Uber a traité quatre courses réservées par un agent IA pendant sa semaine la plus chargée du trimestre. Quatre. Pour une plateforme qui enregistre des dizaines de millions de trajets, ce chiffre mesure l'écart entre ce que l'IA sait faire et ce qu'elle fait réellement.
Le même jour, les signes de cet écart s'accumulent. Le gouvernement britannique avait promis 400 milliards de livres de retombées pour son économie ; son ministre concède maintenant moins d'un tiers, faute d'adoption. Apple réduit le budget d'IA de ses équipes d'ingénierie.
Google voit ses requêtes croître au rythme le plus rapide depuis cinq ans sans parvenir à faire payer l'IA comme sa recherche. La capacité des modèles grimpe, la valeur qu'en tirent les organisations stagne.
Ce qui se joue, c'est la différence entre disposer d'un outil et réorganiser le travail autour de lui. Déployer un assistant ou un agent dans une entreprise prend une après-midi. Changer la façon dont une équipe rédige un devis, instruit un dossier ou traite une réclamation prend des mois, et suppose qu'on forme les personnes concernées.
La première étape se facture en licences, la seconde se gagne en compétences. Presque personne n'a franchi la seconde.
Pour un responsable, la conséquence est directe. Le tableau de bord qui compte le nombre de licences d'IA actives ne mesure rien. Comptez plutôt les tâches : combien d'opérations réelles ont changé de forme depuis l'arrivée de l'outil, combien de personnes savent s'en servir sur leur propre travail, combien de temps a été rendu.
Là où ces chiffres restent à zéro, l'IA est une dépense, pas un gain.
Les quatre courses d'Uber mesurent une avance, celle de la technologie sur les organisations censées l'absorber. L'avantage des prochaines années ira à celles qui auront fait le travail ingrat de former leurs équipes, pendant que les autres regardaient monter la courbe des capacités. L'outil est prêt. Les métiers s'y mettent.