Gap analysis — capacité humaine × capacité IA
Daron Acemoglu × Codex / famille GPT
Automatisation des tâches qualifiées et rôle des institutions économiques
Fiches comparées
Daron AcemogluCapacité humaine · SocialCodex / famille GPTCapacité IA · Génératif / raisonnementApport de l'IA
Les agents de codage de la famille GPT fournissent à l'analyse d'Acemoglu sur l'automatisation un cas d'observation directement mesurable : une technologie qui automatise des tâches qualifiées (développement logiciel) sans créer mécaniquement de nouvelles catégories d'emplois. L'IA ne peut en revanche pas produire elle-même le jugement institutionnel qui est le cœur de la thèse — décider si des institutions sont inclusives ou extractives, et arbitrer politiquement la redistribution des gains d'automatisation.
Mécanisme
Automatisation de tâches de développement logiciel que la fiche IA documente chez des entreprises nommées par l'éditeur : refactoring et génération de tests confiés à l'agent (Cisco Meraki : « Codex handled the refactor and test generation »), revue automatisée de demandes de fusion (Ramp : « Codex PR reviews catch bugs our team would have missed »). Autant de tâches auparavant tenues par des salariés qualifiés, dont l'observation systématique alimente les études empiriques d'effet des technologies sur les salaires et l'emploi qui ont fait la notoriété d'Acemoglu.
Comment faire mieux
Instrumenter les organisations qui déploient ces agents pour mesurer la substitution tâche par tâche plutôt qu'emploi par emploi, et coupler ces mesures à des données salariales longitudinales. Un cadre de mesure partagé permettrait de tester empiriquement la thèse institutionnaliste plutôt que de la discuter par cas d'école, et d'atténuer la critique de circularité qui lui est adressée.
Mode d'interaction recommandé
Co-pilotage pour l'analyse : l'économiste formule la question institutionnelle, l'outil traite la donnée d'usage ; le canal est le langage naturel et l'API d'observabilité des pipelines de développement.
Substituabilité
Non remplaçable à horizon prévisible
Scénarios temporels
Présent
En 2026, la fiche IA documente les agents de codage à TRL 9 en usage industriel — six entreprises utilisatrices nommées par l'éditeur, dont plusieurs décrivant un usage en production, avec revue automatisée de pull requests et génération de tests. Aucun consensus n'existe en revanche sur leur effet net sur l'emploi qualifié, ce que la fiche d'Acemoglu identifie précisément comme la question ouverte.
+5 ans
Si les déploiements se généralisent et que les données d'usage deviennent accessibles à la recherche, on pourrait disposer de mesures tâche par tâche permettant de trancher une partie du débat sur la polarisation des salaires.
+15/20 ans
Spéculatif : dans l'hypothèse où l'automatisation cognitive atteindrait une large part des professions qualifiées et où les institutions de redistribution ne seraient pas réorientées, le scénario d'aggravation des inégalités décrit par Acemoglu deviendrait le cas central plutôt qu'un risque.
Axes possibles (perspectives, pas des prédictions tranchées)
Mesure institutionnalisée de l'automatisation
Opinion majoritaireDéveloppement de protocoles de mesure tâche par tâche adossés aux données d'usage des agents de codage, rendant testable la thèse d'Acemoglu sur des cas contemporains.
Opacité persistante des données d'usage
Opinion majoritaireLes données de déploiement restent propriétaires et fragmentées, maintenant le débat sur l'effet net de l'IA sur l'emploi au stade des estimations indirectes.
Basculement vers l'automatisation excessive
Hypothèse prospectiveHypothèse d'une automatisation généralisée des tâches qualifiées non accompagnée d'une réorientation institutionnelle, produisant la polarisation salariale décrite comme risque par Acemoglu.
Sous-thèmes et axes de recherche
Sous-thèmes
- Substitution tâche par tâche dans le développement logiciel
- Institutions inclusives et partage des gains d'automatisation
- Mesure empirique de l'effet des technologies sur les salaires
Axes de recherche
- Comment mesurer la substitution de tâches sans se limiter aux destructions d'emplois observées ?
- Quelles institutions permettent de réorienter les gains d'automatisation vers la création d'emplois ?
- La thèse institutionnaliste résiste-t-elle à un test fondé sur des données d'usage d'agents de codage ?
Documents clés
- 1.Why Nations Fail (Acemoglu & Robinson, 2012)primaire
- 2.OpenAI — Codex, page produitprimaire
- 3.OpenAI Platform — Models overviewprimaire
Données brutes de cette analyse : /api/gap/daron-acemoglu-vs-codex-gpt — méthode de comparaison détaillée dans la méthodologie.