Mechanize veut automatiser toute l’économie : une promesse qui bouscule le travail

L’intelligence artificielle est souvent présentée comme un outil capable d’aider les salariés. Mechanize pousse cette logique bien plus loin : la jeune entreprise veut développer l’infrastructure qui rendrait possible l’automatisation de la totalité du travail, et donc, à terme, de l’économie. L’ambition est vertigineuse. Elle oblige surtout à distinguer ce que les systèmes d’IA savent déjà faire de ce qu’exigerait réellement une économie sans travail humain.

L’initiative est portée par Tamay Besiroglu, entrepreneur et chercheur en intelligence artificielle, également fondateur d’Epoch, une organisation de recherche consacrée à l’IA. En avril 2025, il a présenté la vision de Mechanize sur la plateforme X : produire les environnements de travail virtuels, les évaluations et les jeux de données nécessaires pour entraîner et mesurer des systèmes capables d’effectuer des activités aujourd’hui réalisées par des personnes.

Derrière cette formulation se trouve un changement d’échelle. Il ne s’agit pas seulement d’ajouter un assistant à un logiciel de bureautique, de générer du texte ou de classer des documents. Mechanize vise des systèmes capables de suivre des consignes, de prioriser, de coordonner des actions et de mener une mission jusqu’à son terme dans des contextes professionnels changeants.

Une ambition : automatiser le travail, pas seulement accélérer une tâche

Mechanize part d’un constat simple : une part immense de la valeur économique mondiale provient du travail rémunéré. Le projet avance que les travailleurs américains perçoivent environ 18 000 milliards de dollars par an, tandis que le total mondial dépasse 60 000 milliards de dollars. Ces montants représentent, pour la startup, la taille théorique du marché auquel l’automatisation pourrait s’attaquer.

Il faut lire ce raisonnement avec précision. Ce chiffre ne désigne pas un marché déjà accessible à une entreprise ni un revenu garanti pour l’IA. Il sert à illustrer l’ampleur des activités humaines potentiellement concernées : travail administratif, coordination de projets, relation client, analyse, production de documents, planification, suivi d’opérations et bien d’autres fonctions intellectuelles ou organisationnelles.

La promesse de Mechanize repose sur une idée : si des agents d’IA devenaient assez fiables pour accomplir ces tâches à moindre coût et sans supervision constante, les entreprises pourraient accroître fortement leur production. Les partisans de l’automatisation intégrale y voient la possibilité d’une croissance économique considérable, d’une abondance accrue et de nouveaux biens ou services qui n’existent pas encore.

Cette perspective demeure toutefois hypothétique. Une économie ne se résume pas à l’addition de tâches exécutées plus vite. Elle repose aussi sur la confiance, la responsabilité juridique, les préférences des clients, la répartition des revenus et la capacité des personnes à acheter les biens et services produits. La faisabilité technique et les conséquences sociales sont donc deux questions distinctes.

Que veut construire Mechanize concrètement ?

La startup ne prétend pas simplement commercialiser un agent autonome prêt à remplacer tous les salariés. Son projet consiste à bâtir les éléments qui permettent de faire progresser de tels systèmes : des environnements de travail virtuels, des repères d’évaluation et des données d’entraînement.

Un environnement de travail virtuel est une reproduction, plus ou moins fidèle, d’un contexte professionnel. Il peut simuler des outils numériques, une boîte de réception, un ensemble de dossiers, un flux de demandes ou une succession de décisions. L’objectif est de placer une IA dans des situations proches de celles rencontrées par un travailleur, puis d’observer si elle atteint le résultat attendu.

Les évaluations, souvent appelées benchmarks dans le secteur, ont une autre fonction : elles permettent de comparer les capacités des modèles. Un système peut sembler convaincant dans une démonstration courte et échouer lorsqu’il doit traiter des informations contradictoires, reprendre une tâche interrompue ou rendre compte d’une erreur. Mesurer ces limites est indispensable avant de confier une activité importante à une machine.

Pour Mechanize, la difficulté centrale ne serait donc pas uniquement de concevoir un modèle plus puissant. Elle serait aussi de créer les données et les cadres de test qui font défaut. Les modèles apprennent à partir d’exemples et progressent grâce à des signaux indiquant si leurs réponses ou leurs actions sont correctes. Or, de nombreuses activités professionnelles sont mal documentées, très dépendantes d’un contexte interne ou difficiles à évaluer automatiquement.

Pourquoi les modèles actuels ne suffisent pas

Les assistants d’IA peuvent déjà rédiger, résumer, traduire, programmer ou extraire de l’information. Mais ces compétences ne garantissent pas qu’ils puissent prendre en charge un travail de bout en bout. Mechanize identifie plusieurs limites des modèles actuels : la fiabilité, la planification à long terme et la gestion de situations imprévues.

La fiabilité est déterminante. Dans un cadre professionnel, une erreur isolée peut avoir des conséquences coûteuses : mauvaise donnée transmise, échéance oubliée, instruction mal interprétée ou décision prise à partir d’une information incomplète. Un système utile doit non seulement réussir souvent, mais aussi savoir quand il n’est pas sûr de lui, demander une validation ou arrêter une action risquée.

La planification dans la durée pose un défi différent. Beaucoup de missions ne s’achèvent pas en une seule interaction. Elles exigent de décomposer un objectif, de mémoriser des choix effectués plusieurs jours auparavant, de changer de priorité et de vérifier régulièrement l’avancement. Les modèles de langage sont particulièrement impressionnants sur des séquences courtes, mais le passage à des projets longs et ouverts reste difficile.

Enfin, le travail réel est rempli d’exceptions. Une demande urgente arrive, un interlocuteur ne répond pas, une règle change, une information manque ou deux objectifs entrent en conflit. Les êtres humains gèrent ces imprévus en mobilisant de l’expérience, une compréhension implicite de l’organisation et parfois un jugement éthique. Reproduire ces capacités dans un environnement informatique est précisément l’un des obstacles que Mechanize veut contribuer à lever.

L’automatisation menace-t-elle forcément des millions d’emplois ?

Le lancement de Mechanize intervient alors que les interrogations sur l’avenir du travail se multiplient. L’IA peut modifier des métiers bien au-delà des secteurs traditionnellement associés aux machines, car elle traite du langage, du code, des images et des informations structurées. Des activités de bureau, de création, d’analyse ou de support peuvent donc être affectées.

Pour autant, il est essentiel de ne pas confondre exposition à l’IA et disparition d’un emploi. Un métier rassemble généralement plusieurs tâches. Certaines sont répétitives et standardisées, d’autres exigent une relation humaine, une responsabilité, une expertise de terrain ou une présence physique. L’IA peut automatiser une partie de ces tâches, transformer l’organisation du poste ou augmenter la productivité d’un salarié sans nécessairement supprimer immédiatement la fonction.

Le risque évoqué par Mechanize est néanmoins profond si des agents deviennent capables d’enchaîner de nombreuses tâches cognitives avec une autonomie durable. Les entreprises pourraient alors revoir leurs recrutements, répartir autrement les responsabilités et réduire certains besoins en main-d’œuvre. Les effets dépendraient des secteurs, des réglementations, de la vitesse d’adoption et des décisions prises par les employeurs comme par les pouvoirs publics.

La question économique est tout aussi importante que la performance technique. Si l’automatisation dégage des gains de productivité majeurs, qui en bénéficie ? Les travailleurs dont les missions évoluent, les consommateurs via des prix plus bas, les entreprises qui déploient l’IA, ou les détenteurs des infrastructures et des données ? Sans réponse collective à cette question, une promesse d’abondance pourrait coexister avec des inégalités accrues.

Des soutiens technologiques pour un projet très spéculatif

Mechanize bénéficie du soutien d’investisseurs connus dans l’écosystème technologique, parmi lesquels Nat Friedman, Daniel Gross et Patrick Collison. Leur implication apporte des moyens financiers et une forme de crédibilité à une initiative encore confrontée à des défis techniques considérables.

Ce soutien ne constitue toutefois pas une preuve que l’automatisation intégrale est proche. Les investisseurs peuvent financer des projets à très long terme et très incertains, précisément parce que leur potentiel, s’ils réussissent, est exceptionnel. Dans le cas de Mechanize, le pari porte autant sur la collecte de données et l’évaluation des agents que sur les progrès futurs des modèles d’IA eux-mêmes.

Le projet s’inscrit aussi dans une compétition plus large. Les entreprises d’IA cherchent à rendre leurs modèles capables d’agir dans des logiciels, de manipuler des informations et d’exécuter des séquences d’actions. Dans cette course, les données de qualité et les tests réalistes peuvent devenir aussi stratégiques que les modèles eux-mêmes. Une IA ne peut être considérée comme compétente dans un métier que si sa performance est mesurée dans des conditions suffisamment proches de la réalité.

Ce qu’il faut surveiller

La trajectoire de Mechanize permettra d’observer si les ambitions d’automatisation totale se traduisent par des outils concrets. Le premier indicateur sera la nature des environnements de travail et des évaluations produits : couvrent-ils des tâches simples et répétitives, ou permettent-ils de tester une réelle autonomie dans des activités complexes ?

Le deuxième enjeu est celui de la supervision humaine. Même un système performant peut devoir être encadré lorsqu’il prend des décisions ayant des conséquences financières, juridiques ou sociales. La possibilité de vérifier ses actions, de corriger ses erreurs et d’identifier les responsabilités sera centrale pour une adoption professionnelle durable.

Enfin, l’avenir du travail ne dépendra pas de Mechanize seul. Il dépendra de la manière dont les entreprises choisissent d’employer l’IA, de la capacité des salariés à accéder à de nouvelles compétences et des règles mises en place pour répartir les gains de productivité. Le projet de Tamay Besiroglu a le mérite de formuler sans détour une ambition souvent implicite dans l’industrie : non plus assister le travail humain, mais chercher à le remplacer. C’est précisément ce qui rend le débat économique et social incontournable.