Aller au contenu
ATLAS Humain × IA

Gap analysis — capacité humaine × capacité IA

Martin Seligman × Devin (Cognition AI)

Sentiment de contrôle au travail face aux agents autonomes

Remplaçable avec supervision humaineConfiance moyennedocumentéVérifié le

Fiches comparées

Martin SeligmanCapacité humaine · PsychologiqueDevin (Cognition AI)Capacité IA · Agentique

Apport de l'IA

Un agent de développement autonome apporte une capacité d'exécution de bout en bout à partir d'une consigne en langage naturel, ce qui déplace la question posée par Seligman : non pas la performance de l'outil, mais le sentiment de contrôle de ceux dont le travail est automatisé. L'IA n'apporte rien pour prévenir l'impuissance apprise qu'elle peut susciter — c'est une variable d'organisation du travail, pas de modèle.

Mécanisme

Planification et exécution autonome de tâches de développement multi-étapes — écriture de code, tests, déboguage — avec usage intégré d'un terminal, d'un navigateur et d'un éditeur, et recherche de ressources en ligne pendant l'exécution. La fiche IA relève que plusieurs démonstrations initiales de ces capacités ont été jugées exagérées ou trompeuses par des évaluations indépendantes : ce sont les annonces, autant que les capacités, qui nourrissent les craintes de remplacement.

Comment faire mieux

Maintenir une prise réelle de l'humain sur la boucle (revue des plans, points d'arrêt, possibilité de reprendre la main) plutôt qu'une délégation opaque, et mesurer l'effet perçu de contrôle autant que le gain de productivité. Les critiques documentées sur l'écart entre la demande réelle et le code produit plaident de toute façon pour une supervision serrée.

Mode d'interaction recommandé

Délégation supervisée avec points de reprise explicites : l'agent exécute, l'humain valide le plan et arbitre les écarts.

Substituabilité

Remplaçable avec supervision humaine

Scénarios temporels

Présent

En 2026, la fiche IA documente ce type d'agent à TRL 5 en contexte industriel : la source ne rapporte que des démonstrations publiques de mars 2024, dont plusieurs contestées nommément, et aucun client ni déploiement en production.

+5 ans

Si la fiabilité progresse, la part déléguée pourrait croître ; l'effet sur le sentiment de contrôle des équipes dépendra alors des modalités de supervision retenues, non de la technologie seule.

+15/20 ans

Spéculatif : sous l'hypothèse d'une automatisation large de segments professionnels, les dynamiques d'impuissance apprise décrites par Seligman constitueraient un objet de santé publique du travail, hypothèse encore non étayée empiriquement à cette échelle.

Axes possibles (perspectives, pas des prédictions tranchées)

Supervision comme design

Hypothèse prospective

Conception d'interfaces d'agents préservant explicitement la prise de décision humaine, en réponse aux effets psychologiques de la délégation.

Écart promesse-réalité persistant

Opinion majoritaire

Les critiques documentées sur la conformité du code produit aux spécifications maintiennent l'agent dans un rôle d'assistant supervisé.

Effet psychosocial de l'automatisation

Hypothèse prospective

Diffusion de dynamiques de perte de contrôle perçue dans les métiers automatisés, avec des effets sur l'engagement et la santé au travail.

Sous-thèmes et axes de recherche

Sous-thèmes

  • Impuissance apprise et automatisation
  • Supervision et points de reprise
  • Écart entre promesse et fiabilité des agents

Axes de recherche

  • Comment mesurer l'effet de la délégation à un agent sur le sentiment de contrôle des professionnels ?
  • Quelles modalités de supervision préservent l'agentivité perçue ?
  • Le modèle PERMA est-il un cadre pertinent pour évaluer le travail assisté par agents ?

Documents clés

  1. 1.Learned Optimism (1991)primaire
  2. 2.Cognition — Introducing Devin, the first AI software engineerprimaire
  3. 3.Devin AI — Wikipedia (EN)secondaire

Données brutes de cette analyse : /api/gap/martin-seligman-vs-devin — méthode de comparaison détaillée dans la méthodologie.