L’intelligence artificielle ou la démultiplication des puissances. De la neutralité du réseau au pouvoir de produire

Il y a douze ans, une thèse de doctorat était consacrée à l’architecture normative du réseau internet^[1]. Que la forme technique d’un réseau exerce des contraintes sur ceux qui l’empruntent n’était pas alors une idée neuve : Lawrence Lessig l’avait établie, et Joel Reidenberg avait montré avant lui que l’État conservait sur le réseau un pouvoir normatif propre^[2]. Mais ces travaux visaient les utilisateurs du réseau — leur vie privée, leur liberté d’expression, leur accès aux œuvres protégées. La thèse partait d’un autre constat : presque rien n’avait été écrit sur les normes qui régissent la conduite de ceux qui construisent le réseau, ses architectes ; et elle soutenait que ces normes-là ne sont pas le produit d’actes de raison, mais d’un processus de production spontané. Tel est son objet propre, et c’est de cette enquête sur les bâtisseurs qu’elle tire ses conclusions sur la forme du réseau.

Le réseau que les chercheurs de l’agence américaine des projets de recherche avancée ont construit à la fin des années soixante répartissait la puissance à ses extrémités plutôt qu’en son centre. De ce choix d’ingénieurs découlait une conséquence politique dont ses auteurs eux-mêmes n’avaient pas pris toute la mesure : dans un tel système, y lisait-on, « un enfant se trouve être l’égal du savant ou du milliardaire ».

Il n’y était pas alors question d’intelligence artificielle, qui n’existait qu’à l’état de promesse ancienne et de programme de recherche décevant. Force est pourtant de constater aujourd’hui que la grille de lecture élaborée pour le réseau éclaire ce qui est en train de se produire, et l’éclaire mieux que les catégories dans lesquelles le débat public s’est enfermé. Car ce débat souffre d’un vice de construction. Il porte sur la nature de l’intelligence artificielle — est-elle intelligente ? est-elle dangereuse ? est-elle consciente ? — quand la question qui commande tout est celle de sa distribution. Une technique ne vaut pas par ce qu’elle est ; elle vaut par la répartition des pouvoirs qu’elle installe. C’est vrai de l’imprimerie, du chemin de fer, du réseau télégraphique ; ce l’est de l’intelligence artificielle.

Ce déplacement de la question n’a rien d’un artifice rhétorique. Il correspond à ce que l’histoire des techniques enseigne de plus constant, et que l’on oublie à chaque fois : les révolutions ne se laissent pas voir de ceux qui les traversent. Thomas Kuhn le notait des révolutions scientifiques, qui ne sont jamais « un simple accroissement de ce que l’on connaissait déjà » mais exigent « la reconstruction de la théorie antérieure et la réévaluation des faits antérieurs », processus « rarement réalisé par un seul homme et jamais du jour au lendemain »^[3]. Ce qui frappe l’observateur, c’est l’apparence du coup de tonnerre ; ce qui a effectivement eu lieu, c’est une lente accumulation dont le sens ne se révèle qu’après coup. Nous sommes exactement dans cette position. Nous discutons de l’orage, et nous ne voyons pas le déplacement des masses.

La démonstration procédera donc en huit temps. Prendre d’abord les craintes au sérieux, car elles ne sont pas ridicules et l’on ne convainc personne en les balayant. Retracer ensuite l’histoire longue de ce que nous appelons intelligence artificielle, parce qu’on ne comprend pas ce qui vient de basculer si l’on ignore ce qui a échoué pendant soixante ans. Montrer alors que le verrou décisif n’était pas la puissance de calcul mais la langue : le code, dernier idiome réservé à une élite. Rappeler ce que la thèse précitée avait établi de la première égalisation, celle du réseau. Exposer enfin la proposition centrale de cet article : la composition des deux égalisations. En tirer les conséquences économiques, puis philosophiques. Et terminer par la seule question qui relève proprement du juriste : qu’est-ce qui garantit que cet accès demeure ?

I. — Le procès de l’intelligence artificielle

Il faut commencer par le procès, et l’instruire loyalement. Trois chefs d’accusation reviennent : l’autonomie, le remplacement, l’abrutissement. Aucun n’est absurde. Chacun s’appuie sur une intuition qui a une histoire longue et, pour deux d’entre eux au moins, sur des faits mesurés. Les congédier serait malhonnête. Ils reposent pourtant tous trois sur un présupposé qui les rend aveugles à ce qui se joue réellement.

A. — Skynet, ou la crainte de l’autonomie

La crainte la plus ancienne est celle de la créature qui échappe. Elle est si ancienne qu’elle précède de très loin l’objet qu’elle prétend viser. En retraçant la généalogie intellectuelle de l’ordinateur, la thèse précitée relevait que du mythe de Pygmalion sculptant une statue vivante aux statues égyptiennes, du Golem à la légende de Frankenstein, « voilà plus de trois mille ans que l’Homme rêve de créer une machine semblable à un être vivant »^[4]. Vaucanson parvient en 1738 à construire un canard mécanique capable de battre des ailes, de manger du pain et de le digérer ; il ne parvint jamais à lui conférer une intelligence ni des facultés sensorielles^[5].

Ce qui frappe dans cette lignée, ce n’est pas la constance du désir. C’est la constance de son issue. Le mythe ne raconte jamais une création réussie : il raconte une création punie. Pygmalion obtient sa statue vivante par grâce divine, non par son art ; le Golem de Prague finit par écraser son créateur ; la créature de Mary Shelley détruit la famille de Frankenstein avant de disparaître dans les glaces. Nous n’héritons pas d’un rêve technique, nous héritons d’un avertissement moral, et nous le prenons pour une prévision. Lorsque le cinéma popularise, dans les années quatre-vingt, l’image d’un système de défense qui prend conscience de lui-même et retourne ses armes contre l’humanité, il ne fait pas de la prospective : il rejoue une structure narrative trois fois millénaire, dans un décor contemporain. La force de conviction de cette image ne tient pas à ce qu’elle démontre ; elle tient à ce qu’elle nous est familière depuis l’enfance.

Il serait pourtant injuste de réduire cette crainte à une superstition. Elle a reçu, au milieu du vingtième siècle, une formulation scientifique rigoureuse. Norbert Wiener, en fondant la cybernétique, décrit l’information comme la force qui s’oppose à l’entropie : « de même que l’entropie est une mesure de désorganisation, l’information fournie par une série de messages est une mesure d’organisation »^[6]. De cette prémisse, Wiener tire une conclusion inquiète : l’homme, seul, ne peut plus traiter la complexité des flux qui le gouvernent ; il lui faut s’adjoindre des machines ; et cette adjonction n’est pas neutre. Wiener a été le premier à poser en termes techniques la question du contrôle — non pas « la machine va-t-elle se réveiller ? », mais « qui décide encore, lorsque la décision est préparée par un dispositif dont personne ne suit le détail ? ». Cette question-là est sérieuse, et elle est durable. Mais on remarquera qu’elle porte sur la délégation, non sur l’autonomie : elle interroge un rapport entre des hommes, médiatisé par une machine, et non un affrontement entre l’homme et la machine. La réponse à Skynet n’est pas de nier le problème, elle est de le reformuler correctement — on y reviendra avec Simondon.

B. — Le chômage, ou la crainte du remplacement

La deuxième crainte est plus concrète, et elle a pour elle deux siècles de précédents. Marx a consacré à la lutte entre le travailleur et la machine une section entière du Capital^[7], où il rappelle que les ouvriers anglais du début du dix-neuvième siècle ne s’en prirent pas d’abord aux propriétaires mais aux métiers eux-mêmes, et qu’il fallut du temps pour qu’ils apprennent « à distinguer la machine de son emploi capitaliste ». Cette distinction est le cœur du problème et elle n’a pas vieilli d’un jour : ce que l’on impute à la technique relève le plus souvent de la manière dont on a choisi de s’en servir.

C’est Keynes, en 1930, qui donne à la crainte son nom savant. Dans un texte publié en deux livraisons du Nation and Athenæum, il forge l’expression de « chômage technologique », qu’il définit comme le chômage « dû à notre découverte de moyens d’économiser l’usage du travail, découverte qui devance le rythme auquel nous savons trouver de nouveaux emplois au travail »^[8]. La formule est célèbre ; on oublie régulièrement la phrase qui la suit immédiatement. Keynes ajoute qu’il s’agit là d’une « phase temporaire de désajustement », et il pronostique, pour les petits-enfants de ses lecteurs, un niveau de vie quatre à huit fois supérieur au sien^[9]. On peut discuter la prédiction ; on ne peut pas citer le diagnostic en amputant le pronostic.

Le point est important parce qu’il déplace la question. Ce que Keynes décrit n’est pas une destruction nette d’emplois : c’est un décalage de rythme entre la vitesse à laquelle les tâches disparaissent et la vitesse à laquelle les usages nouveaux apparaissent. Un décalage est une grandeur, il se mesure, et il dépend au premier chef de la facilité avec laquelle un individu peut se saisir de la technique nouvelle pour en tirer une activité. C’est dire que la question du chômage technologique n’est pas séparable de celle de l’accès : plus l’outil est difficile à s’approprier, plus le désajustement dure, et plus il coûte à ceux qui n’ont ni le capital ni le temps de la formation longue. La crainte doit donc être retenue ; et il faut retenir surtout qu’elle appelle une réponse en termes d’accès plutôt qu’en termes d’interdiction.

C. — L’abrutissement, ou la crainte de la dépossession cognitive

La troisième crainte est la plus intime : si la machine pense à notre place, nous cesserons de penser. Elle circule volontiers sous la forme d’une fable, dite « des cinq singes », où des primates enfermés dans une cage renonceraient à saisir une banane par crainte d’une douche froide, et transmettraient cet interdit à des congénères qui n’en auraient jamais fait l’expérience. La fable est frappante. Elle est aussi entièrement fausse : aucune expérience de ce type n’a jamais été conduite, et le travail auquel on l’attribue habituellement portait sur des paires de macaques rhésus et des ustensiles en plastique, sans échelle, sans banane et sans eau^[10]. Elle n’est mentionnée ici que pour être écartée : il serait paradoxal de plaider la rigueur des sources en s’appuyant sur une légende urbaine.

Il n’est pas besoin de fable : les études existent, et elles sont plus intéressantes. Betsy Sparrow, Jenny Liu et Daniel Wegner ont montré dès 2011, dans quatre expériences publiées par Science, que lorsqu’une personne s’attend à pouvoir retrouver une information plus tard, elle retient moins bien l’information elle-même et mieux l’endroit où elle se trouve^[11]. Les auteurs y voyaient l’extension à internet de ce que la psychologie appelle une mémoire transactive : nous n’avons jamais tout retenu nous-mêmes, nous avons toujours réparti notre mémoire entre nos proches, nos livres et nos institutions. La nouveauté n’est pas la délégation ; c’est son échelle.

Plus récemment, une équipe du Media Lab du Massachusetts Institute of Technology a suivi cinquante-quatre participants répartis en trois groupes — assistés d’un grand modèle de langue, assistés d’un moteur de recherche, ou sans outil — pendant trois séances de rédaction, avec enregistrement de l’activité cérébrale par électroencéphalographie, puis une quatrième séance où les conditions étaient croisées^[12]. Les résultats sont sévères pour le groupe assisté : connectivité cérébrale la plus faible des trois, sentiment de propriété du texte le plus bas, difficulté à citer ce qu’ils venaient pourtant d’écrire. Les auteurs parlent de « dette cognitive ».

Mais l’étude comporte un enseignement que les commentaires ont massivement escamoté, et qui est décisif : les participants qui avaient commencé sans outil puis reçu l’assistance montraient ensuite un engagement plus riche, et s’en tiraient très bien. Ce n’est donc pas l’outil qui produit la dette, c’est l’ordre dans lequel on rencontre l’outil et l’effort. Ce résultat ne condamne pas l’intelligence artificielle : il condamne une pédagogie. Et il indique, en creux, ce qu’il faudrait faire — ce que, précisément, on ne discute pas, parce que l’on préfère débattre de l’essence de la machine plutôt que des conditions de son usage.

D. — Ce que ces trois craintes ont en commun

Reprenons. La première crainte porte sur l’autonomie de la machine ; la deuxième sur le remplacement du travail ; la troisième sur l’atrophie de l’esprit. Elles diffèrent par l’objet, par l’ancienneté, par la qualité des preuves qu’elles peuvent produire. Elles partagent pourtant une structure identique, et c’est cette structure qui est fautive : toutes trois traitent l’intelligence artificielle comme une puissance venue d’ailleurs, qui s’impose du dehors, et devant laquelle il n’y aurait qu’à consentir ou à résister. Dans les trois cas, l’humanité est au passif de la phrase. Elle subit, elle est remplacée, elle est dépossédée.

Or il existe une question antérieure à toutes celles-là, et dont la réponse commande les trois autres : qui peut s’en servir ? Si l’accès à ces systèmes est concentré entre quelques mains, alors les trois craintes sont fondées, et elles le sont pour la même raison — non parce que la machine est puissante, mais parce que la puissance est captée. Si l’accès est largement distribué, les trois craintes changent de nature : l’autonomie devient une question de responsabilité entre des hommes, le remplacement devient un problème de vitesse d’appropriation, et l’atrophie devient une affaire de méthode d’apprentissage. Aucune ne disparaît ; toutes deviennent traitables.

C’est cette question de l’accès qu’il faut instruire : elle a reçu, depuis trois ans, une réponse historiquement inédite dont la portée n’a pas été mesurée. Mais pour l’établir, il faut d’abord comprendre ce qui a rendu cette réponse possible, et pourquoi elle n’était pas concevable il y a seulement dix ans.

II. — Deux mille ans de rêve, soixante-dix ans de science

On ne comprend pas ce qui vient de basculer si l’on ignore ce qui a échoué. L’expression même d’intelligence artificielle a soixante-dix ans ; le programme qu’elle désignait a connu deux effondrements complets ; et ce qui fonctionne aujourd’hui repose sur un renversement de méthode que ses fondateurs auraient tenu pour une abdication. Cette histoire n’est pas un ornement érudit : elle contient la raison technique de l’égalisation dont il est ici question.

A. — Le cerveau comme automate naturel

Le point de départ moderne est un déplacement de regard. Réceptif aux travaux de Wiener, John von Neumann s’intéresse de près au système nerveux et considère le cerveau comme un automate naturel : si l’on comprend ses mécanismes de fonctionnement, on doit pouvoir en construire un modèle réduit artificiel^[13]. L’idée est audacieuse mais elle est surtout méthodologique : elle transforme une aspiration mythique en programme de recherche. De ce programme sort, le 30 juin 1945, le rapport intitulé First Draft of a Report on the EDVAC, où von Neumann décrit l’architecture d’une machine dont les instructions et les données sont stockées dans une même mémoire^[14]. Le fait est considérable et l’on en mesure mal la portée : à partir de cet instant, un programme n’est plus un câblage, c’est un texte logé dans la machine au même titre que les nombres qu’il manipule. Les ordinateurs modernes reposent encore sur cette architecture.

B. — Turing, ou la machine qui lit

La formalisation, elle, précède la construction de neuf ans. Dans un mémoire communiqué en 1936 à la London Mathematical Society, Alan Turing décrit une machine abstraite capable, moyennant la lecture d’une description convenable, de simuler le comportement de n’importe quelle autre machine du même type^[15]. C’est la machine universelle, et c’est la naissance conjointe des notions de programme et de programmation. Le mot lecture doit être souligné, car tout ce qui suit en dépend : l’universalité de la machine n’est pas une propriété de sa matière, c’est une propriété de son rapport à un texte.

Quatorze ans plus tard, Turing pose la question autrement. Plutôt que de demander si une machine peut penser — question qu’il juge « trop dénuée de sens pour mériter discussion » — il propose de la remplacer par une épreuve observable, le jeu de l’imitation : un examinateur, conversant par écrit avec un être humain et une machine sans savoir lequel est lequel, parvient-il à les distinguer^[16] ? Ce que Turing accomplit ici n’est pas une prophétie, c’est un geste de méthode : il substitue à une question métaphysique un protocole. Soixante-quinze ans plus tard, l’essentiel du débat public sur l’intelligence artificielle consiste à refaire, en sens inverse, le chemin que Turing avait pris soin de nous épargner.

C. — Dartmouth, été 1956

Le mot naît le 31 août 1955. Ce jour-là, John McCarthy, Marvin Minsky, Nathaniel Rochester et Claude Shannon signent une proposition de dix-sept pages sollicitant le financement d’une « étude de deux mois par dix hommes sur l’intelligence artificielle », à conduire l’été suivant au Dartmouth College de Hanover, dans le New Hampshire^[17]. C’est l’acte de naissance de l’expression. Le document contient surtout la conjecture qui commandera trente ans de recherche : « chaque aspect de l’apprentissage, ou toute autre caractéristique de l’intelligence, peut en principe être décrit avec une précision telle qu’une machine peut être construite pour le simuler »^[18].

Il faut peser cette phrase, car elle porte en elle la cause de l’échec qui suivra. Elle affirme que l’intelligence est descriptible, et qu’il suffit donc de la décrire assez finement pour la reproduire. Autrement dit, la voie royale de l’intelligence artificielle sera l’explicitation : on écrira les règles. C’était un pari raisonnable. Il était faux.

D. — Les hivers

L’échec vient de ce que l’explicitation ne passe pas à l’échelle. En 1973, à la demande du British Science Research Council, Sir James Lighthill, titulaire de la chaire lucasienne de mathématiques à Cambridge, remet un rapport de quarante-neuf pages sur l’état du domaine^[19]. Sa critique centrale tient en une expression : l’explosion combinatoire. Les systèmes qui résolvent élégamment des problèmes-jouets s’effondrent dès que le nombre de configurations à explorer croît comme il croît dans le monde réel. Le rapport est dévastateur ; les financements britanniques s’effondrent dans les mois qui suivent, les financements américains suivent : c’est le premier hiver de l’intelligence artificielle. Un second surviendra dans les années quatre-vingt-dix, après l’échec commercial des systèmes experts, qui étaient l’aboutissement industriel de la même idée : faire dire à des spécialistes les règles qu’ils appliquent, et les coder.

E. — Le basculement statistique

Ce qui a fonctionné, ensuite, procède exactement à l’inverse. En 2012, Alex Krizhevsky, Ilya Sutskever et Geoffrey Hinton présentent un réseau de neurones convolutif entraîné sur la base d’images ImageNet, qui ramène le taux d’erreur de reconnaissance de 26,2 % à 15,3 %^[20]. Personne n’a écrit ce qu’est un chat. Le système l’a inféré de plusieurs millions d’exemples. En 2017, une équipe de chercheurs publie une architecture reposant uniquement sur un mécanisme d’attention, dont ils annoncent d’emblée qu’elle se passe de toute récurrence : le Transformer^[21]. C’est sur elle que reposent les modèles de langue actuels.

F. — Le retournement du paradoxe de Polanyi

La portée de ce basculement se saisit le mieux à travers une idée philosophique antérieure de cinquante ans. Michael Polanyi avait formulé en 1966 ce qui est devenu le plus court énoncé de l’épistémologie contemporaine : « nous pouvons savoir plus que nous ne pouvons dire »^[22]. Nous reconnaissons un visage sans pouvoir énoncer la règle de cette reconnaissance ; nous montons à bicyclette sans savoir formuler l’équation que notre corps résout. David Autor a fait de cette observation le principe explicatif de la structure de l’emploi des dernières décennies : l’automatisation progressait là où la tâche était explicitable, et reculait partout où elle reposait sur du savoir tacite^[23]. C’est ce que lui et ses coauteurs avaient établi dès 2003 en distinguant les tâches routinières, codifiables en règles, des tâches qui ne le sont pas^[24].

L’apprentissage statistique retourne ce paradoxe. Il n’exige plus que l’on dise ; il exige que l’on montre. Une capacité que personne ne sait énoncer peut désormais être acquise par une machine, pourvu qu’existent assez d’exemples de son exercice. On mesure mal la rupture : pendant soixante ans, la frontière de ce qu’une machine pouvait faire coïncidait avec la frontière de ce que nous savions expliciter. Cette coïncidence a cessé. Et la première capacité à franchir la frontière, celle qui nous intéresse ici, fut précisément la plus improbable : la maîtrise du langage — y compris de ce langage très particulier qu’est le code.

III. — Le code, la dernière langue réservée

A. — L’ordinateur est un fait de langage

Revenons à la machine universelle de Turing. Son universalité tient à ceci qu’elle lit la description de la machine qu’elle doit simuler. La conséquence est d’une portée politique considérable, et elle est presque toujours manquée : la puissance informatique n’appartient pas à qui possède la machine, elle appartient à qui sait rédiger le texte qu’elle lira. Une usine appartient à qui l’a payée ; un ordinateur, à qui sait lui parler. Cela signifie que, dès l’origine, le pouvoir de faire dans le monde numérique est indexé sur une compétence linguistique, non sur un patrimoine.

Les fondateurs de l’informatique interactive l’ont compris et en ont tiré un programme. Joseph Licklider, dans un article de 1960 qui a fixé le vocabulaire de tout le domaine, refuse l’idée que la machine remplace l’homme et propose de la considérer comme un « collègue dont les compétences viennent s’ajouter » aux siennes^[25]. Douglas Engelbart formule deux ans plus tard, au Stanford Research Institute, le projet d’augmenter l’intellect humain, entendu comme l’accroissement de « la capacité d’un individu à gérer des problèmes complexes »^[26]. Dans les deux cas, la machine est conçue comme un partenaire. Mais dans les deux cas, le partenariat suppose un préalable dont on parle peu : il faut savoir lui adresser la parole.

B. — La chaîne des traducteurs

Toute l’histoire des langages de programmation est celle d’une tentative obstinée pour abaisser ce préalable. Grace Hopper conçoit en 1952 le compilateur A-0, qui traduit automatiquement une notation symbolique en instructions machine — ce qu’elle nomme automatic programming^[27]. Fin 1953, elle propose d’aller beaucoup plus loin : exprimer les traitements de données en mots anglais. Sa direction juge l’idée irréalisable. Il lui faudra attendre 1955 pour obtenir une spécification, et de 1955 à 1959 pour livrer FLOW-MATIC, premier langage exprimant les opérations par des énoncés anglais et non par des symboles ; il donnera naissance à COBOL^[28]. FORTRAN paraît en 1957^[29]. Chaque étage de cette chaîne éloigne le programmeur de la machine et rapproche le langage de la langue.

Le moment le plus explicitement politique de cette histoire se situe au Dartmouth College — le même que celui de 1956, ce qui n’est pas indifférent. Le 1^er mai 1964, à quatre heures du matin, dans le sous-sol de College Hall, John Kemeny et un étudiant exécutent simultanément un programme depuis deux terminaux voisins^[30]. Le langage s’appelle BASIC, le système en temps partagé entrera en service à l’automne. Le projet n’était pas technique : il était pédagogique et démocratique. Kemeny le résumait ainsi : « notre vision était que chaque étudiant du campus devait avoir accès à un ordinateur, et que chaque enseignant devait pouvoir utiliser un ordinateur en classe chaque fois que cela s’y prêtait »^[31]. À l’époque, un quart seulement des étudiants de Dartmouth suivaient des enseignements scientifiques, et Kemeny et Thomas Kurtz posaient la question qui résume tout le problème : « comment des décisions sensées sur l’informatique et son usage pourraient-elles être prises par des personnes qui l’ignorent fondamentalement ? »^[32]. Kemeny écrira huit ans plus tard : « nous avons envisagé à Dartmouth la possibilité que des millions de personnes écrivent leurs propres programmes »^[33].

C. — Le plafond

Des millions : le mot est exact, et c’est précisément ce qui doit nous arrêter. Soixante ans après le sous-sol de College Hall, l’enquête la plus complète disponible sur la population mondiale des développeurs en dénombre 47,2 millions au début de 2025, dont 36,5 millions de professionnels, en croissance de moitié sur trois ans^[34]. Rapportée aux 8,2 milliards d’êtres humains recensés par les Nations unies^[35], cette population représente moins de six pour mille — quatre et demi pour mille si l’on s’en tient aux professionnels.

Six pour mille. Après soixante ans d’efforts délibérés, de langages successivement plus proches de la langue naturelle, d’enseignement de l’informatique dans les écoles, d’ordinateurs personnels puis de téléphones intelligents mis entre toutes les mains. Le rêve de Kemeny a produit des millions de programmeurs, comme il l’espérait ; il n’a pas produit une population générale capable d’écrire ses propres programmes. Il faut regarder ce chiffre en face : sur mille personnes, neuf cent quatre-vingt-quatorze ne peuvent pas fabriquer l’outil dont elles ont besoin. Elles doivent le demander à quelqu’un, ou l’acheter, ou s’en passer.

D. — Pourquoi le verrou a tenu

Ce plafond n’est pas un accident ; il a des raisons, et les meilleurs esprits de l’informatique les avaient identifiées. Frederick Brooks distingue en 1986 la complexité accidentelle du logiciel — celle qui tient à nos outils et que de meilleurs outils réduisent — et sa complexité essentielle, qui tient à la nature même de la chose à construire. Sa conclusion est sans appel : « la partie difficile de la construction logicielle est la spécification, la conception et le test de cette construction conceptuelle, non l’effort de la représenter et d’éprouver la fidélité de la représentation » ; les langages de haut niveau ne délivrent que de l’accident^[36].

Edsger Dijkstra va plus loin, et son objection mérite d’être traitée loyalement parce qu’elle vise directement la proposition défendue ici. Dans une note de 1978 consacrée à ce qu’il appelle « la sottise de la programmation en langage naturel », il soutient que la formalisation n’est pas un fardeau dont il faudrait s’affranchir mais un acquis dont il faut se féliciter : « la vertu des textes formels est que leurs manipulations, pour être légitimes, n’ont à satisfaire que quelques règles simples » ; et : « au lieu de considérer l’obligation d’user de symboles formels comme un fardeau, nous devrions considérer la commodité de leur usage comme un privilège »^[37]. Son argument décisif tient en une phrase : « le “naturel” avec lequel nous usons de nos langues maternelles se ramène à la facilité avec laquelle nous pouvons y énoncer des propositions dont l’absurdité n’est pas manifeste ». Autrement dit, la langue naturelle autorise l’énoncé de commandes qui n’ont pas de sens, et le formalisme sert précisément à l’interdire. Dijkstra estimait qu’une véritable interface en langue naturelle supposerait de ses utilisateurs une maîtrise préalable des systèmes formels, et que cela pourrait demander « encore quelques milliers d’années »^[38].

Cette objection n’a pas été réfutée : elle a été contournée. Dijkstra raisonnait dans un monde où la seule manière d’obtenir un texte formel correct était de le rédiger soi-même. Ce que produit un modèle de langue, ce n’est pas une exécution directe de l’énoncé ambigu ; c’est une traduction de cet énoncé en texte formel, laquelle demeure soumise, elle, à l’implacable arbitrage du compilateur et du test. L’ambiguïté n’a pas été abolie ; elle a été rendue négociable, parce qu’un intermédiaire capable de proposer une formalisation plausible s’est intercalé entre l’intention et la machine. Reste que la mise en garde de Dijkstra conserve une part de vérité, et il faut la maintenir comme telle : celui qui ne sait pas lire le texte formel ne sait pas si la traduction est fidèle. On y reviendra ; c’est la limite honnête de la proposition défendue ici.

Il reste une troisième raison, la plus profonde, et c’est encore Polanyi. La programmation est l’exercice qui interdit le tacite : on ne peut pas coder ce que l’on ne sait pas énoncer. Elle exige de tout dire, dans l’ordre, sans reste. C’est une discipline mentale rare, et rien n’indique qu’elle soit également distribuée dans la population.

E. — Ce que le verrou produisait : l’intermédiation obligatoire

Reste à en tirer la conséquence économique, qui est ici la seule qui importe. Tant que fabriquer un logiciel supposait la maîtrise d’une langue possédée par six personnes sur mille, quiconque avait besoin d’un logiciel devait acheter le temps de ceux qui savaient. Le pouvoir de faire était donc conditionné par le capital : non pas le capital-machine, devenu dérisoire depuis longtemps, mais le capital-salaire nécessaire à rémunérer une compétence rare. Deux ressources se combinaient pour produire un logiciel : une idée et une équipe. La première était abondante, la seconde rare et chère. C’est cette rareté-là qui décidait de tout — de qui pouvait entreprendre, de quelles idées étaient tentées, de quelles idées ne l’étaient jamais.

Il faut mesurer ce que cela signifie. Nul ne sait combien d’outils n’ont pas existé parce que celui qui en avait besoin ne savait pas les écrire et n’avait pas de quoi les faire écrire. Ce coût-là ne figure dans aucune statistique : c’est le coût d’opportunité d’une compétence réservée, et il est invisible par construction. Six pour mille n’est pas seulement un chiffre de démographie professionnelle. C’est le taux de participation de l’humanité à la fabrication de son propre outillage numérique.

IV. — Ce que la thèse avait vu du réseau

L’idée que l’architecture d’un réseau engage un modèle de société n’appartient à personne en particulier : on la trouve chez les héritiers de Saint-Simon, on la trouve chez Proudhon, on la retrouve sous une forme contemporaine chez Lessig. Ce que la thèse précitée y a ajouté est d’un autre ordre : la description des normes qui pèsent sur les bâtisseurs du réseau, l’analyse de leur mode de production spontané, et l’identification d’un quatrième principe architectural que ni la doctrine ni les institutions n’avaient consacré. Il faut en rappeler les articulations — en distinguant soigneusement ce qui revient aux auteurs qu’elle mobilise de ce qu’elle avance en propre —, parce qu’elles fournissent exactement la grille de lecture requise pour comprendre ce qui arrive.

A. — Ce que la thèse doit à ses devanciers

L’idée qu’un système de communication puisse être un instrument d’égalité n’est pas née avec l’informatique. Michel Chevalier écrivait déjà en 1836 qu’« améliorer la communication, c’est […] travailler à la liberté réelle, positive et pratique […], c’est faire de l’égalité et de la démocratie », les moyens de transport perfectionnés ayant pour effet de réduire les distances « non-seulement d’un point à un autre, mais encore d’une classe à une autre »^[39]. Cette pensée saint-simonienne trouve chez Proudhon une formulation plus tranchante encore, sous la forme d’une opposition entre deux figures : le réseau étoilé, dont l’architecture centralisée correspond à une société dont les membres sont unis par un lien hiérarchique, et le réseau « en échiquier », qui renvoie à une organisation décentralisée plaçant ses membres sous le signe de l’égalité^[40]. Derrière l’architecture technique de n’importe quel réseau, soutient Proudhon, se cache presque toujours un choix politique — fût-il inconscient. La proposition est de lui ; la thèse ne fait que la reprendre, et l’éprouver sur un objet qu’il n’avait pas connu.

B. — Le choix de l’ARPANET

Ce choix, les bâtisseurs de l’ARPANET l’ont fait, et ils l’ont fait contre l’usage dominant. La structure centralisée était celle du réseau téléphonique ; elle avait de nombreux partisans, y compris au sein de l’agence. Taylor, Roberts et Baran ont pourtant opté pour une architecture décentralisée, où la puissance de calcul se trouve aux extrémités et non au centre. Le principe sera conceptualisé au début des années quatre-vingt sous le nom d’argument de bout en bout : les machines situées au cœur du réseau n’effectuent que des tâches rudimentaires de transport ; celles situées à sa lisière assument les opérations complexes, celles qui concernent non pas l’acheminement de l’information mais sa finalité^[41].

Ce qui fait le génie de ces hommes n’est pas d’avoir prévu les usages du réseau. C’est de ne pas les avoir prévus, et d’avoir construit en conséquence. L’ARPANET avait été rapproché du « silex taillé » dont parle Philippe Breton à propos de l’ordinateur, dont l’invention « précéda l’intelligence que les hommes purent avoir de son usage »^[42]. Leur préoccupation n’était pas de conférer à leur ouvrage une utilité, mais de le mettre à disposition ; libre aux utilisateurs de lui en trouver une.

C. — Neutralité et égalité sont indubitablement liées

De ce choix architectural découle une propriété qui avait été tenue pour centrale. Parce que l’ARPANET a été élaboré sur un modèle décentralisé, il génère une égalité parfaite entre ses utilisateurs dans les rapports qu’ils entretiennent avec lui : « dans pareil système, un enfant se trouve être l’égal du savant ou du milliardaire » ; peu importent l’âge, la qualité, la nationalité, le niveau de connaissance ou les ressources financières, seul compte le fait d’être connecté^[43]. Cette égalité fait du réseau une entité neutre, en ce qu’il n’opère aucune discrimination à l’égard de la source, de la destination ou du contenu de l’information acheminée. Neutralité et égalité sont indubitablement liées : la neutralité dont est empreinte une entité quelconque fait naître une égalité entre ses sujets, exactement comme la neutralité à laquelle est astreinte l’autorité administrative a pour effet de garantir le respect du principe d’égalité entre les administrés.

D. — Les deux conséquences de la neutralité

Deux conséquences en étaient tirées, qu’il faut reprendre telles quelles parce que la suite de cet article en dépend.

La première tient aux capacités du réseau : elles sont les mêmes pour tous. À l’image de deux peintres qui se tiennent en un même lieu et profitent à part égale de la lumière du soleil pour réaliser leur toile, les utilisateurs bénéficient à part égale de la puissance qu’il dégage. Chacun est en droit d’attendre que soit mise au service de sa requête la plénitude de la capacité d’acheminement.

La seconde consiste en l’octroi, à quiconque s’y connecte, d’une absolue liberté quant à lui conférer une utilité. C’est aux utilisateurs qu’il incombe de déterminer les fonctions que le réseau doit remplir ; c’est à eux que revient le pouvoir de création de toute chose qui se trouve à ses extrémités. Aucune discrimination ne saurait être opérée entre les innovations qui reposent sur l’exploitation de ses capacités : comme le souligne Lawrence Lessig, « le réseau ne peut pas exercer de discrimination contre une nouvelle structure innovante »^[44]. Qu’une innovation soit bonne ou mauvaise, performante ou inefficace, populaire ou décriée, dès lors qu’elle répond aux caractéristiques techniques requises, elle fait partie intégrante du système.

La conjugaison de cette liberté et de cette égalité crée, y était-il écrit, « un terrain extrêmement fertile » pour la concurrence entre les bâtisseurs. Car nul ne s’engage dans une compétition sans le sentiment d’avoir une chance de s’y placer : parce que le réseau est neutre, ses bâtisseurs n’ont jamais eu à douter de leurs chances de réussite dans le cyberespace. C’est cette structure d’espérance, et non une quelconque bienveillance, qui explique l’extraordinaire densité d’innovations des trente années suivantes. Elle a d’ailleurs été très tôt analysée sous l’angle de la non-discrimination par les auteurs qui ont donné à la neutralité du réseau son nom juridique^[45].

E. — Le principe d’intelligibilité et la leçon du système d’adressage

Quatre principes gouvernant le fonctionnement du réseau y étaient identifiés : l’ouverture, la neutralité, l’intelligibilité et l’interopérabilité. Les trois premiers ne sont pas de son invention : ils étaient déjà portés par plusieurs auteurs, au premier rang desquels Bernard Benhamou, et les institutions de l’Union en avaient reconnu la valeur lors du deuxième Sommet mondial sur la société de l’information. Le quatrième, l’intelligibilité, est celui que ces mêmes institutions ont refusé de consacrer et que la thèse s’emploie à établir, bien qu’il soit, selon ses termes, « facilement identifiable si l’on procède à une auscultation minutieuse de son architecture »^[46]. Ce principe mérite d’être rappelé avec précision, car il est la clef du rapprochement à opérer. Dire d’un système qu’il est intelligible n’implique pas que ses principes de fonctionnement puissent être compris par tout un chacun : cela signifie seulement qu’il existe assez d’informations disponibles à leur sujet pour qu’ils puissent être étudiés et appréhendés. Une boisson gazeuse dont la formule est tenue secrète n’est pas intelligible ; un bœuf bourguignon, dont la recette est largement diffusée, l’est. La découverte de la pierre de Rosette par Champollion en est l’illustration topique : pour comprendre un code, l’entendement humain a besoin d’un minimum d’informations, sans quoi cela lui est impossible^[47].

Et voici le point qui vaut aujourd’hui d’être médité par tous ceux qui réfléchissent à l’intelligence artificielle. En étudiant le système d’adressage — ce second système, moins connu que celui de communication, sans lequel deux machines ne sauraient se reconnaître — cette thèse relevait que ses architectes « l’ont construit de telle façon que son maniement ne suppose pas la maîtrise du langage informatique » ; si tel avait été le cas, l’usage des adresses numériques requérant des compétences non connues du commun des mortels, « seules les personnes sensibilisées aux technologies de l’information auraient été capables de naviguer et de communiquer dans l’univers numérique »^[48]. C’est pourquoi ils ont élaboré un système répondant à une logique sémantique, adossé à un fichier de correspondance entre adresses numériques et noms alphanumériques : le fichier hosts.txt, dont il y était écrit qu’il constitue « la pierre de rosette du système d’adressage, en ce qu’il est la clé dont a besoin tout ordinateur pour traduire le langage sémantique en langage numérique »^[49].

Retenons le geste, car il est exactement celui dont il va être question. Confrontés à une exigence de compétence qui aurait réservé l’accès du réseau à une élite technique, les fondateurs n’ont pas supprimé la langue de la machine — cela n’aurait aucun sens — et ils n’ont pas davantage entrepris d’alphabétiser l’humanité entière dans cette langue. Ils ont intercalé un traducteur. Une couche sémantique, adossée à une table de correspondance publique, qui permet à quiconque de formuler son intention dans les mots qu’il connaît, à charge pour le système de la convertir dans la forme que la machine exige. Ce geste a décidé de tout : sans lui, le réseau serait resté l’affaire de quelques milliers d’ingénieurs.

Mais il faut aussitôt mesurer ce que ce traducteur ne faisait pas. Il donnait accès au réseau : il permettait de joindre une machine, non d’en fabriquer le contenu. L’égalisation de 1983 est celle de la portée, de la diffusion, de l’atteinte. Ce qu’il fallait pour produire ce que l’on diffusait demeurait, lui, entièrement inchangé : il fallait savoir écrire du code, ou payer ceux qui savaient. Le réseau a mis l’enfant, le savant et le milliardaire sur un pied d’égalité devant l’acheminement. Il les a laissés dans une inégalité intacte devant la fabrication. C’est précisément cet étage-là — le seul qui manquait — que l’intelligence artificielle vient d’ouvrir.

V. — La démultiplication

Vient alors la proposition centrale de cet article. Elle tient en une phrase : l’intelligence artificielle met tout le monde sur un pied d’égalité devant la capacité de produire, et cette égalisation, se composant avec celle que le réseau avait installée, ne s’ajoute pas à elle — elle la multiplie.

A. — Le même modèle sert l’individu et la multinationale

Commençons par le fait brut, qui est si nouveau qu’on ne l’a pas encore digéré. Lorsqu’un groupe coté en bourse et un artisan installé dans une ville moyenne veulent aujourd’hui faire écrire un programme, analyser un corpus de documents ou concevoir une architecture logicielle, ils s’adressent au même système. Non pas à des systèmes comparables : au même. Claude Fable 5, annoncé le 9 juin 2026, est ouvert à l’usage général et atteint 95,5 % sur l’épreuve de résolution de problèmes logiciels réels dite SWE-bench Verified^[50]. ChatGPT est utilisé, selon les déclarations de son éditeur, par neuf cents millions de personnes chaque semaine^[51]. Kimi K3, publié le 27 juillet 2026 par Moonshot AI, compte 2 800 milliards de paramètres dont 104 milliards activés par jeton, dispose d’une fenêtre de contexte d’un million de jetons, et est diffusé sous une licence permissive autorisant l’usage commercial^[52].

Cette situation n’a aucun précédent industriel. Il n’a jamais existé de moment où l’outil de production le plus avancé du monde ait été simultanément accessible, dans sa version intégrale et sans dégradation, à l’entreprise la plus riche de la planète et au particulier disposant de quelques dizaines d’euros par mois. Une aciérie n’est pas accessible au particulier. Un laboratoire pharmaceutique non plus. Un cabinet de deux cents juristes non plus. Ce qui vaut ici, ce n’est pas que l’outil soit puissant : c’est qu’il soit indifférent à la qualité de celui qui l’interroge. Le modèle ne sait pas s’il répond à un groupe du CAC 40 ou à un étudiant, et il n’ajusterait pas sa réponse s’il le savait. On reconnaîtra ici, transposée d’un étage, la propriété reconnue plus haut au réseau : l’absence de discrimination selon la source. C’est la même structure. Ce n’est pas la même couche.

B. — L’asymétrie fondatrice : produire coûte des fortunes, accéder coûte des centimes

Cette égalité d’accès repose sur une asymétrie économique qu’il faut nommer précisément, car elle en est à la fois la cause et la fragilité.

D’un côté, produire un modèle est ruineux. L’entraînement d’un seul grand modèle ouvert a été estimé à environ 170 millions de dollars^[53]. Les investissements privés mondiaux dans le secteur ont atteint 581,7 milliards de dollars en 2025, en hausse de 130 % sur un an, dont 285,9 milliards pour les seuls États-Unis^[54]. Ces montants placent la fabrication des modèles hors de portée de tout acteur qui ne serait ni un État ni une très grande entreprise. Il faut le dire sans détour : à l’étage de la production des modèles, il n’y a aucune égalité, et il n’y en aura pas.

De l’autre, accéder à un modèle est devenu presque gratuit, et l’effondrement du prix est vertigineux. Le coût d’interrogation d’un système atteignant le niveau de GPT-3.5 sur l’épreuve MMLU est passé de 20,00 dollars à 0,07 dollar par million de jetons entre novembre 2022 et octobre 2024 : une division par deux cent quatre-vingts en dix-huit mois^[55]. Aucune infrastructure industrielle n’a jamais connu une telle déflation de son coût d’usage ; à titre de comparaison, il fallut plusieurs décennies au transport ferroviaire ou à l’électricité pour diviser leur prix par dix.

Le rapport entre ces deux ordres de grandeur est la clef de tout. Le coût de fabrication est fixe et colossal ; le coût d’usage est marginal et dérisoire. Une structure de coûts de cette nature n’a qu’une issue économique : pour amortir la dépense initiale, il faut le plus grand nombre d’usagers possible, donc un prix d’accès aussi bas que possible, donc une diffusion universelle. L’égalité d’accès n’est pas ici le fruit d’une générosité ; elle est la conséquence mécanique d’une structure de coûts. C’est ce qui la rend solide à court terme — et c’est aussi ce qui devra retenir l’attention du juriste, car ce qui procède d’un calcul peut être défait par un autre calcul.

C. — Les poids ouverts, ou la capacité possédée

Une évolution supplémentaire, et décisive, mérite d’être isolée. La capacité ne peut pas seulement être louée : elle peut être possédée. Un modèle à poids ouverts est un modèle dont les paramètres sont publiés : on peut les télécharger, les exécuter sur ses propres machines, les modifier, les redistribuer. Kimi K3, déjà cité, en est à ce jour le plus vaste représentant. Un rapport publié en mai 2026 par Epoch AI établit, au moyen d’un indice de capacités agrégé, que les modèles ouverts accusent depuis janvier 2026 un retard moyen de quatre mois seulement sur les meilleurs modèles fermés^[56].

Quatre mois. Ce chiffre, plus qu’aucun autre, mesure l’écart entre celui qui dispose de tout et celui qui ne dispose de rien. Il faut y ajouter que le coût de fabrication lui-même n’est pas hors d’atteinte de tout acteur déterminé : les auteurs de DeepSeek-V3 font état de 2,788 millions d’heures de calcul sur processeurs graphiques H800, soit environ 5,576 millions de dollars au tarif de deux dollars l’heure — en précisant expressément que ce montant exclut la recherche antérieure et les expérimentations, réserve qu’il serait malhonnête d’omettre^[57].

La portée juridique de la distinction entre louer et posséder est considérable, et elle sera l’objet de ma dernière partie. Qui loue dépend d’un contrat ; qui possède ne dépend de personne. Un modèle dont les poids reposent sur le disque de son utilisateur continuera de fonctionner si son éditeur change d’avis, augmente ses prix, restreint ses conditions d’utilisation ou disparaît. C’est la différence entre un accès et un droit.

D. — La composition des deux égalités

On en vient au cœur. Ce que le réseau avait égalisé, c’est la portée : la capacité d’atteindre n’importe qui, n’importe où, sans autorisation et sans discrimination. Ce que l’intelligence artificielle égalise, c’est la capacité : le pouvoir de fabriquer la chose que l’on veut diffuser. Ces deux égalisations portent sur des objets différents et sur des couches différentes. La tentation serait de les additionner. Ce serait manquer ce qui se joue.

Car une capacité sans débouché ne vaut rien. Un artisan capable de fabriquer un outil remarquable mais qui ne peut le porter qu’à trois clients de son village produit une valeur locale et périssable ; c’était la condition de l’inventeur avant les réseaux. Et un débouché sans capacité ne vaut rien davantage : un homme qui peut s’adresser à trois milliards de personnes mais qui n’a rien à leur offrir dispose d’une audience vide ; c’était, pour l’essentiel, la condition de l’internaute des vingt dernières années, à qui l’on avait donné la parole sans lui donner l’atelier. La valeur de l’ensemble n’est pas la somme des deux termes : elle est leur produit. Et un produit dont l’un des facteurs est nul est nul.

Voilà pourquoi la période qui s’ouvre est sans équivalent. Pour la première fois dans l’histoire économique, une personne seule dispose de la chaîne complète : concevoir, fabriquer, distribuer mondialement — sans demander la permission de personne. Concevoir : elle sait ce dont son métier a besoin, et ce savoir-là ne s’achète pas. Fabriquer : elle décrit son intention en français, un modèle la traduit en code, elle éprouve le résultat, elle recommence. Distribuer : le réseau achemine son produit vers n’importe quel point du globe, sans discrimination, exactement comme il achemine celui d’un groupe mondial. Aucun des trois maillons ne suppose plus ni capital initial, ni équipe, ni autorisation.

C’est ici qu’il faut relire la formule écrite du réseau : « dans pareil système, un enfant se trouve être l’égal du savant ou du milliardaire ». Elle était vraie devant l’acheminement, et elle demeurait à demi vaine, parce que l’enfant n’avait rien à acheminer que le savant n’eût mieux fabriqué. Elle devient exacte au sens plein le jour où l’enfant peut aussi fabriquer. L’égalité de portée sans l’égalité de capacité était une égalité formelle — l’égalité de celui qui a le droit d’entrer dans un atelier dont il ne sait pas se servir. La composition des deux la rend matérielle.

On objectera que la grande entreprise dispose, elle aussi, de ces deux facteurs, et qu’elle y ajoute ses moyens propres : elle demeure donc supérieure. C’est exact, et nul ne soutient le contraire. Mais l’important n’est pas le niveau atteint, il est la hauteur du seuil d’entrée. La différence entre un potentiel technologique nul et un potentiel technologique élevé n’est pas de même nature que la différence entre un potentiel élevé et un potentiel très élevé : la première est une différence de condition, la seconde une différence de degré. Ce qui vient de disparaître, c’est la condition. Le rapport de forces entre un individu et un groupe international ne s’est pas inversé ; il a cessé d’être un rapport entre quelqu’un qui peut et quelqu’un qui ne peut pas.

E. — Ce qui reste rare

Il faut être aussi précis sur les limites que sur la proposition, faute de quoi celle-ci ne vaut rien. Deux ressources demeurent rares, et elles le resteront.

La première est de savoir ce que l’on veut. Brooks avait raison : la partie difficile n’est pas la représentation, elle est la conception. Un modèle de langue traduit remarquablement une intention précise ; il ne fournit pas l’intention. Il produit ce qu’on lui demande, ce qui suppose de savoir le demander — et l’on retrouve ici, sous une forme atténuée mais réelle, l’avertissement de Dijkstra : celui qui ne peut pas juger la traduction reste à la merci du traducteur. La différence avec l’ancien monde est qu’il ne s’agit plus d’un obstacle d’entrée mais d’un critère de qualité : on peut désormais commencer sans savoir, apprendre en éprouvant, et se corriger. On ne pouvait pas commencer sans savoir écrire.

La seconde est la matière. Un modèle raisonne sur ce qu’on lui donne ; il ne possède pas le corpus d’un métier, il n’a pas la connaissance fine d’une pratique, il ne dispose pas des données que quinze ans d’exercice accumulent. Ce que la période récente a rendu abondant, c’est la capacité de traitement. Ce qu’elle a rendu, par contraste, infiniment plus précieux, c’est la matière à traiter et le jugement pour l’apprécier. La rareté n’a pas disparu : elle s’est déplacée, et elle s’est déplacée vers ce que le praticien possède et que l’ingénieur n’a pas.

VI. — L’économie de la capacité distribuée

La proposition qui vient d’être exposée serait une vue de l’esprit si elle ne s’accordait pas avec ce que l’analyse économique enseigne et avec ce que les mesures disponibles montrent. Or elle s’y accorde, et de façon remarquable : trois des textes les plus classiques de la théorie de la firme y trouvent, non pas une confirmation, mais une application dont leurs auteurs n’avaient pas les moyens.

A. — Coase : la frontière de la firme

Ronald Coase a posé en 1937 une question que personne n’avait pensé à poser : si le marché est efficace, pourquoi existe-t-il des entreprises ? Sa réponse est que le recours au marché a un coût — trouver le bon prix, négocier, contracter, contrôler l’exécution — et que la firme existe pour internaliser des transactions dont la coordination par le marché coûterait plus cher que la hiérarchie. Il en résulte que la taille d’une firme est déterminée par le point où le coût d’une transaction supplémentaire organisée en interne égale le coût de la même transaction passée par le marché^[58].

Ce raisonnement a une conséquence immédiate pour notre sujet. Si le coût de coordination interne s’effondre — parce qu’une personne seule peut accomplir ce qui exigeait naguère la coordination de cinq spécialistes —, alors la frontière optimale de la firme se déplace vers le bas. Non parce que les grandes structures deviendraient inefficaces, mais parce que la taille minimale au-dessous de laquelle il était impossible de produire vient de s’abaisser brutalement. Coase expliquait pourquoi les entreprises existent ; sa logique explique tout aussi bien pourquoi certaines peuvent désormais tenir dans une seule personne.

B. — Hayek : le renversement du sens de la remontée

Friedrich Hayek a montré en 1945 que le problème économique fondamental n’est pas l’allocation de ressources connues, mais l’utilisation d’une connaissance qui n’est donnée à personne dans sa totalité : la connaissance « des circonstances particulières de temps et de lieu », dispersée entre des milliers d’individus dont chacun ne détient qu’un fragment^[59]. C’est l’argument central contre la planification centralisée, et c’est aussi, incidemment, l’argument central contre la centralisation tout court.

Or l’organisation industrielle du logiciel avait imposé à cette connaissance dispersée un trajet coûteux. Celui qui connaissait le métier — l’infirmière, le logisticien, le notaire, le contrôleur des risques — devait faire remonter son besoin vers ceux qui savaient coder, lesquels le reformulaient, le priorisaient, le déformaient inévitablement, et redescendaient un produit approximatif plusieurs mois plus tard. Le savoir tacite de Polanyi devait, pour devenir logiciel, être explicité à l’intention d’un tiers qui ne connaissait pas le métier. C’était le maillon faible de toute la chaîne, et chacun le savait sans pouvoir y remédier.

Ce trajet vient d’être supprimé. Celui qui sait le métier peut produire lui-même. Le sens de la remontée d’information s’inverse : ce n’est plus la connaissance du terrain qui doit voyager jusqu’à la compétence technique, c’est la compétence technique qui est descendue jusqu’au terrain. Hayek voyait dans le système de prix le seul mécanisme capable de coordonner une connaissance dispersée sans la centraliser ; nous assistons à l’apparition d’un second mécanisme, qui ne coordonne pas la connaissance dispersée mais l’outille sur place.

C. — Schumpeter retourné

Joseph Schumpeter, dans le chapitre de Capitalism, Socialism and Democracy consacré à l’effritement des murs de l’ordre capitaliste, annonçait la routinisation du progrès technique : l’innovation, disait-il, devient l’affaire d’équipes de spécialistes travaillant dans des unités de recherche organisées, ce qui rend progressivement obsolète la fonction entrepreneuriale elle-même^[60]. Le pronostic n’était pas absurde : il décrit assez bien le vingtième siècle.

Il reposait cependant sur une prémisse, et cette prémisse a cédé. Schumpeter tenait pour acquis que les moyens de l’innovation — laboratoires, équipes, capitaux — étaient par nature indivisibles et donc réservés aux grandes unités. C’était vrai de la chimie de synthèse ; ce n’est plus vrai de la production logicielle. Là où l’outil de production redevient divisible et bon marché, la fonction entrepreneuriale que Schumpeter croyait condamnée se réinstalle exactement là où il pensait qu’elle disparaîtrait.

D. — Les mesures : les gains vont aux moins dotés

Ces raisonnements resteraient spéculatifs sans les travaux empiriques conduits depuis trois ans, dont la convergence est frappante. Erik Brynjolfsson, Danielle Li et Lindsey Raymond ont suivi 5 179 agents d’assistance à la clientèle équipés d’un assistant conversationnel : la productivité progresse de 14 % en moyenne, mais de 34 % pour les agents novices et les moins qualifiés, l’effet étant minime — voire nul — sur les plus expérimentés^[61]. Shakked Noy et Whitney Zhang, dans une expérience publiée par Science et portant sur des tâches de rédaction professionnelle, observent une baisse du temps passé, une hausse de la qualité, et surtout un resserrement de la dispersion des performances^[62]. Fabrizio Dell’Acqua et ses coauteurs, sur des consultants d’un grand cabinet international, mesurent un gain de 43 % pour la moitié la moins performante contre 17 % pour la moitié la plus performante^[63]. En matière juridique, Jonathan Choi et Daniel Schwarcz constatent une « force d’égalisation » en analyse juridique, en relevant honnêtement que les étudiants les mieux classés voient, eux, leur performance se dégrader^[64].

Le même profil se retrouve sur le terrain qui nous occupe au premier chef. Sida Peng, Eirini Kalliamvakou, Peter Cihon et Mert Demirer ont demandé à des développeurs d’écrire un serveur HTTP en JavaScript : le groupe assisté a terminé 55,8 % plus vite, et les auteurs relèvent que l’hétérogénéité des effets laisse espérer une aide à la reconversion vers les métiers du développement^[65]. Du côté des praticiens, l’enquête annuelle la plus large de la profession indique que 84 % des développeurs utilisent ou envisagent d’utiliser ces outils, contre 76 % l’année précédente, et 51 % des professionnels quotidiennement ; la même enquête montre que la défiance progresse aussi vite que l’usage, 46 % se méfiant de l’exactitude des réponses contre 31 % un an plus tôt, et 29 % seulement exprimant leur confiance^[66]. Enfin, les dirigeants des deux principaux éditeurs mondiaux ont indiqué, respectivement, que plus d’un quart du code nouveau de leur groupe est produit par ces systèmes puis revu et accepté par des ingénieurs, et que l’ordre de grandeur se situerait entre 20 et 30 % selon les langages — déclarations d’entreprise qu’il convient de traiter comme telles^[67].

Le point commun de ces travaux doit être souligné, car il n’est pas anodin : dans presque tous, l’effet est décroissant avec le niveau initial. Ce n’est pas le profil d’un outil qui amplifie les avantages existants ; c’est le profil d’un outil qui comble un déficit. Une technique qui profite davantage à celui qui savait le moins est, par définition, une technique égalisatrice.

E. — Les faits : le fondateur seul, et la limite honnête

Ces mesures de laboratoire trouvent un écho dans la démographie des entreprises. Selon l’opérateur qui gère les tables de capitalisation d’une large part des jeunes sociétés américaines, environ 36 % des sociétés créées en 2025 l’ont été par un fondateur unique, contre 31 % en 2024, cette proportion ayant doublé en dix ans^[68]. Le nombre de demandes de création d’entreprise enregistrées aux États-Unis s’est établi à 5,62 millions en 2025, contre 5,2 millions en 2024 et une moyenne annuelle de 3,47 millions depuis 2005 — étant entendu qu’une demande n’est pas une création^[69].

Mais la même source impose une réserve qu’il faut énoncer sans l’atténuer : les fondateurs seuls, qui représentaient 30 % des sociétés créées en 2024, n’ont capté que 14,7 % des sommes levées en actions de préférence. La capacité de produire s’est distribuée ; le capital, lui, ne suit pas encore. C’est un décalage exactement analogue à celui que décrivait Keynes, et il a la même signification : les institutions financières raisonnent encore selon un modèle où la taille de l’équipe est le principal indice de la capacité d’exécution. Ce modèle est en train de devenir faux ; il ne le sait pas encore.

F. — Les objections

Il serait malhonnête de ne pas citer les travaux qui contredisent, ou du moins bornent, ce tableau ; ils sont réunis ici. Une expérience conduite par METR sur seize développeurs expérimentés travaillant sur 246 tâches réelles dans des dépôts qu’ils maîtrisaient de longue date mesure un ralentissement de 19 %, alors même que ces développeurs anticipaient un gain de 24 % et croyaient encore, après coup, avoir gagné 20 %. Une expérience de terrain menée sur 640 entrepreneurs kényans pendant cinq mois ne permet pas de rejeter l’hypothèse d’un effet moyen nul et fait apparaître un effet inverse selon le niveau initial : les moins performants perdent 10 %, les plus performants gagnent 15 %. Enfin, Daron Acemoglu, appliquant le théorème de Hulten, estime l’effet macroéconomique sur la productivité globale des facteurs à 0,66 % au plus sur dix ans, et à moins de 0,53 % si l’on tient compte de ce que les gains observés portent sur les tâches les plus faciles à apprendre^[70]. À quoi l’on ajoutera un fait brut : l’emploi des développeurs de vingt-deux à vingt-cinq ans a reculé de 20 % depuis 2024, sans qu’un lien de causalité soit à ce jour établi^[71].

Ces résultats ne réfutent pas la proposition ici défendue ; ils la délimitent, et cette délimitation est précieuse. L’expérience de METR porte sur des experts opérant sur leur propre terrain — c’est-à-dire précisément là où toutes les études prédisent l’effet le plus faible. L’expérience kényane montre qu’un outil ne supplée pas à l’absence de savoir métier, ce qui a été admis plus haut. Le calcul d’Acemoglu porte sur un agrégat macroéconomique, qui est l’instrument le moins sensible qui soit à la naissance d’acteurs individuels. Ce que ces travaux établissent tient en une phrase : l’intelligence artificielle abaisse le seuil d’entrée ; elle ne garantit rien sur le sommet. C’est exactement ce qui est ici soutenu, et rien de plus.

VII. — De quelle égalité s’agit-il ?

Reste à nommer la chose. Le mot d’égalité est équivoque, et il ne sert à rien de l’employer sans dire de quelle égalité il s’agit : ni celle des revenus, ni celle des chances au sens ordinaire, ni même celle de l’accès à l’information. La philosophie fournit ici des instruments plus précis que le débat public ; cinq d’entre eux méritent d’être mobilisés.

A. — Condorcet et le précédent de l’imprimerie

Condorcet, dans l’Esquisse qu’il rédige alors qu’il est proscrit, consacre à l’imprimerie l’une des plus belles analyses de ce qu’une technique fait à une société. La huitième époque décrit le passage d’un savoir dont la reproduction dépendait du travail lent des copistes à un savoir dont la diffusion échappe à qui voudrait la contrôler : les lumières cessent d’être « le patrimoine exclusif » d’une classe, et l’opinion publique naît de cette diffusion même^[72].

Le précédent est instructif à double titre. D’abord parce qu’il montre qu’une égalisation de la diffusion produit des effets politiques considérables. Ensuite, et surtout, parce qu’il montre que ces effets ne sont jamais acquis : l’imprimerie a été suivie du privilège, de la censure préalable, de l’imprimatur, puis d’un droit d’auteur dont l’extension continue a progressivement reconstitué, par le droit, une rareté que la technique avait abolie. La leçon vaut d’être méditée. Une technique égalisatrice n’est jamais que l’ouverture d’une fenêtre ; ce qui décide, ensuite, c’est le régime juridique qu’on lui donne. On y reviendra en terminant.

B. — Jacotot et Rancière : l’égalité comme présupposition

En 1818, Joseph Jacotot, exilé à Louvain, est chargé d’enseigner le français à des étudiants flamands dont il ne parle pas la langue. Ne disposant d’aucun moyen d’explication, il leur remet une édition bilingue et les laisse chercher. Les résultats le stupéfient. Jacques Rancière a tiré de cet épisode un livre entier, dont les trois principes sont d’une radicalité intacte : les intelligences sont égales ; chacun peut s’instruire seul ; tout est dans tout. Ce qui manque à celui qui échoue n’est pas l’intelligence, c’est l’attention^[73].

Le point décisif, chez Rancière, est que l’égalité des intelligences n’est pas un but à atteindre mais une présupposition à vérifier. Le maître qui explique commence par postuler l’incapacité de son élève, et cette présupposition se réalise. Or c’est exactement la structure que reproduisait le monopole du code : en réservant à une profession la capacité d’écrire des programmes, on ne constatait pas que les autres en étaient incapables, on organisait les conditions dans lesquelles leur incapacité devenait un fait. Six pour mille n’était pas une mesure d’aptitude ; c’était une mesure d’accès, prise pour une mesure d’aptitude.

C. — Simondon, ou la réponse à Skynet

Il est temps de revenir à la première crainte, avec l’instrument qui convient. Gilbert Simondon ouvre Du mode d’existence des objets techniques par un constat sévère : la culture s’est constituée en système de défense contre les techniques, et cette défense procède par une double erreur symétrique. Tantôt l’objet technique est traité comme un pur assemblage de matière, dépourvu de signification ; tantôt il est doté d’intentions hostiles et transformé en robot menaçant. Ces deux attitudes sont également fausses parce qu’elles manquent l’objet technique dans ce qu’il est : ni une chose, ni un sujet, mais le support d’un geste humain cristallisé^[74].

Appliquée à notre sujet, l’analyse dissout le mythe de Skynet sans avoir besoin d’entrer dans la controverse technique. Un modèle statistique n’a ni fin, ni désir, ni monde. Il ne peut vouloir que ce que veut celui qui fixe sa forme et son emploi. La question de la volonté ne disparaît donc pas : elle se déplace là où elle a toujours été, c’est-à-dire chez des hommes. Et c’est bien ce déplacement qui redonne toute sa force à la question de l’accès : si la volonté appartient à qui fixe la forme, alors ce qui compte est de savoir combien sont ceux qui peuvent la fixer. Le danger n’est pas l’autonomie de la machine ; le danger serait la concentration du petit nombre qui la commande.

D. — Illich, ou le monopole radical

Ivan Illich a forgé, dans La convivialité, la notion de monopole radical : il y a monopole radical lorsqu’un outil ne se contente pas de dominer un marché, mais rend structurellement impossible la satisfaction du besoin par un autre moyen. L’automobile, dans une ville conçue pour elle, n’est pas seulement le moyen de transport dominant : elle abolit la possibilité de se déplacer autrement. Illich distingue à cet égard deux seuils dans la vie d’un outil : en deçà du premier, l’outil libère ; au-delà du second, il asservit^[75].

La production logicielle constituait un monopole radical caractérisé : il n’existait aucune manière d’obtenir un logiciel sans passer par ceux qui savaient les écrire. L’intelligence artificielle rétablit l’alternative — elle est, en ce sens précis, un outil convivial au sens d’Illich. Mais l’avertissement d’Illich vaut aussi contre elle : un outil dont on dépendrait sans pouvoir le posséder, dont on ne connaîtrait pas le fonctionnement, et dont l’accès dépendrait entièrement de la volonté d’un tiers, reconstituerait un monopole radical d’une portée bien supérieure au précédent. C’est précisément l’enjeu de la distinction entre louer et posséder.

E. — Sen, ou la capabilité

Il me reste à nommer l’égalité dont il s’agit, et c’est Amartya Sen qui en fournit le concept. Dans la conférence de 1979 où il demande « égalité de quoi ? », puis dans les travaux qui l’ont suivie, Sen soutient que l’égalité pertinente n’est ni celle des revenus, ni celle des biens, ni celle de l’utilité ressentie, mais celle des capabilités : ce qu’une personne est réellement en mesure de faire et d’être, compte tenu de ce dont elle dispose et de ce qu’elle peut en faire^[76]. Deux personnes disposant du même revenu n’ont pas la même liberté réelle si l’une est privée de ce qui lui permettrait de le convertir en actes.

Voilà exactement l’objet de cet article. Ce que l’intelligence artificielle égalise n’est pas la richesse — les écarts de patrimoine ne s’en trouvent pas modifiés. Ce n’est pas l’information — le réseau l’avait déjà largement fait. C’est le pouvoir de faire : la conversion d’une intention en objet, d’une idée en outil, d’un besoin en produit. Sen observait que les mêmes biens ne produisent pas les mêmes libertés selon les personnes ; nous assistons à l’inverse, plus rare : une même ressource nouvelle produit davantage de liberté chez ceux qui en avaient le moins. C’est le sens des mesures rapportées plus haut, et c’est probablement le fait le plus important de la décennie.

VIII. — La condition juridique

Reste enfin ce qui relève proprement du juriste, et qui est aussi ce qui rend l’ensemble fragile. Car tout ce qui précède décrit une possibilité technique. Rien, à ce stade, n’en fait un droit.

A. — Ce que la neutralité du réseau a coûté

L’histoire de la première égalisation devrait ici servir d’avertissement. La neutralité était une propriété technique du réseau dès la fin des années soixante ; elle n’est devenue une obligation juridique opposable dans l’Union européenne qu’avec le règlement du 25 novembre 2015 sur l’accès à un internet ouvert, dont l’article 3, paragraphe 3, alinéa 1^er, impose aux fournisseurs de traiter le trafic de façon égale, sans discrimination, restriction ou interférence^[77]. Quarante ans séparent la propriété technique de sa consécration normative. La Cour de justice de l’Union européenne, réunie en grande chambre, n’a précisé la portée de ce texte que le 15 septembre 2020, dans l’affaire Telenor, en jugeant que des offres réservant un traitement privilégié à certaines applications méconnaissent l’obligation de traitement égal, indépendamment de tout examen de leurs effets sur le marché^[78]. Quarante ans, puis cinq ans encore pour l’interprétation. Ce délai est la mesure du temps que met le droit à sécuriser ce que la technique avait donné.

B. — La question transposée à la couche d’intelligence

Transposons. À l’étage des modèles, rien ne garantit aujourd’hui l’accès. Le prix peut être relevé ; les conditions d’utilisation peuvent être modifiées unilatéralement ; un éditeur peut cesser de publier les paramètres de ses modèles ; l’accès peut être restreint par catégorie d’usagers, par territoire, ou par usage. Tout, absolument tout, y est contractuel. L’égalité d’accès qui vient d’être décrite repose donc, pour l’instant, sur une convergence d’intérêts économiques — celle qu’impose une structure de coûts fixes très élevés et de coûts marginaux quasi nuls — et non sur une obligation. Or une convergence d’intérêts se défait le jour où les intérêts divergent.

Un indicateur mérite ici d’être relevé, car il va dans le mauvais sens : l’indice de transparence des modèles de fondation s’établit à 40 points, contre 58 l’an passé^[79]. Autrement dit, au moment même où la capacité se distribue, l’intelligibilité de ce qui la produit recule. C’est le principe même que la thèse précitée avait identifié — l’intelligibilité, quatrième principe, celui que les institutions de l’Union avaient précisément renoncé à consacrer — qui se trouve aujourd’hui menacé à l’étage supérieur.

C. — Ce que les textes font, et ce qu’ils ne font pas

Le droit positif de l’Union comporte deux instruments majeurs, et aucun des deux ne traite la question. Le règlement sur les marchés numériques du 14 septembre 2022 énumère limitativement les services de plateforme essentiels susceptibles de fonder la désignation d’un contrôleur d’accès : la fourniture de modèles d’intelligence artificielle n’y figure pas^[80]. Le règlement du 13 juin 2024 établissant des règles harmonisées concernant l’intelligence artificielle est, quant à lui, construit tout entier sur la notion de risque : il régit ce que les systèmes ont le droit de faire, non les conditions dans lesquelles on peut y accéder^[81].

Une disposition fait exception, et elle mérite d’être signalée parce qu’elle est, à ma connaissance, la seule de tout le droit de l’Union qui saisisse l’ouverture comme un objet juridique distinct. L’article 53, paragraphe 2, du même règlement exonère de certaines obligations documentaires les fournisseurs de modèles publiés sous licence libre et ouverte permettant l’accès, l’utilisation, la modification et la distribution du modèle, dont les paramètres — y compris les poids —, l’architecture et les modalités d’utilisation sont rendus publics ; l’exonération ne joue pas pour les modèles présentant un risque systémique^[82]. Le législateur y traite donc l’ouverture comme une qualité juridiquement pertinente — mais il en fait une cause d’allègement de charges pour le fournisseur, non un droit pour l’utilisateur. Il encourage l’ouverture ; il ne la garantit à personne.

D. — Ce qu’il faudrait nommer

Il ne s’agit pas de rédiger ici la règle qui manque ; les propositions normatives improvisées appellent la méfiance. Il est en revanche possible d’indiquer où elle devrait se loger. La thèse précitée identifiait quatre principes gouvernant le réseau, dont le seul que le droit ait refusé de consacrer était l’intelligibilité : l’exigence qu’il existe assez d’informations disponibles sur le fonctionnement d’un système pour qu’il puisse être étudié et compris. Ce principe doit aujourd’hui être repris et étendu.

Étendu, car l’intelligibilité au sens où elle y était définie visait la seule disponibilité de l’information. Ce dont il s’agit désormais est l’appropriabilité effective : non pas seulement savoir comment un système fonctionne, mais pouvoir en disposer — l’exécuter, l’examiner, le modifier, s’en servir sans autorisation. C’est la traduction juridique de la distinction entre louer et posséder, et c’est aussi, en termes de Sen, le passage du bien à la capabilité. Une garantie d’accès qui ne porterait que sur la disponibilité commerciale du service laisserait intacte la dépendance qu’Illich décrivait ; seule une garantie portant sur la possibilité de s’approprier l’outil la romprait.

Conclusion

Il faut revenir, pour finir, sur le chiffre autour duquel tout cet article a tourné. Six pour mille. Quarante-sept millions de personnes, sur huit milliards deux cents millions, savaient écrire les instructions que lisent les machines dont dépendent nos vies. Ce chiffre n’a jamais été traité comme un problème politique. Il n’a fait l’objet d’aucun débat parlementaire, d’aucune directive, d’aucun rapport d’inspection. Il était tenu pour un fait de nature — comme si la capacité de formuler un algorithme relevait d’une aptitude rare et inégalement distribuée, à l’égal du talent musical.

Ce n’était pas un fait de nature. C’était une contrainte de forme : l’obligation de s’exprimer dans une syntaxe artificielle, intolérante à l’ambiguïté, que Dijkstra tenait pour un privilège et qui était en même temps une barrière. Cette contrainte vient de céder, non parce que l’objection de Dijkstra a été réfutée, mais parce qu’un traducteur s’est intercalé — exactement comme les fondateurs du réseau en avaient intercalé un, un étage plus bas, en refusant que la navigation suppose la maîtrise du langage informatique. Ils avaient compris, dès l’origine, qu’exiger cette maîtrise revenait à exclure. Nous mettons soixante ans à comprendre la même chose au sujet de la fabrication.

Ce qui s’ouvre n’est donc pas une promesse : c’est un fait vérifiable, et il l’est ligne à ligne. Les modèles les plus puissants du monde sont accessibles à chacun. Le réseau achemine sans discriminer. La chaîne complète — concevoir, fabriquer, distribuer — tient désormais entre les mains d’une seule personne. Ce qui manquait à l’égalité installée par le réseau vient de lui être fourni.

Reste à savoir ce que nous ferons de cette fenêtre, et combien de temps elle restera ouverte : l’imprimerie nous enseigne qu’une technique égalisatrice ne le demeure qu’aussi longtemps que le droit y consent. Quant à ceux qui, sur les marchés du droit comme ailleurs, tiennent leur position pour acquise parce qu’ils ont su lever des centaines de millions, ils devraient méditer ce qui précède : la barrière qui les protégeait n’était pas leur capital, c’était la rareté d’une langue — et cette langue vient d’être traduite.