IA : l’économie du jugement remplace celle du savoir

Un diplômé d’école d’ingénieurs qui doit repasser un test technique en direct lors d’un entretien. Une plateforme de recrutement historique, Monster, en faillite. Des étudiants qui se demandent encore si un MBA a un sens à l’heure de ChatGPT. Ces exemples marquent une fracture que nous vivons tous : l’économie du savoir s’essouffle.

L’expression paraît paradoxale. Nous produisons plus de connaissances qu’à aucune autre époque. Pourtant, leur valeur économique s’érode. Ce mouvement, décrit dès le XXᵉ siècle par Buckminster Fuller, s’accélère aujourd’hui sous l’effet de l’intelligence artificielle. Fuller avait modélisé la « knowledge doubling curve » : avant 1900, il fallait environ un siècle pour que la quantité de connaissances humaines double. Après 1945, vingt-cinq ans suffisaient. Au début des années 2000, certaines sources parlaient d’un doublement tous les 13 mois. En 2024, les cycles de mise à jour trimestriels de l’IA rendent cette cadence quasi instantanée.

Nous vivons une hyperinflation du savoir. L’information circule plus vite que notre capacité à la digérer. Les enseignants perdent pied, les recruteurs doutent des diplômes, les salariés doivent se reformer sans cesse. Le système symbolique – diplôme, cursus, CV – s’effondre sous son propre poids.

Le diplôme dévalué : symptôme d’une économie saturée

Autrefois, un diplôme certifiait une maîtrise durable. Aujourd’hui, il a parfois la durée de vie d’un logiciel. Les technologies, les outils et les méthodes changent si vite qu’un cursus terminé en 2020 semble déjà ancien. L’université forgeait des statuts ; elle transmet aujourd’hui des repères devenus fragiles. Le prestige institutionnel ne suffit plus. Ce que les entreprises recherchent, c’est l’authenticité de l’apprentissage continu, pas le rituel scolaire.

Cette transition crée une tension. D’un côté, nous voulons des signes de compétence lisibles. De l’autre, les moyens pour les vérifier deviennent obsolètes. Le CV, symbole de stabilité, se fragilise à mesure que l’IA apprend à le rédiger mieux que nous. Les recruteurs testent désormais la réaction en direct, l’esprit de synthèse, la capacité à improviser. Bref, des qualités plus humaines que techniques.

Marché du travail : la preuve d’humanité devient le nouveau diplôme

Les grandes plateformes d’emploi, héritières des années 1990, ont perdu leur rôle central. Monster – pionnier du recrutement numérique – a disparu. Le mécanisme de tri automatique des candidatures n’a pas résisté à la saturation. Le marché repose désormais sur la confiance relationnelle : entretiens en personne, réseaux directs, références vérifiables.

Les entreprises testent ce qu’aucun algorithme ne simule encore bien : le jugement, la cohérence à long terme, la capacité d’adaptation à un imprévu. Ces repères ne s’affichent pas sur LinkedIn. Ils se cultivent avec le temps et l’expérience. L’économie du travail se déplace ainsi vers la démonstration de ce qui reste difficile à automatiser.

Cinq compétences clés pour rester pertinents

Face à cette mutation, cinq qualités humaines demeurent différenciantes. Elles ne dépendent pas du volume d’informations, mais du discernement appliqué à ces informations.

• 1. Le goût (taste) : savoir quoi construire. Les IA peuvent générer mille options ; nous devons identifier la seule qui mérite d’exister. Cette sensibilité est un capital cognitif rare.
• 2. L’agence extrême : agir sans directive. Les modèles d’IA excellent dans l’exécution, beaucoup moins dans la définition du but.
• 3. La vitesse d’apprentissage : apprendre plus vite que les compétences ne se périment. Contrairement à une IA figée après déploiement, nous apprenons en continu, par contact et par feedback.
• 4. L’horizon d’intention : maintenir un cap cohérent dans la durée. Les IA manquent de mémoire persistante ; nous, nous savons relier les actions à un sens commun.
• 5. L’interruptibilité : reprendre un fil logique après un imprévu. Ce talent humain s’avère crucial dans un monde instable.

Ces cinq axes dessinent la frontière actuelle entre la performance machine et la pertinence humaine. Aucun outil d’IA ne maîtrise encore la combinaison du goût, de l’intuition et de la mémoire d’intention. Ce sont donc ces dimensions que nous devons renforcer, individuellement et collectivement.

De l’économie du savoir à l’économie du jugement

La question centrale devient : voulons-nous continuer à courir après le savoir ou placer nos efforts dans le jugement ? L’économie du savoir valorisait l’accumulation. L’économie du jugement valorisera la sélection. Moins d’information, mais mieux analysée. Moins de diplômes, mais plus de discernement dans leur usage. Dans une « judgment economy », la valeur ne vient pas de ce que nous savons, mais de quand nous choisissons d’appliquer ce savoir.

Pour un économiste, ce changement s’apparente à un nouveau paradigme productif. Dans l’économie industrielle, le capital matériel dominait. Dans l’économie du savoir, c’était l’information. Dans celle du jugement, la rareté se déplace vers la confiance cognitive : savoir quand déléguer à la machine et quand reprendre la main.

Enjeux politiques et économiques

Les politiques publiques continuent de raisonner avec les instruments du passé : investissement massif dans les universités, incitations à la formation continue, indexation des salaires sur le niveau d’étude. Ces outils restent utiles, mais insuffisants. Ils supposent que le savoir reste lisible, accumulable, capitalisable. Or, il devient volatil.

Cette volatilité impose de revoir nos priorités collectives :

• Mesurer non plus l’accès au savoir, mais la capacité à juger de sa pertinence.
• Investir dans l’éducation au discernement, à la pensée critique, à la rigueur contextuelle.
• Encourager les institutions à s’adapter à la vitesse du réel – sans sacrifier la profondeur des apprentissages.

Le risque, sinon, est une décorrélation croissante entre formations et emplois. Les diplômés se retrouvent déclassés non par incompétence, mais par obsolescence du cadre éducatif. Le monde institutionnel doit retrouver sa légitimité, non comme distributeur de titres, mais comme incubateur de jugement collectif.

Concrètement, que pouvons-nous faire ?

Dans nos organisations, plusieurs leviers sont à portée de main :

• Créer des espaces de réflexivité : temps d’analyse, revues de décisions, partages d’erreurs – précieux pour affiner le jugement interne.
• Valoriser la vitesse d’apprentissage dans les recrutements plutôt que les diplômes figés.
• Former les équipes à l’usage critique de l’IA, pas seulement à son exploitation technique.
• Encourager la prise d’initiative sans cadre strict, pour réveiller l’agence individuelle.

Un exemple : une PME qui laisse chaque équipe choisir ses outils digitaux tout en évaluant les résultats collectifs améliore sa capacité d’adaptation. Elle déplace la responsabilité du simple savoir-faire vers le savoir-juger. Ce changement d’équilibre devient un avantage compétitif durable.

Vers une nouvelle boussole économique

Nous entrons dans une époque où la connaissance brute perd sa rareté. Ce n’est pas une catastrophe ; c’est une libération. L’humain cesse d’être le réservoir d’informations que la machine remplace. Il devient le filtre, le chef d’orchestre, celui qui choisit le rythme et le ton juste. Notre avenir collectif dépendra de cette transition : transformer la surcharge de savoir en puissance de discernement.

Apprendre moins, juger mieux : voilà le défi politique et économique des années à venir.