité par les coûts d’intégration, la fiabilité, la loi, l’infrastructure physique, et l’inertie organisationnelle. Les gouvernements élargissent le soutien à la transition, les entreprises repensent les emplois, et les exigences de sécurité mûrissent avant qu’un seul système ne devienne indispensable.
C’est le scénario le plus en continuité avec les preuves actuelles. L’indice d’exposition 2025 de l’Organisation internationale du travail constate qu’un travailleur sur quatre occupe une profession présentant une certaine exposition à l’IA générative, mais soutient que la transformation de l’emploi est plus probable que le remplacement total parce que les professions contiennent des tâches qui exigent encore un apport humain. L’exposition n’équivaut pas à l’adoption, et l’adoption n’équivaut pas à l’élimination d’un emploi.
La diffusion gérée ne garantit pas l’équité. Les voies d’entrée de premier échelon peuvent se réduire avant que des professions entières ne disparaissent. Les gains de productivité peuvent affluer vers les propriétaires tandis que les salaires stagnent. Les régions à l’infrastructure numérique faible peuvent prendre du retard. La différence est que les institutions ont le temps d’observer ces effets et d’y répondre par la formation, la négociation, la fiscalité, la politique de concurrence, l’investissement public, et des changements du temps de travail.
La stratégie du foyer dans ce monde est l’adaptation plutôt que le repli : développer des compétences qui complètent les nouveaux outils, réduire la dépendance à un seul employeur, préserver des réseaux humains, et participer aux institutions qui décident comment les systèmes sont déployés.
Scénario deux : accélération concentrée
Dans l’accélération concentrée, un petit nombre d’entreprises acquiert une large avance de capacité et en garde l’accès contrôlé. Leurs systèmes deviennent des intrants essentiels pour la recherche, le logiciel, la finance, la logistique, les médias, et l’administration publique. La production économique augmente, mais le pouvoir de négociation se déplace vers les propriétaires des modèles et du calcul.
La concentration n’est pas hypothétique, même si l’AGI l’est. Une étude du personnel de la Federal Trade Commission des États-Unis a documenté des droits de participation et de partage de revenus, des droits de consultation ou de contrôle, l’exclusivité, des engagements de dépenses infonuagiques, et le partage d’informations dans trois partenariats liant Alphabet, Amazon, et Microsoft à Anthropic ou OpenAI. L’échantillon se limitait à ces partenariats et reflétait les informations disponibles pour le personnel jusqu’en septembre 2024, plus des éléments publics jusqu’en janvier 2025 ; il ne devrait pas être généralisé à toute relation entre un fournisseur infonuagique et un développeur. Le rapport a identifié des coûts de changement de fournisseur et des dépendances potentiels plutôt que de statuer sur une violation du droit de la concurrence.
Dans ce scénario, l’abondance matérielle peut coexister avec la fragilité politique. Les gouvernements peuvent dépendre de fournisseurs qu’ils ne peuvent pas facilement remplacer. Les travailleurs peuvent recevoir des services moins chers tout en perdant du revenu et du pouvoir de négociation. Les citoyens peuvent conserver formellement leurs droits tout en peinant à contester des décisions prises via des systèmes propriétaires. Une entreprise n’a pas besoin d’avoir l’intention de gouverner la société pour que la dépendance lui confère un pouvoir de type gouvernemental.
Les politiques décisives ne sont pas les réserves d’urgence. Ce sont la propriété, l’interopérabilité, la fiscalité, le droit de la concurrence, les marchés publics, l’accès à l’audit, les options publiques, et des limites à la délégation de fonctions souveraines. La question centrale est de savoir si le public peut changer de fournisseur ou de politique sans désactiver des systèmes dont dépend la vie ordinaire.
Scénario trois : prolifération ouverte
Dans la prolifération ouverte, une haute capacité devient largement accessible via des poids ouverts, une inférence bon marché, des systèmes copiés, ou une concurrence intense. L’innovation se diffuse rapidement. Les petites entreprises, chercheurs, communautés, et pays à faible revenu obtiennent des outils qui resteraient sinon derrière des API coûteuses. Aucun fournisseur unique ne devient un gardien incontournable.
Le bénéfice est une agentivité distribuée. Le risque est une capacité dangereuse distribuée. Une fois que les poids sont largement mirroirés, l’éditeur d’origine ne peut plus rappeler de façon fiable chaque copie, et les garde-fous peuvent être modifiés. Le rapport de juillet 2024 de la National Telecommunications and Information Administration des États-Unis sur les modèles ouverts a conclu que les preuves alors disponibles ne justifiaient pas de restrictions générales, tout en recommandant une surveillance et une capacité de réponse si de futurs modèles changeaient l’équilibre. Cette position datée et conditionnelle est plus utile que de traiter « ouvert » comme automatiquement sûr ou automatiquement imprudent.
Une société de prolifération ouverte aurait besoin de défenses en dehors du modèle : chaînes d’approvisionnement biologiques sécurisées, infrastructures critiques renforcées, systèmes d’identité résistants à la fraude, partage rapide des incidents, et une capacité d’application de la loi qui ne dépende pas de la suppression du savoir général. Elle aurait aussi besoin d’une gouvernance qui distingue un petit modèle de recherche d’un système qui permet matériellement des opérations cybernétiques, le développement d’armes, ou une réplication autonome.
Ce scénario donne à davantage de personnes accès à la capacité productive, mais l’accès seul ne règle pas la distribution. Les gens ont toujours besoin de calcul, d’énergie, d’expertise, de clients, et d’une autorisation légale pour transformer un modèle en revenu durable.
Scénario quatre : choc de capacité et retard institutionnel
Dans un choc de capacité, des systèmes fiables commencent à accomplir un travail économiquement important plus vite que les organisations ne peuvent repenser les rôles ou que les gouvernements ne peuvent remplacer le revenu et les recettes fiscales perdus. Le trait définitoire n’est pas l’intelligence dans l’abstrait. C’est l’écart entre le changement technique et la réponse institutionnelle.
Cet écart peut créer des conditions contradictoires : une haute capacité productive aux côtés du chômage, des services automatisés précieux aux côtés de modèles d’affaires qui s’effondrent, et des gouvernements sommés de fournir plus de soutien tandis que les assiettes fiscales conventionnelles liées à la masse salariale s’affaiblissent. Cela peut aussi accroître la pression pour déléguer des décisions parce que la révision humaine paraît lente précisément quand la supervision importe le plus.
Les pires résultats ne sont pas automatiques. Des systèmes existants comme l’assurance chômage, l’assurance des dépôts, les stabilisateurs fiscaux automatiques, la négociation collective, les crédits d’urgence, et les marchés publics fournissent une infrastructure de départ. Mais des programmes conçus pour des récessions temporaires peuvent ne pas convenir à un changement persistant de la valeur du travail. Les décisions sur le revenu, la propriété, et les recettes publiques devraient rapidement passer du débat académique à la politique opérationnelle.
Les foyers ne peuvent pas s’assurer individuellement contre un choc de capacité à l’échelle de la société. L’épargne personnelle achète du temps, mais la réponse durable est collective : des institutions capables de distribuer le pouvoir d’achat, de maintenir les services essentiels en fonctionnement, de prévenir une concentration prédatrice, et de réviser la politique à mesure que les preuves arrivent.
Des signaux qui distinguent les scénarios
Observez des conditions mesurables plutôt que l’étiquette « AGI » :
- la fiabilité et le coût d’accomplissement de flux de travail entiers, non de questions isolées de tests de référence ;
- si l’adoption produit une réduction de l’embauche, moins d’heures, des salaires plus bas, ou des licenciements réels ;
- la concentration du marché dans l’infonuagique, les puces, les modèles, l’énergie, et la distribution ;
- la part de la capacité de pointe disponible en poids ouverts, en API contrôlées, ou en systèmes internes ;
- si les agences publiques conservent des modes de fonctionnement testés sans IA et une portabilité de fournisseur ;
- comment les gains de productivité se répartissent entre prix, salaires, profits, impôts, et réduction du temps de travail ;
- le délai entre une capacité dangereuse démontrée et une mesure d’atténuation exécutoire.
Ces signaux peuvent évoluer dans des directions différentes. Des modèles ouverts bon marché pourraient réduire la concentration des entreprises tout en augmentant le risque d’usage abusif. Un octroi de licences strict pourrait améliorer la supervision tout en renforçant les acteurs en place. Une croissance rapide de la productivité pourrait financer une politique de transition généreuse ou accroître l’inégalité, selon la propriété et les choix politiques.
Objectif normatif : la robustesse plutôt que la certitude
Une politique robuste fonctionne de manière acceptable dans plusieurs scénarios. Une identité résistante à l’hameçonnage aide, que les systèmes soient centralisés ou ouverts. Des avantages portables aident, que les emplois disparaissent ou se renouvellent simplement plus vite. L’interopérabilité réduit la dépendance sans exiger de prévoir quel fournisseur l’emportera. Le signalement des incidents améliore l’apprentissage aussi bien sous des cadres volontaires que sous une régulation contraignante. L’investissement public dans l’éducation, l’énergie, la santé, et la capacité administrative crée de la valeur même si la croissance de la capacité ralentit.
Le but de l’analyse de scénarios n’est pas de choisir l’avenir le plus spectaculaire. C’est d’identifier les décisions qui deviennent coûteuses à inverser. Les structures de propriété, les dépendances d’infrastructure critique, les systèmes de surveillance, et la perte d’expertise humaine peuvent se figer avant que quiconque ne s’accorde à dire que l’AGI est arrivée. Ce sont les décisions qu’il vaut la peine de prendre délibérément dès maintenant.