MOC : [[IA]] - [[Modèles Mentaux]] - [[Économie]] Source : [I Just One-Shotted A Blockbuster AI Article](https://blockbuster.thoughtleader.school/p/i-just-one-shotted-a-blockbuster) Auteur : Michael Simmons Date : 2026-04-17 *** # Paradoxe de Jevons × IA > Quand tu supprimes un goulot, tu ne réduis pas la demande — tu la déchaînes. --- ## Le paradoxe **William Stanley Jevons (1865)** : quand on rend quelque chose plus efficace, les gens l'utilisent *davantage*, pas moins. Exemple originel : les moteurs à vapeur plus efficaces → consommation de charbon plus élevée, pas moins. Appliqué à l'IA : supprimer le goulot humain (attention, lecture, évaluation) ne réduit pas le besoin d'expertise humaine — il la **déchaîne vers un niveau d'abstraction supérieur**. --- ## Les précédents historiques ### SQL (Edgar Codd + Donald Chamberlin, IBM, années 1970) Avant SQL : accéder à une base de données nécessitait d'écrire du code procédural indiquant *comment* trouver l'information. Après SQL : tu dis *quoi* tu veux, la base de données comprend comment le faire. **L'expertise s'est déplacée** : de l'écriture de routines fetch-and-compare vers la conception de schémas, d'index et de requêtes. Y a-t-il plus de professionnels des bases de données aujourd'hui qu'en 1975 ? **Oui — 3 à 5 fois plus dans certains secteurs.** Ils font juste du travail à plus haut levier. ### Electronic Design Automation — Industrie des puces (années 1980-2000) Années 1980 : concevoir un microprocesseur = 50+ ingénieurs plaçant manuellement les transistors. Années 2000 : une équipe de 5 conçoit une puce plus complexe que l'équipe de 50 n'aurait pu produire. Emploi en conception de puces sur la période : **croissance de 3 à 5 fois**. Parce que quand le goulot est l'attention humaine, le supprimer ne réduit pas la demande — il la déchaîne. ### AlphaFold (DeepMind) Avant : déterminer la structure 3D d'une protéine = mois ou années de travail en laboratoire. AlphaFold : prédire les structures de 200 millions de protéines en quelques mois. Biologistes structurels au chômage ? Non : **3 millions de chercheurs** utilisent maintenant les prédictions d'AlphaFold comme points de départ pour un travail qui n'était même pas *concevable* avant. Le goulot était la prédiction — le supprimer a déplacé le travail vers l'interprétation, l'application, et la question suivante plus difficile. --- ## La citation mémorable **Paul Welty** (recherche en semi-conducteurs) : > *"La machine m'attendait."* Pas lui qui attendait la machine. La machine attendait *lui*. Son expertise, son jugement sur ce qu'il fallait optimiser et comment l'évaluer, était la ressource rare. Le calcul était abondant. **La sagesse humaine sur la façon de le diriger était le goulot.** --- ## L'implication pour l'ère IA L'IA qui automatise les tâches de connaissance ne rend pas les travailleurs du savoir obsolètes. Elle rend obsolètes les travailleurs dont la valeur était dans l'*exécution* de ces tâches — et libère ceux dont la valeur est dans le *jugement* sur ces tâches. Le Paradoxe de Jevons dit : quand la production de contenu IA devient abondante et bon marché, la **curation et la réputation** deviennent les ressources rares. "Qui a fait ça, et puis-je faire confiance à leur jugement ?" --- ## Connexion → [[Le Principe de l'Arène]] · [[Les 4 Niveaux de Goulot d'Étranglement IA]]