Bill Gates revient sur l’une des questions les plus épineuses de la révolution de l’intelligence artificielle : quels emplois garderont leur sens lorsque les modèles seront capables d’écrire, de résumer, de raisonner, de programmer, d’analyser des données et d’exécuter des tâches numériques avec une intervention humaine de plus en plus réduite. Sa réponse attire l’attention car elle ne se limite pas à une liste exhaustive de professions protégées, mais met en avant quelques domaines présentant une plus grande capacité de résistance : la programmation, la biologie, l’énergie et le sport professionnel.

Une lecture simpliste pourrait conduire à penser que tout le reste est condamné. Mais cette interprétation serait trop simplifiée. L’IA ne supprime pas brusquement les professions ; elle automatise d’abord les tâches, modifie les flux de travail, diminue la demande pour les profils répétitifs et relève le défi pour ceux qui restent dans le métier. Ce que Gates souligne, ce n’est pas une frontière claire entre emplois sûrs et emplois voués à disparaître, mais une distinction plus pertinente : certains emplois consistent à produire une réponse, d’autres à comprendre des systèmes complexes, agir sur le monde physique ou susciter un intérêt humain.

Pour un média technologique, le cas le plus intéressant concerne les programmeurs. Car la programmation est à la fois une des disciplines les plus touchées par l’IA et l’une de celles que Gates considère comme les plus résistantes.

Le code sera moins cher ; la compréhension des systèmes sera plus précieuse

Les assistants de programmation peuvent déjà rédiger des fonctions, générer des tests, détecter des erreurs, expliquer des logs, documenter des API, convertir du code entre langages et créer des prototypes à partir d’une description. Ce qui autrefois prenait des heures de travail d’un développeur junior peut désormais être accompli en quelques minutes grâce à un outil bien utilisé.

Cela ne signifie pas que le programmeur disparaîtra. Cela implique que le cœur du métier évolue.

Dans la pratique, le problème ne consiste pas simplement à écrire une fonction isolée. Il s’agit plutôt de savoir si cette fonction s’intègre dans une architecture, si elle est évolutive, si elle introduit une dette technique, si elle ouvre une faille de sécurité, si elle rompt une dépendance, si elle complique la maintenance ou si elle résout le mauvais problème. L’IA peut générer du code facilement, mais elle ne comprend pas toujours le contexte métier, l’historique du produit, les décisions techniques antérieures ou les conséquences d’intervenir sur une partie d’un système complexe.

Dans le domaine des jeux vidéo, cela apparaît de façon particulièrement claire. Un jeu moderne ne se limite pas à du code : il englobe moteur graphique, physique, intelligence artificielle des ennemis, audio, réseau, outils internes, optimisation, animation, serveurs, correctifs, télémétrie, monétisation et expérience utilisateur. Une IA peut aider à produire des scripts, prototypes, comportements ou utilitaires pour l’équipe. Mais transformer tout cela en un produit stable, agréable et efficace nécessite un jugement humain.

Le programmeur qui se limite à traduire des instructions simples en code verra son rôle devenir plus pressant. Celui qui maîtrise la compréhension du produit, de l’architecture, des données, de la sécurité, du rendement et de l’expérience utilisateur aura plus de valeur. L’IA ne diminue pas l’importance du logiciel ; elle réduit simplement la valeur du code produit sans discernement.

Biologie et énergie : quand l’IA intervient dans le monde physique

Gates évoque également le rôle des biologistes. Cela fait sens dans un contexte où l’IA connaît une explosion appliquée à la science, les médicaments, les protéines, la génétique et la santé. Les modèles peuvent analyser de vastes volumes de données, repérer des relations, proposer des molécules, accélérer des expérimentations ou détecter des motifs que mettrait beaucoup plus longtemps à percevoir un duo humain.

Mais la biologie n’est pas une simple feuille de calcul. Les organismes vivants présentent de la variabilité, un contexte, des effets secondaires, des limites éthiques, et des résultats qui doivent être reproduits en laboratoire ou lors d’essais cliniques. L’IA peut générer des hypothèses, mais la science exige leur validation. Un modèle peut suggérer une voie, mais quelqu’un doit concevoir l’expérimentation, interpréter les résultats, déceler les biais et assumer la responsabilité des choix qui impactent la santé, les médicaments ou les écosystèmes.

Le secteur de l’énergie constitue un autre exemple de résistance par la complexité physique. L’IA peut optimiser les réseaux électriques, prévoir la demande, ajuster la maintenance ou améliorer le fonctionnement des centrales. Mais l’énergie dépend d’infrastructures physiques : production, transport, distribution, stockage, régulation, sécurité industrielle et gestion des pannes.

Ce point prendra encore plus d’importance avec le développement même de l’IA. Les centres de données augmentent la demande électrique dans de nombreux pays. Les modèles avancés nécessitent des puces, de la réfrigération, des réseaux et une alimentation continue. Cela fait des spécialistes de l’énergie des acteurs à la fois techniques et stratégiques. Il ne suffit pas d’avoir des algorithmes pour optimiser la consommation ; il faut des personnes capables de planifier des infrastructures, négocier des capacités, gérer les risques et assurer la continuité des systèmes critiques.

Sports, eSports et la part humaine non automatisable

La référence au sport professionnel est la plus frappante, mais aussi peut-être la plus simple à saisir. Une IA peut analyser, mieux que l’humain, des millions de phases de jeu, simuler des stratégies ou jouer de façon optimale à certains jeux vidéo. Mais le public ne regarde pas le sport uniquement pour l’efficacité. Il souhaite voir des humains.

Les spectateurs veulent voir la pression, l’erreur, la remontée, la rivalité, le talent, la fatigue, des décisions impossibles et des gestes humains. Cette logique s’applique aussi aux eSports. Un bot pourrait jouer mieux que beaucoup de professionnels, mais il ne peut pas créer le même lien que celui qui unit une équipe humaine lors de compétitions en direct. La valeur ne réside pas seulement dans la performance, mais dans la narration.

Cette différence sera significative dans davantage de secteurs qu’il n’y paraît. Certains emplois où l’IA peut réaliser une tâche, mais pas remplacer la dimension sociale et humaine qui la sous-tend. Le divertissement, l’éducation, la santé, le conseil ou la communication continueront à comporter des espaces où la confiance, l’empathie, la responsabilité et la présence humaine comptent.

La vraie frontière : tâches automatisables versus responsabilité

Le débat sur l’emploi et l’IA se pose souvent sous un angle binaire : quelles professions disparaîtront et lesquelles perdureront ? La réalité sera plus nuancée. Au sein d’une même profession, certaines tâches seront très automatisées, d’autres beaucoup plus valorisées. Un avocat, un journaliste, un enseignant, un designer ou un programmeur ne verront pas leur volume de travail diminuer dans les mêmes proportions. Tout dépendra de la valeur qu’apportent au-delà de la production de texte, de code, de présentations ou d’analyses génériques.

La liste attribuée à Gates sert d’avertissement pour le secteur technologique. Les profils qui résisteront le plus seront ceux combinant IA et connaissance approfondie du domaine. N’utiliser que les outils ne suffira pas. Il faudra comprendre le problème à résoudre.

Dans la programmation, cela signifie passer de l’écriture de code à la conception de systèmes. En biologie, d’analyse de données à validation des connaissances. En énergie, d’optimisation de modèles à gestion des infrastructures. Dans le sport et les jeux vidéo compétitifs, de l’exécution de mouvements à la génération d’une expérience humaine que le public souhaite suivre.

L’IA rendra beaucoup de tâches moins coûteuses. Elle rendra aussi le jugement plus précieux.

Questions fréquentes

Quels emplois Bill Gates considère-t-il comme les plus résistants à l’IA ?
Il cite la programmation, la biologie, l’énergie et le sport professionnel, où la substitution sera la plus difficile.

L’IA remplacera-t-elle les programmeurs ?
Pas entièrement. Elle automatisera de nombreuses tâches de codage, mais l’humain restera nécessaire pour concevoir des systèmes, revoir l’architecture, comprendre le produit et assumer une responsabilité technique.

Pourquoi la programmation de jeux vidéo pourrait mieux résister ?
Parce qu’un jeu vidéo ne se limite pas au code : il inclut moteur graphique, performance, design, expérience, réseau, outils internes et créativité. L’IA peut aider, mais elle ne remplace pas tout le processus créatif et d’ajustement.

Quels profils technologiques seront les plus vulnérables ?
Ceux qui se limitent à des tâches répétitives, du code simple, du contenu générique ou du support de base sans compréhension profonde du système ou du métier.

Que devrait apprendre un professionnel tech pour s’adapter ?
L’architecture, la sécurité, la gestion des données, l’automatisation, le sens du produit et une utilisation avancée des outils d’IA. La clé sera de combiner connaissance technique et capacité de décision.

via : Noticias inteligencia artificial