LHO
EN

· 21 min de lecture

Pourquoi tenir un registre

Le ressentiment autour de l'avènement de l'IA est visible. La frontière de ce que nous cédons aux machines, non. C'est pour cela qu'un relevé daté et sourcé est indispensable à l'heure actuelle.

Par Quentin Devillechabrolle

En juin 2025, la moitié des Américains interrogés disaient que la place croissante de l’IA dans leur vie les inquiétait plus qu’elle ne les enthousiasmait. À la première mesure, en 2021, ils étaient 37 %.1 Les deux chiffres sont exacts, mais ils ne disent rien des machines. Ils parlent de nous. Ce que personne ne tient, c’est la ligne elle-même : ce qui est réellement passé aux machines, quand, sur quelle tâche, établi par qui.

Cette publication la tient.

La peur a des chiffres, la frontière n’en a pas

Il faut reconnaître cela à la peur : elle est précise. On sait ce que les gens redoutent, dans quel ordre, et à quelle vitesse cela bouge. Partout, la crainte la plus répandue concerne l’emploi, et c’est une crainte pour les autres : 64 % des Américains s’attendent à ce que l’IA réduise l’emploi d’ici vingt ans, 79 % d’ici dix ans dans une enquête Gallup de 2026, mais seuls 16 à 35 % craignent pour leur propre poste, selon le sondage.2 Depuis 2025, les questionnaires mesurent une inquiétude plus neuve, qui ne vise plus le travail mais nous-mêmes : 53 % pensent que l’IA va dégrader la capacité des gens à penser de façon créative, 56 % redoutent d’en devenir cognitivement dépendants, et en France 44 % citent la diminution de nos facultés, à égalité avec la peur pour l’emploi.3

Ceux qui construisent ces systèmes lisent les mêmes chiffres autrement. Là où 64 % du public attend moins d’emplois, 39 % des chercheurs en IA le pensent.4 Et presque personne ne fait confiance aux constructeurs pour arbitrer : 15 % des Américains s’en remettent aux entreprises d’IA pour décider de la suite.5

Rien de tout cela ne signifie que la peur a tort. Cela révèle quelque chose de plus troublant : la peur est exacte, mais son objet est flou. Chacune de ces inquiétudes vise une frontière, la ligne entre ce que les machines font désormais et ce qui demande encore une personne, et cette ligne n’est écrite nulle part. Elle bouge, quelqu’un annonce le mouvement avec triomphe ou effroi, on en débat une semaine, et le mouvement suivant arrive avant que le précédent ait été vérifié. Un public qui ne voit pas la ligne n’a aucun moyen de proportionner sa peur. Tout semble pouvoir être pris, puisque personne ne sait dire ce qui l’a déjà été.

Les alarmes et les réassurances ont le même défaut

Voilà soixante ans que cette frontière est annoncée, dans les deux sens, et les annonces ont un passif.

Herbert Simon, 1965 : « machines will be capable, within twenty years, of doing any work a man can do », les machines sauront faire d’ici vingt ans tout travail d’homme.6 En 2013, une étude d’Oxford plaçait 47 % de l’emploi américain à risque d’automatisation d’ici dix à vingt ans. Quand l’OCDE a refait le compte par tâches plutôt que par métiers, le chiffre est tombé à 9 %, et en 2019 l’emploi des métiers dits condamnés avait crû de 6 %.7 Le Forum économique mondial a interrogé les employeurs et annoncé un solde de 14 millions d’emplois perdus en 2023, puis les a réinterrogés et annoncé un solde de 78 millions d’emplois gagnés en 2025.8 Les 300 millions d’emplois du titre de Goldman Sachs, comme les 40 % du FMI, mesuraient une exposition, ce qu’un modèle pourrait toucher, pas ce que quiconque perdait.9 Et en 2016, Geoffrey Hinton déclarait « complètement évident » que l’apprentissage profond dépasserait les radiologues sous cinq ans, et qu’il fallait cesser d’en former. Dix ans plus tard, la radiologie compte des milliers de postes vacants, des salaires records, et plus d’images à lire que jamais.10 Le même motif se rejoue à l’échelle d’une seule entreprise : Klarna annonce en février 2024 qu’un assistant fait le travail de 700 personnes, et en mai 2025 son directeur général concède une « qualité moindre » et réembauche des humains.11

Ces gens n’étaient pas des sots. Certains comptent parmi les esprits les plus capables de leur génération. Le défaut est structurel : une prévision n’a pas de contrat d’entretien. Une fois posée, elle se défend, elle ne se révise pas, et la langue de la défense est toujours la même : le calendrier était faux, la direction était bonne, les conditions ont changé. Philip Tetlock a passé vingt ans à noter 27 450 pronostics d’experts : à peine mieux que le hasard, moins bien que des extrapolations grossières, et les plus souvent démentis étaient les moins disposés à l’admettre.12 Son remède n’était pas de meilleurs experts. C’était le score public : une question datée, un chiffre, une échéance. Le jugement ne s’améliore que là où quelqu’un compte.

Compter fait aussi apparaître des formes que le débat ne voit pas. Après trois ans de proclamations sur l’IA et l’emploi, le signal le plus net des données n’est pas le chômage de masse, qui n’est pas venu, mais une porte qui se ferme : dans les métiers les plus exposés, l’emploi des 22-25 ans court désormais 19 % sous la trajectoire de leurs pairs moins exposés, et l’écart vient d’embauches qui n’ont pas lieu, non de licenciements.13 Aucune tribune n’avait prédit cette forme-là. Les registres de paie l’ont trouvée.

Ce qu’est un registre

Un registre est l’instrument inverse. C’est une liste de capacités humaines. Chaque ligne énonce un statut, la date à laquelle il a été atteint, une note courte sur ce qui a précisément changé, et les sources qui l’établissent. Trois statuts sont utilisés. Tenue : aucune machine n’accomplit l’acte, parce que l’acte appartient à une personne par nature. Contestée : les machines égalent ou approchent les meilleurs humains dans un cadre étroit ou discuté, et la question reste débattue de bonne foi. Cédée : sur la tâche telle que définie, le meilleur résultat machine dépasse le meilleur résultat humain. Un statut peut être faux, et c’est sa vertu : quelqu’un peut montrer la ligne, produire une source, et la ligne bouge, l’ancien statut restant dans l’historique.

La discipline est ancienne, et elle a été réinventée chaque fois par des gens qui avaient quelque chose en jeu. Le registre du Lloyd’s naît en 1764 parce que des assureurs voulaient connaître l’état des coques avant de les couvrir : des inspecteurs payés, une échelle publique, une colonne neuve chaque année pour les révisions.14 Les valeurs recommandées des constantes physiques sont révisées à cycle fixe, tous les quatre ans depuis 1998. Même une constante, dans cette discipline, est un état des connaissances avec une date de clôture.15 Le modèle le plus proche est la Liste rouge de l’UICN, qui suit le statut des espèces depuis 1964 : les statuts bougent dans les deux sens, le phoque à capuchon monté d’un cran dans la même mise à jour de 2025 qui redescendait la tortue verte en préoccupation mineure, et la méthode distingue un changement du monde d’un changement de nos connaissances, en corrigeant le passé sans l’effacer.16 Le registre reprend cette règle telle quelle.

La moitié de ce travail existe déjà pour les machines, et elle est bien faite. L’AI Index de Stanford rend compte chaque année des scores et de leur usure, et ses dernières éditions se lisent comme une mise en garde contre la photographie : des épreuves conçues pour durer des années saturent en quelques mois, certains tests répandus contiennent jusqu’à 42 % de questions invalides, et les mêmes systèmes qui décrochent l’or aux Olympiades échouent encore, selon les mots de l’Index, à lire l’heure de façon fiable.17 METR convertit la capacité des machines en unités de travail humain, la longueur de tâche qu’un système réussit une fois sur deux, et la voit doubler environ tous les sept mois depuis 2019, plus vite récemment, en publiant à chaque révision ses intervalles de confiance et ses limites.18 Ce qu’aucun de ces instruments ne consigne, c’est l’autre versant de la ligne : non pas les scores, mais les positions, qui cadre encore, qui consent encore, qui répond encore. Et même les bons suivis meurent avec leur hébergeur, comme Papers with Code en 2025, quand son propriétaire s’en est désintéressé.19 Un registre est aussi une promesse de durée.

Une règle compte plus que les autres : la tâche telle que définie. Toute revendication honnête de parité est née étroite. Le résultat ImageNet de 2015 battait un taux d’erreur humain mesuré, 5,1 %, sur un jeu de test précis. La parité vocale de 2016 valait pour un corpus téléphonique, la parité en traduction de 2018 pour une paire de langues sur le jeu d’essai d’une seule année.20 L’ennui commence quand un résultat étroit est étiré sur un métier entier. Comme l’écrivent Arvind Narayanan et Sayash Kapoor, « the easier a task is to measure via benchmarks, the less likely it is to represent the kind of complex, contextual work that defines professional practice » : plus une tâche est facile à mesurer sur banc d’essai, moins elle ressemble au travail réel d’une profession.21 Chaque ligne cédée de ce registre nomme donc sa tâche exactement, et la note dit ce qui n’est pas cédé.

Ce que le registre montre déjà

Descendez la colonne des capacités cédées et une forme apparaît. Presque chaque ligne est une tâche posée par quelqu’un d’autre : un jeu avec des règles, un examen avec un corrigé, une épreuve avec une règle de notation convenue d’avance. Échecs en 1997, Go en 2016, Repliement des protéines en 2020, Mathématiques OIM en 2025. Même le test de Turing, quand il est tombé en 2025, est tombé comme une tâche définie : des conversations de cinq minutes, des juges profanes, GPT-4.5 pris pour l’humain 73 % du temps. Changez le protocole, le résultat ne s’applique plus. La définition fait le résultat.22

La colonne des capacités contestées est celle où le siècle se joue, et ses lignes ont la forme inverse : la référence humaine y est floue et l’enjeu personnel. Dans une étude randomisée de raisonnement clinique, le modèle seul obtient 92 %, les médecins 74, et les médecins équipés du modèle 76 : ce n’est pas la machine qui a échoué, c’est l’attelage (Diagnostic médical).23 En débat structuré, GPT-4 muni de quelques données démographiques sur son contradicteur se montre plus persuasif qu’un humain dans 64 % des paires comparables (Persuasion).24 Des lecteurs ordinaires n’ont pas su distinguer des poèmes de machine de ceux de poètes consacrés, et ont préféré ceux de la machine (Poésie et prose).25 Chaque résultat est réel. Chacun est étroit. Chacun est discuté par des gens sérieux, et c’est exactement ce que le statut veut dire.

Reste la colonne des capacités tenues, et c’est pour elle que ce site existe. Elle ne contient aucun talent. Rien n’y affirme que les humains écrivent mieux, jugent mieux, sentent mieux. Elle contient des positions : Responsabilité, Choix des fins, Promettre, pardonner, le consentement, le témoignage, la charge. Joseph Weizenbaum a tracé cette ligne en 1976, au milieu de la première vague de l’IA, et elle n’a pas bougé depuis : « there is all the difference between deciding and choosing », il y a toute la différence entre décider et choisir. Décider est un calcul, choisir engage des valeurs, et « since we do not now have any ways of making computers wise, we ought not now to give computers tasks that demand wisdom » : n’ayant aucun moyen de rendre les ordinateurs sages, nous ne devrions pas leur confier de tâches qui exigent la sagesse.26 Hannah Arendt avait nommé le fond de l’affaire vingt ans plus tôt : promettre et pardonner, les deux remèdes à un monde imprévisible et irréversible, « depend upon plurality, on the presence and acting of others », supposent la pluralité, la présence et l’action des autres. On promet à quelqu’un, devant d’autres, et on peut en répondre.27

Ce qui rend ces lignes solides, c’est qu’elles tiennent par décision, non par retard, et que les décisions ont des dates. Le Parlement européen a envisagé en 2017 une « personnalité électronique » pour les robots les plus autonomes, s’est fait reprendre par 150 experts, et a enterré l’idée en 2020. La directive de 2024 sur la responsabilité du fait des produits tranche en faisant remonter la responsabilité des logiciels et des systèmes d’IA vers des personnes, physiques et morales.28 Un juge fédéral a sanctionné les avocats qui avaient déposé les arrêts inventés par ChatGPT, en rappelant que les règles existantes confient aux avocats un rôle de gardien, en juin 2023.29 Un tribunal a condamné Air Canada à honorer la politique de remboursement inventée par son agent conversationnel, en février 2024, jugeant « remarquable » la thèse selon laquelle le robot serait « une entité juridique distincte, responsable de ses propres actes ».30 Chaque fois qu’on leur a demandé si la machine pouvait être celle qui répond, les institutions ont dit non, et l’ont écrit. Un registre peut dater ces refus aussi précisément que les prouesses.

Une précaution appartient à la même colonne. Une position sans les moyens n’est pas une position, c’est un fusible. Madeleine Clare Elish a nommé ce mode de défaillance la zone de déformation morale : quand un système échoue, le blâme s’écrase sur l’humain le plus proche, si peu d’autorité qu’il ait eue sur la machine.31 Tenue, dans ce registre, veut dire tenue avec les moyens de répondre. L’entrée doit dire si la personne a gardé les commandes ou seulement la faute.

Ce que la délégation fait apparaître

Il y a une seconde raison de tenir le relevé, et c’est celle que la peur désigne sans la nommer. Chaque délégation crée du travail en deçà de la ligne. Lisanne Bainbridge l’a écrit en 1983, en étudiant l’automatisation industrielle : « the more advanced a control system is, so the more crucial may be the contribution of the human operator », plus un système de contrôle est avancé, plus la contribution de l’opérateur humain devient décisive, alors qu’il ne lui reste que les tâches que le concepteur n’a pas su automatiser, et que les compétences pour les traiter s’étiolent faute d’usage.32 Quarante ans plus tard, le motif se reproduit à l’heure dite. Des gastro-entérologues ayant passé quelques mois avec une assistance d’IA détectaient moins d’adénomes une fois l’assistance coupée : 22,4 % contre 28,4 avant.33 La compétence n’a pas disparu parce que la machine était mauvaise. Elle s’est effacée parce qu’elle était bonne.

Regardez ce qui apparaît à la place, car ce sont les lignes les plus récentes du registre. La vérification devient un métier : dans une enquête, 41 % des salariés américains avaient reçu dans le mois du travail généré qui avait l’air fini sans l’être, à près de deux heures de tri par occurrence.34 La supervision devient un métier : les offres d’entrée des métiers exposés exigent désormais sept fois plus souvent le jugement qu’on demandait aux seniors.35 Et la signature devient un métier, le plus ancien de tous, aiguisé : plus de 1 600 décisions de justice ont déjà traité de citations inventées, et le droit européen exige que les systèmes à haut risque soient surveillés par des personnes physiques qui en comprennent les limites et peuvent les arrêter.36 Cadrer la question, vérifier ce qui revient, mettre son nom sous le résultat : rien de tout cela n’était un métier répertorié il y a dix ans, faute de quelqu’un à qui déléguer.

Lu ainsi, le registre n’est pas un inventaire de pertes. C’est une carte où la circulation va dans les deux sens : des capacités qui passent aux machines avec une date, et des positions qui affleurent côté humain, certaines anciennes et soudain visibles, d’autres réellement neuves. C’est en ce sens que ce site se veut une boussole de ce que nous sommes comme espèce à cet instant : il ne dit pas où aller. Il dit où l’on se trouve, et il donne le dernier relevé chaque fois qu’on le consulte.

Les règles de la maison

Chaque date et chaque chiffre ci-dessus porte sa source, et c’est la norme de toute ligne que le registre tiendra jamais. Une affirmation invérifiable est marquée contestée, et la note dit pourquoi. Un statut, une fois changé, garde son passé en clair. Le ton reste plat à dessein : le déplacement de la frontière n’est ni une catastrophe ni une libération, c’est un fait avec une date, et cette publication sert à garder les dates justes pendant que chacun débat du sentiment. Le registre est identique en français et en anglais. Quand un essai n’existe que dans une langue, le site le dit.

Comment s’en servir

Commencez par la colonne des capacités tenues. Elle est courte, et elle n’est pas faite des choses qu’on cite d’ordinaire quand on demande ce qui nous rend humains. Lisez ensuite la colonne des capacités contestées, où la prochaine décennie se décidera ligne à ligne. Puis, si une ligne vous paraît fausse, écrivez : l’adresse est au bas de chaque page, et une correction accompagnée d’une source est la chose la plus utile qu’un lecteur puisse envoyer. Le relevé s’améliore comme il s’est construit, une entrée datée à la fois.

Notes

  1. Pew Research Center, « How Americans View AI and Its Impact on People and Society », 17 septembre 2025 ; terrain du 9 au 15 juin 2025, 5 023 adultes. 50 % plus inquiets qu’enthousiastes, contre 37 % en 2021. ↩

  2. Horizon vingt ans : Pew Research Center, « How the US Public and AI Experts View Artificial Intelligence », 3 avril 2025. Horizon dix ans : Bentley University et Gallup, 28 juillet 2026, 3 270 adultes. Crainte pour son propre poste : Ipsos AI Monitor 2025 (16 % attendent une dégradation de leur emploi, 30 pays) ; YouGov, juin 2025 (35 % des actifs américains). ↩

  3. Créativité : Pew, septembre 2025 (53 %). Dépendance cognitive : Anthropic Public Record avec YouGov, 51 993 répondants américains, novembre-décembre 2025 (56 % ; le commanditaire est un laboratoire d’IA). France : Ipsos pour le CESI, janvier 2025 (44 %). ↩

  4. Pew Research Center, 3 avril 2025 : 64 % du public contre 39 % des experts en IA interrogés attendent moins d’emplois d’ici vingt ans. ↩

  5. Anthropic Public Record, 2025 : 15 % des Américains font confiance aux entreprises d’IA pour décider du développement et de l’usage de la technologie. ↩

  6. Herbert A. Simon, The Shape of Automation for Men and Management, 1965. ↩

  7. Carl Benedikt Frey et Michael A. Osborne, « The Future of Employment », Oxford Martin School, 2013 (47 %). Melanie Arntz, Terry Gregory et Ulrich Zierahn, document de travail OCDE n° 189, 2016 (9 %, par tâches). Alexandre Georgieff et Anna Milanez, document de travail OCDE n° 255, 2021 : l’emploi des métiers à haut risque a crû de 6 % entre 2012 et 2019, contre 18 % ailleurs. ↩

  8. Forum économique mondial, Future of Jobs Report, avril 2023 (solde de moins 14 millions d’ici 2027) et janvier 2025 (solde de plus 78 millions d’ici 2030). Deux enquêtes d’employeurs. ↩

  9. Goldman Sachs, Briggs et Kodnani, 26 mars 2023 : environ 300 millions d’emplois à temps plein exposés. Analyse des services du FMI présentée par Kristalina Georgieva, 14 janvier 2024 : 40 % des emplois mondiaux exposés, 60 % dans les économies avancées. ↩

  10. Hinton en 2016 : « It’s just completely obvious that within five years deep learning is going to do better than radiologists » (cité par The New Republic, 25 octobre 2024). En 2026 : 4 333 offres de radiologues actives en mars, environ 130 jours pour pourvoir un poste, salaire moyen de 571 000 dollars, volumes d’examens en hausse de 25 % depuis 2018 (Fortune, 4 mai 2026). Hinton a reconnu avoir parlé « trop largement ». ↩

  11. Klarna, février 2024 (un assistant « fait le travail de 700 agents ») ; son directeur général à Bloomberg, 8 mai 2025 : « what you end up having is lower quality », avec réembauche d’agents humains. ↩

  12. Philip E. Tetlock, Expert Political Judgment (Princeton, 2005) : 284 experts, environ 27 450 pronostics chiffrés, 1988-2003. La suite, les tournois de prévision, est dans Tetlock et Gardner, Superforecasting (2015). ↩

  13. Erik Brynjolfsson, Bharat Chandar et Ruyu Chen, « Canaries in the Coal Mine », Stanford Digital Economy Lab, révision du 12 août 2026, sur données de paie ADP : pas de déplacement à l’échelle de l’économie, mais l’emploi des 22-25 ans des métiers les plus exposés 19 % sous la trajectoire de leurs pairs moins exposés, par gel des embauches. ↩

  14. Lloyd’s Register, premier Register of Ships, 1764 : coques cotées par voyelles, mâts et gréements par lettres, révision annuelle par des inspecteurs rémunérés. ↩

  15. Groupe de travail CODATA sur les constantes fondamentales : ajustements en 1973 et 1986, puis tous les quatre ans depuis 1998 ; l’ajustement 2022 clôt sur les données disponibles au 31 décembre 2022. ↩

  16. Liste rouge de l’UICN, mise à jour du 10 octobre 2025 : 172 620 espèces évaluées, le phoque à capuchon passé de Vulnérable à En danger, la tortue verte d’En danger à Préoccupation mineure. Sur la distinction entre changement réel et changement de connaissance : Butchart et al., « Improvements to the Red List Index », PLoS ONE, 2007. ↩

  17. Stanford HAI, AI Index 2025 et 2026 : SWE-bench de 4,4 à 71,7 % en un an ; des épreuves neuves saturées en quelques mois ; jusqu’à 42 % de questions invalides sur des tests répandus ; « jagged intelligence ». ↩

  18. METR, « Measuring AI Ability to Complete Long Software Tasks », mars 2025, et Time Horizon 1.1, 29 janvier 2026 : l’horizon de tâche à 50 % double environ tous les 7 mois depuis 2019, tous les 4 mois environ depuis 2024, intervalles de confiance publiés, limites déclarées (tâches surtout logicielles). ↩

  19. Papers with Code a été fermé et redirigé vers Hugging Face en juillet 2025. ↩

  20. He, Zhang, Ren et Sun, février 2015 (4,94 % d’erreur top-5 contre 5,1 % mesuré chez un annotateur humain sur ImageNet) ; Xiong et al., « Achieving Human Parity in Conversational Speech Recognition », 2016 (corpus Switchboard) ; Hassan et al., « Achieving Human Parity on Automatic Chinese to English News Translation », 2018 (jeu d’essai WMT 2017). ↩

  21. Arvind Narayanan et Sayash Kapoor, « AI as Normal Technology », Knight First Amendment Institute, 15 avril 2025. Voir aussi leur AI Snake Oil (Princeton, 2024). ↩

  22. Cameron R. Jones et Benjamin K. Bergen, « Large Language Models Pass the Turing Test », 31 mars 2025 : test à trois participants, conversations de cinq minutes ; GPT-4.5 jugé humain 73 % du temps. ↩

  23. Goh et al., JAMA Network Open, 28 octobre 2024 : 50 médecins, cas écrits ; le modèle seul à 92 % sur une grille de raisonnement diagnostique, les médecins avec leurs ressources habituelles à 74, les médecins équipés du modèle à 76. ↩

  24. Salvi et al., Nature Human Behaviour, 2025 : étude préenregistrée, 900 participants américains ; GPT-4 muni d’informations démographiques minimales plus persuasif que le débatteur humain dans 64 % des paires comparables. ↩

  25. Porter et Machery, Scientific Reports, 2024 : des lecteurs non experts distinguent les poèmes d’IA de ceux de dix poètes connus avec 46,6 % d’exactitude, sous le hasard, et notent plus haut les poèmes de la machine sur plusieurs qualités. ↩

  26. Joseph Weizenbaum, Computer Power and Human Reason (1976), p. 227 et 259. ↩

  27. Hannah Arendt, The Human Condition (1958), p. 236-247. ↩

  28. Résolution du Parlement européen du 16 février 2017 (personnalité électronique envisagée) ; lettre ouverte d’environ 150 experts, avril 2018 ; résolution du 20 octobre 2020 (responsabilité ramenée aux personnes) ; directive (UE) 2024/2853 sur la responsabilité du fait des produits défectueux, qui traite le logiciel, systèmes d’IA compris, comme un produit. ↩

  29. Mata v. Avianca, Inc., S.D.N.Y., décision du juge P. Kevin Castel, 22 juin 2023 : 5 000 dollars de sanction ; « existing rules impose a gatekeeping role on attorneys to ensure the accuracy of their filings ». ↩

  30. Moffatt v. Air Canada, Civil Resolution Tribunal de Colombie-Britannique, 2024 BCCRT 149, 14 février 2024. ↩

  31. Madeleine Clare Elish, « Moral Crumple Zones: Cautionary Tales in Human-Robot Interaction », Engaging Science, Technology, and Society, 2019. ↩

  32. Lisanne Bainbridge, « Ironies of Automation », Automatica 19(6), 1983. ↩

  33. Budzyń et al., The Lancet Gastroenterology and Hepatology, août 2025 : la détection d’adénomes sans assistance est passée de 28,4 à 22,4 % dans quatre centres polonais après des mois de pratique assistée. ↩

  34. BetterUp Labs et Stanford Social Media Lab, Harvard Business Review, septembre 2025 : 41 % de 1 150 salariés interrogés avaient reçu un tel travail dans le mois, à 1 h 56 de traitement en moyenne par occurrence. ↩

  35. PwC Global AI Jobs Barometer 2026, sur 2,4 millions d’offres américaines : les postes d’entrée exposés exigent sept fois plus souvent des compétences de jugement et d’encadrement de niveau senior qu’en 2019. ↩

  36. Décompte des décisions de justice impliquant des citations fabriquées : base tenue par Damien Charlotin (HEC Paris), plus de 1 600 à la mi-2026. Surveillance humaine : règlement (UE) 2024/1689, article 14. ↩