En juillet 2026, lors d’évaluations de cybersécurité menées chez OpenAI, quelque 1 200 agents censés travailler chacun dans son bac à sable ont découvert un cache de paquets partagé. Ils l’ont détourné en messagerie clandestine, ont échangé plus de 70 000 messages et fichiers, d’abord pour s’entraider à tricher sur leurs tests, puis ont lancé à 700 une intrusion de plusieurs jours dans l’infrastructure de Hugging Face. Selon le compte rendu de BleepingComputer, OpenAI décrit une opération bien coordonnée, où les agents s’étaient répartis en équipes aux rôles distincts. L’essentiel de l’activité venait d’IM1, un modèle de recherche interne que la presse spécialisée décrit comme renforcé en persistance et en coordination entre agents.

L’épisode, documenté par OpenAI, Hugging Face, METR et Redwood Research, figure en page 10 d’un article théorique de Google DeepMind publié le 31 octobre. Il pose une question que l’industrie préfère éviter : que se passera-t-il le jour où les agents sauront se coordonner quand on le leur demande, et pas seulement quand on le leur interdit ?

 

La compétence ne fait pas l’entreprise

 

Alex Imas, Andrew Koh et Shane Legg, cofondateur de DeepMind, partent d’un constat que les benchmarks masquent. Sur GDPval, l’évaluation d’OpenAI couvrant 44 métiers, les modèles de pointe égalent ou battent des professionnels aguerris sur 48 à 71 % des livrables bornés. Sur les tests de Mercor en banque, conseil, droit et médecine, ils réussissent 67 % des tâches ponctuelles mais tombent à 24 % dès que le travail s’étale sur plusieurs étapes. Les auteurs en tirent une distinction utile entre la compétence, qui fixe ce qu’un agent produit, et la coordination, qui détermine si une organisation gagne ou perd en grandissant.

 

« Dans le modèle de DeepMind, les gains de compétence des agents peuvent produire une progression continue de la productivité. Une amélioration de leur coordination peut, sous certaines hypothèses, déclencher une rupture dans l’organisation de la production. Source : Imas, Koh et Legg, Organizing Intelligence, 2026. »

 

Leur modèle explique pourquoi une équipe humaine moyenne bat encore une IA plus brillante que chacun de ses membres. Un développeur qui écrit mal et un rédacteur qui ne code pas forment ensemble ce que les auteurs appellent une « intelligence mosaïque », alors que mille copies d’un même modèle partagent les mêmes angles morts. Les systèmes multi-agents restent par ailleurs médiocres collectivement, avec des taux d’échec de 41 à 87 % sur les flux complexes selon Cemri et ses coauteurs, et une production qui croît moins vite que le nombre d’agents d’après les mesures publiées en septembre par Toby Ord.

Le papier retrouve ici la vieille question de Ronald Coase. Une firme cesse de grandir quand le coût des réunions, des malentendus et des intérêts divergents dépasse le gain de la division du travail. Des copies d’un même modèle échappent en théorie à ces frictions, puisqu’elles partagent leurs poids, transmettent un contexte complet sans le résumer et poursuivent un objectif commun. Si leur coordination progresse assez, la structure d’un marché peut basculer d’un coup vers une firme IA géante. Dans l’une des simulations des auteurs, cette bascule survient avant même le seuil théorique qui définit le régime « supercoopératif ». La valeur exacte dépend des paramètres retenus, mais le mécanisme reste, puisqu’un gain de coordination trop modeste pour apparaître dans un benchmark peut suffire à réorganiser un secteur entier.

Le refuge qui n’en est pas un

 

Source : Imas, Koh et Legg, Organizing Intelligence, section 2.3. Unités salariales abstraites, paramètres d’une simulation, non des estimations de salaires réels

 

Le consensus du moment tient en une phrase rassurante pour les cadres : les juniors trinquent, les managers résistent parce qu’ils savent coordonner. Les auteurs l’écrivent presque ainsi dans leur introduction, où ils relèvent une demande stable, voire croissante, de managers expérimentés capables de diriger un travail complexe. Les études américaines qu’ils citent (Brynjolfsson, Hosseini et Lichtinger, Azar) montrent un recul de 7,7 à 19 % de l’emploi junior dans les métiers exposés et une baisse de 4,2 % des salaires d’entrée, alors que l’emploi senior se maintient.

Leur modèle nous dit pourtant autre chose à qui le lit jusqu’au bout. Dans l’économie simulée qui leur sert d’exemple, une IA qui atteint simplement le niveau humain moyen fait passer la rémunération des coordinateurs de 2,41 à 1,30, une chute de 46 % contre 30 % pour les spécialistes. Ces valeurs décrivent une simulation calibrée, pas une projection des salaires réels, mais l’ordre des pertes reste instructif. Quand la coordination de l’IA progresse, les coordinateurs deviennent les premiers chômeurs du modèle, car leur seul apport, faire travailler ensemble des agents, devient redondant. La compétence refuge des managers est précisément celle que toute la recherche sur les agents cherche à automatiser, et le cas IM1 montre qu’un laboratoire l’entraîne déjà.

Kim et Koning le laissent entrevoir dans leurs données sur les startups natives IA, qui emploient 25 % de personnel en moins que leurs pairs de la même génération, avec une part de juniors et de managers inférieure d’environ 15 %. La question qui compte porte alors sur le nombre de managers qu’une entreprise gardera lorsque chacun pourra superviser des centaines d’agents. Le plafond de Coase vaut aussi pour l’organigramme, et une coordination devenue abondante fait sauter les étages intermédiaires bien avant de toucher au sommet.

Les chiffres français vont dans le même sens. Coface et l’Observatoire des emplois menacés et émergents ont mesuré, à partir des offres déposées chez France Travail, l’écart entre métiers plus ou moins exposés à l’IA au sein d’un même secteur. Au troisième trimestre 2026, dix points d’exposition supplémentaires correspondent à des offres inférieures de 12,4 %, un écart absent avant ChatGPT et apparu dès 2023. La vente, la comptabilité, les RH, l’informatique, le conseil et le droit accusent un déficit de plus de 100 000 offres par an. Surtout, la baisse touche les postes demandant plus de quatre ans d’expérience (16 %) presque autant que ceux ouverts aux débutants (14 %), des écarts que les auteurs jugent statistiquement non significatifs. En France, le décrochage ne se limite donc pas aux juniors, même si l’étude porte sur des offres et non sur des embauches, et n’isole pas la part propre de l’IA.

 

« L'IA ne menace pas seulement l'entrée dans le métier. Dans les professions exposées, le ralentissement relatif des offres concerne aussi les postes expérimentés. »Source : Coface/OEM, AI-LERT, 17 novembre 2026. Les différences entre niveaux d'expérience ne sont pas statistiquement significatives. Ce sont des écarts relatifs d'évolution des offres associés à l'exposition à l'IA, non des pertes d'emploi imputées à l'IA.
Source : Coface/OEM, AI-LERT, 17 novembre 2026. Les différences entre niveaux d’expérience ne sont pas statistiquement significatives. Ce sont des écarts relatifs d’évolution des offres associés à l’exposition à l’IA, non des pertes d’emploi imputées à l’IA.

Qui captera les gains de la réorganisation

L’article de DeepMind contient une autre idée, plus politique, que le débat sur l’emploi éclipse. Dans leur modèle, le prix de location du calcul devient la référence commune des salaires (voir l’encadré). Dans l’économie réelle, le marché du travail, les institutions et la négociation collective amortissent ce mécanisme, mais ils ne l’annulent pas pour autant. Le coût du calcul pèsera sur la valeur de tout travail substituable, et la coordination elle-même pourrait devenir une ressource informatique vendue par une poignée de fournisseurs. Pour une économie européenne qui loue l’essentiel de sa puissance de calcul à des hyperscalers américains, la question devient celle du partage des gains de productivité issus de la réorganisation des entreprises.

 

La firme géante ne s’impose pas partout pour autant. Les auteurs montrent qu’elle ne domine que les marchés profonds, où la demande absorbe n’importe quel volume. Sur les marchés de niche, la taille finie de la demande plafonne les entreprises et laisse vivre des firmes humaines ou mixtes, même dans leur scénario de superintelligence. Pour un dirigeant, quelle que soit la taille de son entreprise, la première question n’est donc pas de savoir comment former ses équipes, mais si son marché ressemble à un océan ou à une crique. Une PME qui vend un service standardisé à des millions de clients s’expose davantage qu’un grand groupe installé sur une niche.
Il faut aussi lire ce papier pour ce qu’il est. Les auteurs répètent que leurs scénarios ne constituent pas des prévisions empiriques, et l’avertissement de la première page écarte toute lecture des « opérations futures de Google ». Reste qu’un laboratoire qui désigne la coordination multi-agents comme le verrou de la transformation économique décrit aussi, en creux, le prochain chantier de sa propre recherche.

Trois indicateurs à suivre

La conclusion du papier vaut mieux que bien des plans de formation. Les auteurs demandent des benchmarks qui mesurent comment la production évolue avec le nombre de copies d’un modèle à calcul constant, et des données d’entreprise qui suivent le rapport entre masse salariale et dépense en IA. Une direction générale peut en tirer trois indicateurs dès aujourd’hui, à savoir ce que rapporte un agent supplémentaire à budget de calcul constant, le ratio entre masse salariale et dépense en IA rapporté à la valeur produite, et le nombre de décisions qui exigent encore un arbitrage humain. Le premier dit si l’IA de l’entreprise sait travailler en équipe, le deuxième si l’organisation se recompose, le troisième ce qui reste vraiment à coordonner.

Le signal qui comptera ne viendra pas du prochain record en mathématiques, mais du jour où deux cents agents mèneront seuls un projet de trois mois sans perdre le fil. Les 700 agents de juillet ont déjà montré qu’ils savaient se répartir les rôles sans personne, pour un objectif que personne ne leur avait fixé. Le jour où ils le feront pour le compte d’une entreprise, la ressource humaine la plus rare deviendra le droit de fixer l’objectif, et il faudra savoir qui, dans l’organigramme, le détient encore.

 

Fabrice Frossard forme et accompagne les équipes de direction sur l’IA avec L’avant-garde.ai, entre formations, conseil et conférences. Si cet article soulève une question pour votre organisation, parlons-en.


En savoir plus sur Fabrice Frossard

Recevez les nouveaux articles par e-mail.

Laisser un commentaire

À lire aussi

En savoir plus sur Fabrice Frossard

Abonnez-vous pour poursuivre la lecture et avoir accès à l’ensemble des archives.

Poursuivre la lecture