George Leimer a dit avoir immédiatement reconnu l’image.

Lors d’un récent appel avec le directeur produit de Yahoo Finance, une diapositive montrait deux hamburgers côte à côte comme métaphore du travail avant et après l’intelligence artificielle. Leimer s’est penché vers l’écran et a déclaré : « C’est exactement ça. »

La diapositive venait de Arvind Narayanan, informaticien à Princeton, qui a récemment prononcé un discours d’ouverture lors de l’International Conference on Machine Learning à Séoul. Dans l’illustration de Narayanan, le hamburger intitulé « Traditional » comporte un steak épais représentant la couche d’exécution du travail — coder, déboguer et réaliser la tâche — entre deux pains relativement petits. Le hamburger intitulé « With AI » montre le steak réduit à une fine tranche, tandis que le pain supérieur, intitulé « decide », et le pain inférieur, intitulé « deliver », ont beaucoup grossi.

La métaphore décrit une transformation du travail intellectuel. La tâche centrale, autrefois la plus grande partie du travail, est comprimée par l’IA. Mais le travail humain situé au-dessus et au-dessous de cette couche d’exécution ne disparaît pas. Au contraire, le travail consistant à décider ce qui doit être construit, puis à le valider, l’intégrer et le livrer, prend de l’ampleur. Selon les mots de Leimer, le travail devient de plus en plus une conversation sur le travail.

« Nous arrivons, nous nous parlons et nous nous assurons d’avoir une véritable confirmation et conviction sur, en quelque sorte, les choses que nous allons faire. Et voici comment nous allons libérer les agents », a déclaré Leimer.

L’équipe de Leimer a dirigé le développement d’AlphaSpace, un nouveau produit d’investissement qui était disponible sur le marché depuis environ deux mois lorsque Fortune en a parlé pour la première fois. Sur cette période, l’équipe a livré plus de 100 nouvelles fonctionnalités, un rythme qui, selon Leimer, illustre l’accélération rapide de la couche d’exécution. Les utilisateurs passent 3x plus de temps dans AlphaSpace que l’utilisateur moyen de Yahoo Finance, a-t-il déclaré à Fortune, et l’équipe a pu répondre rapidement aux retours, notamment en ajoutant des données d’options en temps réel grâce à un partenariat avec Unusual Whales.

Leimer a indiqué que des sprints qui duraient auparavant deux semaines prennent désormais 24 heures : planification le matin, livraison à la fin de la journée et revue du travail le soir. Dans un cas, un retour utilisateur est arrivé à 16 h 45 un vendredi ; à 20 h 30 le même soir, le problème avait été corrigé, revu et déployé.

Dans les équipes logicielles, ce type de cycle change le sens d’un sprint agile. Si les outils d’IA accélèrent la mise en œuvre, la ressource rare ne se limite plus au temps d’ingénierie : elle inclut aussi la capacité de l’équipe à choisir le bon problème, examiner le résultat et décider s’il est suffisamment sûr et utile pour être livré.

« Autrefois », a déclaré Leimer, « cela aurait été : “Nous ne pouvons pas le lancer la semaine prochaine.” »

Le sandwich décider-exécuter-livrer

Narayanan appelle ce cadre le « sandwich décider-exécuter-livrer ». Selon lui, la plupart des travaux intellectuels comportent trois couches. La couche supérieure consiste à décider ce qui doit être construit et pourquoi. La couche intermédiaire est l’exécution, ou la mise en œuvre concrète. La couche inférieure est la livraison, qui inclut l’intégration, les tests, la vérification et la responsabilité à long terme.

Les agents d’IA compriment la couche intermédiaire. L’argument de Narayanan est que la couche d’exécution n’a jamais représenté qu’environ un tiers du travail global. Les deux couches extérieures ne se contentent pas de rester en place ; elles s’étendent.

« Les première et troisième couches sont sans doute en train de s’étendre à mesure que l’IA comprime la couche intermédiaire », a déclaré Narayanan au public de l’ICML. Dès lors que construire devient moins coûteux et plus rapide, il devient plus facile de lancer des projets, mais plus difficile de suivre le rythme pour décider quels projets comptent et vérifier que ce qui a été produit est fiable.

À mesure que l’IA abaisse les barrières techniques, les rôles commencent à se brouiller

Pendant des années, les équipes produit des grandes entreprises technologiques ont souvent été organisées autour de ce que chaque personne ne pouvait pas faire. Les designers créaient des maquettes statiques et attendaient que les ingénieurs les traduisent en code fonctionnel. Les chefs de produit rédigeaient des exigences, mais avaient besoin de développeurs pour tester si une idée pouvait fonctionner. Les analystes comprenaient les données, mais ne construisaient pas de systèmes de production.

Les équipes de Yahoo affirment que ces frontières deviennent moins rigides à mesure que l’IA automatise une plus grande partie de la « syntaxe » nécessaire à la construction de logiciels.

Dans l’équipe derrière Yahoo Scout, le moteur de réponses par IA de l’entreprise, le designer produit principal Nick Lockington a commencé à interroger directement Google Vertex AI, en lui demandant de générer une logique JSON structurée pour de nouvelles fonctionnalités. Un ingénieur a ensuite observé que Lockington avait effectivement créé une API fonctionnelle par le biais de prompts, contournant la phase de développement traditionnelle.

« Ce fut un véritable moment de révélation », a déclaré David Grandinetti, ingénieur logiciel applications distingué sur le projet, sur le blog de Yahoo. « Nick est immédiatement devenu l’ingénieur le plus démultiplié de notre équipe, parce qu’il travaillait au plus haut niveau d’abstraction. »

D’autres membres de l’équipe ont suivi des trajectoires similaires. Un designer devenu prolifique en contributions de code a été décrit en interne comme un « design engineer ». Un ingénieur doté d’un sens aigu de l’utilisabilité a été qualifié d’« engineering designer ».

Les dirigeants de Yahoo affirment que l’enjeu n’est pas la disparition des intitulés de poste. Les rôles sont plutôt de plus en plus définis par les décisions dont les personnes sont responsables, et pas seulement par le code qu’elles peuvent produire manuellement. Les designers continuent de trancher sur le comportement des utilisateurs et l’esthétique. Les ingénieurs restent responsables de l’architecture et de la sécurité. Mais les deux groupes peuvent désormais construire et itérer directement avec des outils d’IA.

« Il s’agit d’augmenter la vitesse de décision et de réduire le coût de l’expérimentation, afin que les équipes puissent tester cent idées au lieu de cinq et écarter rapidement les échecs sans le fardeau traditionnel de la dette technique », a déclaré Stephane Koenig, vice-président chez Yahoo. « Cela nous permet de réserver l’expertise humaine aux décisions les plus difficiles, là où il faut un contexte que l’IA n’a pas. »

Leimer a formulé une idée similaire lors de son échange avec Fortune : le travail est désormais largement une conversation sur le travail. « Nous arrivons, nous nous parlons et nous nous assurons d’avoir une véritable confirmation et conviction sur, en quelque sorte, les choses que nous allons faire », a-t-il déclaré.

Le risque, a ajouté Leimer, est que les équipes doivent désormais être particulièrement « vraiment réfléchies » concernant la couche supérieure du travail, car l’IA permet facilement de « construire simplement tout ce que vous voulez ».

Leimer a cité un conseil de son responsable, le président de Yahoo Media Group Ryan Spoon : « Il est important d’être vraiment convaincu de ce que vous construisez », car les équipes peuvent construire presque n’importe quoi, presque instantanément. Par le passé, a-t-il dit, les organisations passaient beaucoup de temps sur le pain du dessus parce que les ressources d’ingénierie étaient rares. « Vous ne vouliez pas gaspiller une seule seconde du temps d’un ingénieur. » Désormais, le risque est de construire instantanément des choses inutiles — un schéma que Kate Smaje, responsable mondiale de la technologie et de l’IA chez McKinsey, avait précédemment décrit à Fortune comme le piège de la « fausse productivité ».

Leimer a déclaré que lorsqu’il voit dans le monde du travail bâclé généré par l’IA — souvent appelé « AI slop » — cela reflète « là où il y a un pain vraiment très fin, en gros ». Dans ces cas, les humains n’ont pas été suffisamment délibérés sur ce qu’ils publient comme produit de travail, parce que la partie exécution du hamburger a été comprimée presque jusqu’à disparaître.

Cette dynamique entraîne des coûts mesurables. Les professionnels ont commencé à utiliser le terme « workslop » pour désigner des e-mails ou livrables générés par l’IA envoyés pour revue sans vérification appropriée. Des experts écrivant dans la Harvard Business Review ont soutenu que le problème n’est pas seulement irritant, mais destructeur pour la productivité. Le Stanford Social Media Lab a estimé ce coût à $9 million par an pour une entreprise de 10,000 salariés, selon un rapport cité par Techdirt.

Cette préoccupation est particulièrement pertinente alors que les entreprises passent des démonstrations d’IA aux flux de travail quotidiens. Un brouillon, un prototype ou une fonctionnalité générée peut sembler achevé avant d’avoir été vérifié au regard des besoins des utilisateurs, des exigences de sécurité, de l’exactitude des données et des propres standards de l’organisation.

La fatigue décisionnelle devient une nouvelle contrainte

Pris ensemble, ces exemples confortent l’idée de Narayanan selon laquelle l’IA est actuellement davantage une technologie de collaboration qu’un moteur d’automatisation complet. Il soutient que la plupart des agents d’IA peinent encore à être fiables dans des environnements à forts enjeux, ce qui conduit les entreprises à privilégier les systèmes avec intervention humaine plutôt que des processus entièrement automatisés.

Chez Yahoo, les dirigeants affirment que le résultat se manifeste sous forme de fatigue décisionnelle plutôt que de pertes d’emplois immédiates. Comme l’IA permet aux équipes de tester et de construire beaucoup plus de fonctionnalités, le goulet d’étranglement devient le nombre de décisions que les chefs de produit, designers et ingénieurs peuvent prendre, examiner et mener à terme avec discernement.

Lockington a déclaré que l’IA n’élimine pas la complexité des rôles qui se chevauchent dans l’entreprise. « Traditionnellement, quelqu’un pourrait demander : “Pourquoi cet ingénieur fait-il du design ?” ou “Pourquoi ce designer fait-il mon travail ?” », a-t-il dit. Il a attribué à Koenig le mérite d’avoir créé la sécurité psychologique nécessaire pour que l’équipe puisse gérer ces questions. « Nous avons pu faire tomber ces barrières. »

Leimer a déclaré qu’une fois cette sécurité établie, le travail devient « vraiment amusant ». Après environ 20 ans dans le management, qui l’avaient éloigné du travail de construction et de codage par lequel il avait commencé, il a indiqué que cette évolution a changé la manière dont les gens vivent le développement produit. « Maintenant, tout le monde a le poste sympa », a-t-il dit, parce que chacun peut avoir le sentiment de contribuer directement à la construction. « C’est aussi agréable de voir les gens se mobiliser autour du problème et de ce qu’ils construisent, plutôt que de passer davantage de temps sur le processus pour parvenir à le construire. »

L’avenir du hamburger — et l’hypothèse de la pizza

Narayanan met en garde contre l’idée que les emplois resteraient inchangés. Il a déclaré s’attendre à des décennies d’adaptation structurelle à mesure que les entreprises se réorganisent autour de l’IA, en comparant ce processus à la transition de 40 ans qu’ont connue les usines après que l’électricité a rendu les chaînes d’assemblage possibles.

Jusqu’à présent, toutefois, le schéma observé dans des domaines comme le logiciel, le droit, la médecine et la traduction de contenus est que la demande de travail humain se déplace et augmente à mesure que l’IA se diffuse. Les radiologues ont adopté l’IA tandis que l’emploi a progressé. Les avocats déposent davantage de plaintes parce que la rédaction est plus facile. Les traducteurs continuent d’avoir une activité régulière des années après que la traduction automatique s’est approchée de la parité humaine, parce qu’il n’existe pas de plafond fixe à ce qui peut être traduit ni au nombre de langues concernées.

L’expérience de Yahoo suggère que le travail de bureau pourrait suivre une trajectoire similaire, quoique plus désordonnée. À mesure que les barrières techniques diminuent, les dirigeants de l’entreprise affirment que l’autonomie personnelle et le jugement deviennent des facteurs de différenciation plus importants : non pas qui peut écrire du code, mais qui peut décider quels problèmes méritent d’être résolus et comment vérifier ce que l’IA produit.

Il a été demandé à Leimer de pousser plus loin la métaphore alimentaire, avec une référence à ses racines à Philadelphie et au célèbre cheesesteak de la ville. Si l’élément distinctif d’un cheesesteak n’est pas seulement la viande mais aussi le pain italien hoagie, la question était de savoir si cela s’applique également à l’avenir du travail.

Leimer a déclaré que le principal goulet d’étranglement est le « pain du bas », ou la couche de livraison. Une fois qu’une équipe décide quoi faire, le travail peut être produit presque instantanément, mais la livraison reste difficile. « Il faut traiter tout le reste, il faut le revoir », a-t-il dit, en évoquant les risques de sécurité et la nécessité de construire un pipeline de déploiement, même lorsque le travail semble prêt à être publié d’une simple pression sur un bouton.

Pour les produits liés à l’information financière, cette couche de livraison peut inclure la qualité des données, les autorisations, la fiabilité et la confiance des utilisateurs, ainsi que le déploiement logiciel. Ces contrôles ne disparaissent pas simplement parce que le code ou l’interface peut être généré plus rapidement.

Lorsqu’on lui a demandé si l’objectif ressemblait davantage à une pizza ou à un pain plat — où le travail humain se concentre sur les décisions, les tâches rétrécissent à l’échelle de garnitures et la livraison devient fluide — Leimer a ri et répondu : « Quelque chose comme ça. »

Dans la métaphore du hamburger de Narayanan, l’IA a déjà aminci le steak. Les pains qui s’élargissent sont désormais l’endroit où se trouvent les emplois, les responsabilités et les risques. Reste à savoir si les entreprises pourront repenser le travail pour en faire quelque chose de plus plat et de plus durable dans les années, voire les décennies, à venir.

Cette histoire a été initialement publiée sur Fortune.com.