Quel futur voulons-nous construire avec l’IA ? De la puissance des modèles au pouvoir de décider

Le lancement par OpenAI de son programme AI Futures pose une question inhabituelle dans l’industrie de l’intelligence artificielle : non plus seulement ce que la technologie pourra faire, mais quelles structures humaines et institutionnelles permettront d’en conserver la maîtrise. La même question mérite d’être posée à l’entreprise. Derrière les gains de productivité se dessinent des choix plus profonds : qui détient la connaissance, qui définit les règles, qui décide et qui demeure responsable ?

Le 20 août 2026, Dean Ball a annoncé AI Futures, le blog de la nouvelle équipe Strategic Futures d’OpenAI. Son programme porte sur la manière dont une société libre pourrait évoluer afin de préserver les droits et la capacité d’action des individus face à une IA transformative. Le billet s’intéresse en particulier à la concentration du pouvoir, à l’autonomie humaine et aux institutions qui devraient continuer à orienter les affaires collectives.

Il faut situer précisément ce signal. OpenAI indique que le texte reflète les opinions de son auteur, et pas nécessairement celles des autres salariés ni de l’organisation dans son ensemble. Il ne constitue donc pas une doctrine officielle à reprendre telle quelle. Son intérêt tient au déplacement qu’il révèle : au sein même d’un acteur majeur de l’IA, la discussion s’étend désormais de la puissance des modèles à l’architecture du pouvoir créée autour d’eux.

Quand OpenAI ne parle déjà plus seulement de technologie

Dean Ball avance notamment une hypothèse : l’IA pourrait transformer la structure même des entreprises, comme certaines technologies de la révolution industrielle, en particulier le chemin de fer, ont contribué à l’émergence de la grande entreprise managériale. Le propos relève de la prospective. Il ne décrit ni un calendrier certain ni une forme organisationnelle déjà stabilisée. Il donne toutefois un point de départ utile pour observer ce qui se joue dans les décisions actuelles.

OpenAI interroge l’architecture future de la société. L’Observatoire transpose la question à l’architecture future de l’organisation. À mesure que l’IA devient capable de produire, d’analyser, de recommander et d’agir, comment préserver dans l’entreprise la capacité humaine de connaître, de juger, de décider et d’assumer la responsabilité ?

Cette interrogation est plus exigeante que celle des fonctionnalités. Demander ce qu’un modèle saura faire demain entretient une course dont l’entreprise ne maîtrise ni le rythme ni les règles. Demander quelle organisation elle veut construire oblige à choisir dès maintenant les finalités, les limites et les responsabilités. Le véritable futur de l’IA dans l’entreprise ne se joue pas seulement dans l’augmentation de ses capacités techniques. Il se joue dans l’architecture de la connaissance, du pouvoir et de la décision que nous construisons autour d’elle.

L’IA devient une architecture du pouvoir dans l’entreprise

Dans une organisation, le pouvoir ne réside pas uniquement dans l’organigramme ou la signature finale. Il se trouve aussi dans la capacité de rendre une information visible, de classer une demande comme prioritaire, de proposer une option avant les autres, d’autoriser une action ou de définir ce qui exige une exception. Or les systèmes d’IA interviennent progressivement à chacune de ces étapes.

Un assistant recherche dans les documents internes. Un modèle rédige une première analyse. Un système de recommandation hiérarchise des prospects, des candidatures ou des incidents. Un workflow distribue les tâches. Un agent peut consulter plusieurs applications et accomplir certaines actions. Pris séparément, chacun de ces usages semble opérationnel. Ensemble, ils dessinent une architecture : ils déterminent ce qui est connu, ce qui est ignoré, ce qui remonte jusqu’au décideur et ce qui est exécuté sans discussion.

Un workflow n’est jamais totalement neutre. Celui qui sélectionne les sources choisit une partie de la réalité accessible au système. Celui qui définit les permissions fixe son champ d’action. Celui qui paramètre les critères influence la priorité accordée à un client, à un risque ou à une performance. Celui qui prévoit les exceptions décide quelles situations pourront échapper à la règle. Celui qui place une validation humaine après l’action, plutôt qu’avant, modifie déjà l’équilibre du pouvoir.

Cette architecture peut être bien conçue. Elle peut élargir l’accès à la connaissance, réduire des tâches sans valeur, rendre des décisions plus cohérentes et permettre à de petites équipes d’accomplir davantage. Mais elle peut aussi rendre les choix moins visibles. Une recommandation répétée devient une norme pratique ; un classement rarement contesté acquiert une autorité ; une automatisation utile finit par définir le processus qu’elle devait seulement servir.

La question stratégique n’est donc pas de savoir si l’IA « prend le pouvoir » comme un acteur autonome. Elle est plus concrète : quelle architecture de décision voulons-nous construire ? Qui peut définir les objectifs, examiner les raisons, reconnaître une situation atypique, contester la recommandation et interrompre l’action ?

L’intelligence devient abondante, la connaissance reste difficile à gouverner

La grille #TerritoireDigital distingue quatre niveaux : Donnée → Information → Connaissance → Décision. Leur enchaînement paraît simple, mais chaque passage demande un travail que l’augmentation du volume ne remplace pas.

Une donnée est une trace : un prix, une date, un échange, une mesure ou un incident. Elle devient information lorsqu’elle est rapportée à une question, un périmètre et un moment. Elle contribue à une connaissance lorsqu’elle est reliée à d’autres éléments, qualifiée par sa source, confrontée aux contradictions et interprétée dans le contexte de l’organisation. La décision ajoute encore une dimension : elle choisit une finalité, arbitre entre des intérêts, accepte des conséquences et attribue une responsabilité.

Davantage de données ne produit donc pas mécaniquement davantage de connaissance. Une information ancienne peut être exacte et devenue inadaptée. Deux documents crédibles peuvent se contredire parce qu’ils décrivent des périmètres différents. Une règle générale peut ignorer une relation client, une contrainte locale ou un engagement implicite connu des équipes. La mémoire organisationnelle ne tient pas seulement à ce qui est stocké, mais à ce qui reste daté, relié, explicable et mobilisable dans le travail réel.

L’IA augmente considérablement la capacité de rechercher, rapprocher, synthétiser et formuler. La vectorisation et la recherche sémantique permettent de retrouver des contenus que des mots-clés auraient laissés de côté. Un modèle peut dégager des régularités ou signaler des contradictions. Aucun de ces mécanismes ne valide automatiquement la vérité d’une source ni la pertinence d’une conclusion pour une situation particulière.

C’est pourquoi l’intelligence devient abondante, tandis que la connaissance contextualisée reste rare. L’abondance concerne la capacité de produire des hypothèses et des analyses. La rareté se déplace vers la qualification des sources, la compréhension des conditions locales, la continuité de la mémoire et le jugement sur ce qui compte. Cette distinction prolonge la bataille stratégique de la connaissance : une entreprise ne possède pas sa connaissance parce qu’un fournisseur peut l’indexer. Elle la possède lorsqu’elle peut en comprendre l’origine, la maintenir, la transmettre et la relier à ses propres décisions.

La décision ne constitue pas le dernier calcul d’une chaîne. Elle engage une finalité. Une IA peut estimer qu’une option maximise une marge, réduit un délai ou améliore un score. Elle ne reçoit pas de cette performance la légitimité de déterminer ce que l’entreprise accepte de sacrifier pour atteindre ce résultat. L’organisation doit expliciter ce qu’elle délègue, ce qu’elle supervise et ce qu’elle refuse de déléguer.

Ce que nous devons continuer à demander aux humains

La philosophie n’apporte pas un mode d’emploi technique, mais elle aide à distinguer des capacités que le langage de la performance tend à confondre. Quatre repères permettent de préciser ce que signifie une supervision humaine réelle.

Dans l’Éthique à Nicomaque, Aristote distingue le savoir général de la phronesis, la sagesse pratique. Décider de ce qu’il convient de faire exige de juger une situation particulière, avec ses circonstances et ses fins. Transposée à l’entreprise, cette distinction rappelle qu’une excellente capacité analytique ne suffit pas à produire un bon arbitrage. Un système peut comparer des précédents ; un responsable doit encore reconnaître pourquoi ce cas-ci mérite une exception et répondre du choix effectué. Cette lecture est une application éditoriale contemporaine, non une affirmation d’Aristote sur l’IA.

Hannah Arendt permet d’ajouter l’action et la pluralité. Dans Condition de l’homme moderne, l’action humaine apparaît liée à l’initiative et au fait que nous agissons parmi d’autres êtres singuliers. Une organisation hyperautomatisée risque moins de supprimer toute présence humaine que de réduire l’espace où une personne peut commencer quelque chose, formuler une contradiction ou faire apparaître un aspect que le processus n’avait pas prévu. La question devient alors : le dispositif conserve-t-il une place effective pour l’initiative et le désaccord, ou l’humain intervient-il seulement pour ratifier une trajectoire déjà définie ?

Avec La Technique ou l’enjeu du siècle, Jacques Ellul invite à observer la tendance de l’efficacité technique à s’imposer comme critère dominant. Il ne s’agit pas de le réduire à un refus de la technologie. Son analyse aide plutôt à poser une question opérationnelle : utilisons-nous l’IA pour servir notre stratégie, ou réorganisons-nous progressivement l’entreprise pour servir ce que les systèmes savent optimiser ? Un indicateur plus facile à calculer peut évincer une qualité plus difficile à mesurer. Une procédure conçue pour l’automatisation peut aplatir les exceptions qui faisaient sa valeur.

Hans Jonas relie enfin l’extension du pouvoir technique à celle de la responsabilité. Le Principe responsabilité a une portée qui dépasse l’entreprise, mais son exigence éclaire directement la délégation : plus une organisation peut agir à grande échelle et à grande vitesse, plus elle doit anticiper les conséquences et préciser qui en répond. Plus elle peut déléguer, plus elle doit nommer le responsable qui conserve la capacité de corriger et le droit d’arrêter.

Ces quatre repères convergent vers une définition précise. La supervision humaine n’est pas la présence décorative d’un valideur. Elle suppose que restent identifiables la formulation des finalités, le jugement appliqué à une situation, la possibilité de contredire, l’acceptation d’une exception, l’arbitrage, l’attribution de la responsabilité et la capacité d’interrompre le système. Sans temps, sans information et sans autorité, l’humain « dans la boucle » n’est qu’un alibi organisationnel.

Nous n’avons pas besoin de prédire 2035 pour décider en 2026

Un dirigeant n’a pas besoin de connaître les capacités exactes des modèles de 2035 pour prendre de bonnes décisions en 2026. Il doit examiner la délégation présente. Que cherchons-nous réellement à améliorer ? Quelle connaissance le système utilise-t-il, et que risque-t-il d’ignorer ou d’appauvrir ? Que gagnons-nous en vitesse, en qualité ou en disponibilité ? Que pouvons-nous perdre en compréhension, en compétences, en relation ou en autonomie ?

Ces questions conduisent naturellement aux dépendances. Chaque intégration crée un avantage et une attache : données préparées pour une plateforme, règles intégrées dans des prompts, connecteurs spécifiques, habitudes de travail ou compétences qui disparaissent faute d’être exercées. Avant d’étendre le système, l’entreprise doit savoir quelle nouvelle dépendance elle accepte et si elle conservera une option crédible de sortie. Cette vigilance rejoint l’analyse du point de non-retour organisationnel : la responsabilité juridique peut rester dans l’entreprise alors que sa capacité pratique de reprendre la main s’est déjà affaiblie.

La contestation doit elle aussi être conçue. Qui peut remettre en cause une recommandation sans être pénalisé par les objectifs de productivité ? Qui valide une exception ? Qui dispose des éléments ayant conduit au résultat ? Qui peut arrêter le système, et cette interruption a-t-elle été testée ? Enfin, qui reste responsable de la décision lorsque le fournisseur, le modèle, l’intégrateur, le métier et le valideur ont tous contribué à la chaîne ?

Ces interrogations ne forment pas une checklist destinée à ralentir toute initiative. Elles permettent au contraire de déléguer avec plus de justesse. Une tâche réversible, observable et peu risquée peut être largement automatisée. Une décision touchant une personne, un engagement important ou la direction stratégique demande une autre architecture. La maturité consiste à différencier ces situations au lieu de leur appliquer une règle unique.

Le futur #TerritoireDigital : choisir avant de subir

#TerritoireDigital fonctionne ici comme une grille de lecture et d’action. Elle ne promet pas de prévoir la prochaine rupture. Elle relie stratégie, organisation, connaissance, outils et présence digitale afin que la technologie reste orientée par une intention compréhensible.

Cinq verbes peuvent structurer cette prospective. Connaître, c’est conserver des sources, du contexte, des contradictions et une mémoire utilisable. Décider, c’est formuler les finalités et assumer l’arbitrage. Agir, c’est employer la puissance technique dans un périmètre explicite. Répondre, c’est attribuer les conséquences à des personnes et des institutions capables de les corriger. Transmettre, enfin, c’est empêcher que la connaissance et la maîtrise disparaissent avec un salarié, un prestataire, un modèle ou une plateforme.

Ces verbes ne dessinent pas une frontière fixe entre l’humain et la machine. Ils donnent des critères pour répartir les rôles au fil des progrès techniques. Une organisation peut modifier cette répartition, mais elle doit pouvoir expliquer pourquoi, selon quelles preuves, avec quelles protections et sous quelle responsabilité.

Nous n’avons pas à prévoir exactement l’entreprise de 2035. Nous devons commencer à définir les principes qui permettront encore de la gouverner. Imaginer le futur de l’IA ne consiste peut-être pas à prévoir ce que les machines sauront faire demain. Il consiste à décider aujourd’hui quelles organisations nous voulons encore pouvoir gouverner demain.