Substitution du travail cognitif, hyper-aplatissement organisationnel et émergence de nouveaux risques opérationnels
La théorie économique a longtemps tenu pour acquis que le progrès technologique augmentait la productivité marginale du travailleur sans jamais menacer son monopole sur les tâches cognitives complexes. Cette hypothèse de complémentarité, formalisée par Autor, Levy et Murnane dès 2003 dans ce que la littérature a retenu comme le modèle ALM, posait une frontière d'automatisation jugée infranchissable : la machine pouvait coder des règles explicites et traiter des données structurées, mais l'orchestration, le jugement et la coordination demeuraient l'apanage irréductible de l'humain qualifié.1 Autor qualifiait lui-même ce verrou du « paradoxe de Polanyi » : nous en savons toujours plus que nous ne pouvons en dire, et ce savoir tacite protégeait le travailleur intellectuel de toute substitution algorithmique.
L'irruption de l'Intelligence Artificielle Agentique au milieu des années 2020 fracture ce consensus. Il ne s'agit plus d'une IA générative passive qui produit une réponse à un prompt puis s'arrête, attendant que l'humain orchestre l'étape suivante. L'IA agentique, dont l'architecture cognitive itérative la plus documentée est le cadre ReAct formalisé par Yao et al. en 2022, enchaîne de manière autonome une boucle de raisonnement : elle décompose un objectif complexe en sous-tâches, sélectionne et active des outils externes comme la navigation web ou des API métier, analyse les résultats de ses propres actions et s'autocorrige sans intervention humaine, jusqu'à l'accomplissement de la directive initiale.2 Ce basculement, du mode oracle au mode agentique, est précisément ce que le modèle ALM ne pouvait pas anticiper : la machine n'assiste plus le travailleur intellectuel, elle internalise le workflow complet qui était jusqu'alors son monopole.
La rupture est confirmée par les données empiriques les plus récentes. Eloundou et al. ont montré en 2023, dans une étude qui a fait date, que ce sont désormais les professions à revenus les plus élevés et à plus forte composante cognitive qui présentent la plus grande exposition à la substituabilité algorithmique, renversant spectaculairement la prédiction historique du modèle de polarisation de l'emploi.3 Le paradoxe de Polanyi n'a pas été résolu théoriquement ; il a été contourné empiriquement par l'apprentissage profond probabiliste, qui n'a pas besoin d'instructions explicites pour générer un raisonnement de qualité experte.
Avant de mesurer l'impact organisationnel de l'IA agentique, il est indispensable de requalifier sa nature économique. La littérature classique rangeait sans ambiguïté l'informatique dans la catégorie du capital technique : l'acquisition de serveurs, de licences logicielles ou d'infrastructures constituait une dépense d'investissement, un CAPEX générant des coûts fixes amortis sur plusieurs années. La transition vers le SaaS a certes initié un premier glissement vers les charges d'exploitation (OPEX), mais le coût restait fixe à court terme pour l'entreprise, indépendamment de l'intensité d'utilisation.
La commercialisation des grands modèles de langage via des interfaces de programmation (API), notamment par OpenAI et Anthropic à partir de 2023, marque une rupture radicale : la tarification s'effectue désormais à l'usage microscopique, en tokens, c'est-à-dire en unités sémantiques traitées. La dépense technologique bascule ainsi d'une charge fixe vers une charge purement variable, strictement proportionnelle à la quantité de tâches intellectuelles exécutées. En cas de choc de demande négatif, le coût algorithmique chute instantanément à zéro, ce qu'aucun contrat de travail humain ne peut reproduire.
Cette mutation n'est pas simplement comptable. Lazear l'avait théorisé dès 2000 pour le travail humain : la rémunération à la pièce vise à aligner parfaitement le coût du travail sur la productivité marginale de l'exécutant, éliminant les temps morts inhérents au salaire horaire.4 C'est exactement la structure que reproduit la facturation au token : la firme ne paie plus la disponibilité intellectuelle d'un cadre, elle rémunère l'exécution directe et ponctuelle de la tâche cognitive, via un contrat commercial instantané qui s'affranchit totalement des rigidités juridiques du droit du travail. Le token est le salaire à la pièce de l'IA agentique.
L'élasticité absolue de l'offre algorithmique ne prend toute sa portée que confrontée à la réalité tarifaire des marchés du travail. Les données disponibles convergent vers un diagnostic univoque : le différentiel de coût entre l'exécution humaine et l'exécution agentique sur les tâches cognitives qualifiées est d'un ordre de grandeur qui rend la comparaison presque absurde.
Pour formaliser cette destruction de valeur et éprouver sa robustesse face aux frictions réglementaires, un simulateur microéconomique dynamique a été développé. Il projette le coût de traitement d'un lot de cinquante rapports d'audit (environ 500 000 tokens en entrée) selon trois architectures : le plancher humain rémunéré au SMIC super-brut (160 €), le recours à l'API Cloud indexée sur les modèles les plus coûteux du marché comme GPT-5.5 ou Claude Opus à leurs tarifs de printemps 2026 (3,02 €), et le déploiement local souverain sur une station de travail RTX 4090 amortie (0,17 €). Le simulateur intègre les taux d'erreur comparatifs, l'ensemble des paramètres de marché et calcule la taxe compensatoire que l'État devrait instaurer pour que le travail humain redevienne compétitif, ce qui aboutit à un taux de taxation punitive dépassant les 5 000 pour cent.
Le résultat central de la modélisation ne réside pas dans l'écrasement tarifaire brut, déjà spectaculaire. Sa vraie force analytique tient à l'intégration du risque de non-qualité. Même en paramétrant le simulateur avec un taux d'hallucination algorithmique délibérément majoré à 8 pour cent contre 5 pour cent d'erreurs pour un humain fatigué, et en intégrant une prime de réparation par erreur, la rentabilité de la machine demeure écrasante. Cette asymétrie entre vitesse, coût et fiabilité résiduelle constitue le cœur de la nouvelle vulnérabilité de la firme, que nous analyserons en troisième partie.
L'effondrement du coût marginal cognitif ne se limite pas à une optimisation des dépenses opérationnelles ; il remet en cause le fondement même de l'existence de la firme. Dans son article séminal de 1937, Ronald Coase posait une question en apparence triviale : si le marché libre est le mécanisme d'allocation le plus efficient, pourquoi observe-t-on la formation d'organisations hiérarchiques ? La réponse résidait dans les coûts de transaction. Recourir systématiquement au marché pour chaque micro-tâche génère des frictions onéreuses, des coûts de recherche, de négociation et de rédaction contractuelle. La firme naît donc de la nécessité d'internaliser ces transactions sous une autorité hiérarchique.5 Williamson a ensuite formalisé que la taille optimale d'une entreprise se stabilise au point où le coût d'organisation d'une transaction supplémentaire en interne égalise le coût de la même transaction sur le marché ouvert.
L'IA agentique opère sur cette frontière théorique un choc d'une brutalité sans précédent. Les architectures multi-agents contemporaines, dont le projet ChatDev de l'Université de Tsinghua offre la démonstration quantitative la plus aboutie, montrent que des agents autonomes peuvent concevoir, coder, tester et documenter un logiciel de bout en bout en moins de sept minutes pour un coût d'exécution inférieur à un dollar.6 Les agents échangent sans friction psychologique, sans ego, sans perte sémantique, sans réunion de synchronisation. Sur le plan formel, si l'on note θ le paramètre de friction de coordination interne, l'IA agentique agit comme un choc technologique comprimant θ vers zéro.
Dès lors que le coût marginal de la coordination interne s'effondre, la justification économique d'entretenir une masse de capital humain pour assurer la fluidité opérationnelle disparaît. La taille optimale de la firme se contracte, non pas par décision managériale, mais par pure logique de minimisation des coûts.
Cette obsolescence de la coordination humaine interne entraîne mécaniquement une remise en cause de la structure hiérarchique qui la supportait. Alfred Chandler avait démontré en 1977 que la « main visible » de la direction avait remplacé la « main invisible » du marché pour orchestrer les processus productifs complexes de la grande entreprise industrielle.7 Le manager devenait le processeur central de l'information, traduisant les orientations stratégiques en ordres opérationnels descendants et synthétisant les données d'activité en rapports ascendants. Cette intermédiation était précieuse parce qu'elle compensait une contrainte biologique fondamentale : la rationalité limitée du dirigeant unique, dont l'étendue de contrôle (Span of Control) est intrinsèquement bornée par ses capacités cognitives.
L'IA agentique supprime cette contrainte. Un système capable de monitorer, coordonner et allouer des ressources à des milliers de tâches simultanées sans fatigue décisionnelle rend caduque la nécessité des strates intermédiaires. McKinsey Global Institute estime que l'IA générative peut automatiser plus de 70 pour cent du temps que les managers consacrent actuellement à la collecte et au traitement de données. Eloundou et al. documentent qu'environ 80 pour cent des tâches des cadres supérieurs sont exposées aux modèles de langage.8 Le phénomène de delayering ou d'hyper-aplatissement, que Rajan et Wulf avaient commencé à documenter dès 2006 dans le sillage de la révolution informatique, atteint ici son paroxysme logique.
Ce double effondrement, coasien d'un côté, chandlérien de l'autre, rend possible l'émergence de ce que cette recherche conceptualise comme l'« Empire Unipersonnel » ou « Firme Zéro-Employé ». Il ne s'agit pas d'une réalité empirique absolue où le travail humain aurait intégralement disparu, mais d'un idéal-type au sens wébérien, une asymptote théorique permettant d'observer comment les théories organisationnelles classiques se comportent lorsque l'on pousse le coût marginal de coordination vers zéro. Dans cette structure, un dirigeant-architecte unique décorrèle totalement la croissance exponentielle de son extrant du volume de sa masse salariale. Les exemples déjà visibles de cette trajectoire sont parlants : Midjourney génère des centaines de millions de dollars de revenus avec quelques dizaines de collaborateurs ; l'acquisition de WhatsApp pour 19 milliards de dollars avec 55 employés reste l'archétype de cette décorrélation entre valorisation et effectif.
La promesse de la Firme Zéro-Employé repose sur une substitution présentée comme parfaite : remplacer une force de travail humaine faillible et coûteuse par une architecture d'agents autonomes rationnelle et scalable. Mais cette éviction du facteur humain engendre un paradoxe organisationnel profond que la théorie de l'agence permet d'éclairer précisément. La relation d'agence classique entre un principal et son employé souffre d'une asymétrie d'information couplée à une divergence d'intérêts : l'employé possède ses propres objectifs, carrière, aversion à l'effort, maximisation du temps libre, qui divergent de ceux du dirigeant et produisent de l'aléa moral.9
L'agent algorithmique neutralise cette divergence d'intérêts : il ne se syndique pas, ne dissimule pas son effort, n'a pas d'agenda propre. Mais il introduit une asymétrie d'information d'une nature radicalement nouvelle, l'opacité inévitable des réseaux de neurones profonds. Le principal humain est désormais incapable de retracer le cheminement logique effectué par l'agent dans des espaces vectoriels à haute dimension pour aboutir à sa décision. Le phénomène dit de « boîte noire » n'est pas une imperfection corrigible par une meilleure ingénierie ; c'est une propriété structurelle des architectures probabilistes. L'hallucination algorithmique, production d'une information fausse générée avec un haut degré de certitude mathématique, est l'exact équivalent contemporain de la perte résiduelle (residual loss) théorisée dans l'équation des coûts d'agence.
Au-delà de l'opacité individuelle de chaque agent, c'est la structure collective de l'architecture agentique qui recèle le risque le plus grave. Dans une firme classique, le risque d'erreur opérationnelle est fondamentalement idiosyncratique. La défaillance d'un collaborateur reste un événement localisé ; par analogie avec la théorie moderne du portefeuille, une équipe humaine bénéficie d'un effet de diversification de ses profils cognitifs. La probabilité que l'ensemble d'un service commette simultanément la même erreur d'appréciation est statistiquement négligeable : la loi des grands nombres protège le bilan global de l'organisation.
Le basculement vers la Firme Zéro-Employé anéantit cette protection statistique. En remplaçant la diversité du capital humain par une architecture algorithmique centralisée reposant sur un même modèle de fondation, le dirigeant substitue un risque dispersé par un risque de concentration absolue. Si ce modèle présente un biais d'analyse latent ou une faille de raisonnement, la défaillance n'est plus isolée : elle est répliquée de manière instantanée et systématique par l'intégralité des agents de l'entreprise. Le Centre for Research on Foundation Models de Stanford a théorisé cette « homogénéisation » comme la création d'un Single Point of Failure interne.10 Perrow avait formalisé la même logique pour les systèmes industriels hautement couplés : dans un tel système, l'accident grave devient non seulement possible mais « normal » et inévitable.
Dans l'Empire Unipersonnel, l'extrant produit par un premier agent devient immédiatement l'intrant du second agent d'exécution, sans qu'aucun espace-tampon humain ne permette d'interrompre le flux. L'erreur subit une corrélation parfaite et s'amplifie en cascade : ce qui n'était qu'une dérive probabiliste locale se métamorphose en quelques millisecondes en un engagement contractuel juridiquement contraignant. Le Flash Crash de 2010, où des algorithmes de trading haute fréquence ont détruit des milliards de dollars de capitalisation avant la moindre intervention humaine, constitue l'analogie la plus précise de ce que cette dynamique produit à grande échelle dans un contexte d'entreprise agentique.
Une troisième vulnérabilité s'ajoute aux deux premières, de nature externe cette fois. Le dirigeant-architecte de la Firme Zéro-Employé se perçoit volontiers comme une entité souveraine, libérée du salariat et de ses rigidités contractuelles. Mais cette indépendance apparente masque une translation du rapport de subordination : l'entreprise n'a pas éliminé la dépendance à ses facteurs de production, elle a troqué sa dépendance au capital humain contre une perfusion technologique absolue aux API et aux infrastructures Cloud.
Pour qu'une architecture agentique soit performante, le dirigeant doit investir massivement dans un capital immatériel hautement idiosyncratique : des prompts ultra-calibrés, des workflows complexes, des modèles finement ajustés à sa niche métier. Or, si le prestataire modifie unilatéralement l'architecture de son réseau de neurones, l'intégralité de cet investissement perd instantanément sa valeur d'usage. Williamson avait théorisé cette dynamique comme la « transformation fondamentale » : une relation commerciale initialement concurrentielle se mue en situation de monopole bilatéral dès lors que les coûts de changement deviennent prohibitifs.11 Klein, Crawford et Alchian avaient formalisé la conséquence : le fournisseur acquiert un pouvoir de hold-up lui permettant d'extraire la rente économique de la firme captive, via la modification arbitraire des tarifs à la token, la dépréciation brutale d'un modèle, ou la censure de certaines requêtes métier sensibles au nom de politiques internes opaques.
La convergence de ces vulnérabilités internes et externes débouche sur une problématique de survie institutionnelle : face à une firme exposée à l'accident systémique instantané, comment le droit et le marché de l'assurance peuvent-ils appréhender et tarifer ses défaillances ? La réponse actuelle est troublante, car elle met en lumière l'incompatibilité structurelle de la Firme Zéro-Employé avec les fondements de la science actuarielle.
Frank Knight avait établi en 1921 une distinction épistémologique fondamentale entre le « risque », situation où les probabilités des résultats futurs sont connues ou calculables, et l'« incertitude », situation où la distribution même des probabilités est totalement inconnue et incalculable. La science actuarielle ne peut tarifer que le risque.12 Or, l'Empire Unipersonnel plonge structurellement dans le domaine de l'incertitude pure, pour trois raisons cumulatives.
Premièrement, il ne dispose d'aucun historique de sinistralité sur lequel asseoir une tarification ; la technologie agentique est trop récente. Deuxièmement, et c'est plus grave, ses défaillances potentielles dépendent d'algorithmes dont les poids neuronaux sont mis à jour en permanence par les fournisseurs d'API, de sorte que l'environnement d'exécution change plus vite que la capacité des actuaires à en récolter les données. Troisièmement, Wei et al. ont documenté que les grands modèles de langage développent des « capacités émergentes », des comportements stochastiques imprévisibles qu'ils n'étaient pas explicitement programmés pour exécuter, se manifestant de façon soudaine au-delà d'un certain seuil d'échelle.13 Dès lors qu'un agent commence à raisonner selon des schémas non prévus par ses créateurs, il devient impossible d'assigner une probabilité mathématique à la survenue d'une erreur d'interprétation. Les sinistres algorithmiques n'obéissent pas à une distribution normale, ils suivent les lois de l'« Extrêmistan » de Taleb, où des événements hautement improbables concentrent un potentiel de destruction infini.
Pour combler ce gouffre juridique, le réflexe rationnel du dirigeant-architecte consiste à se tourner vers le marché du transfert de risque, en souscrivant une police de Responsabilité Civile Professionnelle. Cette tentative se heurte à un double refus structurel.
Du côté des fournisseurs d'IA, l'incomplétude contractuelle est résolue par asymétrie radicale. Grossman et Hart avaient établi qu'un contrat est intrinsèquement incomplet lorsqu'il est impossible pour les parties d'anticiper toutes les éventualités futures. Le contrat liant la Firme Zéro-Employé à un fournisseur d'API est l'archétype absolu de cette incomplétude. La réponse de l'oligopole technologique est d'imposer via ses CGU un transfert de risque total : les modèles sont fournis "en l'état" (as is), avec des clauses de non-responsabilité absolues en cas de décision erronée. Le fournisseur capture la quasi-totalité de la rente technologique tout en expurgeant de son bilan toute responsabilité juridique associée à l'extrant cognitif.
Du côté des assureurs, la réponse est symétrique. Biener, Eling et Wirfs avaient déjà documenté en 2015 la difficulté systémique du marché à modéliser et absorber le risque cyber classique des entreprises humaines, en raison d'un manque de données et d'un risque d'accumulation trop élevé.14 Assurer une firme entièrement pilotée par un réseau d'IA en boucle ouverte, capable d'engager le bilan de l'entreprise sur des milliers de transactions à la milliseconde sans vérification humaine, dépasse largement les capacités d'absorption en capital des réassureurs mondiaux. Les clauses d'exclusion de type silent cyber, dont LMA 21-042 a précisément cherché à nettoyer le marché, visent à exclure les risques technologiques non explicitement tarifés ; or, l'exécution algorithmique autonome non supervisée est précisément ce que ces clauses refusent de couvrir.
Le dirigeant de l'Empire Unipersonnel se retrouve donc juridiquement isolé, portant sur ses seuls capitaux propres le risque généré par sa machine. Lemley et Casey ont rappelé que l'IA est par nature judgment-proof, insaisissable et irresponsable : n'ayant aucune personnalité juridique, l'algorithme ne peut être poursuivi. Le dirigeant devient l'unique Locus of Intent, le seul porteur du risque moral et juridique des décisions de sa flotte d'agents. La survie institutionnelle de l'Empire Unipersonnel dépendra donc de l'émergence de mécanismes alternatifs : assurance paramétrique indexée sur des oracles cryptographiques, captives de réassurance dédiées au risque systémique agentique, ou encore véhicules d'auto-assurance nécessitant l'immobilisation de provisions massives sur fonds propres.
L'analyse conduite dans cet article dessine les contours d'une anomalie fondamentale dans l'histoire de la théorie des organisations. L'IA agentique résout brillamment le problème des frictions humaines théorisées par Coase et rendues visibles par Chandler ; elle n'a pas aboli le risque pour autant, elle en a muté la nature. En évacuant les amortisseurs sociaux et cognitifs de la hiérarchie humaine, la firme s'est débarrassée de ses coûts d'agence traditionnels, mais elle a également détruit ses résiliences naturelles. L'accident cesse d'être une défaillance idiosyncratique pour devenir une crise systémique, instantanée et non assurable dans les conditions juridiques actuelles.
La contrainte institutionnelle de l'EU AI Act, qui impose le maintien forcé d'une supervision humaine dans la boucle décisionnelle (Human-in-the-loop) pour les processus critiques, agit comme un amortisseur sociétal. Elle ralentit l'hyper-aplatissement en obligeant l'entreprise à conserver des strates humaines résiduelles, non plus pour leur efficience productive, mais pour leur stricte fonction de caution légale et morale. La tension entre la logique économique de l'hyper-aplatissement et la logique réglementaire du contrôle humain constitue précisément la ligne de fracture institutionnelle des prochaines années.
Les vagues de licenciements massifs frappant actuellement les strates du middle management au sein d'organisations comme Meta, Microsoft ou Oracle ne constituent pas de simples ajustements conjoncturels : elles sont les premiers signaux empiriques de l'hyper-aplatissement théorisé ici. La question que devront résoudre les travaux de recherche à venir réside dans la capacité du marché à réintégrer l'incertitude knightienne propre aux algorithmes dans la sphère du risque probabilisable. Inventer la firme infaillible, c'est se condamner à réinventer la responsabilité et l'assurance.
1. Autor, D. H., Levy, F., & Murnane, R. J. (2003). The skill content of recent technological change. Quarterly Journal of Economics, 118(4) ; Autor, D. H. (2015). Why are there still so many jobs? Journal of Economic Perspectives, 29(3).
2. Yao, S., Zhao, J., Yu, D., et al. (2022). ReAct: Synergizing Reasoning and Acting in Language Models. arXiv preprint arXiv:2210.03629.
3. Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023). GPTs are GPTs: An early look at the labor market impact potential of large language models. arXiv preprint arXiv:2303.10130.
4. Lazear, E. P. (2000). Performance pay and productivity. American Economic Review, 90(5), 1346-1361.
5. Coase, R. H. (1937). The nature of the firm. Economica, 4(16), 386-405 ; Williamson, O. E. (1981). The economics of organization. American Journal of Sociology, 87(3).
6. Qian, C., et al. (2023). Communicative Agents for Software Development. arXiv preprint arXiv:2307.07924. Université de Tsinghua.
7. Chandler, A. D. (1977). The Visible Hand: The Managerial Revolution in American Business. Harvard University Press.
8. McKinsey Global Institute (2023). The economic potential of generative AI ; Eloundou et al. (2023), op. cit.
9. Jensen, M. C., & Meckling, W. H. (1976). Theory of the firm: Managerial behavior, agency costs and ownership structure. Journal of Financial Economics, 3(4), 305-360.
10. Bommasani, R., Hudson, D. A., et al. (2021). On the Opportunities and Risks of Foundation Models. Stanford CRFM, arXiv preprint.
11. Williamson, O. E. (1985). The Economic Institutions of Capitalism. Free Press ; Klein, B., Crawford, R. G., & Alchian, A. A. (1978). Vertical Integration, Appropriable Rents. Journal of Law and Economics, 21(2).
12. Knight, F. H. (1921). Risk, Uncertainty and Profit. Houghton Mifflin.
13. Wei, J., Tay, Y., Bommasani, R., et al. (2022). Emergent Abilities of Large Language Models. Transactions on Machine Learning Research.
14. Biener, C., Eling, M., & Wirfs, J. H. (2015). Insurability of Cyber Risk: An Empirical Analysis. Geneva Papers on Risk and Insurance, 40(1), 131-158.
L'AI Act est un code de sécurité, non un régime de responsabilité. Le retrait de la directive dédiée en fait pourtant, par défaut, la clé de voûte de la responsabilité de l'intelligence artificielle, et la conformité au règlement devient la nouvelle frontière de l'assurabilité.
L'assurance paramétrique promet de remplacer la lenteur de l'expertise par la rapidité de la mesure. Cette élégance a un prix souvent passé sous silence : en substituant un indice au dommage réel, le paramétrique troquant la friction de l'expertise contre deux nouvelles dépendances, le risque de base et la confiance dans l'oracle.
Solvabilité II repose sur deux postulats hérités de l'actuariat classique, la possibilité de diversifier des risques faiblement corrélés et celle d'en estimer la distribution à partir de données historiques. Le risque cyber contredit l'un et l'autre.
Le régulateur pose une question simple, combien d'argent devez-vous garder pour survivre à votre pire année sur deux siècles. Pour un portefeuille d'ouragans, l'actuaire répond sans ciller. Pour un portefeuille de rançongiciels, la salle se tait.
Un ouvrage s'écroule dans une ville dont vous n'avez jamais entendu parler, et l'épargne d'un retraité à Tokyo vacille le même mois. Entre les deux court un fil invisible, et ce fil s'appelle la réassurance.