# mollick-real-ai-agents-work-oneusefulthing-2025-09-29

## Veille

Ethan Mollick - Agents IA et travail réel - Impact économique - Étude OpenAI - Réplication de recherche - Futur du travail - One Useful Thing

## Titre Article

Real AI Agents and Real Work: The race between human-centered work and infinite PowerPoints

## Date

2025-09-29

## URL

https://www.oneusefulthing.org/p/real-ai-agents-and-real-work?utm_campaign=post&utm_medium=web

## Keywords

Agents IA, travail réel, impact économique, OpenAI, capacités de l'IA, transformation du travail, réplication de recherche, IA agentique, futur du travail, adoption de l'IA, automatisation des tâches, productivité IA, recherche scientifique, collaboration humain-IA

## Authors

Ethan Mollick, Professeur à la Wharton School, University of Pennsylvania

## Ton

**Profil:** Académique-accessible | Première personne testimoniale | Analytique-prospectif | Intermédiaire-expert

Mollick adopte son style caractéristique de professeur-vulgarisateur : il ancre une thèse prospective (les agents IA franchissent le seuil du travail économiquement pertinent) dans des preuves empiriques concrètes (étude OpenAI, mesures METR) et dans sa propre expérimentation (réplication d'un article d'économie avec Claude Sonnet 4.5). Le titre, opposant « travail centré sur l'humain » et « PowerPoints infinis », cristallise la tension centrale par une formule mémorable. Le ton est mesuré : ni catastrophisme ni enthousiasme naïf, avec une attention constante aux limites (capacités « dentelées », absence d'agency réelle, risque de surproduction de contenu médiocre). Public cible : dirigeants, chercheurs et professionnels cherchant à comprendre l'impact réel des agents IA sur le travail.

## Pense-betes

- Étude OpenAI : experts (14 ans d'expérience moyenne) vs IA sur des tâches réalistes de 4 à 7 heures, évaluation en aveugle
- Les humains gagnent encore, mais de justesse ; les modèles récents progressent vite
- Principale faiblesse de l'IA : formatage des résultats et suivi des instructions (en rapide amélioration)
- Prédiction : la prochaine génération de modèles devrait dépasser les experts humains en moyenne
- L'IA remplace des tâches, pas des emplois entiers ; capacités « dentelées » (excellente ici, défaillante là)
- Expérience Mollick : Claude Sonnet 4.5 réplique de façon autonome un article d'économie sophistiqué (lecture, tri des fichiers, conversion STATA → Python)
- Validation croisée : vérification ponctuelle par Mollick et re-réplication par GPT-5 Pro
- Ce qui prend des heures aux humains est accompli en minutes → levier potentiel contre la crise de réplication scientifique
- Étude METR : la longueur des tâches accomplies de façon autonome par l'IA croît exponentiellement (de GPT-3 à GPT-5)
- Les agents n'ont pas d'agency au sens humain : les humains définissent objectifs et limites
- Trois usages productifs : automatiser les tâches routinières, augmenter les capacités humaines, créer de nouvelles opportunités
- Risque central : la surproduction de contenu à faible valeur (« PowerPoints infinis ») si les organisations manquent d'imagination

## RésuméDe400mots

Ethan Mollick soutient que les agents IA ont franchi un seuil critique : ils sont désormais capables d'accomplir un travail économiquement pertinent. Il s'appuie d'abord sur une étude récente d'OpenAI comparant des modèles d'IA à des experts humains (14 ans d'expérience moyenne en finance, droit, retail) sur des tâches réalistes conçues pour prendre 4 à 7 heures, évaluées en aveugle par un troisième groupe d'experts. Résultat : les humains gagnent encore, mais de justesse, avec des marges variables selon les secteurs. Les modèles les plus récents progressent rapidement, et la principale faiblesse de l'IA — le formatage des résultats et le suivi des instructions — s'améliore vite. Mollick prédit que la prochaine génération de modèles dépassera en moyenne les experts humains. Il nuance toutefois : l'IA remplace des tâches, pas des emplois entiers, et ses capacités restent « dentelées », excellentes sur certaines tâches et défaillantes sur d'autres.

Pour illustrer la valeur de ce travail réel, Mollick raconte sa propre expérience : il a demandé à Claude Sonnet 4.5 de répliquer un article d'économie sophistiqué comportant des expériences multiples, en lui fournissant le texte complet et l'archive de données de réplication. De manière autonome, le modèle a lu l'article, trié les fichiers, converti le code STATA en Python et vérifié méthodiquement toutes les découvertes, y compris les interactions complexes. Mollick a validé ponctuellement les résultats et fait re-répliquer la réplication par GPT-5 Pro. Ce qui prendrait des heures à des chercheurs expérimentés est accompli en quelques minutes — une piste majeure pour résoudre la crise de réplication scientifique, en permettant une vérification à grande échelle jusque-là impossible.

Cette montée en puissance s'explique par l'amélioration de la précision des modèles : même de petits gains réduisent considérablement les échecs dans les longues chaînes de tâches, et les modèles « pensants » récents intègrent l'auto-correction. L'étude METR montre que la longueur des tâches que l'IA peut accomplir seule croît exponentiellement depuis GPT-3.

Mollick rappelle néanmoins que les agents n'ont pas d'agency au sens humain : ils ne décident pas de leurs propres objectifs, et les humains doivent définir buts et limites. Il identifie trois usages productifs : automatiser les tâches routinières (rapports, présentations), augmenter les capacités humaines (réplication de recherche) et créer de nouvelles opportunités. Le risque symétrique est la « surproduction infinie de PowerPoints » : des organisations peu imaginatives utilisant les agents pour générer toujours plus de contenu à faible valeur. L'avenir du travail dépendra de notre capacité à imaginer des usages qui complètent les capacités humaines plutôt que de les remplacer mécaniquement.

## GrapheDeConnaissance

- Ethan Mollick —publie→ Real AI Agents and Real Work (DOCUMENT, 0.98)
- Ethan Mollick —travaille_chez→ Wharton School (ORGANISATION, 0.98)
- OpenAI —publie→ étude capacités agents IA (DOCUMENT, 0.95)
- agents IA —permet→ travail économiquement pertinent (CONCEPT, 0.93)
- Ethan Mollick —utilise→ Claude Sonnet 4.5 (TECHNOLOGIE, 0.95)
- Claude Sonnet 4.5 —permet→ réplication d'articles de recherche scientifique (CONCEPT, 0.92)
- GPT-5 Pro —soutient→ réplication réalisée par Claude (CONCEPT, 0.88)
- METR —mesure→ longueur des tâches accomplies de façon autonome par l'IA (CONCEPT, 0.9)
- agents IA —améliore→ longueur des tâches autonomes (croissance exponentielle) (CONCEPT, 0.9)
- agents IA —remplace→ tâches (pas emplois entiers) (CONCEPT, 0.88)
- réplication automatique —résout→ crise de réplication scientifique (CONCEPT, 0.85)
- Ethan Mollick —recommande→ augmentation des capacités humaines par l'IA (CONCEPT, 0.87)
- Ethan Mollick —prédit→ un risque de surproduction de contenu à faible valeur par les agents IA (AFFIRMATION, 0.85)
- Ethan Mollick —prédit→ la prochaine génération de modèles dépassera en moyenne les experts humains (AFFIRMATION, 0.88)

---
Canonical: https://www.thekb.eu/en/fiches/mollick-real-ai-agents-work-oneusefulthing-2025-09-29/