Nina Schick : comment l’IA générative recompose entreprises, politique et société

Au 10 avril 2025, l’intelligence artificielle générative est déjà sortie des laboratoires et des démonstrations techniques. Elle rédige, résume, traduit, crée des images, assiste la programmation et produit des voix ou des vidéos de synthèse. Mais, pour l’auteure et analyste Nina Schick, l’enjeu ne se limite pas à l’arrivée d’outils plus pratiques : cette technologie est susceptible de déplacer les équilibres entre entreprises, institutions politiques et citoyens.

Son regard porte autant sur les conséquences collectives que sur la technique elle-même. En rapprochant la période actuelle du développement d’Internet dans les années 1990, elle propose une grille de lecture utile : les usages visibles au départ ne donnent qu’une idée partielle des transformations qui suivent, lorsque de nouvelles infrastructures, de nouveaux modèles économiques et de nouvelles règles s’installent.

Nina Schick voit dans l’IA générative un changement de cadre

L’IA générative désigne des systèmes capables de produire de nouveaux contenus à partir de consignes et de données apprises durant leur entraînement. Texte, image, son, vidéo, code informatique ou synthèse de documents : ces modèles peuvent générer très vite des productions qui auraient auparavant demandé une intervention humaine directe à chaque étape.

Cette capacité explique le parallèle fait par Nina Schick avec les débuts d’Internet. Le réseau n’a pas seulement créé des sites web : il a remodelé le commerce, les médias, les communications, l’accès au savoir et les rapports entre plateformes et utilisateurs. De façon comparable, l’IA générative pourrait devenir une couche technologique présente dans de nombreuses activités intellectuelles et créatives.

L’analyste insiste ainsi sur l’ampleur potentielle du basculement. Sa formation non technique nourrit une approche tournée vers les tendances macroéconomiques et les implications sociales : qui contrôle les outils, qui bénéficie des gains de productivité, quelles activités changent, et quelles règles permettent d’éviter que l’innovation ne se fasse au détriment de la confiance ou de l’équité.

Il ne s’agit pas de considérer tout résultat produit par une IA comme une vérité ou une décision autonome. Un modèle génère une réponse à partir de régularités statistiques apprises dans ses données. Il peut se tromper, reproduire des biais, inventer une référence ou produire un contenu convaincant mais faux. Les personnes et organisations qui choisissent de le déployer restent donc responsables de l’usage qui en est fait.

Pourquoi les entreprises y voient un moteur de productivité

Selon Nina Schick, l’IA générative peut agir comme un moteur pour les activités dites créatives et intelligentes. Cette expression recouvre une large part du travail de bureau et des métiers de la connaissance : préparer un premier brouillon, trier des informations, rédiger une note, produire une présentation, assister une analyse ou développer une ébauche de code.

Le point décisif est que l’outil ne transforme pas seulement une tâche isolée. Lorsqu’il est intégré à un processus bien défini, il peut modifier la manière dont une équipe prépare, vérifie, partage et améliore son travail. Les premiers cas d’usage invitent donc les organisations à se demander non seulement quels outils acheter, mais quels processus revoir et quelles compétences développer.

La promesse de productivité ne doit toutefois pas être confondue avec un gain automatique. Une réponse rapide mais erronée peut créer du travail supplémentaire. De même, confier des documents confidentiels à un service inapproprié peut présenter un risque pour l’entreprise et ses clients. La valeur durable dépend de la qualité des données, de l’organisation du travail, de la formation des équipes et de la capacité à déterminer les tâches où l’outil apporte réellement quelque chose.

Pour les dirigeants, l’enjeu évoqué par Schick est donc une réforme des modèles d’affaires et des habitudes de décision. Une stratégie solide commence par l’identification de problèmes précis, puis par l’évaluation du résultat obtenu. Elle ne se réduit pas à multiplier les démonstrations ou à chercher un gain immédiat.

Une question politique autant que technologique

L’IA générative est aussi, pour Nina Schick, l’une des questions politiques majeures de son époque. La raison est simple : une technologie qui abaisse fortement le coût de production de textes, d’images, de vidéos et de voix modifie les conditions dans lesquelles circule l’information. Elle peut enrichir l’accès à la connaissance, mais aussi rendre plus difficile l’identification de contenus manipulés ou fabriqués.

Dans le débat public, la question ne porte donc pas uniquement sur les capacités d’un logiciel. Elle concerne également la confiance entre citoyens, médias, entreprises et institutions. Lorsqu’un contenu réaliste peut être produit et diffusé à grande échelle, il devient essentiel de savoir qui l’a créé, dans quel objectif et avec quelles garanties de fiabilité.

Les rapports de pouvoir mondiaux sont également concernés. Les modèles les plus avancés exigent des données, des compétences spécialisées, une puissance de calcul importante et des infrastructures numériques. La maîtrise de ces ressources peut contribuer à renforcer l’influence économique et politique des pays et des entreprises qui les possèdent. La question de l’IA se rattache ainsi à la compétitivité, à la sécurité, à l’accès à l’information et à la souveraineté technologique.

L’Europe a engagé un cadre réglementaire avec le règlement sur l’intelligence artificielle, ou AI Act, entré en vigueur en août 2024 et appelé à s’appliquer progressivement. Son principe est d’imposer des obligations proportionnées aux risques des systèmes. Ce cadre ne répond pas à toutes les questions soulevées par l’IA générative, mais il illustre le fait que la technologie est désormais traitée comme un enjeu de gouvernance publique.

Le métavers, une promesse encore ouverte

Dans cette réflexion, le métavers représente une vision possible de l’évolution d’Internet vers des environnements numériques plus immersifs. L’idée est de permettre des interactions qui ne passent plus seulement par des pages, des messages et des écrans traditionnels, mais aussi par des espaces virtuels partagés, des objets numériques et des interfaces plus intuitives.

Nina Schick présente l’IA comme un élément susceptible de soutenir la construction de tels univers. Créer manuellement chaque décor, personnage, dialogue ou objet interactif demande des moyens considérables. Des outils génératifs pourraient aider à produire ces éléments, à personnaliser certains environnements et à rendre les interactions numériques plus fluides.

Cette perspective reste cependant à définir pleinement. L’existence d’outils génératifs ne suffit pas à faire émerger un métavers largement adopté. Il faut aussi résoudre des questions de matériel, d’interopérabilité entre services, de modération des comportements, de protection des données personnelles et de modèle économique. L’IA peut faciliter la création de contenus, sans déterminer à elle seule l’avenir des usages numériques.

Les défis éthiques concernent les données, les biais et le travail

La réflexion de Nina Schick place les enjeux éthiques au même niveau que les perspectives économiques. L’IA générative repose sur de grandes quantités de données et sur des choix humains : sélection des données d’entraînement, conception du modèle, règles de sécurité, interface proposée aux utilisateurs et contexte de déploiement. Il serait donc trompeur de présenter ses résultats comme neutres par nature.

Plusieurs questions reviennent systématiquement :

• La provenance des données : les créateurs, les entreprises et le public cherchent à comprendre quelles données ont servi à entraîner les systèmes et dans quelles conditions.
• Les biais et l’équité : un modèle peut reproduire des stéréotypes ou des déséquilibres présents dans les données dont il a appris.
• La responsabilité : lorsqu’un contenu erroné ou préjudiciable est généré, il faut pouvoir identifier l’organisation et les personnes chargées de le contrôler.
• Les effets sur l’emploi : certaines tâches peuvent être automatisées ou profondément modifiées, ce qui impose d’anticiper l’évolution des rôles et des compétences.
• L’accès à la technologie : les gains ne seront pas distribués de la même façon si les outils, les données et l’infrastructure restent concentrés entre un petit nombre d’acteurs.

L’impact sur le marché du travail mérite une lecture nuancée. L’IA générative agit souvent d’abord sur des tâches, et non sur un métier entier. Elle peut accélérer la production d’un premier résultat, tandis que la définition du besoin, la vérification, la relation humaine, l’arbitrage et la responsabilité restent essentiels. Le risque, pour les organisations, serait de ne mesurer que ce qui est automatisable et de négliger les compétences nécessaires pour encadrer, corriger et contextualiser les sorties des modèles.

La réponse ne passe pas seulement par des chartes générales. Les entreprises ont besoin de règles concrètes sur les outils autorisés, les données pouvant être utilisées, les contrôles à réaliser et les personnes qui valident les résultats. Les salariés, de leur côté, doivent pouvoir acquérir une compréhension suffisante des outils afin de les utiliser avec discernement plutôt que de les subir.

Pourquoi les lieux de débat comptent aussi

Les événements consacrés à l’IA et aux données, tels que AI & Big Data Expo, organisés notamment à Amsterdam, en Californie et à Londres, témoignent de l’intérêt croissant pour ces transformations. Ils réunissent entreprises, spécialistes des données, responsables technologiques et décideurs autour des applications concrètes, de la créativité, de l’infrastructure et des règles d’usage.

Ces rendez-vous ne remplacent pas un débat démocratique, mais ils permettent de confronter les promesses commerciales aux contraintes opérationnelles. Pour une organisation, c’est l’occasion de distinguer les démonstrations spectaculaires des usages qui peuvent être maintenus dans la durée. Pour le grand public, le débat rappelle que les orientations prises par l’industrie auront des conséquences bien au-delà du secteur technologique.

Ce qu’il faut surveiller dans les prochaines années

L’analyse de Nina Schick invite à déplacer la question. Il ne s’agit plus seulement de demander ce qu’une IA générative peut produire aujourd’hui, mais de regarder comment elle redistribue les capacités d’agir dans une économie et dans une société. Les entreprises devront démontrer que les gains annoncés se traduisent en qualité, en sécurité et en valeur durable. Les pouvoirs publics devront adapter les règles sans perdre de vue la protection des droits et la capacité d’innovation.

Pour les citoyens, le défi sera aussi informationnel. Apprendre à questionner l’origine d’un contenu, à ne pas confondre fluidité et fiabilité, et à comprendre les limites d’un outil devient une forme de culture numérique. Les contenus synthétiques peuvent être utiles, créatifs et accessibles. Ils rendent en même temps plus nécessaire l’exercice du jugement.

Enfin, la question de la répartition des bénéfices restera centrale. Si l’IA générative devient, comme le pense Nina Schick, une infrastructure des activités créatives et intellectuelles, son influence dépendra moins de la seule prouesse technique que des choix collectifs qui accompagnent son déploiement : formation, concurrence, transparence, responsabilité et accès équitable aux opportunités.