Le problème de l'échelle de formation : pourquoi l'IA bouleverse l'apprentissage du métier chez les professionnels

Perspective

Luis Garicano est professeur à la London School of Economics et a passé des décennies à étudier les hiérarchies de connaissances et l'économie organisationnelle. Dans cette interview EPOCH AI, il présente l'une des analyses les plus lucides de l'impact de l'IA sur le travail professionnel—non pas par des licenciements massifs, mais par la disparition silencieuse du recrutement des débutants. Sa recherche révèle une crise cachée : l'« échelle de formation » qui transforme les juniors en experts est démantelée par les outils mêmes censés les rendre productifs.

Sur le goulot d'étranglement humain : "As long as the AI needs your supervision because it makes lots of mistakes, then the bottleneck is the human." (Tant que l'IA a besoin de votre supervision parce qu'elle fait beaucoup d'erreurs, alors le goulot d'étranglement est l'humain.) C'est la tension centrale que Garicano identifie—les gains de productivité de l'IA sont plafonnés par la capacité de supervision humaine jusqu'à ce que l'IA franchisse le « seuil de supervision » vers une véritable autonomie. Nous sommes dans une période d'augmentation, pas de remplacement, ce qui limite en fait les avantages.

Sur le changement technologique basé sur l'ancienneté : "In the AI exposed occupations, you don't see anything happen to senior employment. You see it growing. You see junior employment really dropping. And the way it's dropping is through hiring." (Dans les professions exposées à l'IA, vous ne voyez rien arriver à l'emploi senior. Vous le voyez croître. Vous voyez l'emploi junior vraiment chuter. Et la façon dont il chute, c'est par le recrutement.) Garicano cite deux articles d'août 2025 analysant 62 millions de travailleurs montrant que ce n'est pas anecdotique—c'est systématique. Les associés de McKinsey ne sont pas remplacés ; ils n'embauchent simplement pas de nouveaux analystes.

Sur le contrat de formation brisé : "The apprentice is paying not in dollars, it's paying in menial tasks... If the AI can do the basic research at McKenzie, can do the contract review at Cravath, then how do you pay for your training?" (L'apprenti ne paie pas en dollars, il paie en tâches subalternes... Si l'IA peut faire la recherche de base chez McKinsey, peut faire la révision de contrats chez Cravath, alors comment payez-vous pour votre formation ?) Historiquement, les employés juniors échangeaient du travail ingrat contre l'apprentissage auprès d'experts. Quand l'IA fait ce travail ingrat, la logique économique de la relation maître-apprenti s'effondre.

Sur l'effet superstar : "A very good AI programmer with lots of AI can have enormous leverage and can reach very large market size." (Un très bon programmeur IA avec beaucoup d'IA peut avoir un effet de levier énorme et peut atteindre une très grande taille de marché.) Tout comme Messi peut atteindre 500 millions de téléspectateurs, les meilleurs ingénieurs IA peuvent maintenant commander des packages de rémunération de 100 millions de dollars. La bifurcation est réelle : compléments au sommet, substituts en bas.

Sur la fragmentation réglementaire : "We are in a game theoretical situation between China and the US. I don't think the possibility of slowing things down exists... Who is 'we' here? Is it China, is the US? Is it firms? Is it workers?" (Nous sommes dans une situation de théorie des jeux entre la Chine et les États-Unis. Je ne pense pas que la possibilité de ralentir les choses existe... Qui est 'nous' ici ? Est-ce la Chine, sont-ce les États-Unis ? Est-ce les entreprises ? Est-ce les travailleurs ?) Garicano conteste l'optimisme de Daron Acemoglu sur la direction de la technologie—il n'y a pas d'acteur unifié qui puisse coordonner un ralentissement.

Points clés

• Les juniors sont silencieusement dés-embauchés, pas licenciés - Le changement se manifeste par des gels de recrutement, pas par des licenciements, ce qui le rend plus difficile à détecter jusqu'à ce que le pipeline de futurs experts soit déjà brisé
• Le seuil de supervision détermine tout - L'IA passe de complément à substitut au moment où elle franchit le seuil de qualité où les humains ne peuvent plus améliorer sa production
• Le transfert de connaissances tacites est en danger - L'expertise qui n'est dans aucun manuel—comment gérer les clients, naviguer dans les organisations—pourrait cesser d'être transmise entièrement
• L'économie des superstars s'amplifie - Ceux au sommet gagnent en effet de levier tandis que ceux en dessous du seuil d'autonomie font face à une compression salariale
• Le PIB à court terme pourrait chuter même si le bien-être augmente - Si les services juridiques et médicaux deviennent gratuits, le surplus du consommateur monte en flèche mais la production économique mesurée peut se contracter pendant la transition
• Le RGPD et l'AI Act de l'UE pourraient être contre-productifs - « Une partie du risque est que vous essayez de contrôler la technologie et vous vous retrouvez sans technologie »

Vue d'ensemble

L'analyse de Garicano révèle un paradoxe au cœur de l'augmentation par l'IA : les outils censés aider les travailleurs juniors à apprendre plus vite pourraient en fait éliminer la justification économique de leur formation. Quand l'IA fait la révision de contrats, les diapositives PowerPoint et la recherche de base, quelle monnaie reste-t-il à l'apprenti pour payer le mentorat ? Il ne s'agit pas de l'IA remplaçant les experts—il s'agit de l'IA empêchant la prochaine génération de devenir experte. Pour les organisations déployant des agents IA, la question n'est pas seulement « quelles tâches pouvons-nous automatiser ? » mais « quels parcours de formation sommes-nous en train de détruire ? »