Métier

La génération qu’on n’aura pas formée

Automatiser le travail junior peut préserver le savoir tout en brisant le mécanisme qui formait les experts.

Voici une question que presque aucune profession experte ne s’est jamais posée, pour la simple raison qu’elle ne s’était jamais posée à elle : une profession peut-elle conserver son savoir tout en cessant de produire les personnes capables de le comprendre, de le contester et de le renouveler ? La question paraît abstraite. Elle est en train de devenir, sous l’effet de l’intelligence artificielle, l’une des plus concrètes et des plus urgentes qui soient. Car toutes les professions expertes partagent un mécanisme de reproduction discret, jamais formalisé, et que l’IA vient précisément défaire.

Ce mécanisme tient en une phrase, et cette phrase vaut pour le droit comme pour la médecine, l’aviation, l’architecture ou l’ingénierie : toute profession fabrique ses experts en faisant faire aux débutants le travail que les experts ne font plus. Le chirurgien chevronné n’ouvre plus, ne suture plus les gestes élémentaires ; l’interne le fait, et c’est en le faisant qu’il devient chirurgien. Le commandant de bord ne remplit plus les vérifications de routine ; le copilote les fait, et c’est en les faisant qu’il apprend à commander. L’associé ne rédige plus la première version ni ne compare les clauses ; le collaborateur le fait, et c’est en le faisant qu’il apprend à juger. Partout, le débutant hérite du travail dont l’expert s’est déchargé, et ce travail est exactement ce qui le transforme en expert.

Toute profession fabrique ses experts en faisant faire aux débutants le travail que les experts ne font plus.

Le mécanisme que personne n’avait formalisé

Ce mécanisme a une propriété remarquable : il n’a jamais été conçu. Aucune profession ne l’a institué délibérément ; il s’est imposé de lui-même, comme une conséquence naturelle de la division du travail entre ceux qui savent et ceux qui apprennent. On confiait aux débutants les tâches les plus basses par économie, parce qu’il eût été absurde d’y employer les experts, et la formation venait par surcroît, sans qu’on l’ait voulue ni nommée. Le système fabriquait ses propres experts comme effet secondaire de sa production courante, et cette gratuité apparente masquait une dépendance profonde : chaque profession se reproduisait par le bas, à travers le travail que tous jugeaient le moins noble.

Parce qu’il n’a jamais été conçu, ce mécanisme est fragile d’une fragilité particulière : il peut être détruit sans que personne ne l’ait décidé, simplement en retirant les tâches qui le portaient. Or c’est exactement ce que fait l’automatisation. Quand une machine prend en charge la suture élémentaire, la vérification de routine, la première recherche, la première version, elle rend un service évident, et personne ne songe à s’en plaindre. Mais elle retire, du même geste, le support matériel par lequel un débutant devenait expert. Le travail visible est absorbé ; la formation invisible qui s’y logeait disparaît avec lui, sans bruit, sans décision, sans que rien dans les indicateurs ne le signale.

Le droit affronte cette dynamique tôt, parce que l’IA y automatise vite les tâches juniors : recherches, revues, comparaisons de clauses, premières versions, synthèses. Mais il serait faux de croire le phénomène propre au droit. Il guette toute profession dont l’IA saura exécuter le travail d’entrée. La médecine assistée, l’ingénierie assistée, le conseil assisté rencontreront la même érosion, décalée seulement dans le temps. Le droit n’est pas l’exception ; il est l’avant-poste, le lieu où l’on peut observer, en avance, ce qui attend toutes les professions expertes lorsque la machine absorbe le travail par lequel elles se reproduisaient.

On peut mesurer la portée du phénomène en observant qu’il ne dépend ni du métier ni de la nature des tâches, mais d’une structure commune à toutes les expertises. Partout, l’expert est celui qui a cessé de faire le travail élémentaire parce qu’il l’a dépassé ; partout, le débutant est celui à qui ce travail échoit, et qui s’en trouve formé. Cette structure est si générale qu’elle traverse des métiers qui n’ont rien d’autre en commun : un bloc opératoire, un cockpit, un cabinet, un bureau d’études obéissent au même principe de reproduction. C’est précisément parce que ce principe est universel que l’automatisation du travail d’entrée pose, à toutes ces professions à la fois, la même menace silencieuse.

Ce mécanisme n’a jamais été conçu. C’est pourquoi il peut être détruit sans que personne ne l’ait décidé.

Le paradoxe de la qualité

Un paradoxe rend la destruction plus difficile encore à percevoir. À court terme, l’IA élève la qualité moyenne du travail des débutants. Le collaborateur assisté produit une meilleure recherche, l’interne assisté commet moins d’erreurs, le jeune ingénieur assisté livre un calcul plus propre. Vue de la qualité immédiate, l’automatisation est un progrès net, et c’est ce que montrent tous les indicateurs qu’on regarde. Rien, dans les tableaux de bord, ne signale le problème ; au contraire, tout y paraît s’améliorer, ce qui est la manière la plus sûre de ne pas voir venir le danger.

Car cette élévation de la qualité immédiate se paie d’une érosion de la formation profonde. Le débutant dont le travail est fait, ou pré-fait, par la machine obtient un meilleur résultat sans avoir parcouru le trajet qui, seul, dépose le jugement. Il livre mieux et apprend moins. À l’échelle d’une tâche, le gain est réel ; à l’échelle d’une carrière, la perte est masquée par le gain, ce qui la rend presque impossible à percevoir tant qu’on ne mesure que le livrable. On produit une génération qui rend, à âge égal, un travail de meilleure qualité que la précédente, et qui aura pourtant moins appris à juger par elle-même.

Le paradoxe complet est alors le suivant : l’IA s’appuie sur l’expertise accumulée par une génération, celle des experts formés à l’ancienne qui savent la superviser et la corriger, tout en supprimant les expériences qui permettraient à la génération suivante d’acquérir la même expertise. Elle fonctionne parce qu’il existe encore des experts pour la tenir ; elle compromet la fabrication des experts qui devront la tenir demain. Toute profession qui automatise son travail d’entrée vit ainsi sur un capital de compétence qu’elle n’aide plus à renouveler, et cette dette ne se déclare que lorsque la génération formée à l’ancienne s’en va.

Ce délai entre la cause et son effet est ce qui rend le phénomène si redoutable. Une profession peut automatiser son travail d’entrée aujourd’hui et n’en ressentir les conséquences que dans quinze ou vingt ans, quand la génération formée à l’ancienne partira à la retraite sans avoir été remplacée à l’identique. Entre-temps, tout paraîtra aller pour le mieux : des livrables de meilleure qualité, des coûts réduits, des débutants apparemment plus performants. Le signal d’alarme n’apparaîtra qu’au moment où il faudra, pour la première fois, s’appuyer sur des experts qui n’auront pas été fabriqués par l’ancien mécanisme, et où l’on découvrira qu’ils ne savent pas ce que leurs aînés savaient. À ce stade, la correction demandera une génération entière, car on ne rattrape pas en deux ans un trajet de formation qui en demandait quinze.

L’IA vit sur l’expertise d’une génération, tout en supprimant les expériences qui formeraient la suivante.

Ce que le trajet déposait vraiment

Pour saisir l’enjeu, il faut être précis sur ce que le trajet déposait, car ce n’était pas du savoir au sens des connaissances. Les connaissances, un débutant les a déjà en sortant de l’école. Ce qui lui manque, et que seul le travail donne, est d’un autre ordre : la capacité de reconnaître, dans un cas concret, lequel des principes appris s’applique et lequel trompe ; le sens du danger, cette alarme intérieure qui fait qu’un praticien expérimenté sait, avant de pouvoir l’expliquer, qu’une situation cloche. Ce sens ne s’enseigne pas, il se contracte, par exposition répétée à des cas réels et par la correction de ses propres erreurs.

Or c’est exactement cette exposition que le travail d’entrée fournissait, et que l’automatisation retire. Chaque recherche ratée puis reprise, chaque geste d’abord maladroit puis corrigé, chaque première version démolie par un aîné était une occasion de contracter ce sens. Le débutant n’apprenait pas en réussissant, il apprenait en se trompant sous supervision, dans un cadre où l’erreur était permise parce qu’elle serait rattrapée. Retirer les tâches, c’est retirer les occasions de se tromper utilement, et donc le mécanisme même par lequel le jugement se forme. On ne perd pas un simple exercice ; on perd le droit à l’erreur formatrice, qui est le cœur de tout apprentissage expert.

C’est ce qui distingue la formation profonde d’un transfert d’information. On peut expliquer à un débutant pourquoi telle situation est dangereuse ; il le retiendra, mais il ne le saura pas de la manière dont le sait celui qui s’est fait piéger une fois. Le savoir transmis par explication reste extérieur, disponible mais froid ; le savoir contracté par l’expérience devient un réflexe, disponible sous pression, dans l’urgence, quand il n’y a plus le temps de raisonner. C’est ce second savoir, le seul qui tienne dans le feu d’un cas réel, que le trajet déposait et que rien, pour l’instant, ne remplace.

On n’apprend pas à juger en réussissant, mais en se trompant sous supervision. L’IA retire précisément ces occasions.

Reproduire, non conserver

Il serait facile, et faux, de conclure qu’il faut préserver artificiellement le travail répétitif pour continuer à former les débutants. Cette réponse est défensive, peu crédible, intenable : aucune profession ne renoncera à un gain réel pour maintenir un exercice pédagogique déguisé, et aucun client, aucun patient, aucun passager n’acceptera de payer une inefficacité au nom de la formation. Regretter le monde d’avant ne forme personne. La vraie question n’est pas comment retenir ce qui s’en va, mais comment reconstruire, autrement, la fonction que ce travail remplissait sans qu’on l’ait jamais organisée.

Et puisque cette fonction n’a jamais été conçue, on peut enfin la concevoir. Là où la formation se déposait par accident dans le travail d’entrée, elle doit désormais être portée par une architecture explicite de transmission, pensée, voulue, inscrite dans la manière même dont l’automatisation est déployée. Rendre visible le raisonnement qui a conduit au résultat, et pas seulement le résultat. Montrer les options écartées autant que celle retenue, car c’est dans le tri que se forme le jugement. Organiser une délégation progressive selon le niveau. Transformer la vérification en exercice d’apprentissage. Conserver des moments où le débutant formule sa position avant de voir celle de la machine, pour qu’il pense encore par lui-même. Le hasard qui formait les experts a disparu ; il faut le remplacer par un dispositif, et rien n’interdit qu’il fasse mieux que le hasard.

Reste alors la question du début, qui n’était pas rhétorique. Une profession peut parfaitement conserver son savoir et cesser, en même temps, de produire les personnes capables de le comprendre, de le contester et de le renouveler. Ce serait même l’issue par défaut, celle vers laquelle on glisse si l’on ne décide rien : des professions qui gardent leurs méthodes et leurs archives, mais dont plus personne, à terme, ne sait vraiment pourquoi elles sont justes ni comment les faire évoluer. Conserver un savoir et reproduire ceux qui le portent sont deux choses distinctes ; l’automatisation excelle à la première et menace la seconde. La reproduction d’une profession n’est pas la conservation de son savoir : c’est la fabrication continue des esprits capables de le juger, et c’est cela, non les tâches, qu’il faut aujourd’hui décider de sauver.

Conserver un savoir et reproduire ceux qui savent le juger sont deux choses distinctes. L’automatisation réussit la première et menace la seconde.