De la machine à vapeur à l’IA : ce que le XIXe siècle nous apprend

L’intelligence artificielle n’est pas la première technologie à faire naître l’espoir d’une prospérité nouvelle et la peur d’être remplacé. Au XIXe siècle, les machines à vapeur, les métiers mécaniques et le télégraphe ont bouleversé la fabrication des biens, les échanges et les rapports de travail. En décembre 2024, alors que les outils d’IA générative s’installent dans les entreprises et les usages quotidiens, ce précédent historique aide à poser de meilleures questions.

Le parallèle a toutefois ses limites. Une filature mécanisée, un réseau télégraphique et un grand modèle de langage ne fonctionnent pas de la même manière et ne transforment pas les mêmes métiers. L’intérêt de la comparaison est ailleurs : elle rappelle que l’innovation n’agit jamais seule. Ses conséquences dépendent des personnes qui la conçoivent, de celles qui la déploient, des règles collectives et de la façon dont sont répartis ses bénéfices.

Le XIXe siècle a changé le rapport entre travail et machine

La révolution industrielle est un processus long, engagé avant 1800 et poursuivi tout au long du XIXe siècle. L’amélioration des machines à vapeur permet d’actionner des équipements dans les mines, les transports et les usines. Dans le textile, la mécanisation accélère la production et concentre le travail dans de grands ateliers. Le télégraphe, de son côté, réduit radicalement le temps nécessaire à la transmission d’un message sur de longues distances.

Ces inventions ne sont pas seulement des objets techniques. Elles réorganisent la vie économique. Produire plus vite suppose de nouvelles usines, de nouveaux réseaux, des capitaux, des compétences et une discipline de travail différente. Elles déplacent aussi le pouvoir de décision : un artisan qui maîtrisait l’ensemble de son geste peut se retrouver à exécuter une opération limitée dans un système pensé par d’autres.

Le métier Jacquard, piloté par des cartes perforées, est souvent cité parce qu’il matérialise une idée devenue centrale en informatique : une machine peut exécuter une série d’instructions enregistrées sous une forme lisible par elle. Il ne s’agit évidemment pas d’intelligence artificielle. Mais cette séparation entre les instructions et la machine qui les applique constitue une étape importante dans l’histoire de l’automatisation.

Au même siècle, Charles Babbage imagine des machines de calcul générales, tandis qu’Ada Lovelace comprend que des dispositifs de ce type pourraient traiter autre chose que des nombres si l’information était représentée de manière appropriée. Leurs travaux n’ont pas produit un ordinateur opérationnel comparable à ceux du XXe siècle, mais ils ont contribué à façonner l’idée d’une machine programmable.

Le luddisme était-il un rejet des machines ?

Le mot « luddisme » est souvent employé pour désigner toute hostilité au progrès technique. L’histoire est plus complexe. En Grande-Bretagne, les actions attribuées aux luddites se déroulent surtout entre 1811 et 1816. Des ouvriers du textile détruisent certaines machines et s’opposent à des employeurs qui les utilisent dans un contexte de précarité, de dégradation des rémunérations et de transformation brutale des métiers.

Réduire ce mouvement à une peur irrationnelle des machines serait donc trompeur. Les contestataires ne protestaient pas contre l’existence de toute technique. Ils s’opposaient à une organisation de la production qui menaçait leurs conditions de vie et leur capacité à exercer un savoir-faire reconnu. La question centrale était déjà celle de la distribution du pouvoir et des gains de productivité.

C’est en cela que le rapprochement avec l’IA est utile. Lorsqu’un salarié s’inquiète aujourd’hui de voir un logiciel générer des textes, résumer des documents, écrire du code ou produire des images, sa crainte ne porte pas toujours sur la technologie elle-même. Elle concerne son autonomie, la reconnaissance de ses compétences, la charge de travail, le niveau de rémunération ou le risque qu’une direction utilise l’outil pour réduire les effectifs sans négociation.

Les mots changent, mais certaines questions persistent : qui décide de l’introduction d’un nouvel outil ? Qui reçoit les bénéfices de l’automatisation ? Quels métiers doivent évoluer, lesquels doivent être protégés, et quelles formations rendent cette évolution possible ? L’histoire n’apporte pas de réponse automatique, mais elle oblige à ne pas traiter ces préoccupations comme un simple refus du changement.

Ce que l’IA fait réellement, et ce qu’elle ne fait pas

Le terme « intelligence artificielle » recouvre des technologies très différentes. Les systèmes les plus visibles en 2024 sont les grands modèles de langage, souvent désignés par l’acronyme anglais LLM. Entraînés sur de très grandes quantités de textes, ils prédisent des suites de mots plausibles. Cette capacité leur permet de rédiger, traduire, résumer, répondre à des questions ou assister certaines tâches de programmation.

Leur facilité à produire un langage convaincant peut donner l’impression qu’ils comprennent le monde comme un humain. Or leur fonctionnement est différent. Ils repèrent des régularités statistiques dans les données sur lesquelles ils ont été entraînés et génèrent une réponse à partir de ces régularités. Ils peuvent être utiles, mais aussi commettre des erreurs, inventer des références ou reproduire des biais présents dans leurs données et dans leur conception.

C’est pourquoi les présenter comme des machines « autodidactes » ou capables de remplacer indistinctement l’intelligence humaine entretient la confusion. Un modèle peut accomplir rapidement une tâche définie, sans avoir l’expérience, le jugement moral, la responsabilité juridique ou la compréhension d’une situation que l’on attend d’une personne.

Les réflexions d’Alan Turing, publiées au milieu du XXe siècle, restent importantes pour comprendre ce débat. Dans son article de 1950, le mathématicien propose notamment de remplacer la question abstraite « les machines peuvent-elles penser ? » par un test fondé sur une conversation. Cette démarche a structuré la recherche en informatique et en IA. Elle ne constitue pas une preuve que les systèmes actuels pensent, ni qu’ils dépassent l’être humain dans tous les domaines.

L’automatisation transforme des tâches avant de transformer des métiers

Les craintes de « chômage massif » accompagnent fréquemment les vagues d’automatisation. Elles méritent d’être prises au sérieux, sans céder aux scénarios mécaniques. Un métier est un ensemble de tâches, de savoirs, de relations et de responsabilités. Lorsqu’un outil automatise une tâche, il ne fait pas nécessairement disparaître tout le métier. Il peut modifier la répartition du temps, les compétences demandées et le nombre de postes nécessaires.

Dans un service client, par exemple, un système d’IA peut proposer des réponses standardisées ou résumer un échange. La personne reste pourtant nécessaire pour traiter une réclamation complexe, expliquer une décision, corriger une erreur ou prendre en compte une situation particulière. Dans une rédaction, l’IA peut aider à transcrire, classer ou reformuler, mais elle ne remplace pas le travail de vérification, le choix des sujets, l’enquête ni la responsabilité éditoriale.

Le risque social se situe donc autant dans les modalités du déploiement que dans la performance du logiciel. Une entreprise peut choisir d’utiliser l’IA pour alléger les tâches répétitives et former ses équipes. Elle peut aussi s’en servir pour intensifier le contrôle, imposer des objectifs irréalistes ou remplacer des postes sans accompagner les salariés. Ces choix ne sont pas inscrits dans la technologie.

La question de l’accès est tout aussi importante. Si les outils les plus puissants, les données et les infrastructures sont concentrés entre un petit nombre d’acteurs, les bénéfices économiques peuvent l’être aussi. À l’inverse, une diffusion encadrée, des compétences partagées et des règles de concurrence peuvent permettre à davantage d’organisations et de travailleurs de tirer parti de l’IA.

Pourquoi la gouvernance de l’IA devient indispensable

La régulation n’est pas un frein extérieur ajouté après coup à une technologie neutre. Au XIXe siècle, les transformations industrielles ont fait émerger des débats sur la durée du travail, la sécurité des machines et le travail des enfants. Ces règles ont été conquises et construites parce que l’organisation spontanée du marché ne protégeait pas suffisamment les personnes exposées aux conséquences de l’industrialisation.

En Europe, une étape importante a été franchie avec le règlement sur l’intelligence artificielle, ou AI Act. Le texte est entré en vigueur le 1er août 2024. Il adopte une logique fondée sur le risque : plus un système est susceptible d’affecter la sécurité ou les droits fondamentaux, plus les obligations prévues sont fortes. Certaines pratiques sont interdites, tandis que les systèmes dits à haut risque sont soumis à des exigences particulières.

Le règlement ne répondra pas seul à toutes les interrogations. Il faudra aussi discuter de la protection des données, de la transparence des contenus générés, du droit d’auteur, des biais discriminatoires, de la sécurité informatique et des conditions d’utilisation de l’IA au travail. Les entreprises ont un rôle décisif : informer les équipes, évaluer les effets d’un outil avant son déploiement et maintenir une supervision humaine lorsque les décisions ont des conséquences importantes.

La gouvernance concerne enfin les concepteurs de modèles. Documenter les limites d’un système, signaler ses usages inadaptés, organiser les retours des utilisateurs et permettre des audits sont autant de moyens de réduire l’écart entre une démonstration technique et une utilisation responsable à grande échelle.

Ce qu’il faut surveiller

Le XIXe siècle n’est pas un mode d’emploi pour l’IA de 2024. Il ne permet ni de prédire exactement le nombre d’emplois qui évolueront ni de trancher la question de savoir quelles capacités atteindront les futurs modèles. Il offre néanmoins une leçon durable : l’adoption d’une machine est toujours un choix social autant que technique.

Dans les années à venir, il faudra donc suivre moins les seules promesses de performance que les conditions concrètes d’usage : les tâches réellement automatisées, la qualité des formations proposées, l’évolution des emplois, le partage des gains de productivité et l’application effective des règles européennes. Entre fascination technologique et rejet réflexe, l’enjeu est de garder la capacité collective à décider ce que les machines doivent faire, et ce qu’elles ne doivent pas décider à notre place.