Le dernier kilomètre de l’IA : pourquoi l’avenir est sur mesure, et non un taille unique

Pendant la majeure partie des cinquante dernières années, les logiciels ont été conçus pour les personnes travaillant dans des bureaux. Les plateformes traditionnelles sont essentiellement des bases de données statiques avec une interface entourant celles-ci. Elles restent immobiles et nécessitent que les humains travaillent autour d’elles : pour leur fournir des informations, pour saisir des données, pour naviguer dans leur logique rigide et prédéfinie. Dans cet arrangement, l’être humain est devenu discrètement la colle manuelle, passant la journée à combler les lacunes entre les outils fragmentés.

Cette taxe opérationnelle est la plus douloureuse dans notre vie mobile. Imaginez réserver une simple réunion tandis que vous êtes en déplacement. Vous ouvrez une application de calendrier, cliquez, tapez, cliquez. Ensuite, vous sautez à l’e-mail pour récupérer le souvenir vague de quelques mots clés, recherchez l’adresse appropriée, la copiez, et sautez de nouveau au calendrier. C’est une expérience étrangement déshumanisante. L’utilisateur est forcé de suivre la logique du logiciel au lieu que le logiciel suive l’intention de l’utilisateur, en tenant le contexte brisé dans sa tête et en le reconstituant à la main.

L’humain comme colle manuelle

Nous avons vu cela clairement alors que nous construisions pour mobile chez Google. Le monde n’a fait que rendre le problème plus aigu depuis. De plus en plus de travail à haute valeur se déroule maintenant dans le monde réel plutôt que dans un environnement de bureau statique. Il se déroule dans les discussions de café, les présentations externes, les partenariats. Et l’unité d’entreprise est en train de se rétrécir, de l’entreprise à l’équipe à l’individu.

Les données le confirment. Selon le Bureau du recensement des États-Unis, le nombre d’entreprises à une personne aux États-Unis a augmenté en moyenne de 2,7 pour cent par an entre 2012 et 2023, plus du double du taux de 1,1 pour cent des entreprises ayant des employés, et elles représentent maintenant la grande majorité de toutes les entreprises américaines. Nous entrons dans l’ère de ce que j’appelle le super-individu : un opérateur unique qui peut gérer une opération mondiale avec une petite flotte d’agents effectuant le travail. Lorsque l’unité de travail se réduit à l’individu, la conception de nos outils doit être inversée. Au lieu que les humains suivent le logiciel, le logiciel doit suivre les humains.

Le dernier kilomètre de l’IA

Les assistants généraux comme ChatGPT et Gemini sont un véritable bond en avant. Ils permettent aux gens d’accomplir plus de choses, plus rapidement, sur une gamme de tâches extraordinaire. Mais il y a un écart entre un modèle généralement capable et un outil qui convient réellement à votre vie, et dans l’IA, cet écart est le dernier kilomètre. C’est là que se trouve la majeure partie de la valeur réelle, et c’est la partie que presque personne n’a résolue.

Un modèle général arrive comme un nouvel employé brillant le premier jour. Il est fluide, rapide et très lu, mais il ne connaît pas vos clients, vos préférences, les abréviations que vous utilisez, ni la façon dont vous aimez que les choses soient faites. Puissant n’est pas la même chose que vôtre. Un modèle général est, par conception, le même pour tous ceux qui l’ouvrent. Ce que les gens ont vraiment besoin, c’est le contraire : quelque chose façonné pour une personne, qui grandit plus à mesure qu’on l’utilise.

Historiquement, ce dernier kilomètre a été coûteux. Être adapté à une personne signifiait embaucher un assistant exécutif ou un chef d’état-major, ou commander un logiciel personnalisé, des options réservées aux grandes entreprises et aux riches. Donc, le reste d’entre nous s’est contenté d’outils généraux et a discrètement appris à s’adapter. Le coût de la personnalisation est la raison pour laquelle la plupart des gens n’en ont jamais eu.

Ce n’est pas seulement une question de goût, et les preuves sont plus nettes qu’elles n’y paraissent. La valeur de l’IA n’est pas répartie uniformément sur les tâches. Dans une grande expérience de terrain menée par Harvard Business School avec Boston Consulting Group, 758 consultants utilisant GPT-4 ont terminé environ 12 pour cent plus de tâches, environ 25 pour cent plus rapidement, avec une qualité supérieure, mais seulement pour le travail qui se situait à l’intérieur de ce que les chercheurs appelaient la frontière technologique déchiquetée. Sur une tâche délibérément choisie pour se situer en dehors de cette frontière, les personnes utilisant l’IA étaient environ 19 pour cent moins susceptibles d’atteindre la bonne réponse. Les gains apparaissent lorsque l’outil est adapté étroitement aux contours réels du travail, et ils s’estompent, ou même s’inversent, lorsqu’il ne l’est pas. L’adaptation n’est pas une touche finale. C’est là que vit la valeur.

Il y a aussi deux types d’autonomisation à distinguer. L’un vous aide à faire quelque chose que vous ne pouviez pas faire avant. L’autre vous libère des choses sur lesquelles votre temps est simplement devenu trop précieux pour les passer. Les modèles généraux sont très bons pour le premier. Le second est une question d’adaptation, et l’adaptation doit être personnalisée. C’est la différence entre un outil qui vous rend plus capable et un outil qui devient une extension de vous.

De la destination à la sidecar

Si la personnalisation est la propriété, quelle est la forme ? Ici, il est utile de emprunter un terme à l’architecture logicielle. Dans les systèmes distribués, le modèle de sidecar attache un processus d’aide à un service principal pour gérer le travail transversal : journalisation, configuration, réseau, observabilité. Le service principal peut se concentrer sur son véritable travail tandis que la sidecar absorbe discrètement la complexité opérationnelle à côté de lui.

Je crois que le même modèle est en train d’arriver pour les personnes. Plutôt qu’un outil que vous visitez, la prochaine génération de logiciels personnels se comportera comme une sidecar liée à vous, travaillant de manière proactive à l’intérieur des applications que vous utilisez déjà. Pas une destination. Un compagnon qui chevauche à côté, et qui est personnalisé par nature, car il est attaché à une seule personne et n’apprend que celle-ci. Une sidecar utile, contrairement à un chatbot que vous devez solliciter à partir de zéro chaque matin, reposerait sur trois piliers.

Trois piliers d’une sidecar personnelle

Enseignabilité et mémoire persistante. Une sidecar n’est pas un outil que vous expliquez chaque jour. C’est quelque chose que vous enseignez une fois. Lorsque vous décrivez une préférence ou un flux de travail, elle se souvient, construisant un magasin privé de mémoire individuelle qui vous accompagne et capture la nuance de la façon dont vous travaillez spécifiquement. C’est le dernier kilomètre, en accumulation.

Observation et agence. Une sidecar observe, réfléchit et agit. Elle passe de la connaissance des faits à la réalisation de tâches : filtrer le bruit, relier les points, rédiger la réponse, maintenir le fil d’un projet pour que vous n’ayez pas à le faire.

Exploration et transaction. Au fil du temps, ce compagnon transporte votre contexte et vos relations à travers différents morceaux de logiciel. Il vous aide à trouver la bonne introduction, à faire surface à l’opportunité appropriée, et éventuellement même à transiger en votre nom.

De la connaissance à la réalisation

Le changement technique plus profond sous-jacent à tout cela est un déplacement de la récupération à l’action. La génération assistée par récupération, la technique de fondation de la sortie d’un modèle dans des documents pertinents qu’il recherche sur le fly, a rendu les assistants d’aujourd’hui bons pour connaître les choses. L’étape suivante est la persistance et l’agence : des compagnons conçus non seulement pour répondre, mais pour exécuter.

L’industrie tourne déjà dans cette direction. Gartner prévoit qu’à la fin de 2026, 40 pour cent des applications d’entreprise incluront des agents IA spécifiques aux tâches, contre moins de 5 pour cent en 2025, un changement qu’il décrit comme passant d’assistants qui répondent à des agents qui agissent.

Il y a un avantage plus silencieux ici aussi, un que les organisations ont tendance à sous-estimer : la mémoire institutionnelle. Dans un monde de turnover élevé et de partenariats fluides, une quantité énorme de contexte quitte la porte chaque fois que quelqu’un quitte un rôle. Un compagnon lié à l’individu capture l’expertise et les relations qui seraient autrement perdues, et maintient ce contexte intact et utilisable.

Mais cette abondance crée un piège. Lorsque les agents laissent les gens prendre plus, les gens prennent discrètement plus : plus à retenir, plus à agir, plus à basculer, plus à tenir dans leur tête à la fois. Il y a un plafond biologique à la quantité que une personne peut supporter. Le but d’une sidecar est de s’asseoir en dessous de ce plafond et d’absorber la charge, et non de mettre plus de charge sur le dessus.

Rehumaniser le travail

Le véritable objectif n’est pas d’automatiser les gens. C’est de les sortir du logiciel et de les ramener dans la salle. Les recherches de McKinsey sur le travail du savoir ont constaté que le travailleur d’interaction moyen passe environ 28 pour cent de la semaine sur les e-mails et presque 20 pour cent supplémentaires à la recherche d’informations internes ou à la poursuite du bon collègue, avant même d’ajouter les réunions internes et la coordination. C’est la majeure partie de la semaine passée sur la taxe opérationnelle plutôt que sur le travail lui-même.

Si un compagnon peut absorber cette couche d’administration statique, le temps qu’il retourne n’a pas à s’écouler dans la machine. Il peut revenir dans les discussions de café, les partenariats et les appels de jugement où la valeur réelle est créée. Cela ne concerne pas le remplacement de l’humain dans la boucle. C’est à propos de sortir l’humain des parties de la boucle qui n’ont jamais été une bonne utilisation de l’humain en premier lieu.

L’avenir de l’IA n’est probablement pas une boîte à laquelle vous parlez, et ce n’est pas un modèle qui sert tout le monde de la même façon. C’est plus probablement un compagnon qui est incontestablement vôtre : un qui marche à côté de vous, apprend comment vous travaillez, et gère discrètement les parties que vous n’auriez pas à gérer.

Alors, la question qui vaut la peine de s’y asseoir n’est pas de savoir à quel point votre IA peut paraître intelligente. C’est plus simple que cela : combien de temps de votre semaine est passé à être la colle, et que feriez-vous de ce temps si vous le récupériez ?