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.
surproduction infinie de PowerPoints
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.