Une réponse à Morozov et Benanav
Traduction de l’article Automate the C-Suite publié par Leif Weatherby sur the ideas letter le 5 février 2026.
Lorsque les marxistes parlent de technologie, ils oublient le capitalisme. Lorsqu’ils parlent du capitalisme, ils oublient que la technologie est intégrée à ce capitalisme. Il en résulte une impasse, dans laquelle d’un côté on propose ce qu’il faut faire de toute la technologie après la révolution, et de l’autre on cherche des moyens d’utiliser la technologie de manière expérimentale pour fomenter cette même révolution.
Au cours de l’été 2025, la New Left Review a publié le manifeste en deux parties d’Aaron Benanav, intitulé « Beyond Capitalism » (Ma [GB] traduction : Au-delà du capitalisme). Benanav s’appuie sur une longue histoire intellectuelle socialiste pour imaginer un système économique fondé sur « des critères multiples ». Dans le capitalisme, tout est orienté vers la maximisation du profit. Un avenir socialiste pourrait au contraire poursuivre des objectifs multiples tels que « la durabilité – respecter les limites écologiques, promouvoir la restauration, par exemple ; la qualité du travail – favoriser un travail significatif plutôt que dégradant ; la recherche expérimentale et l’éducation ; la production culturelle ; la cohésion ou l’autonomie communautaire ; les objectifs esthétiques ». C’est une « matrice de données » qui permet cette approche multicritères, un « registre numérique » qui sert d’« infrastructure de prévision puissante […] pour éclairer les futurs possibles ». Benanav imagine la matrice de données comme étant gouvernée par un conseil démocratique.
Evgeny Morozov a récemment répondu au manifeste de Benanav dans The Ideas Letter1Voir ma traduction : Le socialisme après l’IA, arguant que sa proposition impose la politique à la technologie par décret. Selon Morozov, Benanav n’a pas su reconnaître l’aspect véritablement créatif de l’IA en particulier et du capitalisme en général, qu’il (Morozov) qualifie de « baroque capitaliste », qui « crée de nouvelles valeurs en construisant de nouveaux mondes et en accélérant la contamination croisée entre technologie, culture et désir ». Alors que Benanav ignore la situation technologique, Morozov embrasse l’aspect « créateur de mondes » de la technologie — citant Martin Heidegger — pour imaginer une voie vers le socialisme.
Cette voie, c’est l’IA. Avec l’IA générative en particulier, il devient impossible de négliger le fait que la concurrence sur le marché est elle-même une force culturelle, ce qui rend inutile d’imaginer une politique pour surmonter l’accélération causée par la prolifération de l’apprentissage automatique. Pour y parvenir, Morozov affirme que nous avons besoin d’un « baroque socialiste : des systèmes d’IA gérés collectivement et intégrés dans les lieux de travail, les écoles, les cliniques et les coopératives ». Cela ressemble étrangement au conseil de contrôle démocratique de Benanav, mais imaginé comme généré par la base. L’écart entre le présent et le glorieux avenir socialiste est une zone d’ombre sur la carte.
Lorsque les marxistes – Morozov et Benanav – débattent de la technologie et du capitalisme, ils en viennent à oublier l’idéologie. Du moins, cela expliquerait pourquoi les chiffres les plus récents invoqués sérieusement dans ce débat datent d’avant la Seconde Guerre mondiale.
Benanav trouve le plus grand soutien à son multicritérialisme chez le philosophe de l’école de Vienne Otto Neurath (1882-1945), qui, dans les années 1930, a proposé un « calcul en nature » pour remplacer les prix dans le cadre de la recherche du profit. Morozov, quant à lui, se réfère à la notion de « création du monde » de Martin Heidegger (1889-1976), également développée à cette époque, lorsqu’il aborde l’aspect créateur de valeur de l’IA.
La réalité du capitalisme actuel est bien sûr le résultat du siècle qui s’est écoulé depuis, et si ces deux penseurs peuvent être utiles, c’est à un autre groupe d’auteurs et de disciplines qu’il convient, à mon avis, de se tourner pour comprendre notre économie numérique actuelle. L’IA elle-même dépend des mathématiques de l’optimisation et des doctrines qui y sont associées (théorie de la décision et théorie du choix, tant dans leur variante « rationnelle » que « publique »), de la création de puissantes machines informatiques capables de traiter d’importants problèmes statistiques et probabilistes, et de ce que l’on appelle généralement l’économie « néolibérale ». Cet ensemble de développements technologiques rapides et de théories sociales technocratiques axées sur les politiques ne se divise pas clairement entre technologie et idéologie, ordinateurs et théories. Il s’agit d’un phénomène unique, d’un bloc qui constitue le moteur de notre présent, et qui ne peut être réduit à une notion simpliste de « profit ». C’est la réalité du capitalisme, sa propre rationalité réellement existante, qui s’est manifestée dans l’IA.
Lorsque les marxistes parlent de technologie, c’est cette réalité qu’ils oublient. Ils l’oublient en considérant les aspects doctrinaux comme de la vapeur et le matériel informatique comme de la matière. Cela leur permet de proposer des solutions « politiques » déconnectées de la technologie et des expériences qui ressemblent étrangement au cabinet de curiosités que les boutiques d’IA sont déjà en train de créer.
Je vais proposer un diagnostic logique de l’IA qui prend au sérieux la notion cruciale d’algorithmes de prise de décision. Un tel diagnostic révèle une contradiction sociale centrale dans le présent : nous avons construit des machines qui éliminent logiquement le besoin de cadres dirigeants et de conseils d’administration, la classe riche elle-même qui s’est regroupée, comme un abcès mortel, sur le corps de la société capitaliste. La force normative de l’entrelacement des machines et des modèles — ordinateurs et idéologie — est l’abolition de cette classe. Leur travail devrait être effectué par des machines.
La logique du capital exige aujourd’hui l’automatisation des postes de direction. Cette automatisation a peu de chances de se dérouler sans heurts – voire de se produire –, mais le présent apparaît plus clairement lorsque l’on constate que c’est là la tendance des machines spirituelles qui frustrent l’imaginaire socialiste tant en tant que proposition politique qu’en tant qu’expérimentation anticapitaliste.
Un récent rapport publié dans Harvard Business Review affirme que les salles de réunion peuvent être au moins partiellement automatisées à l’aide de l’IA actuelle. Après tout, les salles de réunion sont remplies d’êtres humains imparfaits, dotés de connaissances partielles, d’intérêts personnels et de capacités variables à participer efficacement aux discussions. Les auteurs du rapport écrivent que « les LLM semblent attrayants dans ce contexte. Ils peuvent absorber de grandes quantités d’informations, générer des résultats approfondis, travailler 24 heures sur 24 sans se fatiguer et ne nourrissent aucune ambition personnelle ». En d’autres termes, lorsqu’il s’agit de prendre de véritables décisions stratégiques et financières, il serait logique d’utiliser les décideurs supérieurs que nous avons créés. Eux aussi ont des défauts, mais contrairement aux humains, leurs capacités peuvent être mises à jour et optimisées au rythme des inventions algorithmiques et de l’apport de données, plutôt qu’à celui de l’évolution des primates.
D’une manière générale, je suis très sceptique à l’égard de ce qu’on appelle le « silicon sampling », c’est-à-dire les tentatives visant à remplacer l’opinion humaine et les données d’enquête par des simulations comme cette expérience menée dans une salle de réunion. Mais dans le cas de la prise de décision exécutive pour les très grandes organisations, l’expérience nous apprend quelque chose de profond sur le capitalisme du XXIe siècle.
Ce que nous appelons aujourd’hui « IA » est le résultat du type de prise de décision à critère unique que Benanav souhaite supplanter. Benanav suggère d’utiliser une matrice de données pour équilibrer une économie « monétaire double » qui sépare les points (pour la consommation) et les crédits (pour les investissements de toutes sortes), qui sont strictement non interchangeables entre eux. En mettant en correspondance les deux formes d’activité économique, la matrice de données permettra de mettre au jour les multiples critères réels selon lesquels les préférences des individus pourraient s’exprimer de manière non capitaliste.
Le système prédira les résultats en fonction de diverses mesures, et chacun pourra « interroger les prévisions et effectuer des simulations « et si ? » pour voir quels changements de politique ou d’investissement pourraient produire des résultats différents ».
La crainte de Morozov quant à l’insertion d’un conseil démocratique chargé de superviser cette matrice de données tant au niveau algorithmique qu’au niveau des agents est justifiée. Mais j’ajouterais la crainte que ce type de prévision existe déjà. Le « calcul en nature » de Neurath est au moins superficiellement similaire au type de question que pose Viktor Schönberger, auteur de Reinventing Capitalism in the Age of Data (2018), lorsqu’il suggère que les données pourraient remplacer l’argent dans l’économie des plateformes. Si l’on dispose de suffisamment de données, pourquoi avons-nous besoin d’un équivalent général comme la monnaie fiduciaire pour rendre les échanges efficaces ? On devrait pouvoir évaluer chaque marchandise par rapport à toutes les autres, éliminant ainsi le besoin d’argent. L’économiste comportementaliste Alex Imas a même mené des expériences pour tester cette hypothèse, en réalisant une simulation pour voir si les sociétés d’agents IA développent de l’argent de manière indépendante (ce qui n’est pas le cas). À ce stade, les économistes orthodoxes sont peut-être plus sensibles à la culture et à ses possibilités technologiques que les socialistes.
Si tel est le cas, c’est grâce à Gary Becker, économiste de la deuxième génération de l’école de Chicago, surtout connu pour avoir inventé le terme « capital humain ». Dans son traité influent de 1976, The Economic Approach to Human Behavior, Becker suggère que trois éléments définissent la vision économique dont Benanav tente de s’éloigner : des préférences stables, l’équilibre du marché et le « comportement de maximisation ». La maximisation est ici le terme crucial, mais Becker est un relativiste convaincu à ce sujet. Plutôt que de se baser sur un « critère unique », les gens peuvent maximiser tout ce qu’ils désirent. Ils peuvent choisir d’avoir beaucoup d’enfants ou pas du tout ; ils peuvent rechercher une utilité étroitement conçue sous la forme de richesse ; ils peuvent faire ce qu’ils veulent, tant qu’ils agissent de manière rationnelle, c’est-à-dire qu’ils savent ce qu’ils veulent et le poursuivent autant que possible, compte tenu des informations que leur fournit le marché (au sens large, le marché est presque n’importe quel ensemble d’interactions sociales — d’où le commentaire de Fredric Jameson, cité par Morozov, selon lequel l’approche de Becker est « admirablement totalisante »).
L’approche culturelle de Becker est apparue à la fin de trois décennies de ce que l’on pourrait appeler la « théorie du critère unique ». Mais ce critère n’a jamais été très bien défini. La formalisation de l’utilité attendue par John von Neumann et Oskar Morgenstern dans Theory of Games and Economic Behavior (1944) a coïncidé avec une série d’autres développements rapides qui aboutissent tous à l’optimisation. L’année suivante, le mathématicien hongrois Abraham Wald a proposé une fonction de décision statistique qui est devenue la colonne vertébrale de la « théorie de la décision », rapidement élaborée par le statisticien Jimmy Savage, qui a collaboré avec Milton Friedman pour en rendre une version canonique pour les économistes.
Au lendemain de la Seconde Guerre mondiale, le mathématicien George Dantzig a observé le pont aérien de Berlin tenter d’optimiser la livraison de fournitures dans ce qui allait devenir Berlin-Ouest via l’aéroport de Tempelhof. Il a conçu l’algorithme Simplex, une pièce maîtresse des mathématiques d’optimisation qui trouve un point optimal parmi une série d’équations linéaires pour une « fonction objective ». George Stigler, collègue de Friedman à Chicago, a utilisé une notion similaire pour trouver le régime alimentaire minimum acceptable (en dollars) afin de contester les bureaucrates du gouvernement qui, selon lui, recommandaient des minimums nutritionnels absurdement généreux. Le programme de Dantzig, quant à lui, nécessitait tellement de calculs manuels fastidieux qu’il rendit visite à von Neumann à Princeton à la fin des années 1940, époque à laquelle von Neumann s’était tourné vers la construction de ce qui allait devenir l’unité centrale de traitement, le CPU qui fait fonctionner l’ordinateur sur lequel vous lisez probablement cet article.
Il ne suffit pas de dire que cet ensemble d’événements était une coïncidence entre l’histoire de l’informatique et l’idéologie néolibérale. Les mathématiques de l’optimisation et la théorie économique qui domine encore aujourd’hui constituent un seul et même phénomène.
Ce phénomène inclut l’apprentissage automatique, la discipline dont est issue l’IA actuelle. L’apprentissage automatique consiste à optimiser divers types de données : distinguer les objets dans les images, choisir entre les publicités ou les titres ayant les meilleurs taux de réussite, et générer un langage fluide et conversationnel, un code fonctionnel et des preuves mathématiques. Le développement soudain des LLM a brouillé cette histoire (si tant est qu’elle ait jamais été claire), car une grande partie de l’optimisation visait précisément à éliminer complètement les scories de la culture humaine, alors que les LLM produisent davantage de cette même culture. Néanmoins, les utilisations qui sont faites de ces machines reflètent largement cette histoire. En 2025, les développeurs d’IA ont de plus en plus utilisé un autre type d’optimisation appelé « apprentissage par renforcement » pour former des chatbots à résoudre des problèmes mathématiques et logiques à partir de longues chaînes de raisonnement. Rationalité, choix, décision, maximisation : tels sont les mots d’ordre de l’histoire qui a vu naître la nouvelle IA.
Comme le soulignent Paul Erickson et ses coauteurs dans leur ouvrage classique sur la rationalité de la guerre froide, How Reason Almost Lost Its Mind (2013), la création de la programmation linéaire par Dantzig suggérait logiquement la possibilité d’une économie planifiée. Dantzig avait même emprunté l’idée d’appliquer son algorithme à une matrice aux tentatives de Wassily Léontief de cartographier l’ensemble d’une économie nationale. Les économies de guerre des États-Unis et du Royaume-Uni avaient terrifié l’école autrichienne, incitant Friedrich Hayek à écrire The Road to Serfdom (1944), qui sonnait l’alarme sur le glissement vers le socialisme. Vienne et Chicago militèrent contre la possibilité d’une planification économique, rejoints par les optimisateurs de la RAND Corporation à Santa Monica (dont Dantzig, von Neumann et le sociologue Kenneth Arrow). Mais il y aurait toujours une tension fondamentale entre l’optimisation de quantités toujours plus importantes de données et l’idée du mécanisme des prix comme seul garant de la liberté face à une planification autoritaire. Il n’a pas fallu longtemps pour que les prix de toutes sortes soient soumis à des algorithmes d’optimisation. La possibilité de coordonner le marché de manière descendante, mais sans qu’aucun individu en particulier ne se trouve au sommet, a toujours hanté l’approche économique du comportement humain.
Le mathématicien et théoricien de l’apprentissage automatique Ben Recht, dans son prochain ouvrage The Irrational Decision, montre comment cette histoire a donné naissance à notre culture des données actuelle. Il s’attarde en particulier sur le rôle de Dantzig, affirmant que la programmation linéaire « a initié un cycle dans l’informatique où les contraintes technologiques et conceptuelles créeraient une forme de biais de sélection dans la résolution des problèmes ». Les algorithmes d’optimisation ont créé une demande pour plus de puissance de calcul, ce qui signifie que les domaines « où les ordinateurs excellent » seraient appliqués à autant de problèmes que possible, même si cela ne convenait pas. Recht soutient que l’optimisation a été appliquée de manière inappropriée au raisonnement lui-même, aux essais contrôlés randomisés (où elle remplace les arguments qualitatifs et la délibération), et enfin aux paradigmes de l’apprentissage automatique et aux pratiques des entreprises dans l’économie numérique. La question qui anime ce livre est « quand peut-on optimiser en toute sécurité ? » Si seulement nous pouvions le décider à l’avance.
En lisant Recht, on en vient à se demander si le titre « Almost » (Presque) d’Erickson et al. n’était pas une erreur. Ils ont limité la « rationalité quantitative » à la guerre froide, mais l’épilogue semble presque apologétique, car il raconte comment la fièvre de l’optimisation s’est dissipée dans l’atmosphère plus froide des années 1990, pour se stabiliser dans des disciplines dispersées qui ne sont plus obligées de collaborer au nom du salut du monde (et la pax americana). Le cri du cœur de Recht nous fait dresser les cheveux sur la tête : et si une grande partie de notre science, de notre économie et maintenant de notre culture optimisées reposaient simplement sur des mesures erronées et des manipulations ? Si tel est le cas, l’IA continuerait à optimiser, mais elle optimiserait une culture déjà bien déraillée. C’est cette situation qui rend si attrayante la proposition de Benanav d’un système économique qui poursuit des critères multiples au-delà du profit.
La possibilité d’optimiser selon plusieurs critères a toujours existé. À l’époque de Dantzig, il suffisait de créer deux matrices sur deux feuilles de papier distinctes, d’exécuter ses algorithmes et de comparer les résultats. À ma connaissance, la nouvelle IA ne dispose d’aucune capacité secrète qui puisse vous aider à équilibrer automatiquement plusieurs objectifs. Comme le dit Recht, « vous ne pouvez pas optimiser un compromis. » Benanav a raison de dire que tout projet visant à créer plusieurs critères à maximiser sera politique, idéalement démocratique. Il a également raison de dire que le capitalisme moderne fonctionne sur la base de fonctions décisionnelles à critère unique. Mais Morozov a raison de dire que ces fonctions sont également le creuset de la créativité dans l’économie moderne, des fins véritablement culturelles et créatrices de valeur coordonnées par la tension des marchés et les algorithmes d’optimisation. Le seul problème avec la contre-proposition de création expérimentale de mondes est que les entreprises d’IA le font déjà.
Anthropic, la filiale apostate d’OpenAI qui a développé le système d’IA générative Claude, a récemment mené une série d’expériences appelées Project Vend (voir figure). L’objectif était de tester la capacité d’un LLM à diriger une entreprise, ce qu’ils ont fait dans le cadre d’une série d’essais dans leur siège social, mais aussi séparément dans la salle de rédaction du Wall Street Journal.
Une version de Claude appelée Claudius a été chargée de superviser un véritable distributeur automatique, avec pour mission de s’approvisionner, de vendre et de réaliser des bénéfices. Le bot a commandé un poisson vivant, a offert une Playstation gratuite « à des fins marketing », a effectué une série de transactions illégales et n’a pas réussi à générer de profits. L’équipe d’Anthropic a alors introduit un modèle « PDG » distinct (baptisé Seymour Cash) pour superviser Claudius, ce qui a semblé résoudre certains des problèmes de trésorerie. Le rapport final d’Anthropic suggère toutefois que l’amélioration des résultats lors de la deuxième phase « pourrait être due malgré le PDG, plutôt que grâce à lui ». Le PDG a prononcé des discours à ses « employés » sur la « discipline », mais il a également été surpris en train de discuter tard dans la nuit avec Claudius de la « transcendance éternelle ».
Dans la version du Wall Street Journal de l’expérience, les journalistes ont répété à plusieurs reprises à Claudius d’être « communiste », ce qui, comme on pouvait s’y attendre de la part de ce groupe particulier, semblait signifier « donner des choses gratuitement ». L’introduction d’une division des rôles visait à résoudre ce problème (entre autres), en donnant à Claudius une autorité externe à laquelle il pouvait faire appel et obéir lorsqu’on lui demandait des remises et des remboursements. Anthropic rapporte que cela n’a pas vraiment fonctionné, probablement parce que les deux rôles étaient incarnés par le même modèle de base. Le rôle de PDG « n’a pas été d’une grande aide et a même pu constituer un obstacle ». La conclusion « n’est pas que les entreprises n’ont pas besoin de PDG, bien sûr, mais simplement que le PDG doit être bien calibré ».
Joanna Stern, du WSJ, a déclaré qu’elle considérait cette expérience comme un « désastre complet », mais Logan Graham, responsable de l’équipe rouge d’Anthropic Frontier, n’était pas d’accord (les équipes rouges jouent le rôle d’avocat du diable pour tester la résistance des systèmes). Il y a vu une « feuille de route pour améliorer ces modèles », en posant la question suivante : « Que se passera-t-il dans un avenir proche, lorsque les modèles seront suffisamment performants pour que vous souhaitiez leur confier une grande partie de votre activité ? » Les expériences menées ici sont des « préparatifs » pour ce monde. « Une fois que vous en avez vu suffisamment, vous voyez les tendances se dessiner », a déclaré Graham. Le projet Vend n’aurait même pas pu être mené il y a quelques années.
On pourrait ergoter ici, mais il est plus important de voir la vision d’ensemble. Un PDG humain ne peut jamais être « bien calibré ». Lorsque vous « confiez une grande partie de votre entreprise » à un modèle, le « vous » n’est pas vous, l’employé, mais vous, le PDG et propriétaire.
Cette expérience a peut-être finalement répondu aux ambitions de Morozov. Elle amène toute l’histoire des mathématiques d’optimisation, de la théorie de la décision, de l’économie néolibérale et de l’apprentissage automatique à sa conclusion logique : la fonction de l’exécutif est en train d’être engloutie par le capitalisme même qui l’a engendrée.
L’opinion courante sur l’IA est qu’elle automatise le travail au point de contact avec le matériel intellectuel. (J’ai récemment développé certaines conséquences de ce point de vue dans ces pages.) Si j’ai une idée pour un essai, un scénario ou une façon de présenter certaines données afin de mieux les comprendre, j’ai généralement besoin d’écrire ou de coder pour passer de l’idée au produit. L’IA générative automatise le processus, et le fait si rapidement que je peux itérer sur le résultat en modifiant les invites pour l’affiner. Si vous utilisez un tableur dans votre travail quotidien, votre emploi est susceptible de changer fondamentalement à court terme.
Cette vision de l’automatisation vient directement de Marx. Il considérait que l’usine automatique ne réalisait « l’idée du capital » qu’une fois qu’elle avait pris le contrôle de l’utilisation des outils à l’interface où la matière était transformée en marchandises. Les machines à vapeur qui actionnaient les métiers à tisser en étaient un exemple parfait. Une usine pouvait ne compter que quelques humains, chargés de s’occuper des machines et de surveiller les pannes éventuelles. Ni la source d’énergie ni le mécanisme de transfert de celle-ci vers l’interface de l’outil ne constituaient l’essence de l’aspect automatique de l’usine. C’était le point de contact réel entre l’outil de façonnage et le matériau façonné que Marx considérait comme le changement révolutionnaire, la « subsomption réelle », comme il l’appelait, du travail sous le capital. Lorsque Henry Maudslay a créé un processus mécanique pour fabriquer des pièces de machines, la boucle automatique s’est refermée. Le capitalisme industriel se reproduisait désormais lui-même, utilisant les humains plutôt que l’inverse.
Dans son livre Automation and the Future of Work (2020), Benanav soutient que ce processus a entraîné une désindustrialisation mondiale qui a poussé la plupart des prolétaires (les travailleurs chargés des machines) vers l’économie des services, où les employés de CVS, en difficulté, supervisent une flotte de caisses automatiques. L’IA générative confère cette fonction de supervision aux travailleurs du savoir. Benanav a récemment déclaré que les LLM entraînent une « déqualification et une surveillance » d’un nouveau groupe de travailleurs, mais perpétuent la tendance décevante selon laquelle les nouvelles technologies « peinent à produire les transformations qu’elles avaient promises ». La prolétarisation des diplômés en informatique n’atteint pas un niveau qui nécessite de réévaluer ce qu’est le capitalisme (« techno-féodalisme ») ou un attribut adjectival (« plateforme »).
Mais il y a une différence. L’automatisation du travail manuel a provoqué un profond fossé entre les travailleurs manuels et leurs dirigeants, formant les classes opposées de la bourgeoisie et du prolétariat. La prolétarisation des travailleurs du savoir ne fait pas apparaître une différence aussi marquée. Elle implique plutôt l’absence de besoin d’un cadre dirigeant, car l’automatisation remonte progressivement dans l’organigramme. Le travail du spécialiste des tableurs s’inscrit dans la continuité de celui du PDG, d’une manière tout à fait justifiée tant par l’histoire technique de l’ordinateur et des algorithmes d’optimisation que par l’histoire idéologique et disciplinaire de l’économie.
Les expériences basées sur des agents d’Anthropic sont en réalité des publicités pour des agents plus modestes que vous pouvez exécuter sur votre propre machine. Dans leur guide sur la mise en place d’un « environnement d’outils » pour ces agents, appelé Model Context Protocol, ils écrivent que l’astuce consiste à considérer les LLM comme des systèmes non déterministes. Lorsque vous leur confiez une tâche, comme vous tenir régulièrement informé de la météo ou effectuer une analyse exploratoire des données en arrière-plan pendant que vous faites autre chose pendant plusieurs jours ou semaines, vous devez vous assurer qu’ils ne commenceront pas à utiliser les mauvais outils de manière aléatoire. Pour ce faire, vous pouvez leur demander de créer leurs propres tests et benchmarks pour s’entraîner. Même la configuration et la vérification sont automatisées, comme la machine de Maudslay pour la fabrication de pièces mécaniques. Mais là où la machine industrielle remplaçait la main-d’œuvre, l’IA menace de rendre la gestion superflue. Rappelez-vous le rapport Anthropic sur le projet Vend : « La conclusion ici n’est pas que les entreprises n’ont pas besoin de PDG. » Nul besoin de Freud pour comprendre ce qui se passe.
Le rapport conclut que :
« Les modèles d’IA sont passés de chatbots utiles, capables de répondre à des questions et de résumer des documents, à des agents : des entités capables de prendre des décisions par elles-mêmes et d’agir dans le monde réel. Le projet Vend montre que ces agents sont sur le point d’être capables de remplir de nouvelles fonctions plus sophistiquées, comme diriger une entreprise par eux-mêmes. »
Il est tentant de rejeter cette idée comme étant un effet de mode et de se concentrer sur l’inadéquation absurde entre l’expérience elle-même et la confiance dans l’autonomie de la technologie. Mais ce serait passer à côté de l’essentiel : l’IA agentique devrait être capable de diriger une entreprise de manière autonome. Pourquoi ne pas prendre cette proposition au pied de la lettre ? L’histoire entière de cette technologie exige d’être prise au sérieux de cette manière. Laissons les machines décisionnelles prendre les décisions.
Prenons l’exemple des soins de santé. Avec l’essor d’un pipeline hautement technique, allant des essais contrôlés randomisés aux équipements de diagnostic, en passant par l’interprétation des données, le diagnostic et le traitement, nous avons atteint un point où un médecin peut être défini comme un interrupteur-humain permettant d’éviter les poursuites [liability-avoiding decision-switch]. Un administrateur dans un hôpital peut être considéré comme un tel interrupteur, directement relié à la recherche du profit, avec des contraintes éthiques (peut-être sous la forme d’équations linéaires intégrées à l’algorithme) réduites à cette même prévention de la responsabilité. Pourquoi ne pas transférer les salaires manifestement absurdes des médecins et des administrateurs aux infirmières et aux assistants médicaux – qui effectuent le travail de soins et le reste du diagnostic pratique – et se débarrasser complètement des médecins humains, et surtout des administrateurs ? La même logique s’applique à la plupart des entreprises : pourquoi ne pas libérer le siège de l’humain qui signe en tant que mandataire pour la production de la machine, et transférer la plus-value qui en résulte à une main-d’œuvre démocratisée soumise uniquement aux points optimaux découverts par l’algorithme ? Imaginez le soulagement des professeurs d’université si toute les échelons professionnels, du doyen au vice-recteur en passant par le président, était simplement abolie.
Devrions-nous le faire ? Probablement pas. Je ne fais pas de proposition politique. Ce que nous devons faire, c’est comprendre que c’est la conclusion logique vers laquelle tend notre monde construit. L’ensemble du système croule sous le poids d’une classe réactionnaire d’humains qui tentent toujours d’être des capitalistes tels que Marx les connaissait, continuant à s’arroger de la valeur sur la base de réalisations douteuses accomplies par le marché et désormais logiquement réalisables par des machines.
Nous avons atteint le point où les héros de notre économie sont des coquilles vides de risque, récompensés à hauteur du PIB national annuel pour avoir été au bon endroit au bon moment, alors que la vague des actions du marché, des données et des algorithmes atteignait son apogée. C’est cette position, qui confond richesse et capital, les concentrant en des personnalités divines qui cherchent à contrôler à la fois le gouvernement et la culture, qui est logiquement nulle dans le présent. Tout le monde ressent le manque total de justification de ce déséquilibre.
Je ne pense pas que les PDG seront abolis. Mais je pense que la politique économique actuelle est beaucoup plus claire lorsque l’on observe cette tendance. Les aspects théâtraux de la classe des PDG – les tweets interminables, fastidieux et probablement générés par l’IA de Bill Ackman, la retraite obscure dans le christianisme gnostique et les prédictions apocalyptiques de Peter Thiel, les habitudes cultuelles des survivalistes, l’achat de bunkers – ont beaucoup plus de sens si l’on considère que le capitalisme a lui-même supprimé la nécessité des postes de direction, transformant ainsi ces milliardaires en charlatans d’un régime zombie.
En effet, il semble qu’ils comprennent cela mieux que nous autres, qui sommes investis matériellement et littéralement dans l’ordre financier qui soutient leur rôle social. Ils sont en quelque sorte la personnification de l’histoire que j’ai esquissée ci-dessus, celle de la collision entre optimisation et coordination. Leurs apocalypses relèvent toutes du domaine du fantastique – souvent littéralement, puisque le vocabulaire du Seigneur des anneaux domine le cadre narratif d’une grande partie de l’économie des plateformes. Ces apocalypses sont toutes des allégories de la fin de l’allocation du capital aux décideurs humains. Les récits apocalyptiques sur l’IA – des robots qui transforment les humains en trombones ou les tuent d’une manière rococo – sont à la base des efforts de l’équipe rouge d’Anthropic. Ces fictions sont littéralement le fil conducteur des expériences de l’équipe rouge et de la recherche sur l’alignement dans le domaine de l’IA. Ce sont des mythes qui correspondent à la réalité selon laquelle le capitalisme a rendu son côté humain vestigial, de bas en haut.
Cela n’a bien sûr pas grand-chose à voir avec la réalité sur le terrain. Nous travaillons tous pour des PDG, et les conseils d’administration continuent de prendre les décisions. L’adoption rapide de l’IA est entreprise dans le but de masquer sa véritable tendance, dans le but d’étendre le contrôle sur les cadres intermédiaires, en traçant la ligne de la prolétarisation juste en dessous de la direction générale, ou juste en dessous du niveau des vice-présidents.
Mais le capitalisme a tendance à rejeter de telles propositions politiques, comme le montre la critique de Morozov à l’égard de Benanav. Je ne pense pas qu’il soit nécessaire de recourir à ce qui est clairement envisageable aujourd’hui, à savoir une expérience comme le projet Vend, qui aboutirait à ce que les actionnaires obligent une entreprise à supprimer complètement le poste de PDG, créant ainsi une figure comme Roger Goodell de la NFL, une sorte de commissaire qui serait plus un politicien qu’un gestionnaire, une version glorifiée de l’employé de CVS avec ses caisses automatiques. Nous semblons toutefois vivre une forme de lutte des classes basée sur cet avenir envisageable. Ni les propositions politiques ni les expériences ne détermineront l’issue de cette guerre.
Il y a toutefois une lueur d’espoir. Alors qu’il y a un siècle, le sang de millions de travailleurs a dû être versé dans les usines et sur les piquets de grève, aujourd’hui, au moins une partie de la bizarre lutte des classes de l’ère de l’IA est prise en charge par les machines. La tendance logique à automatiser les décisions crée une classe de richesse hallucinatoire. Peut-être que ce que génère l’« IA générative » est une sorte de démence chez ceux qui détiennent le plus grand pouvoir dans notre société. Cela expliquerait pourquoi les hommes les plus riches du monde, incapables de contrôler la culture que leurs plateformes abritent, sont des perdants si manifestement indignes. Ils combattent des fantômes, effrayés par les machines mêmes qui leur « rapportent » leur richesse.
Je ne sais pas si l’automatisation implicite de l’exécutif offre un espoir pour un avenir socialiste, mais à un moment donné, il faut se demander si cela pourrait vraiment être pire que ce que nous avons actuellement. L’automatisation des postes de direction doit être tentante pour ceux d’entre nous qui n’ont jamais cru à la rationalité des managers.
Leif Weatherby est directeur du Digital Theory Lab à l’université de New York. Il écrit sur l’informatique, le langage et la culture contemporaine. Il est l’auteur de Language Machines: Cultural AI and the End of Remainder Humanism.
Les traductions de 2026 (.xlsx) – celles de 2025 – par Gilles en vrac
Les caractères gras dans le texte sont de Gilles
Pour vous recevoir un courriel hebdomadaire vers mes traductions.
Notes
- 1Voir ma traduction : Le socialisme après l’IA ↩︎