\n| 8<\/td>\n | Chaque erreur d\u00e9tect\u00e9e sera-t-elle consign\u00e9e et examin\u00e9e chaque mois ?<\/td>\n | Le journal transforme la relecture en un meilleur processus<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n Comment lire le total (cadre \u00e9ditorial CEOtudent ; les tranches sont des points de d\u00e9part, pas des seuils issus de la recherche) :<\/p>\n \n- 13-16 : augmenter maintenant<\/strong>, avec le contr\u00f4le pr\u00e9vu par la carte des \u00e9tapes.<\/li>\n
- 8-12 : tester d’abord<\/strong> sur du travail interne ou \u00e0 faible enjeu, et corriger les questions les moins bien not\u00e9es.<\/li>\n
- 0-7 : garder l’\u00e9tape humaine<\/strong> pour l’instant, et refaire la notation dans un trimestre.<\/li>\n<\/ul>\n
Un 0 \u00e0 la question 4 ou 7 l’emporte sur le total : sans la comp\u00e9tence pour juger le r\u00e9sultat, ou sans l’autorisation d’utiliser l’outil, l’\u00e9tape reste humaine.<\/p>\n <\/span>Quelle est la comp\u00e9tence d’\u00e9tudiant qui rend l’augmentation s\u00fbre ?<\/span><\/h2>\nLe sch\u00e9ma est constant : les moins exp\u00e9riment\u00e9s gagnent le plus, et ceux qui se fient \u00e0 leur propre impression de la fa\u00e7on dont les choses se sont pass\u00e9es jugent le plus mal l’IA. Les d\u00e9veloppeurs de l’\u00e9tude METR pensaient avoir \u00e9t\u00e9 acc\u00e9l\u00e9r\u00e9s alors qu’ils avaient \u00e9t\u00e9 ralentis. Les consultants du BCG ont produit, sur la t\u00e2che hors fronti\u00e8re, de moins bonnes r\u00e9ponses avec l’IA que sans elle. L’\u00e9tude P&G publi\u00e9e conclut que l’IA am\u00e9liore surtout la qualit\u00e9 des id\u00e9es g\u00e9n\u00e9r\u00e9es, tandis que le jugement humain conserve sa valeur dans la s\u00e9lection \u00e9valuative.<\/p>\n Cela fait de l’\u00e9valuation la comp\u00e9tence qui prot\u00e8ge l’entreprise : savoir \u00e0 quoi ressemble une bonne r\u00e9ponse avant de lire celle de l’IA, v\u00e9rifier les chiffres aupr\u00e8s des sources primaires et remarquer quand une t\u00e2che est sortie de la fronti\u00e8re. Le guide sur l’\u00e9valuation cit\u00e9 plus haut explique comment la d\u00e9velopper. Trois habitudes permettent de l’entretenir :<\/p>\n \n- Tenir un journal des erreurs par \u00e9tape :<\/strong> ce que l’IA a mal fait, comment l’erreur a \u00e9t\u00e9 d\u00e9tect\u00e9e, combien de temps la v\u00e9rification a pris. Au bout d’un mois, il montre quelles \u00e9tapes se situent \u00e0 l’int\u00e9rieur de la fronti\u00e8re pour votre travail.<\/li>\n
- Chronom\u00e9trer un \u00e9chantillon de t\u00e2ches<\/strong> avec et sans IA pendant quelques semaines. Dans l’essai METR, l’acc\u00e9l\u00e9ration ressentie et l’acc\u00e9l\u00e9ration mesur\u00e9e allaient dans des directions oppos\u00e9es.<\/li>\n
- Traiter chaque mois la d\u00e9cision la plus difficile d’abord sans IA<\/strong>, puis comparer. Cela pr\u00e9serve la comp\u00e9tence dont d\u00e9pend le contr\u00f4le de relecture.<\/li>\n<\/ol>\n
<\/span>Ce que cela ne signifie pas<\/span><\/h2>\n\n- Cela ne signifie pas que les gains sont insignifiants.<\/strong> Une hausse de 26,08 % des t\u00e2ches accomplies, maintenue pendant un an, est consid\u00e9rable pour une entreprise d’une seule personne ; c’est un pourcentage, pas un multiple.<\/li>\n
- Cela ne signifie pas que le ralentissement de 2025 vaut toujours.<\/strong> METR estime que les d\u00e9veloppeurs sont probablement plus rapides d\u00e9but 2026 ; une mesure fiable fait d\u00e9faut.<\/li>\n
- Cela ne signifie pas que recruter n’est jamais la r\u00e9ponse.<\/strong> L’\u00e9tude P&G a constat\u00e9 que l’IA peut remplacer certains apports d’un co\u00e9quipier, mais elle a mesur\u00e9 un atelier virtuel de d\u00e9veloppement produit d’une journ\u00e9e, pas la responsabilit\u00e9 envers un client sur plusieurs mois.<\/li>\n
- Cela ne signifie pas que chaque \u00e9conomie revient au client.<\/strong> La tarification est une d\u00e9cision ; le sc\u00e9nario D n’est qu’une option.<\/li>\n
- Cela ne signifie pas que ces \u00e9tudes d\u00e9crivent votre service.<\/strong> Chacune porte sur une t\u00e2che, une g\u00e9n\u00e9ration d’outils et une population ; votre propre \u00e9chantillon chronom\u00e9tr\u00e9 et votre journal des erreurs comptent le plus.<\/li>\n<\/ul>\n
<\/span>Questions fr\u00e9quentes<\/span><\/h2>\nL’IA peut-elle vraiment permettre \u00e0 une seule personne de livrer 10x plus de travail client ?<\/strong> \nAucune \u00e9tude consult\u00e9e pour cet article ne l’a mesur\u00e9. Les effets mesur\u00e9s se traduisent par 0,84x-2,26x sur les t\u00e2ches \u00e9tudi\u00e9es, et les deux \u00e9tudes de terrain men\u00e9es sur plusieurs mois se situent \u00e0 1,15x-1,30x.<\/p>\nQuelle partie d’un projet de services gagne le plus avec l’IA ?<\/strong> \nLes premiers jets et les t\u00e2ches de r\u00e9alisation bien d\u00e9finies : une r\u00e9duction du temps de 40 % sur des t\u00e2ches de r\u00e9daction professionnelle et une r\u00e9alisation 55,8 % plus rapide d’une t\u00e2che de programmation standardis\u00e9e. Ce sont aussi elles qui exigent le contr\u00f4le de relecture le plus strict.<\/p>\nPourquoi les moins exp\u00e9riment\u00e9s gagnent-ils davantage ?<\/strong> \nDans les \u00e9tudes sur le support, la r\u00e9daction, le conseil et le d\u00e9veloppement, les travailleurs moins exp\u00e9riment\u00e9s ont davantage gagn\u00e9 ; l’\u00e9tude sur le support apporte des indices sugg\u00e9rant que l’outil diffuse les pratiques des travailleurs les plus performants. C’est pourquoi les novices ont le plus besoin de la comp\u00e9tence d’\u00e9valuation.<\/p>\nUn freelance doit-il baisser ses prix parce que l’IA lui fait gagner du temps ?<\/strong> \nPas automatiquement. En facturation horaire, l’\u00e9conomie va au client ; avec un prix fixe, elle reste dans l’entreprise, comme le montre l’exemple chiffr\u00e9.<\/p>\nLa demande de travail freelance baisse-t-elle \u00e0 cause de l’IA ?<\/strong> \nDeux \u00e9tudes de plateformes ont relev\u00e9 des baisses dans les cat\u00e9gories touch\u00e9es : 2 % de missions mensuelles en moins et des revenus mensuels inf\u00e9rieurs de 5,2 % dans l’une, et 21 % d’offres de missions en moins pour la r\u00e9daction et la programmation dans l’autre. Les missions restantes \u00e9taient plus complexes et mieux pay\u00e9es.<\/p>\nComment v\u00e9rifier si une t\u00e2che est adapt\u00e9e \u00e0 la \u00ab fronti\u00e8re irr\u00e9guli\u00e8re \u00bb ?<\/strong> \nEn la testant. Faites tourner l’outil sur plusieurs t\u00e2ches pass\u00e9es dont la bonne r\u00e9ponse est connue, consignez chaque erreur et notez l’\u00e9tape avec la grille de pr\u00e9paration avant d’utiliser l’IA sur du travail client.<\/p>\n<\/span>Sources<\/span><\/h2>\n\n- Brynjolfsson, E., Li, D. et Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics 140(2), 889-942. Version consult\u00e9e : arXiv 2304.11771v2 (novembre 2024) et le r\u00e9sum\u00e9 publi\u00e9.<\/li>\n
- Brynjolfsson, E., Li, D. et Raymond, L. (2023). Generative AI at Work. NBER Working Paper 31161. Version ant\u00e9rieure, cit\u00e9e uniquement pour les chiffres r\u00e9vis\u00e9s.<\/li>\n
- Noy, S. et Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science 381(6654), 187-192 (r\u00e9sum\u00e9 uniquement, via PubMed) ; version document de travail de mars 2023 consult\u00e9e en texte int\u00e9gral.<\/li>\n
- Peng, S., Kalliamvakou, E., Cihon, P. et Demirer, M. (2023). The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv 2302.06590. Trois des quatre auteurs appartiennent \u00e0 Microsoft Research et \u00e0 GitHub, l’\u00e9diteur de l’outil.<\/li>\n
- Cui, K. Z., Demirer, M. et al. (2026). The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers. Management Science 72 (r\u00e9sum\u00e9 via Crossref) ; version document de travail de f\u00e9vrier 2025 consult\u00e9e en texte int\u00e9gral.<\/li>\n
- Dell’Acqua, F., McFowland III, E., Mollick, E. et al. (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science 37(2), 403-423. En libre acc\u00e8s ; initialement HBS Working Paper 24-013 (2023).<\/li>\n
- Dell’Acqua, F., Ayoubi, C., Lifshitz, H. et al. (2025). The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise. NBER Working Paper 33641.<\/li>\n
- Dell’Acqua, F. et al. (2026). The Cybernetic Teammate: A Field Experiment on Generative AI and Teamwork. Organization Science (r\u00e9sum\u00e9 uniquement, via Crossref).<\/li>\n
- Becker, J., Rush, N., Barnes, B. et Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. Model Evaluation and Threat Research (METR), arXiv 2507.09089v2.<\/li>\n
- Becker, J., Rush, N. et al. (2026). We are Changing our Developer Productivity Experiment Design. METR, 24 f\u00e9vrier 2026.<\/li>\n
- Hui, X., Reshef, O. et Zhou, L. (2024). The Short-Term Effects of Generative Artificial Intelligence on Employment: Evidence from an Online Labor Market. Organization Science 35(6), 1977-1989 (r\u00e9sum\u00e9 via Crossref) ; CESifo Working Paper 10601 (ao\u00fbt 2023) consult\u00e9 en texte int\u00e9gral.<\/li>\n
- Demirci, O., Hannane, J. et Zhu, X. (2025). Who Is AI Replacing? The Impact of Generative AI on Online Freelancing Platforms. Management Science 71(10), 8097-8108 (r\u00e9sum\u00e9 uniquement, via Crossref).<\/li>\n
- Bick, A., Blandin, A. et Deming, D. J. (2025). The Rapid Adoption of Generative AI. NBER Working Paper 32966, r\u00e9vis\u00e9 en f\u00e9vrier 2025 ; publi\u00e9 dans Management Science 72(10), 2026 (r\u00e9sum\u00e9 uniquement, page du NBER).<\/li>\n
- Humlum, A. et Vestergaard, E. (2026). Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. Document de travail, 13 mars 2026 ; diffus\u00e9 auparavant sous le titre Large Language Models, Small Labor Market Effects.<\/li>\n<\/ol>\n
Note m\u00e9thodologique : le tableau des multiplicateurs de production, le tableau des plafonds de capacit\u00e9 et les sc\u00e9narios de tarification sont des analyses CEOtudent des chiffres du tableau des donn\u00e9es v\u00e9rifi\u00e9es, recalcul\u00e9es au moyen d’un script ; la carte des \u00e9tapes de livraison et la grille de pr\u00e9paration sont des cadres \u00e9ditoriaux CEOtudent. Chaque donn\u00e9e de l’exemple de tarification est une hypoth\u00e8se illustrative. Les chiffres du document de travail de 2023 pour l’\u00e9tude sur le support client (14 % et 34 %) ont \u00e9t\u00e9 remplac\u00e9s par ceux de la version publi\u00e9e ult\u00e9rieurement (15 % et environ 30 %). Les gains en pourcentage largement repris pour les consultants du BCG en dessous et au-dessus de la moyenne n’ont pas \u00e9t\u00e9 utilis\u00e9s, car ils ne figurent pas dans la version publi\u00e9e consult\u00e9e. Aucune \u00e9tude consult\u00e9e n’a fait \u00e9tat d’un effet \u00ab 10x \u00bb.<\/em><\/p>\n \nCe contenu a \u00e9t\u00e9 compil\u00e9 avec le soutien de l’IA \u00e0 la suite d’une recherche approfondie, puis r\u00e9dig\u00e9 et pr\u00e9par\u00e9 pour publication par l’\u00e9quipe \u00e9ditoriale de CEOtudent.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"Les \u00e9tudes contr\u00f4l\u00e9es sur l’IA g\u00e9n\u00e9rative au travail mesurent des gains par t\u00e2che qui se traduisent en multiplicateurs de production compris entre 0,84x et 2,26x, et non 10x, et ce sont les travailleurs les moins exp\u00e9riment\u00e9s qui en profitent le plus. Ce guide indique quelles \u00e9tapes de la livraison d’un service augmenter, o\u00f9 placer un contr\u00f4le qualit\u00e9 humain et comment fixer ses prix quand les heures de projet diminuent.<\/p>\n","protected":false},"author":1,"featured_media":327115,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[7,5],"tags":[],"class_list":["post-327109","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-girisimcilik","category-is"],"_links":{"self":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/posts\/327109","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/comments?post=327109"}],"version-history":[{"count":0,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/posts\/327109\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/media\/327115"}],"wp:attachment":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/media?parent=327109"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/categories?post=327109"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/tags?post=327109"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}} |