Mechanize veut automatiser tous les emplois : promesse industrielle et choc social

En avril 2025, alors que l’intelligence artificielle quitte les laboratoires pour s’installer dans les logiciels de bureau, les usines et les services, une jeune pousse américaine affiche une ambition inhabituelle par son ampleur. Mechanize ne promet pas seulement d’accélérer certaines tâches : elle dit vouloir réunir les conditions techniques nécessaires à l’automatisation complète de tous les travaux, et donc, à terme, de l’économie elle-même.

Derrière ce projet se trouve Tamay Besiroglu, entrepreneur américain et chercheur en intelligence artificielle. Sa thèse est simple dans sa formulation, beaucoup plus complexe dans son exécution : si des systèmes d’IA peuvent apprendre à évoluer dans des versions virtuelles d’environnements professionnels réels, ils pourront progressivement prendre en charge un nombre croissant de missions aujourd’hui accomplies par des personnes. Cette perspective fait miroiter une hausse spectaculaire de la production. Elle ouvre aussi un débat frontal sur l’emploi, les revenus et le contrôle de ces nouveaux outils.

Ce que Mechanize entend automatiser

Mechanize se présente comme une entreprise d’infrastructure pour l’automatisation. Son objectif n’est pas seulement de vendre un assistant conversationnel ou un logiciel spécialisé à une profession. La société veut produire trois briques essentielles : des environnements de travail virtuels, des repères d’évaluation, aussi appelés benchmarks, et des données d’entraînement.

L’idée est de reproduire, dans des simulations, les conditions concrètes d’un travail : des outils numériques à manipuler, des consignes parfois incomplètes, des priorités qui évoluent, des obstacles imprévus et des échanges avec d’autres personnes. Une IA ne serait donc pas jugée uniquement sur sa capacité à répondre correctement à une question isolée. Elle devrait réussir une séquence d’actions cohérentes dans un contexte professionnel.

Cette nuance est importante. Dans un emploi réel, le travail ne se résume presque jamais à remplir un formulaire ou à rédiger un message. Il faut souvent interpréter une demande ambiguë, retrouver une information dans plusieurs systèmes, faire valider une décision, changer de priorité lorsqu’un incident survient et rendre compte du résultat. Mechanize vise précisément ce type de tâches ordinaires mais composites, notamment la coordination avec d’autres personnes, la réorganisation du travail face aux imprévus et l’usage de logiciels dans des situations variées.

Pourquoi simuler le travail dans des environnements virtuels ?

Les systèmes d’IA générative sont généralement entraînés sur de très grandes quantités de textes, d’images ou de code. Cette méthode leur permet de produire du contenu convaincant et, dans certains cas, de résoudre des problèmes bien délimités. Mais elle ne suffit pas automatiquement à former un agent capable de travailler de façon durable dans une entreprise ou une administration.

Pour apprendre à accomplir un travail, une IA doit pouvoir essayer des actions, observer leurs conséquences et recevoir un retour sur la qualité du résultat. C’est le rôle que pourraient jouer les environnements virtuels imaginés par Mechanize. Plutôt que de tester directement un système dans une situation sensible, par exemple sur les outils d’un client ou dans une chaîne de production, l’entreprise peut créer une réplique simulée où l’agent s’exerce.

Cette approche répond aussi à une difficulté très concrète : les données professionnelles pertinentes sont rarement disponibles librement. Elles peuvent contenir des informations confidentielles, des secrets d’affaires ou des données personnelles. Une simulation n’efface pas ces enjeux, car il faut toujours qu’elle représente fidèlement la réalité. Elle peut néanmoins offrir un cadre plus contrôlé pour définir les objectifs, multiplier les essais et comparer les performances de plusieurs modèles.

Les benchmarks ont, eux, une fonction moins visible mais déterminante. Ils servent à distinguer une démonstration impressionnante d’une capacité réellement exploitable. Un système qui réussit une fois une tâche de gestion n’est pas forcément prêt à la prendre en charge à grande échelle. Il faut savoir s’il obtient le bon résultat de manière répétée, s’il détecte ses erreurs, s’il respecte les règles et s’il sait demander de l’aide lorsque la situation sort de son champ de compétence.

Un marché calculé à l’échelle des salaires mondiaux

L’ampleur de l’ambition de Mechanize se lit dans les montants avancés autour du travail humain. Aux États-Unis, les travailleurs perçoivent environ 18 000 milliards de dollars par an. À l’échelle mondiale, ce total dépasse 60 000 milliards de dollars annuels. Ces chiffres ne constituent pas le chiffre d’affaires d’un marché classique : ils donnent une mesure de la valeur économique associée au travail rémunéré que l’automatisation pourrait, en théorie, chercher à transformer.

Pour les promoteurs de l’automatisation, l’équation est séduisante. Si des systèmes peuvent accomplir davantage de tâches à faible coût et sans interruption, les entreprises peuvent produire plus vite, élargir leur offre et faire baisser le prix de certains biens et services. Besiroglu associe cette possibilité à une forme d’abondance économique, avec de nouveaux produits et services difficiles à imaginer aujourd’hui.

Il faut toutefois éviter un raccourci : les 60 000 milliards de dollars de rémunérations mondiales ne se convertiraient pas mécaniquement en richesse disponible ou en profits. L’automatisation suppose des investissements dans les logiciels, les serveurs, l’énergie, la maintenance, la cybersécurité et l’intégration dans les organisations. Elle nécessite aussi des données fiables et des responsables capables de vérifier les résultats. Enfin, l’activité économique dépend de la demande : si des travailleurs perdent une partie de leurs revenus sans mécanisme de redistribution ou sans nouveaux débouchés, leur capacité à consommer peut elle aussi être affectée.

L’enjeu n’est donc pas uniquement de savoir si une IA peut réaliser une tâche. Il est aussi de déterminer qui possède les outils, qui bénéficie des gains de productivité et comment une société répartit les revenus lorsque la part du travail humain recule dans certaines activités.

Les limites actuelles de l’IA face au travail réel

La promesse d’une automatisation totale se heurte, en avril 2025, à des limites techniques que Mechanize reconnaît elle-même vouloir résoudre. Les modèles d’IA actuels peuvent se montrer peu fiables. Ils produisent parfois une réponse erronée avec assurance, interprètent mal une instruction ou perdent le fil lorsqu’une mission comporte trop d’étapes.

La gestion du contexte est un autre obstacle majeur. Dans une organisation, une décision dépend souvent d’informations anciennes, de règles internes, d’exceptions et d’échanges avec plusieurs interlocuteurs. Conserver ces éléments, comprendre lesquels sont pertinents et mettre à jour son raisonnement au bon moment reste difficile pour les systèmes actuels, en particulier sur une longue durée.

Enfin, exécuter un plan à long terme exige davantage que de générer la prochaine phrase plausible. Un agent doit décomposer l’objectif, choisir l’ordre des actions, vérifier les conséquences de chacune, s’adapter lorsqu’un outil ne répond pas et éviter de répéter une erreur. Il doit également savoir quand l’incertitude devient trop élevée pour agir sans validation humaine. C’est dans cet écart entre une démonstration ponctuelle et une autonomie robuste que se situe le défi central de Mechanize.

La société mise donc sur la création de données et d’évaluations plus proches des réalités professionnelles pour faire progresser les modèles. La logique est celle d’un cercle d’amélioration : mieux définir le travail, mieux mesurer les échecs, entraîner les systèmes sur ces difficultés, puis tester à nouveau. Reste une question essentielle : des simulations, même sophistiquées, seront-elles assez proches de la diversité des situations humaines pour garantir un comportement fiable dans le monde réel ?

L’emploi, première zone de friction sociale

L’expression d’automatisation totale frappe parce qu’elle met directement en cause le rôle économique du travail. Des outils d’IA peuvent déjà assister la rédaction, la programmation, l’analyse de documents, le service client ou la maintenance. Lorsqu’ils deviennent plus autonomes, ils peuvent modifier la répartition des tâches dans une équipe, réduire le temps nécessaire à certaines opérations ou changer les compétences demandées à l’embauche.

Le scénario le moins brutal est celui d’une transformation des métiers : les salariés délèguent une partie des tâches répétitives à des outils et se concentrent sur la relation, la supervision, la décision ou les cas complexes. Mais ce résultat n’est pas automatique. Une entreprise peut aussi choisir de réduire ses effectifs si elle estime qu’un système couvre une portion suffisante de l’activité. Les effets dépendront des secteurs, de la vitesse d’adoption, des règles du travail et du rapport de force entre employeurs et salariés.

Pour les travailleurs, la question ne se limite pas à la disparition éventuelle de postes. Elle concerne aussi la qualité du travail restant. Une personne peut devenir responsable de surveiller plusieurs agents automatisés, devoir intervenir uniquement en cas de problème, ou être évaluée à un rythme dicté par les outils. À l’inverse, l’IA peut alléger des tâches administratives fastidieuses et rendre certaines fonctions plus accessibles. Ces deux trajectoires peuvent coexister selon les organisations.

L’ambition de Mechanize rend ces choix plus urgents parce qu’elle ne s’intéresse pas à un seul secteur. Si l’objectif est réellement de modéliser toutes les formes de travail, les métiers de bureau ne sont pas les seuls concernés. Les professions utilisant des logiciels, des processus standardisés et des échanges documentés peuvent être particulièrement exposées à une automatisation progressive. Les tâches physiques, relationnelles ou réalisées dans des environnements imprévisibles posent d’autres défis, mais elles ne sont pas hors du champ d’une économie de plus en plus outillée par l’IA.

Des investisseurs et un secteur déjà en mouvement

Mechanize bénéficie du soutien d’investisseurs et de figures reconnues dans la technologie, parmi lesquels Nat Friedman, Daniel Gross, Patrick Collison et Jeff Dean. Ce soutien doit aider la jeune pousse à financer la construction de ses environnements, de ses évaluations et de ses jeux de données. Aucun montant de financement n’est précisé dans les éléments rendus publics autour de cette annonce.

L’entreprise ne se développe pas dans un vide industriel. Dans d’autres domaines, des groupes cherchent déjà à intégrer des assistants et des systèmes automatisés dans leurs processus. Siemens, par exemple, teste des copilotes intelligents dans l’objectif de faire évoluer la maintenance industrielle. Ces initiatives illustrent une dynamique plus large : avant même une automatisation générale, l’IA s’insère dans des métiers précis, où l’on cherche à réduire les temps d’arrêt, accélérer l’accès à l’information ou assister le diagnostic.

La différence tient à l’échelle. Un copilote de maintenance est conçu pour un contexte industriel particulier et reste, par définition, un outil d’assistance. Mechanize affiche une visée transversale : développer les fondations qui permettraient à des agents d’IA de s’entraîner et d’être évalués dans une multitude de contextes professionnels.

Ce qu’il faut surveiller

La première question à suivre sera celle des preuves. Pour passer d’une ambition à un changement économique concret, Mechanize devra montrer que ses environnements virtuels produisent des systèmes plus fiables sur des tâches longues et variées. Les démonstrations les plus utiles seront celles qui préciseront le taux d’erreur, les conditions de test, les situations où l’agent échoue et la place laissée au contrôle humain.

La deuxième concerne la sécurité et la responsabilité. Un agent qui accède à des outils numériques peut potentiellement modifier un document, envoyer une information, déclencher une procédure ou prendre une décision ayant des conséquences financières. Plus l’autonomie augmente, plus les mécanismes de validation, de traçabilité et de limitation des accès deviennent importants. L’innovation devra donc s’accompagner de garde-fous adaptés aux risques.

Enfin, le débat public devra s’intéresser autant à la distribution des bénéfices qu’à la performance technique. La promesse d’une économie plus productive peut être réelle sans garantir que chacun en profite. Les réponses apportées par les entreprises, les pouvoirs publics et les partenaires sociaux sur la formation, l’accompagnement des transitions et la protection des travailleurs pèseront autant que les progrès des modèles. Mechanize place cette interrogation à une échelle radicale : non plus seulement automatiser une tâche, mais redéfinir ce que devient le travail lorsque les machines peuvent en assumer une part croissante.