IA et vrai travail : 65 % des critères d'un poste atteints
Les meilleurs modèles d'IA atteignent 65 % des critères d'un vrai poste. Découvrez ce que ces tests grandeur nature révèlent sur les progrès de
Vous avez sûrement vu passer un nouveau record d'IA sur un benchmark. Chaque mois, une annonce nous promet que la machine vient de dépasser l'humain sur une tâche de plus. Pourtant, sur votre lieu de travail, rien ne semble bouger aussi vite. Cette dissonance a un nom : le paradoxe de la productivité. Et une équipe de chercheurs a décidé de le prendre au sérieux en testant les modèles sur de vraies missions, pas sur des exercices calibrés.
Le piège des benchmarks classiques
Les benchmarks ont un défaut structurel : ils mesurent souvent le progrès par rapport aux capacités passées de l'IA, et non par rapport à la performance humaine. Ils se limitent aux tâches faciles à noter automatiquement. Et parfois, les modèles sont littéralement entraînés sur le test, comme un lycéen qu'on coacherait uniquement sur les annales du SAT. Résultat : un écart béant entre le score affiché et ce que l'IA sait réellement faire dans le monde réel.
Automatiser son propre métier pour voir
En février dernier, un chercheur d'Epoch a tenté une expérience radicale : automatiser son propre poste. Il a listé ses tâches, les a confiées à l'IA et a observé. Verdict : le modèle a échoué sur absolument tout. Pas une seule mission menée à bien. Mais son pronostic était plus nuancé : selon lui, ce ne serait plus le cas d'ici la fin de la décennie. Cette honnêteté intellectuelle mérite d'être saluée.
Les rapports d'automatisation, une autre échelle de mesure
De cette expérience est née une démarche plus large : les rapports d'automatisation d'Epoch. Le principe est simple et exigeant. On prend des tâches réellement effectuées par l'équipe — du design graphique, la planification de projets de recherche — et on évalue les modèles selon les mêmes critères qu'un employé humain. C'est plus de travail qu'un benchmark standard, mais cela colle enfin aux vraies contraintes : rassembler du contexte, utiliser des outils, gérer la complexité d'un environnement professionnel.
Le classement des modèles sur du travail réel
Alors, quels résultats ? Les meilleurs modèles, Claude Fable 5.1 et GPT-6 Astra, obtiennent 65 % en moyenne. Concrètement, leur production satisfait 65 % des critères sur lesquels un employé humain serait évalué. Un score de 100 % signifierait que la machine remplit l'ensemble du cahier des charges. Deux tiers du chemin, donc. C'est à la fois impressionnant et révélateur de tout ce qu'il reste à franchir.
Ce que cela change pour vous
Ce chiffre de 65 % n'est pas un détail anecdotique. Il dessine une frontière utile : l'IA excelle sur des fragments de tâches, mais bute encore sur l'enchaînement complet et le contexte implicite. Pour votre quotidien, cela signifie deux choses. D'abord, les outils d'IA peuvent déjà vous faire gagner du temps sur des sous-tâches précises. Ensuite, la supervision humaine reste indispensable là où le jugement et la continuité comptent.
- Identifiez les micro-tâches où l'IA vous fait gagner du temps dès aujourd'hui.
- Gardez la main sur les enchaînements complexes et les décisions à fort enjeu.
- Méfiez-vous des scores de benchmark comme unique preuve de maturité.
Pourquoi c'est important
Comprendre ce décalage entre les scores et la réalité vous évite deux erreurs coûteuses : surestimer l'IA et abandonner trop vite, ou la sous-estimer et rater des gains réels. Cette lucidité vous donne une boussole pour décider où investir votre attention et où garder la main. C'est aussi un appel à juger les outils sur ce qu'ils produisent vraiment, pas sur leurs promesses.
Conclusion
L'IA ne remplace pas encore un poste, mais elle progresse sur des terrains de plus en plus concrets. Le passage des benchmarks abstraits aux tâches réelles marque une étape mature dans notre façon d'évaluer la technologie. Et c'est une bonne nouvelle : mesurer honnêtement, c'est se donner les moyens de mieux travailler avec ces outils, sans illusion ni défaitisme. La prochaine fois qu'un record tombe, demandez-vous simplement : 65 % de quoi, au fait ?
Points clés à retenir
- Les benchmarks classiques surestiment souvent ce que l'IA sait vraiment faire.
- Sur de vraies tâches professionnelles, les meilleurs modèles atteignent environ 65 % des critères humains.
- L'IA brille sur des fragments, mais peine encore sur les enchaînements complexes.
- La supervision humaine reste essentielle là où le jugement compte.
- Évaluer sur du travail réel donne une vision plus juste et plus utile du progrès.