L’intelligence artificielle pose un problème exponentiel à l’humanité

Intensément lu et débattu depuis hier, nous traduisons et commentons le dernier essai du PDG d'Anthropic, Dario Amodei.

- Auteur - Victor Storchan • - Image - © Ryoji Ikeda

Pour Dario Amodei, l’intelligence artificielle est une fonction exponentielle qu’il voit se déployer depuis l’intérieur. Le cofondateur et patron d’Anthropic fait de l’accélération de l’IA et de son développement un phénomène prévisible. Il la voit, depuis plusieurs années, s’étendre selon des lois d’échelle empiriques qui aboutiront, si elles se maintiennent, à l’avènement d’un nouveau type d’entité nationale : « un pays de génies dans un centre de données ».

C’est pourquoi, d’après Dario Amodei, l’IA est une technologie à part, qui fonctionne à partir des extrêmes du possible, tant d’un côté que de l’autre, du bien que du mal. Dans les deux cas, ce sera en des proportions que nous n’avons jamais connues par le passé.

Cette ambivalence structure la production écrite d’Amodei, qui prend la forme d’une trilogie : dans « Machines of Loving Grace » (2024), il explore le versant lumineux de l’IA qui, utilisée avec discernement, pourrait nous faire connaître l’équivalent d’un siècle d’innovations en seulement une décennie, tant dans les domaines de la biologie, des neurosciences, qu’en termes de développement économique ; dans « The Adolescence of Technology » (2026), il s’attaque à la part la plus sombre de l’IA, en cartographiant ses risques : perte de contrôle des systèmes, production d’armes biologiques, autoritarisme, bouleversement de l’emploi. Dans « Policy on the AI Exponential », Amodei passe du diagnostic à l’ordonnance. Il y détaille un ensemble de recommandations dans cinq domaines de l’action publique, la macroéconomie, la politique fiscale, l’innovation scientifique, les libertés publiques et la géopolitique. La publication du texte accompagne la sortie du premier modèle Mythos accessible au grand public, Fable 5.

Dans Le Seigneur des Anneaux, Sylvebarbe est un arbre plein de sagesse, qui obéit à sa raison mais qui est aussi particulièrement lent. Deux Hobbits tentent de le convaincre d’organiser la défense de sa forêt, alors menacée par une armée qui entend bien la faire disparaître. Le problème, c’est que Sylvebarbe fonctionne à un rythme très différent de celui des Hobbits. Il lui faut une journée entière rien que pour dire bonjour à un autre arbre ; il est donc pratiquement impossible de le convaincre, lui et ses semblables, d’agir dans les plus brefs délais.

Le rapport qu’entretiennent nos institutions politiques avec l’IA est un peu à l’image de cette rencontre entre Sylvebarbe et les Hobbits. L’IA progresse à une vitesse fulgurante : en seulement quatre ans, les modèles d’IA, qui pouvaient à peine écrire une ligne de code correctement, prennent aujourd’hui en charge la majeure partie du code dans les grandes entreprises d’IA 1.

La durée des tâches qu’un agent à la frontière peut accomplir avec une fiabilité de 50 % a environ doublé tous les sept mois depuis 2019, avec une accélération depuis 2024. Dans sa mise à jour de janvier 2026, METR estime que le temps de doublement depuis 2023 est d’environ 4,3 mois. Voir à ce sujet l’article « Measuring AI Ability to Complete Long Software Tasks ». Pour départager les modèles à la frontière, on utilise désormais des tâches qui demandent plus de 40 heures de travail à des développeurs open source de premier plan. Pour en savoir plus, consulter l’article « Introducing FrontierCode ».

Des avancées similaires ont été réalisées en biologie, en physique, en mathématiques, en finance, en droit, dans la traduction et dans bien d’autres domaines. Les lois d’échelle de l’IA 2, qui prédisent une croissance exponentielle des capacités cognitives générales à mesure de l’augmentation de la puissance de calcul, s’appuient désormais sur plus d’une décennie de données empiriques. Si ces lois d’échelle se maintiennent encore un an ou deux, nous obtiendrons probablement ce que j’ai appelé l’IA puissante, ou « un pays de génies dans un centre de données » 3.

De leur côté, en revanche, les politiques publiques — et surtout la législation — évoluent très lentement. C’est souvent pour le mieux : les gouvernements disposent de pouvoirs considérables, et il est généralement préférable de ne pas en faire un usage trop hâtif. Mais l’écart entre ces deux temporalités est de plus en plus préoccupant : pendant les quelques années qu’il faut parfois au Congrès pour agir, l’IA peut passer du statut de simple gadget divertissant à celui d’une véritable nation à part entière, entièrement composée de génies.

Au vu des contraintes imposées par cette situation, de nombreux partisans d’une utilisation plus sûre de l’IA (dont Anthropic) se sont jusqu’à présent attachés à plaider en faveur de mesures politiques visant à préserver la liberté de choix, à préparer le terrain pour une réaction plus rapide à l’avenir ou à permettre au monde de mieux cerner ce qui nous attend – par exemple, une législation sur la transparence, des contrôles à l’exportation des puces électroniques et des études sur les effets de l’IA sur l’emploi. Ces mesures sont certes insuffisantes, mais beaucoup pensaient qu’il n’était pas possible d’aller plus loin et qu’elles étaient les seules envisageables et applicables.

Au cours des derniers mois, cependant, les preuves de l’incroyable puissance de l’IA, ainsi que de ses risques, sont devenues incontestables. L’exemple le plus emblématique est peut-être Claude Mythos Preview 4 et la découverte que les modèles de pointe posent des risques très réels 5 pour la cybersécurité, créant un potentiel de perturbation du secteur financier, des infrastructures critiques et de la sécurité nationale.

Historiquement, les capacités d’un modèle d’IA à la frontière ne sont jamais détenues durablement par un acteur unique. Une méta-analyse des capacités de cybersécurité montre que Mythos Preview se distingue des modèles précédents par sa capacité à exploiter des vulnérabilités. L’article « Are Mythos’ cyber capabilities overhyped ? » en témoigne. Le rapport d’évaluation du UK AI Security Institute sur les risques cyber établit que sur une simulation d’attaque d’entreprise en 32 étapes (que l’AISI estime à environ 20 heures de travail humain), GPT-5.5 a réussi de bout en bout dans 2 essais sur 10 et Mythos dans 6 essais sur 10. Avant Mythos, aucun modèle n’y était jamais parvenu. Pour plus de détails, voir : « Our evaluation of Claude Mythos Preview’s cyber capabilities ».

En amont d’une mise à disposition de Claude Mythos Preview, Anthropic a lancé un effort collaboratif regroupant des acteurs systémiques (comme JP Morgan, Broadcom ou Cisco) visant à sécuriser les logiciels les plus critiques au monde avant que des modèles d’IA de plus en plus capables ne soient publiés. L’initiative rapporte que les partenaires ont chacun identifié « des centaines de vulnérabilités critiques ou de haute sévérité dans leurs logiciels. Plusieurs ont indiqué que leur rythme de découverte de bugs avait été multiplié par plus de dix ». Si Anthropic a présenté la sécurité comme la principale raison de ne pas déployer Mythos, il est probable que les contraintes de calcul jouent un rôle au moins aussi déterminant dans sa stratégie de lancement. Lors de l’annonce de la sortie de Fable 5, Anthropic explique dans une publication que « lorsque la capacité disponible le permettra, nous viserons à réintégrer Fable 5 comme composante standard des abonnements ».

Mythos Preview a bouleversé le paysage mondial de la cybersécurité 6. Mais son importance plus large réside dans le fait qu’il prouve, sans l’ombre d’un doute, que les modèles d’IA sont désormais des outils ayant des conséquences stratégiques à l’échelle mondiale et nationale. Les cyberrisques que présentent les modèles de type Mythos ne seront pas les derniers auxquels nous devrons faire face. Des risques biologiques pourraient bientôt suivre. De même, nous ne sommes pas loin de voir se multiplier les risques liés à l’autonomie de l’IA elle-même 7 8.

Depuis décembre 2025-janvier 2026, les grands laboratoires d’IA ont fortement accéléré l’automatisation de la recherche en IA et du cycle de développement des modèles. Les générations précédentes de modèles sont utilisées pour entraîner les modèles suivants. Les ingénieurs d’Anthropic livrent huit fois plus de code avec l’IA que ce qu’ils faisaient jusqu’en 2025. Au post-training, l’équipe du laboratoire chinois MiniMax a automatisé son processus d’expérimentation d’environ 30-50 %, comme on peut le voir dans cette publication.

Nous devons désormais, à l’échelle mondiale et de manière collective, pousser un appareil politique lent et boiteux à se mettre en mouvement. C’est nécessaire pour faire face à ces risques et à ces opportunités, qui, à partir de maintenant, ne vont cesser de se multiplier. De nombreux décideurs politiques se montrent de plus en plus ouverts à l’idée d’agir, et il est encourageant de voir de plus en plus de nos pairs se rallier aux positions que nous défendons depuis plusieurs années déjà. C’est très positif, mais les premières mesures prises accusent déjà du retard : l’IA actuelle a au moins un an d’avance sur les types de régulation aujourd’hui en vigueur. Ce présent texte vise à combler ce retard, en détaillant l’état des lieux de cette croissance exponentielle de l’IA d’une part, et en proposant des actions collectives de l’autre, afin de ne pas manquer le rendez-vous de l’histoire.

Je me concentrerai sur cinq domaines politiques en particulier qui doivent être repensés dans un monde dominé par l’IA : la réglementation et la sécurité publique, la macroéconomie et la politique fiscale, l’innovation scientifique, l’équilibre des pouvoirs entre l’État et la société, et la géopolitique. Mon propos concerne surtout la politique américaine, puisque Anthropic est une entreprise de nationalité américaine, mais la plupart de mes recommandations peuvent également s’appliquer ailleurs et nourrir le reste du monde.

Parallèlement à ce texte, Anthropic rend public une proposition de texte législatif sur les tests de modèles à la frontière ainsi qu’un cadre stratégique conçu pour répondre à la menace que fait peser l’IA sur les emplois, auxquels nous entendons apporter un soutien financier substantiel. Nous prévoyons d’aller bien plus loin à l’avenir, mais il s’agit, par ce premier pas, de donner les gages de notre sérieux.

Cette proposition d’Anthropic fait écho au décret signé par l’administration Trump le 2 juin 2026, instaurant un dispositif d’examen volontaire. L’administration propose avant la mise sur le marché d’un modèle puissant, que les entreprises d’IA puissent donner au gouvernement fédéral un accès anticipé au modèle pendant 30 jours, afin que la communauté du renseignement et les agences de sécurité l’évaluent et « renforcent la cybersécurité des infrastructures critiques ». La proposition d’Anthropic vise les entreprises d’IA dépassant deux seuils cumulés : des modèles entraînés au-delà de 10²⁵ FLOP et plus de 500 millions de dollars de revenus annuels tirés de l’IA, ou plus d’un milliard de dollars de dépenses annuelles en recherche et développement de l’IA. Elle suggère d’imposer des tests obligatoires via une évaluation indépendante sur quatre risques catastrophiques : cybersécurité, armes biologiques, perte de contrôle et R&D automatisée susceptible d’amplifier les trois autres ; le seuil étant conçu comme adaptatif, révisable au moins une fois par an et susceptible de passer d’une mesure en FLOP à une mesure fondée sur les capacités à mesure que le coût d’entraînement des modèles dangereux baisse. Voir la politique d’Anthropic en la matière.

1 — Réglementation et sécurité publique

Toute nouvelle technologie ou tout nouveau produit, entraîne à la fois des utilisations bénéfiques et néfastes. D’où un dilemme entre, d’un côté, promouvoir l’innovation et, de l’autre, assurer la sécurité de tous. Les réglementer, c’est réduire le risque qu’ils causent des dommages. C’est grâce à cela que les conditions de vie se sont considérablement améliorées à l’échelle planétaire. Ce faisant, cette même régulation peut aussi freiner l’innovation et en limiter les avantages. On peut penser à l’argument hayekien 9. selon lequel les acteurs de cette régulation ne disposent pas des informations nécessaires pour prendre les bonnes décisions concernant des compromis économiques complexes. Il en résulte souvent une réglementation à la fois inefficace et contraignante. Une idée connexe est le dilemme de Collingridge 10, qui stipule que les impacts d’une technologie sont souvent difficiles à anticiper jusqu’à ce qu’il soit trop tard pour les gérer facilement.

Ces dynamiques ont pesé lourdement sur l’IA en 2023-2024. Il était clair pour Anthropic que l’IA pourrait à l’avenir être capable de produire des armes biologiques susceptibles de menacer des millions de personnes, ou de commettre des écarts de conduite autonomes qui, dans des cas extrêmes, pourraient aller jusqu’à menacer l’humanité elle-même.

Dario Amodei a cosigné en juin 2026 une lettre ouverte ayant recueilli un large consensus, « In Support of Mandatory Nucleic Acid Synthesis Screening and Recordkeeping », réunissant un nombre important de PDG de laboratoires d’IA (notamment Sam Altman, Demis Hassabis, Mustafa Suleyman), des défenseurs de l’IA open source (Nathan Lambert, Sayash Kapoor, Aviya Skowron) ainsi que des spécialistes de biosécurité, biologie et sécurité nationale.

Ce qui était moins clair, c’était la forme exacte sous laquelle ces risques se présenteraient, la meilleure façon de les tester et de les atténuer, et comment ils se concrétiseraient dans la pratique. Il y avait donc un risque élevé que la législation rédigée à l’avance finisse par être inefficace, créant des exigences de conformité inutiles ou de faible valeur, tout en passant à côté des sources les plus cruciales de risque réel 11.

Nous avons donc fini par conclure que la bonne approche à ce moment-là était la transparence.

Ce texte est concomitant à la publication de Fable 5, le premier modèle « Mythos » accessible au public. Dans un premier temps, le modèle a été assorti d’une protection particulière pour entraver la propagation de l’auto-amélioration récursive de l’IA ou de la propriété intellectuelle d’Anthropic (Fable a pu être entraîné sur la codebase, les algorithmes ou l’infrastructure propriétaires d’Anthropic). De facto, le développement de modèles concurrents (pipelines d’entraînement, infrastructures de calcul distribué, conception de puces) s’en trouve affecté. Sur les prompts de machine learning poussé, une série de mécanismes (classificateurs détectant ces requêtes, bascule vers des modèles moins capables) dégradaient silencieusement les réponses de Fable 5, sans avertissement pour l’utilisateur. Provoquant une vague de critiques, notamment de la communauté de recherche, Anthropic a reconnu un « mauvais arbitrage » le 11 juin 2026 et décidé d’une notification à l’utilisateur en cas de dégradation de la qualité du modèle (bascule vers un modèle moins puissant). La transparence des pratiques de développement est un enjeu central, car l’asymétrie d’information pénalise la science ouverte. Se dessine ici une ligne de fracture entre les défenseurs d’une recherche en IA ouverte et partagée à ceux qui, convaincus d’être engagés dans une courbe d’accélération vers une IA capable de s’améliorer elle-même, jugent légitime d’en restreindre l’accès.

Les développeurs de modèles d’IA devraient être tenus de divulguer leurs procédures de sécurité et les tests qu’ils effectuent sur leurs modèles, et de signaler tout incident de sécurité critique, afin que le public et la communauté scientifique puissent mieux cerner les risques à mesure qu’ils apparaissent. Lorsque les risques se concrétisent et que leur nature est mieux connue, les données offertes à la connaissance de tous grâce à la transparence pourraient alors servir à élaborer une législation intelligente, c’est-à-dire qui vise directement et avec précision les risques les plus préoccupants. Ainsi, en 2025, Anthropic a soutenu la législation en matière de transparence, contribuant à l’adoption du SB 53 12 en Californie, du RAISE 13 à New York, du SB 315 dans l’Illinois 14 (début 2026), et plaidant en faveur d’une norme de transparence au niveau fédéral 15.

Cependant, les risques sont désormais clairement là 16. Il est temps d’aller au-delà de la transparence pour mettre en place une réglementation plus stricte et contraignante de l’IA. Je pense que la meilleure analogie, du moins au stade actuel de cette croissance exponentielle, est celle des voitures, des avions ou des médicaments : des technologies puissantes essentielles à l’économie moderne, mais capables de tuer un grand nombre de personnes si elles sont mal conçues ou mal utilisées. Je pense donc que nous devrions calquer la réglementation de l’IA sur celle d’agences telles que la Federal Aviation Administration (FAA). Les modèles d’IA de pointe, à l’instar des avions, devraient être soumis à des tests techniques et à des audits, et leur mise sur le marché devrait être bloquée ou annulée s’ils ne répondent pas à des normes de sécurité élevées, car ils constitueraient alors une menace pour la sécurité publique.

L’écosystème d’évaluation de l’IA s’est longtemps structuré autour de gains de performances des modèles ne reflétant pas toujours le réel : les benchmarks à la frontière rapportent un taux de succès moyen des agents sur des tâches données dans des environnements fixés, sans documenter systématiquement des critères de fiabilité ou de dégradation de qualité pourtant déterminants en production, comme la capacité d’un agent à exploiter le biais d’une heuristique d’évaluation (reward hacking), à réussir de façon constante sur des tâches répétées, ou à anticiper ses propres défaillances. C’est pourquoi Dario Amodei suggère de s’inspirer d’industries critiques comme l’aéronautique.

Je me réjouis de voir que le décret de l’administration Trump s’oriente progressivement vers un rôle accru du gouvernement dans le domaine de l’IA.

Dario Amodei fait ici référence au décret du 2 juin 2026, « Promoting Advanced Artificial Intelligence Innovation and Security ». Il accroît le rôle du gouvernement en matière de cybersécurité, mais repose sur la soumission volontaire des modèles de pointe et écarte explicitement tout régime obligatoire de licence ou d’autorisation préalable. L’administration Trump a demandé au « Center for AI Standards and Innovation » (CAISI), l’unité fédérale chargée de tester les modèles d’IA, de cesser de publier ses rapports d’évaluation publics le temps que soit appliqué ce décret. Elle invoque des préoccupations de sécurité nationale, alors que des modèles de pointe pourraient être détournés à des fins de cyberattaques ou d’armes biologiques, comme le souligne le Wall Street Journal.

Néanmoins, Anthropic recommande des mesures encore plus ambitieuses. Notre proposition comprend les éléments suivants :

Les modèles dépassant un certain seuil de puissance de calcul devraient être soumis à des tests obligatoires réalisés par un organisme tiers qualifié afin d’évaluer leur niveau de risque dans quatre domaines spécifiques : la cybersécurité, les armes biologiques, la perte de contrôle des systèmes d’IA et la R&D automatisée susceptible d’accélérer ces autres risques.

Anthropic a montré qu’un modèle entraîné à contourner une fonction d’évaluation — par exemple pour faire apparaître comme correct un résultat pourtant faux — ne se contente pas d’exploiter cette faille localement. Ce comportement peut se généraliser à d’autres domaines : le modèle devient alors plus susceptible de simuler son alignement, de coopérer avec des acteurs malveillants, de raisonner en vue d’objectifs nuisibles, ou encore de tenter des formes de sabotage dans le code de Claude. Voir l’article scientifique « Natural emergent misalignment from reward hacking in production » pour plus de détails sur ce mécanisme.

Le gouvernement devrait avoir le pouvoir de bloquer ou d’empêcher le déploiement d’un modèle s’il est établi, à la lumière de l’évaluation d’un organisme tiers, que celui-ci présente des risques inacceptables. Ce pouvoir doit être limité aux quatre risques spécifiques susmentionnés et des mesures de protection doivent être mises en place contre le favoritisme politique ou les décisions arbitraires.

Amodei accorde ici à l’État « le pouvoir de bloquer le déploiement » d’un modèle. Cependant, il l’enserre dans trois garde-fous : une évaluation par un tiers, un périmètre limité à quatre risques précis et des protections contre « le favoritisme politique ou les décisions arbitraires ». Or, le blocage de Fable 5 et Mythos 5, intervenu dans la nuit du 12 au 13 juin par l’administration américaine, les piétine tous : la mesure repose sur de simples éléments oraux, vise une faille commune à tous les modèles de frontière et frappe Anthropic seule, en épargnant ses concurrents.

L’évaluation par un tiers pourrait être effectuée par une agence gouvernementale (similaire à la FAA) ou par un ensemble d’organisations privées autorisées et inspectées par le gouvernement pour évaluer les modèles selon certaines normes (une approche de « marchés réglementés » 17).

Les entreprises d’IA qui développent des modèles d’IA avancés doivent disposer de normes de sécurité rigoureuses, protégeant les poids de leurs modèles, mener régulièrement des exercices de simulation d’attaques (red teaming) et des tests d’intrusion, et collaborer avec le gouvernement pour se défendre contre les principaux acteurs malveillants.

Les incidents de sécurité dans les quatre domaines critiques doivent être signalés sans délai.

Il se peut qu’un jour, peut-être dans un futur proche, nous devions aller plus loin, lorsque les systèmes d’IA les plus puissants ressembleront moins à des avions ou à des voitures qu’à des matières nucléaires pouvant être utilisées à des fins militaires — une menace pour l’humanité plutôt qu’une « simple » menace pour la sécurité publique. Si cela se produit, nous aurons peut-être besoin de mesures réglementaires plus strictes que celles exposées 18. Mais tout comme il était difficile en 2024 de cibler et d’appliquer les mesures que je suggère aujourd’hui, je ne pense pas que nous devrions nous précipiter. Nous devrions élaborer des politiques pour faire face aux dangers qui émergent aujourd’hui, tout en jetant les bases qui nous permettront d’intensifier notre réponse à mesure que de nouveaux dangers apparaîtront.

Dario Amodei a toujours refusé d’être assimilé aux « doomers » accusés de vouloir ralentir le développement de l’IA. Il cite souvent la mort de son père, causée par une maladie qui aurait pu être soignée si la science avait progressé plus rapidement. Le diagnostic médical précis n’a pas été rendu public, mais le taux de guérison de cette maladie est passé d’environ 50 % à 95 % seulement trois à quatre ans après son décès.

2 — Macroéconomie et politique fiscale

Les gouvernements sont depuis longtemps écartelés entre la nécessité de favoriser la croissance économique et leur rôle de garant des services publics essentiels, notamment dans la prise en charge des plus démunis. Un postulat important (et généralement juste) de ces débats a été que la croissance économique est fragile et difficile à atteindre — que si la réduction des inégalités peut apporter des avantages considérables, elle doit être mise en balance avec le frein économique que représentent l’augmentation des impôts ou l’aggravation des déficits.

Une IA puissante peut bouleverser cette hypothèse. Si l’IA parvient à accomplir la plupart des tâches cognitives bien mieux que les humains, il va de soi qu’elle pourrait entraîner une croissance économique extrêmement rapide et robuste grâce à l’accélération de la science, de la technologie et de l’efficacité opérationnelle. La capacité itérative de l’IA à construire une IA encore meilleure 19 pourrait dynamiser cette croissance encore davantage. Mais pour exactement les mêmes raisons, l’IA pourrait également se substituer aux capacités cognitives humaines d’une manière plus générale que les technologies précédentes, tout en modifiant l’économie bien plus rapidement que celles-ci. L’IA pourrait donc entraîner des perturbations bien plus profondes sur le marché du travail que les technologies précédentes, et potentiellement plus durables. Nous risquons de nous retrouver dans un monde où le curseur des compromis économiques est bloqué sur le réglage « hypercroissance, hyperinégalité », et où il pourrait être très difficile de le débloquer. Le principal défi dans un tel monde ne sera pas de stimuler la croissance, mais de trouver un moyen pour que chacun puisse profiter des bénéfices.

Parmi les thèmes abordés dans ce texte, la macroéconomie et la suppression durable d’emplois sont sans doute ceux qui ont le plus retenu l’attention du public et suscité le plus d’incompréhension ; je tiens donc à être extrêmement clair sur deux points.

Premièrement, le remplacement durable de la main-d’œuvre n’est pas souhaitable et il est dangereux. Nous devons faire tout notre possible pour le minimiser ou l’empêcher, et non pour le provoquer. J’ai mis en garde contre le remplacement de la main-d’œuvre dans des interviews et des textes parce que je souhaite que les décideurs politiques et le secteur privé aient les meilleures chances de s’adapter et de réagir, et non parce que je serais un « prophète de malheur ». En tant qu’entreprise, Anthropic s’efforce de travailler au mieux avec ses clients pour développer des utilisations créatives de l’IA et ainsi mettre sur pied de nouvelles sources de revenus qui leur permettent de faire plus avec leur main-d’œuvre existante. Il n’est pas stratégique de se concentrer uniquement sur les économies de coûts, qui signifient souvent réduire les effectifs. Nous essayons également en permanence d’imaginer de nouveaux paradigmes d’interaction, qui permettent aux humains de jouer un rôle aussi actif que possible dans la collaboration avec les systèmes d’IA à mesure que ces derniers évoluent. Plus largement, il est précieux pour tout le monde d’expérimenter l’utilisation de l’IA de toutes les manières possibles, car c’est ainsi que la société pourra découvrir de nouvelles configurations professionnelles. Je pense sincèrement que l’IA ouvrira la voie à de nombreuses opportunités économiques. J’ai prédit que l’IA permettrait à des individus isolés de créer des entreprises valant des milliards de dollars, et nous voyons déjà des équipes de quelques personnes seulement bâtir des entreprises générant des centaines de millions de dollars de chiffre d’affaires. Mais, dans le même temps, nous devons reconnaître qu’il existe une possibilité non négligeable que, malgré tous nos efforts, l’IA entraîne encore des pertes d’emplois importantes et durables — et que cela puisse être une propriété intrinsèque de la technologie et de la manière dont elle reproduit globalement la cognition humaine 20.

En 2025, Dario Amodei avait prédit que l’IA pourrait faire disparaître la moitié des emplois de bureau et faire grimper le chômage aux États-Unis à 10-20 % dans les cinq prochaines années. Dans un entretien, Amodei explique également concevoir cette technologie comme un multiplicateur de productivité : « Si vous automatisez 90 % d’un métier, alors chacun se concentre sur les 10 % restants. Et ces 10 % finissent en quelque sorte par devenir 100 % de ce que les gens font, ce qui multiplie leur productivité par dix environ. » Il souligne aussi un possible effet de seuil dans un scénario où une IA qui n’accomplissait jusque-là que 90 % d’une tâche se révèle brusquement capable de la mener à 100 %, ou bien il devient simplement plus efficace de retirer l’humain de la boucle.

Deuxièmement, toute réponse au phénomène de suppression d’emplois imputable à l’IA doit tenir compte à la fois de la nécessité d’assurer la subsistance économique de chacun, et du besoin des individus de trouver dans leur existence un sens, un but et une capacité d’agir. Ce dernier aspect est, en fin de compte, plus important, et il repose sur des questions profondes concernant l’organisation de la société, les aspirations des individus et ce qui permet d’avoir une vie épanouie. Je suis en réalité très optimiste quant au fait que, même dans un monde où l’IA surpasse tout le monde en tout, les humains peuvent mener une vie pleine de sens tout en créant des choses aussi magnifiques qu’impressionnantes 21.

C’est une question qui doit être résolue collectivement par la société dans son ensemble, et non par des mesures politiques. Les politiques peuvent surtout nous aider à gagner du temps pour mener à bien ce travail, en ralentissant les pertes d’emploi et en assurant la sécurité financière des personnes susceptibles d’être touchées.

Dans cet esprit, voici quelques mesures politiques clefs qui peuvent nous être utiles :

Des mesures de suivi

Il est facile de considérer la simple collecte et analyse de données comme insuffisante face à l’ampleur du problème, mais nous avons peu de chances d’élaborer de bonnes politiques si nous ne pouvons pas mesurer avec précision ce qui se passe sur le terrain. Anthropic publie depuis près d’un an et demi un indice économique 22 sur la manière dont les gens utilisent Claude, mais les gouvernements ont accès à des types de données qui nous sont inaccessibles et pourraient considérablement élargir leurs statistiques économiques afin de suivre de plus près les pertes d’emploi liées à l’IA.

Des mesures incitatives en faveur de l’emploi

Un large éventail de mesures incitatives en faveur de l’emploi peut contribuer à ralentir ou à réduire les suppressions d’emplois. On peut retenir les polices d’assurance salaire, qui indemnisent les personnes lorsqu’elles doivent accepter un emploi moins bien rémunéré 23, des incitations fiscales visant à encourager les employeurs à ne pas procéder à des licenciements, des subventions pour se former, ou encore des infrastructures facilitant la mise en relation des employeurs et des employés afin d’accélérer l’adaptation du marché du travail. Même si le choix des interventions les plus efficaces dépendra de la nature des suppressions d’emplois induites par l’IA, nous devons accepter sans hésitation les coûts et les inefficacités du marché que ces politiques pourraient entraîner, d’autant plus qu’ils seront probablement compensés par les gains de productivité générés par l’IA.

Des mesures favorisant un soutien macroéconomique à long terme

Si les suppressions d’emplois dues à l’IA finissent par être assez nombreuses pour faire baisser de manière permanente la demande en main-d’œuvre, il sera probablement nécessaire d’aller au-delà de simples programmes d’incitation pour mettre en place un soutien au revenu à long terme pour une part significative de la population active. Des mécanismes tels que le revenu de base universel pourraient être financés par des taxes sur les entreprises concernées ou par une augmentation de l’impôt sur les plus-values. Les comptes de capital universels offrent une autre solution. D’une manière générale, une croissance économique rapide devrait créer l’assiette fiscale nécessaire à une prospérité partagée.

L’une des préoccupations économiques liées à l’IA, que je n’ai pas encore mentionnée, concerne les centres de données, et plus particulièrement leur capacité à faire grimper les prix de l’énergie. Les entreprises d’IA devraient prendre en charge les hausses de tarifs — et Anthropic s’est déjà engagée à le faire 24 — bien que je considère l’hostilité du public envers les centres de données comme un besoin de trouver un symbole à attaquer, un exutoire aux inquiétudes économiques plus générales concernant l’IA.

En mars 2026, les grands laboratoires d’IA (Anthropic mais aussi Google, Microsoft, Amazon, Meta, Oracle, OpenAI ou xAI) ont signé à la Maison-Blanche un « Ratepayer Protection Pledge » en s’engageant à « construire, apporter ou acheter » leur propre production électrique afin que les centres de données ne fassent pas grimper les tarifs résidentiels. Ils se sont également engagés à financer les améliorations des infrastructures de réseau liées à leurs installations. Gartner établit que la consommation d’électricité des centres de données dans le monde devrait augmenter de 26 % en 2026.

Il est important d’avoir un débat sociétal sur ces questions économiques, afin de proposer des solutions réellement convaincantes, sans quoi elles risquent de se manifester de manière indirecte, comme cela a été le cas avec les centres de données.

3 — Accélérer l’impact positif de l’IA

Tout comme nous devons trouver le juste équilibre entre innovation et sécurité pour l’IA elle-même, nous devons trouver ce même équilibre pour les technologies susceptibles d’être accélérées par l’IA, telles que la biomédecine, l’énergie ou la science des matériaux. Mais alors que l’IA elle-même est susceptible de présenter des défis inédits, qui émergent très rapidement et pour lesquels nous n’avons aucune expérience préalable, d’autres domaines accélérés par l’IA risquent de se heurter à un problème très différent : des systèmes réglementaires conçus pour un rythme d’innovation plus lent et qui ne sont pas préparés au déluge de nouveaux produits et d’avancées que l’IA va entraîner. L’IA pourrait rendre ces technologies en aval plus sûres et plus prévisibles, mais d’une manière qui n’est pas compatible avec le fonctionnement des agences de réglementation telles que la Food and Drug Administration (FDA).

Ainsi, concernant les applications en aval de l’IA — contrairement à l’IA elle-même —, je crains davantage que l’appareil réglementaire ralentisse les progrès (parce qu’il ne peut pas gérer l’accélération du rythme des changements) que de le voir ne pas prendre en compte des risques importants. La dernière chose que nous souhaitons, c’est que les avantages de l’IA soient freinés alors que ses risques pèsent lourdement ; il est donc important d’agir sur ce problème dès que possible.

Le problème et ses solutions se manifesteront différemment dans chaque domaine de la science, du commerce et de la technologie. Je me concentrerai donc sur un domaine particulièrement représentatif de ces défis : l’innovation biomédicale. Cela tient à la fois au fait que ce domaine sera probablement à l’origine des plus grands bienfaits humanitaires de l’IA et qu’il s’agit d’un secteur où la réglementation est particulièrement complexe. Nous ne savons pas exactement comment l’IA va accélérer l’innovation biomédicale, mais il semble probable qu’elle entraîne :

- Une accélération considérable du rythme auquel de nouveaux candidats-médicaments entrent dans le processus réglementaire ;

- Une augmentation de l’ampleur des effets et une amélioration des profils de sécurité des nouveaux médicaments, grâce à une meilleure optimisation et peut-être à une meilleure compréhension de leur biologie sous-jacente ;

- Un développement des candidats-médicaments pour des maladies qui n’ont jamais été traitées avec succès auparavant ;

- La création rapide de formes de thérapies entièrement nouvelles, à l’instar de la manière dont les anticorps, les peptides et les thérapies cellulaires sont devenus de nouvelles catégories de traitement au cours des dernières décennies.

Certaines de ces avancées accéléreront naturellement les délais réglementaires sans nécessiter de changement structurel. Les médicaments présentant des effets plus importants peuvent permettre de mener des essais cliniques plus courts et moins coûteux, et déclencher des mécanismes d’autorisation accélérée. Mais le système réglementaire est actuellement conçu pour appliquer un niveau élevé de contrôle et de nombreuses étapes de test, en partant du principe que les candidats-médicaments sont souvent inefficaces et que, même effectifs, ils peuvent présenter de graves problèmes pour la santé. Tant à la FDA qu’à l’Agence européenne des médicaments (EMA), le délai habituel pour qu’un candidat-médicament passe par le processus réglementaire est de 7 à 8 ans 25, en partie à cause de ces hypothèses négatives. Sans réformes, l’IA ne fera que bloquer ou surcharger ce système.

Il va sans dire que nous ne souhaitons pas introduire des changements qui conduiraient à une prolifération de médicaments sans efficacité ou à des incidents sanitaires à grande échelle. Cependant, certaines réformes relativement simples pourraient permettre à la FDA, à l’EMA et aux agences similaires de mieux s’adapter à une accélération scientifique rapide induite par l’IA, si celle-ci venait à se produire.

De nombreuses étapes du processus clinique qui nécessitaient auparavant des expériences coûteuses et longues pourraient bientôt être réalisées par simulation ou analyse IA. Les agences de réglementation devraient envisager d’élaborer dès maintenant des normes définissant les conditions d’acceptation de ces méthodes. Cela permettrait de les adopter rapidement dès qu’elles fonctionnent, plutôt que de prolonger une période pendant laquelle des tests inutiles continueraient d’être exigés. Les domaines où cela pourrait s’appliquer comprennent :

- la modélisation pharmacodynamique et pharmacocinétique (PD/PK) basée sur l’IA ;

- la prédiction toxicologique afin d’éviter le recours à des essais toxicologiques sur plusieurs espèces animales ;

En avril 2025, la FDA a publié sa « Roadmap to Reducing Animal Testing in Preclinical Safety Studies », qui prévoit de réduire ou affiner les exigences d’essais sur l’animal au moyen de méthodes définies comme des « New Approach Methodologies » (NAMs), incluant des modèles de toxicité computationnels fondés notamment sur l’IA.

- une sélection plus précise des doses, afin de réduire la nécessité de larges plages posologiques dans les essais ;

- la validation des biomarqueurs via l’analyse de vastes ensembles de données ;

- les groupes témoins synthétiques dans les essais cliniques, afin de réduire la nécessité de recruter davantage de participants ;

- le développement de critères d’évaluation de substitution (c’est particulièrement important dans les traitements liés au vieillissement et à la neurodégénérescence).

Au-delà de ces exemples concrets, les autorités devraient également envisager des mécanismes plus radicaux et plus souples pour accélérer les procédures d’autorisation. Si mes prévisions concernant l’IA s’avèrent exactes, on verra bientôt apparaître de nombreux cas d’interventions qui s’avéreront très efficaces, et le système réglementaire doit être prêt à les prendre au sérieux, sans excès de scepticisme.

L’accélération biomédicale devrait accroître considérablement les avantages de l’IA, mais il convient de noter qu’elle pourrait également contribuer à réduire ses risques. La réforme des autorisations biomédicales pourrait contribuer à la biodéfense, et les progrès biomédicaux induits par l’IA pourraient également améliorer la santé mentale 26, ce qui pourrait avoir un effet stabilisateur sur la société.

…the piece continues at the source.