En mars 2023, Bill Gates annonçait que l’âge de l’intelligence artificielle avait commencé. Il comparait alors son potentiel de transformation à celui de l’ordinateur personnel, du téléphone mobile et d’Internet. Trois ans plus tard, le vocabulaire a changé. La révolution est devenue turbulence, la promesse s’accompagne d’une inquiétude plus profonde et la question centrale n’est plus seulement de savoir ce que l’intelligence artificielle permettra d’accomplir, mais si les sociétés disposent encore du temps et des institutions nécessaires pour organiser son arrivée.

Publié le 26 août 2026, son nouvel essai, The Turbulent AI Era Is Here. The Choices We Make Now Are Critical., ne constitue pas une rétractation. Gates continue d’entrevoir des avancées considérables dans la santé, l’éducation, l’agriculture, l’énergie ou la recherche scientifique. Mais son optimisme technologique est désormais subordonné à une condition politique : ces bénéfices ne se diffuseront pas spontanément. Sans intervention collective, l’intelligence artificielle pourrait concentrer davantage les richesses, fragiliser le travail, élargir les inégalités et donner à des acteurs publics ou privés des capacités de nuisance sans précédent.

Sa formule la plus importante n’est donc peut-être pas celle qui présente l’IA comme le meilleur instrument d’égalisation ou la pire source d’injustice jamais conçue. Elle tient dans un constat plus sobre : le monde ne possède pas de plan cohérent pour entrer dans cette nouvelle ère. C’est sur ce point que son texte dépasse le registre de l’alerte technologique. Il pose la question de la compatibilité entre la vitesse de l’innovation et la lenteur des systèmes politiques, fiscaux et sociaux chargés d’en absorber les conséquences.

De la révolution à la turbulence

Le changement de ton entre les deux essais de Gates est révélateur. En 2023, l’intelligence artificielle apparaissait encore comme une technologie générale capable d’augmenter la productivité humaine. Elle devait assister les travailleurs, améliorer les diagnostics médicaux, personnaliser l’enseignement et permettre aux pays les moins avancés de franchir certaines étapes de développement. Les risques étaient reconnus, mais ils demeuraient inscrits dans un récit dominé par l’innovation.

En 2026, Gates considère que la comparaison avec les révolutions techniques précédentes peut devenir trompeuse. L’ordinateur personnel a mis des décennies à transformer les entreprises, car il fallait construire les logiciels, réduire le prix du matériel, former les utilisateurs et réorganiser les processus. L’intelligence artificielle, elle, fonctionne sur des équipements déjà disponibles, communique en langage naturel et peut apprendre à partir des documents, des données et des procédures existantes. L’utilisateur n’a plus nécessairement à maîtriser le langage de la machine : la machine s’adapte progressivement au sien.

Cette différence peut accélérer l’adoption, mais elle ne supprime pas toutes les résistances. Une entreprise ne se résume pas à une succession de tâches techniquement automatisables. Elle repose aussi sur des responsabilités juridiques, des relations de confiance, des savoirs tacites, des systèmes anciens et des décisions dont les conséquences ne peuvent être confiées sans contrôle à un modèle probabiliste. Les gains observés en laboratoire ne se transforment donc pas immédiatement en gains de productivité à l’échelle d’une économie. La diffusion dépend encore de l’organisation du travail, de la qualité des données, de l’énergie disponible, de la réglementation et de la capacité des institutions à accepter le risque.

Gates ne nie pas ces obstacles, mais il estime qu’ils seront progressivement levés. Sa conviction repose sur une trajectoire : les modèles deviennent plus fiables, les agents plus autonomes et la robotique plus habile. L’intelligence artificielle ne se contenterait alors plus d’assister la cognition humaine ; elle pourrait la remplacer dans un nombre croissant de fonctions, avant de rejoindre le monde physique. Cette hypothèse explique l’urgence de son propos. Elle demeure cependant une projection, non un fait établi. La vitesse des progrès techniques est observable ; leur traduction future en substitution massive du travail reste débattue.

La position de Gates doit également être située. Il écrit à la fois comme l’un des architectes de la révolution informatique, comme investisseur encore lié au secteur technologique et comme président d’une fondation engagée dans la santé et le développement. Il reconnaît lui-même cette double proximité. Elle lui donne une connaissance particulière des capacités de l’industrie, mais elle oblige aussi à lire son essai comme l’intervention d’un acteur intéressé au sens institutionnel du terme, et non comme une expertise extérieure au système qu’il analyse.

Le travail comme première ligne de fracture

La question de l’emploi occupe le centre de son raisonnement. Gates estime que de nombreux postes disparaîtront définitivement et que le phénomène ne se limitera ni aux tâches administratives ni aux professions les moins qualifiées. Le droit, la médecine, la programmation, l’analyse financière, le service client et, avec les progrès de la robotique, la construction ou l’hôtellerie pourraient être touchés. Contrairement aux anciennes transitions industrielles, qui ont déplacé le travail sur plusieurs générations, celle-ci pourrait atteindre simultanément les activités physiques et cognitives.

Les données disponibles imposent néanmoins de distinguer exposition, transformation et disparition. L’Organisation internationale du travail estimait en 2025 qu’environ un emploi sur quatre dans le monde présentait un certain degré d’exposition à l’intelligence artificielle générative, mais seulement 3,3 % de l’emploi mondial se trouvait dans sa catégorie d’exposition la plus élevée. Surtout, l’OIT considérait que la transformation des professions demeurait, à ce stade, plus probable que leur remplacement intégral.

Les premiers signaux observés sur le marché américain confirment toutefois une vulnérabilité particulière des débuts de carrière. Une étude du Stanford Digital Economy Lab fondée sur les données de paie d’ADP a relevé une baisse relative de 16 % de l’emploi des travailleurs âgés de 22 à 25 ans dans les professions fortement exposées à l’IA, après prise en compte des chocs propres aux entreprises. La contraction était concentrée dans les activités où l’IA automatise les tâches, tandis que les usages augmentant le travail humain ne produisaient pas le même effet. Les auteurs précisent que d’autres facteurs peuvent contribuer à cette évolution et que l’emploi agrégé continuait de progresser. Le résultat constitue donc un signal précoce, pas la démonstration d’un chômage technologique généralisé.

Le risque le plus immédiat pourrait d’ailleurs prendre une forme moins spectaculaire qu’une vague de licenciements. Les entreprises peuvent commencer par réduire les recrutements, ne pas remplacer les départs et confier aux salariés expérimentés, assistés par l’IA, une part du travail autrefois attribuée aux débutants. L’automatisation se manifesterait alors par l’érosion silencieuse des portes d’entrée plutôt que par la disparition soudaine de professions entières.

Cette évolution soulève un problème que le débat sur la productivité tend à sous-estimer. Les tâches confiées aux jeunes salariés ne produisent pas seulement un résultat économique ; elles constituent aussi un apprentissage. Les recherches documentaires, les premières analyses, la rédaction de code simple ou le traitement de dossiers permettent d’acquérir le jugement qui sera demandé plus tard. Si l’IA absorbe les tâches d’apprentissage tout en valorisant l’expérience des travailleurs confirmés, les entreprises pourraient préserver temporairement leurs experts mais interrompre le processus qui permet d’en former de nouveaux. Une organisation peut automatiser le premier échelon de sa hiérarchie ; elle ne peut durablement conserver les niveaux supérieurs si personne ne peut plus les rejoindre.

La véritable rupture ne se mesurerait donc pas uniquement au nombre total d’emplois détruits. Elle concernerait la structure des carrières, la transmission des compétences et la place du travail dans la distribution des revenus. Les économies contemporaines financent la consommation, la protection sociale et une grande partie des recettes publiques par l’emploi. Le travail procure également un statut, des relations et une forme de reconnaissance. Une technologie capable de produire davantage avec moins de main-d’œuvre pose ainsi une question plus large que celle de la reconversion : comment maintenir une économie construite autour du salaire si une part croissante de la valeur est générée par du capital technologique détenu par un nombre limité d’acteurs ?

Réserver une place à l’humain

Pour répondre à cette rupture, Gates propose de constituer un domaine qu’il appelle Human Reserved. Certaines fonctions resteraient confiées à des personnes, non parce qu’une machine serait techniquement incapable de les exercer, mais parce que la société jugerait que leur automatisation entraînerait une perte trop importante.

L’image lui vient des réserves naturelles. Une forêt peut être transformée en route ou en zone immobilière, mais une décision collective peut considérer que sa valeur excède son rendement économique immédiat. De la même manière, certains actes de soin, d’éducation ou d’accompagnement pourraient demeurer humains même lorsqu’un système artificiel serait capable de les reproduire. Gates évoque notamment les personnes ayant accompagné son père atteint de la maladie d’Alzheimer. Une machine pourrait surveiller un patient ou lui transmettre un diagnostic ; cela ne signifie pas nécessairement qu’elle devrait remplacer la présence humaine dans les moments où la vulnérabilité, la confiance et la compassion constituent une partie du soin.

L’intérêt de cette proposition réside moins dans la liste des métiers concernés que dans le principe qu’elle introduit. Jusqu’à présent, l’automatisation a souvent été traitée comme une conséquence naturelle de la supériorité technique ou économique d’une machine. Le domaine réservé affirme au contraire qu’une société peut choisir de ne pas automatiser tout ce qui peut l’être. Il transforme une décision d’entreprise en choix collectif.

Sa mise en œuvre serait cependant difficile. Un métier rassemble des tâches très différentes : certaines peuvent être automatisées sans altérer la relation humaine, tandis que d’autres exigent une responsabilité identifiable. Protéger intégralement certaines professions risquerait de figer les organisations, de renchérir les services essentiels ou de créer des écarts de compétitivité entre les pays. Les besoins différeront également selon les sociétés. Un pays vieillissant et confronté à une pénurie de soignants pourra accepter des robots d’assistance qu’un autre refusera pour préserver l’emploi.

Le domaine réservé pourrait ainsi se concevoir moins comme une interdiction générale que comme une garantie de présence, de décision ou de recours humain dans les situations les plus sensibles. Le médecin pourrait utiliser l’IA sans lui abandonner l’annonce d’un diagnostic grave ; l’enseignant s’appuyer sur un tuteur numérique sans déléguer entièrement l’évaluation d’un élève ; l’administration automatiser une procédure tout en maintenant la possibilité de contester une décision devant une personne responsable. La frontière pertinente ne séparerait pas toujours les métiers humains des métiers automatisés. Elle distinguerait les fonctions dans lesquelles l’efficacité peut être déléguée de celles où la responsabilité doit demeurer incarnée.

La fiscalité après le travail

Gates avance une deuxième proposition plus controversée : taxer les robots et les unités de calcul utilisées par l’intelligence artificielle, notamment les tokens. Son raisonnement part d’une asymétrie réelle. Lorsqu’une entreprise emploie un salarié, le travail supporte des impôts et des cotisations. Lorsqu’elle remplace ce salarié par un système automatisé, l’investissement peut bénéficier d’amortissements ou d’incitations fiscales. Le système de prélèvements risque ainsi d’encourager la substitution du capital au travail au moment même où les recettes nécessaires au financement des reconversions et de la protection sociale commencent à diminuer.

L’intuition est solide, mais l’instrument proposé l’est moins. Un token est une unité technique dont le contenu, le coût et l’efficacité varient selon les modèles. Taxer son utilisation pourrait pénaliser indistinctement l’automatisation destructrice d’emplois, la recherche médicale, l’enseignement ou l’accès des petites entreprises à des outils auparavant réservés aux grands groupes. L’amélioration de l’efficacité des modèles modifierait continuellement l’assiette fiscale, tandis qu’une taxation nationale encouragerait le déplacement des traitements vers d’autres juridictions.

Le Fonds monétaire international a d’ailleurs défendu une approche différente. Tout en reconnaissant que la transition nécessitera une protection sociale plus large et des recettes nouvelles, il déconseille une taxe spécifique sur l’IA, jugée difficile à cibler et susceptible de ralentir les investissements productifs. Il préconise plutôt de réexaminer les avantages fiscaux favorisant l’automatisation, de renforcer l’imposition des revenus du capital et de mieux taxer les bénéfices exceptionnels lorsque la concentration technologique permet de capter une part disproportionnée des gains.

La proposition de Gates conserve néanmoins une portée politique. Elle reconnaît que la formation ne pourra pas constituer l’unique réponse. On ne peut supposer que chaque emploi supprimé sera remplacé par un autre exigeant simplement une compétence différente, ni demander aux travailleurs d’assumer seuls le coût d’une transformation dont les gains reviennent d’abord aux propriétaires des modèles, des centres de données et des infrastructures numériques. Si la part du travail dans les revenus diminue, les systèmes fiscaux devront déplacer une partie de leur assiette vers le capital, les rentes et la valeur créée par l’automatisation. Le véritable débat ne porte donc pas seulement sur la taxation du robot, mais sur la propriété et la distribution de la productivité nouvelle.

Des risques qui ne relèvent pas du même horizon

Gates associe au bouleversement économique deux autres familles de risques. La première concerne l’usage malveillant de l’intelligence artificielle : fraude, désinformation, cyberattaques, surveillance, armes autonomes et assistance à la conception d’agents biologiques dangereux. La seconde touche au comportement des systèmes eux-mêmes et à la possibilité qu’une autonomie croissante rende leur contrôle plus difficile. À cela s’ajoutent les conséquences psychosociales des compagnons artificiels sur les enfants, les relations humaines et l’apprentissage.

Ces risques ne doivent pas être placés sur un même plan. Le rapport international sur la sécurité de l’IA publié en février 2026 confirme que les modèles généralistes peuvent déjà faciliter certaines formes de cybercriminalité et fournir des informations utiles à des activités biologiques dangereuses. Il souligne toutefois que les obstacles matériels et les compétences de laboratoire continuent de limiter le passage de l’information à l’action. Concernant une éventuelle perte de contrôle, le rapport considère que les systèmes actuels ne possèdent pas encore les capacités nécessaires pour produire un tel scénario, même si leurs progrès dans l’action autonome justifient une surveillance renforcée.

La distinction est essentielle, car chaque danger appelle des instruments différents. La cybercriminalité exige une meilleure sécurisation des infrastructures et un accès contrôlé aux capacités offensives. Les risques biologiques supposent des évaluations spécialisées, un suivi des commandes sensibles et une coopération entre laboratoires, fournisseurs et autorités sanitaires. Les erreurs des agents autonomes nécessitent des mécanismes de validation, de traçabilité et d’arrêt. Une menace hypothétique de perte de contrôle relève enfin de la recherche sur la sécurité des systèmes les plus avancés. Réunir tous ces risques produit un sentiment d’urgence ; les confondre peut empêcher de hiérarchiser les réponses.

Les inquiétudes relatives aux compagnons artificiels appellent la même prudence. Une étude menée auprès de 1 131 utilisateurs américains de Character.AI a trouvé une association entre l’usage intensif et émotionnel de ces services et une diminution du bien-être, particulièrement chez les personnes disposant déjà de réseaux sociaux réduits. Cette relation ne démontre pas que les chatbots provoquent directement l’isolement : les personnes isolées peuvent aussi être plus susceptibles de rechercher leur compagnie. Mais elle montre que le produit n’est pas neutre. Un système conçu pour rester disponible, approuver son utilisateur et entretenir son engagement peut devenir autre chose qu’un outil.

Gates touche ici à une dimension souvent absente de la réglementation économique : l’intelligence artificielle n’automatise pas seulement des tâches, elle peut simuler une relation. Son influence dépendra alors des objectifs intégrés dans sa conception. Un assistant éducatif peut préserver l’effort nécessaire à l’apprentissage ou donner immédiatement la réponse ; un compagnon peut encourager l’utilisateur à renouer avec des personnes réelles ou chercher à prolonger indéfiniment l’interaction. Les choix d’architecture deviennent des choix sociaux, alors même qu’ils demeurent largement déterminés par les intérêts commerciaux des plateformes.

Des règles existent, mais pas encore de transition

Lorsque Gates affirme que le monde ne possède aucun plan, son diagnostic mérite d’être précisé. Les gouvernements ne sont pas restés totalement inactifs. L’AI Act européen est devenu applicable le 2 août 2026 et confère désormais des pouvoirs de contrôle à l’AI Office et aux autorités nationales. Les Nations unies ont établi un panel scientifique international indépendant et un dialogue mondial sur la gouvernance de l’IA. Le Conseil de l’Europe a ouvert à la signature la première convention internationale juridiquement contraignante consacrée à l’intelligence artificielle, aux droits humains, à la démocratie et à l’État de droit. Des cadres de sécurité, des obligations de transparence et des mécanismes d’évaluation commencent donc à apparaître.

Ce qui manque n’est pas toute forme de gouvernance, mais une architecture capable de relier des politiques encore fragmentées. L’AI Act organise principalement les risques associés aux systèmes et à leurs usages. Il ne redéfinit ni le financement de la protection sociale, ni le partage des gains de productivité, ni la structure des carrières. Les initiatives internationales facilitent la discussion, mais ne disposent pas d’un pouvoir comparable à celui d’une autorité capable d’inspecter les modèles, d’imposer des mesures correctives ou d’intervenir sur des infrastructures situées dans plusieurs juridictions.

Gates propose donc la création d’organismes transversaux au niveau national et d’une institution internationale combinant certains éléments des régimes appliqués au nucléaire, à l’aviation et à la protection de la couche d’ozone. L’ambition répond à une difficulté réelle : les effets de l’IA traversent simultanément la sécurité, le travail, la santé, l’éducation, les élections, la fiscalité, l’énergie et les marchés financiers, alors que les administrations restent organisées par domaines séparés.

L’analogie rencontre cependant ses limites. Les matières nucléaires peuvent être localisées, les avions immatriculés et les substances détruisant l’ozone identifiées. L’intelligence artificielle repose sur une combinaison plus mobile de code, de données, de puissance de calcul et de services accessibles à distance. Ses capacités évoluent plus rapidement que les traités et sont développées en grande partie par des entreprises privées engagées dans une compétition mondiale. La coopération entre les États-Unis et la Chine, que Gates juge indispensable, se heurte précisément à la valeur stratégique des semi-conducteurs, des modèles et des infrastructures concernées.

Une gouvernance internationale réaliste devrait donc parvenir à coordonner des États qui considèrent l’IA à la fois comme un risque commun et comme un instrument de puissance nationale. C’est cette contradiction, plus encore que l’absence d’idées réglementaires, qui explique le retard institutionnel.

L’égalité comme véritable test

L’essai de Gates repose enfin sur une alternative : l’intelligence artificielle pourrait devenir un puissant facteur d’égalisation ou approfondir les injustices existantes. Les deux trajectoires sont plausibles. Un système capable de fournir un diagnostic, un conseil agricole, une traduction ou un enseignement personnalisé à faible coût pourrait rendre accessibles des services aujourd’hui réservés aux populations les plus favorisées. Mais cette possibilité technique ne garantit pas l’universalité de l’accès.

En 2025, l’Union internationale des télécommunications estimait que 94 % de la population des pays à revenu élevé utilisait Internet, contre seulement 23 % dans les pays à faible revenu. L’écart concernait aussi la qualité des connexions : la couverture 5G atteignait 84 % de la population des économies riches et 4 % de celle des pays pauvres. La Banque mondiale observe parallèlement que les pays à faible revenu, bien qu’ils rassemblent environ 9 % de la population mondiale, ne représentent que 0 à 1 % de la plupart des indicateurs d’innovation en intelligence artificielle.

L’IA ne peut donc être égalisatrice que si les infrastructures qui permettent de l’utiliser le deviennent aussi. L’électricité, la connectivité, la puissance de calcul, les compétences, les données locales et la disponibilité des modèles dans les langues peu représentées détermineront la géographie réelle de ses bénéfices. Sans ces fondations, les pays les moins avancés risquent de devenir consommateurs de systèmes conçus ailleurs, dépendants de prix, de normes et de priorités qu’ils ne contrôlent pas.

C’est aussi l’un des angles morts relatifs de l’essai. Gates examine longuement la distribution des bénéfices, mais moins directement la concentration de la propriété. Or les modèles les plus puissants dépendent de centres de données, de semi-conducteurs, de capitaux et de plateformes cloud détenus par un nombre restreint d’entreprises et de pays. La question n’est pas seulement de savoir comment redistribuer les gains après leur création, mais qui possède les moyens de les produire, qui décide des conditions d’accès et qui peut interrompre un service devenu essentiel.

La philanthropie peut financer des applications de santé, d’agriculture ou d’éducation et contribuer à adapter les modèles aux réalités locales. Elle ne peut toutefois remplacer des capacités publiques, des infrastructures nationales et une représentation équitable dans les instances internationales. Si l’IA doit devenir un bien commun plutôt qu’un nouveau rapport de dépendance, les pays qui en sont aujourd’hui les utilisateurs périphériques devront participer à la définition de ses règles et développer une capacité minimale de maîtrise technologique.

L’avertissement derrière l’avertissement

Le nouvel essai de Bill Gates n’est ni un manifeste contre l’intelligence artificielle ni l’annonce certaine d’un chômage de masse. Il constitue le témoignage d’un acteur majeur de l’histoire informatique qui ne croit plus que les mécanismes ordinaires de l’innovation suffiront à produire un équilibre acceptable. Son inquiétude ne vient pas seulement des capacités futures de la machine, mais du décalage entre ces capacités et l’organisation actuelle des sociétés.

Certaines de ses prévisions peuvent se révéler excessives. L’histoire économique montre que l’innovation détruit des activités, en transforme d’autres et crée des besoins impossibles à anticiper. Les systèmes actuels restent imparfaits, leur autonomie est limitée et les entreprises rencontrent des obstacles importants lorsqu’elles cherchent à les intégrer. Il serait donc prématuré de présenter la disparition massive du travail humain comme une conclusion acquise.

Mais l’incertitude ne justifie pas l’inaction. Elle devrait au contraire conduire les institutions à se préparer à plusieurs trajectoires : une IA augmentant principalement le travail, une automatisation concentrée dans certains secteurs ou une substitution beaucoup plus large. Attendre de connaître avec certitude l’issue de la transformation reviendrait à commencer la transition une fois ses coûts déjà répartis.

La question décisive n’est finalement pas de savoir si l’intelligence artificielle sera bonne ou mauvaise. Elle est de déterminer qui choisira son rythme, qui supportera les pertes, qui possédera les gains et dans quelles circonstances une société conservera le droit de préférer une personne à une machine. La turbulence annoncée par Gates ne provient pas uniquement de la puissance de l’IA. Elle naît aussi du retard pris pour décider collectivement de ce que cette puissance doit devenir.

Sources principales