Freelances et les agents IA, le perpétuel stagiaire

Les freelances et les agents IA rivalisent-ils pour la confiance des clients de la même manière ? A bien des égards, l’IA s’apparente à un stagiaire. Hormis une connaissance théorique des process et du workflow, l’intelligence artificielle n’a aucune réelle expertise. Tout comme un stagiaire, elle peut citer les règles et les concepts avancés, mais l’application qu’elle en fait est robotique et souvent problématique. En somme, comme tout stagiaire qui débute dans une fonction, l’intelligence artificielle manque encore cruellement de fiabilité.

Depuis 2021, les chefs d’entreprises et les clients de freelances se sont lancés dans une course pour intégrer l’IA à leurs environnements professionnels. L’objectif est clair : booster la productivité, remplacer les travailleurs et faire des économies. La promesse de gains économiques est d’ailleurs l’argument de vente le plus efficace des firmes comme OpenAI et Anthropic.

Pourtant, en l’état, l’Intelligence Artificielle n’est pas prête. Ces firmes IA qui promettent une révolution technologique sont les premières à l’admettre. Ceci ne les empêche toutefois pas, d’engloutir des fortunes en marketing pour convaincre le reste du monde que l’IA peut déjà remplacer les travailleurs. Et les investisseurs amplifient ce message afin de justifier les investissements hors de proportion et les pertes tout aussi disproportionnées qui s’en suivent.

Comment se fait-il alors qu’un outil aussi peu fiable, jouisse d’une adoption aussi massive ? Et surtout, comment expliquer que les patrons et les clients de freelances envisagent de remplacer l’expertise des professionnels par le savoir-faire approximatif du perpétuel stagiaire qu’est l’IA ? Les freelances et les agents IA sont-ils vraiment en concurrence ?

Se fier à l’IA : une proposition hallucinante 

L’IA peut être un outil remarquable dans le monde professionnel. Les différents modèles sur le marché ont démontré leurs capacités maintes et maintes fois. Cependant, aucun d’entre eux n’a pu promettre une fiabilité absolue. En tout cas, pas dans les usages pour lesquels ils sont proposés. 

OpenAI, Anthropic, Perplexity ou Google ne manquent jamais d’afficher cet avertissement : « L’IA peut faire des erreurs« . Les experts en machine learning considèrent d’ailleurs que c’est un défaut intrinsèque desdits modèles. C’est ce qu’une étude récente de Salesforce AI Research le démontre.

Dans le monde professionnel, les seuls collaborateurs dont la fiabilité est souvent remise en question, ce sont les stagiaires. L’erreur leur est permise parce qu’ils viennent apprendre. Et, au fil du temps, cette propension à l’erreur est remplacée par l’expertise.

Avec l’IA ce n’est pas tout à fait le cas. L’erreur est permise, tolérée et ignorée. L’expérience n’est pas accumulée et l’expertise dépend d’une mise à jour nébuleuse du modèle. Même le manque de fiabilité criard est appelé « hallucination » afin de mieux vendre « l’humanité du modèle ».

Un stagiaire qui nécessiterait autant de supervision après un an, qu’au premier jour serait traité d’échec, au mieux. Il serait perçu comme un drain des ressources de l’entreprise. Pourtant, face à l’IA, les employeurs semblent moins perspicaces. Ils semblent satisfaits à l’idée que l’IA parsème leur travail, leurs produits et leur image de marque d’imperfections. À l’image d’un perpétuel stagiaire. Une réalité qui marque déjà la différence entre les freelances et les agents IA.

Les gaffes de l’IA sont bien connues. Il ne se passe pas un jour sans que de nouvelles erreurs catastrophiques de l’intelligence artificielle ne soient répertoriées. Des bases de données supprimées sans crier gare. Des ordinateurs remis à nu sans explication. Des données analytiques critiques inventées de toutes pièces. Ou même des citations et sources scientifiques sorties de nulle part.

Si un stagiaire faisait de telles erreurs, il serait certainement remercié sans cérémonie. C’est pour cette raison qu’aucune entreprise ne confie autant de pouvoir à un stagiaire. Mais ici, ce sont pourtant des multinationales comme Amazon, des compagnies aériennes ou des firmes de renom comme Deloitte qui se jettent ainsi à l’eau… et qui risquent ainsi leur capital. C’est ce qui vaut aujourd’hui à Microsoft d’être adoubé Microslop.

Le perpétuel stagiaire : faut-il troquer l’expertise pour la vitesse ?

L’IA n’est qu’un outil comme un autre. Certes, la technologie représente un bond en matière d’output dans le champ du machine learning. Mais malgré son appellation, ce n’est pas une « technologie intelligente ».

Les modèles LLM, aussi sophistiqués puissent-ils être, sont simplement des modèles statistiques. Il faut y voir des algorithmes prédictifs solidement ancrés dans la moyenne statistique globale.

De fait, l’IA est mal équipée pour faire face à des scénarios qui sortent de l’ordinaire. Cependant, pour accélérer les tâches courantes, l’Intelligence Artificielle peut se montrer particulièrement efficace. Tout comme un stagiaire auquel on enseigne méticuleusement une workflow et qui le maîtrise à la perfection. Tant que les missions peuvent être traitées avec ce workflow, l’agent IA est aussi efficace qu’un vétéran de l’entreprise. 

Ainsi, l’IA devrait être utilisée pour booster la productivité du travailleur dans les scénarios qui présentent peu ou pas d’écarts. Elle ne peut pas encore servir pour le remplacer. Il faut y voir un outil au même titre que la suite bureautique ou l’application comptable de la boîte.

Par-dessus tout, ceci signifie que l’output de l’IA est toujours encadré et supervisé par l’expert humain. Les tâches répétitives dont les processus sont clairement définis peuvent donc être déléguées au perpétuel stagiaire qu’est l’agent IA. L’humain se charge alors de traiter les cas qui sortent de l’ordinaire et d’apporter sa capacité de pensée créative pour élever la qualité du travail.

Malheureusement, en ce moment, le monde du travail adopte essentiellement une configuration inversée. L’IA produit et le travailleur vient l’assister. C’est ce qu’on constate également en freelancing. Au cours des dernières années, les freelances et les agents IA ont été placés en opposition l’un à l’autre.

Les clients s’adonnent au « vibe-coding » ou confient des traductions volumineuses aux agents IA. Et invariablement, ils reviennent sur les plateformes de freelancing pour trouver des développeurs ou des linguistes capables de peaufiner le travail ou simplement de le rendre potable.

Nous sommes passés d’une réalité dans laquelle l’expertise était la norme à une réalité dans laquelle la vitesse de déploiement l’emporte sur la qualité du produit. De fait, le label IA est perçu négativement par les audiences. Les audiences y voient un indicateur de faibles enjeux et d’amateurisme incessant.

Les freelances et les agents IA : du baby-sitting professionnel

Les promoteurs de l’IA avaient promis de changer le monde du travail. Ils ont tenu leurs promesses, mais pas de la façon dont ils espéraient.

Historiquement, les programmes de stage assuraient trois fonctions essentielles. D’abord, le stagiaire avait pour vocation de servir de renfort. Ensuite, le programme de stage permettaient d’identifier les stagiaires talentueux. Enfin, les stagiaires devenus employés bénéficiaient d’une transmission continue des compétences afin d’assurer la préservation des savoir-faire au sein de l’entreprise. 

Avec l’Intelligence Artificielle, cette courbe d’apprentissage a disparu. Le stagiaire était un investissement et un actif pour l’entreprise. Mais en tant que perpétuel stagiaire, l’IA ne devient pas plus habile et ne développe pas un meilleur discernement avec le temps. Chaque output doit être minutieusement vérifié avant validation.

C’est un processus souvent laborieux qui transforme les experts en baby-sitters. Et ce sans faire mention de la dégradation des compétences qui frappe les professionnels réduits à ce rôle. En fin de compte, les freelances et les agents IA traitent les mêmes tâches au tour par tour. Une situation très peu efficiente.

Aujourd’hui, placer l’IA au cœur de ses processus professionnels, c’est devenir et rester dépendant d’une infrastructure externe qui ne devient pas moins coûteuse dans le temps. Après tout ceci revient à faire de la sous-traitance. La différence tient au fait que c’est un abonnement pour ChatGPT, Claude, Deepseek ou d’autres modèles qu’on paye, plutôt qu’un freelance.

L’Intelligence Artificielle émancipe-t-elle le client des travailleurs freelance ?

Quand on y pense, du point de vue d’une entreprise, les freelances et les agents IA occupent le même couloir. Ce sont tous les deux des prestataires externes qui accomplissent des tâches ponctuelles ou occasionnelles pour un prix. 

Ceci dit, initialement, l’IA coûte moins cher qu’un freelance et a le mérite d’être immédiatement disponible. L’intelligence artificielle ne se repose pas et ne fatigue pas. Elle ne nécessite pas de parcourir des dizaines de candidatures freelance chaque fois qu’un nouveau projet requiert de l’expertise externe. Encore mieux, un seul modèle IA peut être pluri-compétent et virtuellement omniscient.

Dans un tel contexte, quelle raison peut-il y avoir de recruter un freelance plutôt que de souscrire à une IA ? Après plus de 4 ans, la réponse saute aux yeux.

• Pour un freelance, le manque de fiabilité ou des erreurs professionnelles ont des conséquences. C’est tout le contraire d’une IA que la clause de non responsabilité protège, même si elle détruit des années de travail. Seul l’utilisateur de l’IA supporte les conséquences.
• Un freelance est censé comprendre et traiter les requêtes des clients. Une IA promet aussi de l’interpréter avec justesse. Mais tous les utilisateurs n’ont-ils pas déjà perdu des heures de productivité à ajuster des prompts avant de capituler sous le fait de la frustration et de se contenter d’ouputs passables ? 
• Un freelance peut modifier son output pour intégrer un nouveau paramètre. Ou carrément continuer une mission entamée par un autre. Alors qu’avec une IA, chaque demande de modification emporte le risque de chambouler tout le rendu. Et ceux qui cherchent à modifier d’anciens ouputs avec de nouveaux modèles découvrent un tout nouvel univers de frustrations.
• Et souvent, l’économie escomptée en confiant des missions à des IA s’évapore lorsqu’il faut quand même recruter des experts pour vérifier, peaufiner ou rendre les ouputs réellement exploitables.

Conclusion

Le label IA est devenu un indicateur de produit approximatif. Malgré sa capacité à produire des résultats satisfaisants, l’IA a également démontré la portée catastrophique des erreurs qu’elle peut commettre. Mais rappelons que ce n’est jamais la faute de l’IA. Ce n’est qu’un outil et ne peut en aucun cas endosser une quelconque responsabilité. C’est toujours la faute des professionnels qui instituent des processus IA sans placer les garde-fous appropriés.

Après tout, personne ne confierait du travail de production final à un stagiaire sans supervision. Ceci dit, l’intelligence artificielle diffère d’autres outils parce que même ses utilisateurs les plus aguerris n’en cernent pas tous les contours. En somme, s’en remettre à l’IA, c’est accepter le risque perpétuel que des absurdités se glissent dans le produit fini.

---

Les illustrations sur cette page proviennent de GetIllustrations.