Nate B. Jones distingue deux vitesses souvent confondues: celle des capacités de l’IA, qui progresse très rapidement, et celle de leur diffusion réelle dans l’économie, beaucoup plus lente. Les progrès de benchmark ne suffisent pas à transformer les organisations si la confiance, les garde-fous, les pistes d’audit et la supervision humaine ne sont pas en place.
L’écart entre capacité et adoption
La thèse centrale est que les scénarios extrêmes surestiment la vitesse du changement. Les récits catastrophistes supposent un remplacement du travail plus rapide que ce que l’inertie sociale permet; les récits très optimistes supposent une adoption et une intégration plus rapides que ce que les organisations peuvent absorber.
La supervision comme condition de passage à l’échelle
La supervision humaine n’est pas présentée comme un simple ralentisseur. Elle fait partie de l’infrastructure de confiance nécessaire pour déployer l’IA à grande échelle. Sans gouvernance, auditabilité et responsabilité, les capacités restent en avance sur leur usage institutionnel.
À retenir
- Les performances de l’IA peuvent monter beaucoup plus vite que son impact économique observable.
- La “dissipation sociétale” mesure la vitesse à laquelle ces capacités changent réellement le travail, les flux financiers et les institutions.
- L’effet économique de l’IA devrait composer dans le temps, mais depuis une base basse et de façon inégale.
- Le moment actuel s’explique par l’écart entre une courbe technique exponentielle et une courbe d’adoption beaucoup plus plate.
Source
- Chaîne: AI News & Strategy Daily | Nate B Jones
- Vidéo source: https://www.youtube.com/shorts/lNX4m6KmX4U
No comments yet