Il y a quelques jours, je suis tombé sur une newsletter de swyx sur Latent.Space. Elle s’appelle « Humanity’s last gasp », le dernier souffle de l’humanité. Pas un titre hurlé, au contraire. Écrite avec ce ton posé et un peu oblique qui, justement parce qu’il ne hausse pas la voix, te force à mieux écouter.
À l’intérieur, trois images qui me sont restées. Aaron Levie dit que dans la Silicon Valley personne ne travaille moins, plutôt l’inverse. Tyler Cowen, en économiste, soutient que tu devrais travailler beaucoup plus dur maintenant, que tu penses que l’IA dévaluera ton travail ou qu’elle le rendra plus précieux. Et puis Simon Last de Notion qui parle de nuits blanches et d’une nouvelle anxiété, la « token anxiety », un truc qui n’existait pas il y a deux ans, pas même comme concept.
Le paradoxe que swyx met au centre est simple et, justement pour ça, un peu inquiétant. Les agents font plus de travail que jamais, les benchmarks saturent, les modèles dépassent les experts humains dans des proportions qu’on aurait dites de la science-fiction il y a peu. Et pourtant, les gens qui construisent et opèrent ces systèmes n’ont jamais autant travaillé.
Et là une question s’allume que je n’arrive pas à éteindre facilement : si la promesse était « plus de productivité », pourquoi la sensation diffuse est « plus de pression » ?
L’explication confortable : ce n’est qu’une phase
L’objection la plus raisonnable est aussi celle qui me vient spontanément, si j’essaie d’être honnête. Peut-être une phase transitoire. La dynamique habituelle de la disruption : d’abord ça casse, puis ça recompose. On a vu ça avec le PC, internet, les smartphones. Les emplois changent, certains disparaissent, d’autres naissent, la productivité grimpe, et au bout, du moins pour qui pilote bien la transition, le bien-être moyen progresse.
Objection sérieuse. L’ignorer, c’est risquer de glisser dans une forme de luddisme de clavier — se convaincre que le problème est la techno elle-même, plutôt que la façon dont on l’insère dans les systèmes économiques et sociaux.
Mais il y a un point où cette objection cesse de marcher. Et ce point, pour moi, c’est le corps.
Le corps ne scale pas
Le problème n’est pas seulement de savoir si l’IA remplacera ou augmentera les knowledge workers. Le problème, c’est que le corps humain ne scale pas.
Pas comme scalent les tokens. Pas comme scale un cluster en dizaines de gigawatts. Pas comme scale la courbe d’apprentissage d’un modèle qui ingurgite une quantité énorme de connaissance en quelques semaines.
Le corps a une horloge biologique qui ne se reset pas avec un update. Il a besoin de sommeil, et si tu lui en prives pendant des mois, peut-être tu tiens encore, en apparence, jusqu’au moment où quelque chose casse. Et souvent ça casse de façons que tu n’avais pas prévues et qui ne sont pas faciles à inverser.
Il a besoin de mouvement, de lumière naturelle, de rythmes. Il n’a pas été conçu pour les trois heures du matin passées à débugger un agent qui a généré huit cents lignes de code qui « marchent », mais que tu ne comprends pas vraiment.
Ces choses ne sont pas nouvelles. La médecine du travail le dit, les neurosciences le disent, n’importe quel généraliste avec un minimum d’honnêteté intellectuelle le dit. Pourtant, dans le discours dominant sur l’IA, le corps a l’air d’un détail d’implémentation. Une contrainte legacy à contourner avec assez de caféine et de volonté.
D’où je le regarde
Je suis associé et responsable technique d’une petite ICT à Pescara. On est une dizaine. Je n’écris plus vraiment de code en production depuis un moment, en tout cas plus comme avant. Mon travail est devenu recherche, spikes stratégiques, évaluation d’architectures, et aussi compliance — mot peu sexy, mais très réel.
Je passe mes journées à comprendre où va le marché et à décider ce qui a du sens à faire et ce qui n’en a pas, pour une boîte qui n’a pas le luxe d’un round pour absorber les erreurs. Et qui a une responsabilité directe sur les personnes qui y travaillent — qui rentrent le soir, qui ont des familles, des corps, des limites.
Depuis cette position, je vois quelque chose que, peut-être, quand tu es dans le flux quotidien, tu fais plus mal à mettre au point. L’IA n’a réduit la charge de personne dans mon équipe. Elle l’a transformée.
Elle a déplacé le poids de la production de code à la supervision de code produit par d’autres — où « d’autres », ici, est un modèle statistique qui ne dort pas, ne se fatigue pas, ne tombe pas malade. Mais qui se trompe. Et se trompe de façons créatives et imprévisibles.
Détail qui me semble important, même si je n’arrive pas encore à dire à quel point. Lire du code écrit par une intelligence étrangère est un travail différent de l’écrire. Ça demande une vigilance constante. Une forme d’attention qui te tient toujours un peu en alerte.
Et cette alerte est incompatible avec une chose qui, dans le travail cognitif, est presque une protection naturelle : le flow, l’état de concentration profonde où tu n’es pas découpé, pas continuellement interrompu, pas obligé de faire un micro-jugement toutes les trente secondes.
La demande monte, le contrôle baisse
Il y a un concept en médecine du travail qui s’appelle « job strain », dans le modèle de Karasek. En résumé, il décrit la combinaison la plus toxique : haute demande de travail et faible contrôle sur sa propre activité.
Et j’ai l’impression que l’introduction massive des agents IA fait exactement ça : elle modifie le rapport entre demande et contrôle.
La demande augmente parce que, si les outils sont plus rapides, l’attente d’output grimpe avec eux. « Si l’agent peut le faire en une heure, pourquoi on y met une journée ? » est une question qui arrive presque automatiquement, souvent sans méchanceté, juste par inertie.
Le contrôle baisse parce que tu délègues une part croissante du processus à des systèmes que tu ne comprends pas en profondeur et qui changent toutes les quelques semaines. Même quand tu les comprends, tu les comprends d’une façon différente de celle dont tu comprends un collègue ou un composant logiciel traditionnel. Une compréhension plus probabiliste, plus fragile.
En ce sens, la « token anxiety » ne me semble pas une mode lexicale. Elle me semble un symptôme. L’anxiété, après tout, est une fonction adaptative. Quand elle apparaît à l’échelle industrielle, ce n’est peut-être pas un problème individuel. C’est peut-être un signal système.
« Si on ralentit, la Chine ne ralentit pas »
Arrive presque toujours une autre objection, et elle aussi a un noyau de vérité. Si on ralentit, d’autres ne ralentissent pas. Si on met des limites, d’autres poussent. Et dans une course mondiale, qui arrive premier gagne.
Mais je me demande s’il n’y a pas une erreur de catégorie cachée dans cette phrase.
La compétition entre nations et entreprises est une compétition entre systèmes, pas entre individus. Un système qui brûle les personnes qui le composent n’est pas un système compétitif. C’est un système qui consomme son capital le plus précieux : l’intelligence et la créativité d’humains qui ne fonctionnent bien que quand ils sont sains, reposés, et motivés par autre chose que la peur.
L’histoire du software est pleine d’entreprises qui ont « gagné » à court terme grâce au crunch et perdu à moyen terme. Parce que les meilleurs partent, ou tombent malades, ou cessent simplement d’avoir des idées. Un cerveau épuisé n’est pas un moteur à presser, c’est un écosystème qui s’effondre.
Le premier problème est peut-être dans le thorax
Si le sujet n’est pas seulement la course aux benchmarks, alors quel est le premier problème ?
Je crois qu’il est sous notre nez, ou plutôt dans notre thorax. Le problème le plus précieux est de comprendre comment intégrer des outils de puissance extraordinaire dans la vie professionnelle sans que la vie professionnelle dévore la vie.
Pas un problème technique, ou pas seulement. C’est un problème de design organisationnel, de culture managériale, de politique du travail. Et au bout, c’est un problème philosophique, parce qu’il t’oblige à décider de ce qui vaut la peine d’être fait avec le temps qu’on a. Qui est fini d’une manière qu’aucune technologie ne peut changer.
Une chose personnelle, qui pourtant pèse
J’ai un fils. Pas un argument logique, un fait biographique. Mais les faits biographiques pèsent parfois plus que les arguments.
Quand le soir je referme l’ordi et que je le regarde, je pense que tout le code écrit dans la journée, même celui « multiplié » par les agents, ne vaut pas une heure de ce temps. Pas parce que le travail ne compte pas. Il compte. Mais parce que ce temps est irrécupérable d’une façon dont le code ne l’est pas.
Le code se réécrit. Une enfance, non.
Je sais que dans certains milieux ça sonne comme de la faiblesse. Comme un manque d’ambition. Comme du sentimentalisme qui ne survit pas à la prochaine évaluation marché. Pourtant, peut-être, c’est le contraire. Peut-être la vraie ambition est de bâtir des systèmes, des entreprises et des vies qui durent.
Et durer demande de prendre soin du moyen par lequel tout le reste advient. Le corps humain, avec son besoin non négociable de repos, de relation, et d’un temps qui ne soit pas mesuré en tokens par seconde.
L’alignement qu’on ne regarde pas
L’industrie de l’IA aime parler d’alignement, de comment faire en sorte que les modèles fassent ce qu’on veut.
Mais je me demande si le premier problème d’alignement ne concerne pas les modèles. Il nous concerne, nous.
Nous bâtissons une économie de l’attention et de la productivité où les incitations sont souvent désalignées par rapport à ce que l’on sait nécessaire à la santé humaine. On dort peu, on bouge peu, on s’arrête peu. Et on essaie de compenser avec la techno — apps de méditation, trackers de sommeil, compléments.
Comme si on avait créé un système productif qui ne produit plus de bien-être comme effet collatéral du travail, et qu’on s’étonnait ensuite qu’une industrie du bien-être naisse pour réparer les dégâts.
Une direction, pas une solution
Je n’ai pas de solution propre, et je me méfie de qui en propose. Mais une direction, je l’ai.
Prendre au sérieux que la santé et le temps humain sont la contrainte primaire. Pas l’efficacité des modèles, pas la vitesse de déploiement, pas le nombre de lignes de code générées par heure.
Chaque décision d’organisation, chaque sprint planning, chaque architecture devrait aussi être évaluée avec une question très concrète : combien de vie ça coûte ?
Et si la réponse est « trop », alors ce n’est peut-être pas le bon problème. Ou pas le bon moment. Ou pas la bonne manière.
Cela ne signifie pas « travailler moins » au sens trivial. Cela signifie travailler en sachant que le système le plus sophistiqué de l’univers connu n’est pas un LLM. C’est le cerveau humain qui l’a conçu. Et ce cerveau fonctionne selon des règles qu’on n’a pas écrites et qu’on ne peut pas réécrire à volonté.
Ce dernier souffle, peut-être, n’est pas le dernier souffle de l’humanité. C’est peut-être le dernier souffle d’une manière de travailler qui traite les personnes comme des ressources fongibles dans un pipeline d’optimisation.
S’il en est ainsi, peut-être qu’on ne devrait pas chercher à le prolonger. Peut-être qu’on devrait le laisser partir et apprendre à respirer autrement. D’une façon qui tienne compte du fait qu’on est faits de chair, de temps et de relations. Et qu’aucun agent, aussi puissant soit-il, ne pourra jamais vivre à notre place.
Ce qu'il faut retenir
Le corps ne scale pas comme scalent les tokens ou les clusters en gigawatts — sommeil, attention et temps fini sont la contrainte primaire, pas l’efficacité des modèles ni la vitesse de déploiement.
Lire du code écrit par une intelligence étrangère est un travail différent de l’écrire : une vigilance constante incompatible avec le flow, protection naturelle du travail cognitif.
Le modèle de job strain de Karasek décrit ce que les agents IA font au knowledge work : la demande monte parce que les outils sont plus rapides, le contrôle baisse parce que tu délègues à des systèmes que tu ne comprends pas pleinement.
Chaque sprint planning et chaque architecture devrait aussi être évaluée par une question concrète : combien de vie ça coûte ?
Un système qui brûle les personnes qui le composent n’est pas un système compétitif — c’est un système qui consomme son capital le plus précieux sous l’enseigne de la course à la Chine.
Questions & réponses
Si les agents IA font plus de travail, pourquoi les gens travaillent-ils plus ?
Parce que la capacité productive a grimpé sur un point — la machine — pendant que la pression s’est répartie sur tout le système. Plus d’output signifie plus à réviser, plus de décisions à prendre, plus de coordination. Le goulot s’est déplacé de la production à l’orchestration, et l’orchestration demande encore des corps humains avec leurs limites physiologiques.
Qu'est-ce que la « token anxiety » de Simon Last (Notion) ?
Une forme d’anxiété qui n’existait pas comme concept il y a deux ans : le sentiment de ne pas avoir assez de tokens, de budget computationnel ou de vitesse mentale pour suivre ce qu’un agent produit. C’est l’anxiété de qui doit valider et corriger des outputs qui arrivent à un rythme supérieur à la capacité de réfléchir.
N'est-ce pas juste une phase, comme avec PC et smartphones ?
En partie oui, vrai historiquement, inutile opérationnellement pour qui a un corps maintenant. Les transitions précédentes ont mis des décennies, et aucune ne s’est refermée à un rythme compatible avec la santé de l’individu. Le cycle de l’IA s’ouvre plus vite que les précédents : la question n’est pas s’il se recomposera, mais combien de burnouts il fait entre-temps.
La solution est-elle d'utiliser l'IA encore plus pour gérer la charge ?
Le pire piège. Augmenter l’output de la machine aggrave le problème : plus d’artefacts à juger, plus de décisions, moins de slack. Le goulot, c’est le corps humain — sommeil, attention, temps fini — et aucune quantité de compute ne le contourne. Il faut réorganiser le travail autour de la limite humaine, pas utiliser la machine pour la nier.
L'auteur
