Une transition ne remplace jamais le monde qu’elle promet de quitter

Aug 19, 2026

11 min read

0 views

92%

Et si le mot « transition » nous trompait depuis le début ?

Une transition énergétique réussie devrait, en théorie, remplacer un système par un autre. Une intelligence artificielle florissante devrait, selon la même logique, rendre l’accès à la connaissance plus rapide, plus abondant et moins coûteux. Pourtant, dans les deux cas, la nouveauté ne supprime pas l’ancien monde. Elle l’absorbe, le prolonge et dépend de lui.

C’est là que se trouve un paradoxe rarement regardé en face : les innovations qui prétendent inaugurer une nouvelle époque sont souvent les plus dépendantes des infrastructures, des ressources et des droits hérités de l’époque précédente.

La voiture électrique ne flotte pas au-dessus de l’histoire industrielle. Elle dépend de mines, de réseaux, de centrales, de routes, d’usines et de capitaux accumulés pendant l’ère fossile. Les modèles d’intelligence artificielle ne naissent pas dans un espace abstrait de calcul. Ils dépendent de textes, d’images, de conversations, de photographies et de logiciels produits par des générations humaines, puis rassemblés dans des bases de données géantes.

Dans les deux cas, le problème central n’est donc pas seulement de savoir quelle technologie sera la plus efficace. Il faut demander : de quoi la nouveauté se nourrit elle, et qui peut décider de l’accès à cette nourriture ?

Une transition n’est pas le passage propre d’un monde à un autre. C’est souvent une nouvelle couche déposée sur des dépendances anciennes.

Cette idée permet de relier deux débats qui semblent éloignés : la critique de la notion de transition énergétique et la crise du droit d’auteur face à l’intelligence artificielle. Leur point commun est une illusion de remplacement. On imagine qu’une technologie arrive pour en chasser une autre, alors qu’elle s’ajoute à elle et intensifie la compétition pour les ressources existantes.

Le mythe du remplacement pur

Le mot « transition » évoque un mouvement ordonné. On quitte progressivement le charbon, puis le pétrole, puis le gaz, pour parvenir à un système propre et renouvelable. Cette image ressemble à une succession de relais : une source d’énergie passe le témoin à la suivante, et l’ancienne disparaît à mesure que la nouvelle progresse.

L’histoire réelle est beaucoup moins élégante. Les nouvelles sources d’énergie ont souvent été ajoutées aux anciennes plutôt que de les remplacer. L’arrivée du pétrole n’a pas fait disparaître immédiatement le charbon. L’électricité n’a pas supprimé les machines thermiques. L’efficacité accrue d’un système peut même provoquer une hausse globale de la consommation, parce qu’un service devenu moins cher est utilisé davantage.

Un réfrigérateur plus efficace peut réduire la consommation d’un appareil individuel, tout en favorisant la multiplication des appareils, l’agrandissement des logements et l’augmentation des usages du froid. De même, une voiture électrique peut réduire les émissions à l’échappement sans abolir les routes, les parkings, l’extraction minière, la production industrielle ou les distances parcourues.

Ce phénomène invite à remplacer une question trop simple, comme « quelle technologie va remplacer l’ancienne ? », par trois questions plus précises :

Quelle infrastructure la nouvelle technologie conserve t elle ?
Quelle consommation supplémentaire rend elle possible ?
Quelles ressources invisibles sont nécessaires à son déploiement ?

Le même raisonnement vaut pour l’intelligence artificielle. On présente souvent les modèles génératifs comme une rupture dans la production de textes et d’images. Ils seraient capables de créer à partir de rien, ou presque, en synthétisant une compétence générale contenue dans leurs paramètres.

Mais un modèle n’apprend pas à écrire sans avoir absorbé des milliards d’exemples écrits. Il ne reconnaît pas une composition visuelle sans avoir été exposé à des images. Il ne produit pas un programme cohérent sans avoir intégré des quantités considérables de code et de documentation. Sa puissance apparente de création repose sur une infrastructure culturelle préalable.

La nouveauté ne remplace donc pas la bibliothèque. Elle la transforme en carburant statistique.

Le véritable carburant de l’IA n’est pas seulement le calcul

Le débat sur l’intelligence artificielle se concentre volontiers sur les processeurs, les centres de données et l’électricité. Ces éléments sont essentiels, mais ils ne suffisent pas à expliquer la course actuelle. Un modèle doté d’une puissance de calcul considérable ne peut rien faire sans matière à apprendre.

Cette matière est une accumulation historique : articles, livres, pages web, tableaux, photographies, films, partitions, forums, manuels techniques et échanges humains. Une grande partie de cette production a été créée dans un contexte où ses auteurs n’imaginaient pas qu’elle servirait à entraîner des systèmes commerciaux capables de produire des contenus concurrents.

C’est ici que le droit d’auteur devient plus qu’un obstacle juridique. Il révèle une relation de dépendance. Si l’industrie de l’IA ne peut fonctionner qu’en ingérant massivement des œuvres protégées, alors ces œuvres ne sont pas un détail périphérique. Elles sont une infrastructure essentielle, comparable aux réseaux électriques ou aux voies de transport dans une autre économie.

Dire que le copyright pourrait arrêter l’essor de l’IA revient, dans ce cadre, à reconnaître que le secteur n’a pas encore résolu la question de son approvisionnement. Il dispose de machines puissantes, de capitaux immenses et d’une capacité d’expansion spectaculaire, mais il reste tributaire d’un stock culturel dont les conditions d’accès sont contestées.

L’analogie énergétique devient alors éclairante. Une raffinerie ne peut pas fonctionner sans pétrole, même si ses installations sont sophistiquées. Un modèle ne peut pas être entraîné sans données, même si ses algorithmes sont remarquables. Dans les deux cas, les acteurs dominants ont tendance à parler surtout de l’outil final, parce que l’outil donne une image de maîtrise. Ils parlent moins de la ressource qui rend cette maîtrise possible.

Le droit d’auteur introduit une friction que l’industrie voudrait parfois traiter comme une nuisance administrative. Pourtant, cette friction pose une question de fond : une ressource culturelle peut elle être captée à grande échelle sans que les producteurs de cette ressource participent aux règles, aux bénéfices et aux risques de la nouvelle économie ?

La question n’est pas seulement de protéger des revenus individuels. Elle concerne la soutenabilité d’un système. Une transition énergétique qui ignore la géologie, les infrastructures et les travailleurs ne devient pas durable par décret. Une transition numérique qui ignore les auteurs, les archives et les institutions de production du savoir ne devient pas légitime parce qu’elle est rapide.

Quand une innovation transforme une dette en promesse

Les récits de transition ont une fonction politique : ils rendent le futur désirable et le présent supportable. Ils suggèrent qu’il est possible de conserver les bénéfices d’un système tout en abandonnant ses coûts. On pourrait continuer à consommer, voyager, calculer et produire comme avant, à condition de changer de technologie.

Cette promesse est séduisante parce qu’elle évite les mots difficiles : ralentissement, arbitrage, redistribution, renoncement, limitation. Elle présente la transformation comme une opération technique plutôt que comme un conflit sur l’usage des ressources.

L’intelligence artificielle est aujourd’hui enveloppée dans un récit similaire. Elle promet une abondance cognitive : traduire tous les textes, personnaliser tous les apprentissages, automatiser toutes les tâches administratives, rendre chaque personne plus productive. Mais cette abondance a un coût et une condition : l’accès massif à des ressources qui ne sont ni infinies ni neutres.

Les données ne sont pas un simple matériau brut. Elles contiennent des choix éditoriaux, des rapports de pouvoir, des styles, des erreurs, des biais, des savoirs situés et du travail humain. Les collecter, les nettoyer, les classer et les rendre exploitables exige une organisation considérable. L’intelligence artificielle ne découvre donc pas un continent vierge. Elle réorganise un territoire culturel déjà habité.

Cette distinction entre ressource et infrastructure est décisive. Une ressource est ce que l’on extrait pour alimenter une machine. Une infrastructure est l’ensemble des conditions qui rendent cette extraction possible et acceptable : des règles, des institutions, des droits, des habitudes, des investissements et une confiance collective.

Le pétrole a nécessité des ports, des pipelines, des normes, des marchés et des États capables de sécuriser les flux. Les données culturelles nécessitent des plateformes, des archives, des moteurs de recherche, des conventions de citation, des régimes de propriété et des communautés de créateurs. Dans les deux cas, la valeur ne vient pas uniquement de la ressource extraite. Elle vient de l’organisation sociale qui permet de l’extraire à grande échelle.

Le point faible d’une innovation n’est pas toujours sa machine. C’est parfois la relation sociale qui alimente la machine.

Voilà pourquoi la bataille autour du copyright est structurelle. Elle ne porte pas seulement sur la rémunération d’un auteur face à une entreprise. Elle porte sur le régime d’accès à l’infrastructure culturelle de l’intelligence artificielle. Si l’accès est totalement fermé, certains modèles économiques deviennent impossibles. S’il est totalement libre, les producteurs peuvent perdre le contrôle de leur travail et la capacité de financer la production future.

Le vrai défi consiste à éviter ces deux impasses : la clôture absolue et la capture gratuite.

Une grille pour distinguer progrès technique et progrès systémique

Pour évaluer une innovation, il faut cesser de regarder uniquement sa performance locale. Une voiture électrique peut être meilleure qu’une voiture thermique sur certains indicateurs. Un modèle génératif peut produire un résumé plus vite qu’un humain. Mais une amélioration locale ne constitue pas automatiquement un progrès systémique.

On peut utiliser une grille en quatre questions.

1. Que remplace réellement l’innovation ?

Remplace t elle une activité polluante ou s’ajoute t elle à cette activité ? Une visioconférence peut éviter un déplacement, mais elle peut aussi s’ajouter à des réunions en présentiel. Un assistant conversationnel peut réduire certaines tâches, tout en créant une demande massive de vérification, de supervision et de production de données.

2. Quelles dépendances déplace t elle ?

Une innovation ne supprime pas forcément une dépendance. Elle peut la déplacer. Une économie dépendante du pétrole peut devenir dépendante de minerais critiques, de chaînes logistiques concentrées ou de capacités de calcul contrôlées par quelques entreprises. Un secteur dépendant du travail éditorial peut devenir dépendant de plateformes qui possèdent les données, les processeurs et la distribution.

3. Qui paie le coût de la vitesse ?

Le déploiement rapide profite souvent aux utilisateurs et aux investisseurs, tandis que les coûts sont diffusés vers les auteurs, les travailleurs, les territoires ou les générations futures. La vitesse n’est pas une propriété technique בלבד. C’est une décision de répartition.

4. Quelle capacité de renouvellement le système conserve t il ?

Un système est durable lorsqu’il peut régénérer les conditions de sa propre reproduction. Une agriculture qui épuise ses sols n’est pas durable, même si ses rendements sont élevés. Une économie de l’IA qui fragilise les conditions financières de la création culturelle pourrait finir par appauvrir la diversité des données dont elle dépend.

Cette dernière question est particulièrement importante. Si les modèles aspirent le contenu de qualité sans soutenir les institutions et les personnes qui le produisent, ils risquent de consommer leur propre source. Le web pourrait se remplir de textes générés par des modèles, puis ces textes pourraient être réinjectés dans de nouveaux modèles. Une boucle de reproduction appauvrie remplacerait progressivement la diversité des voix humaines.

Le problème n’est pas seulement moral. Il est aussi fonctionnel. Une machine qui se nourrit d’un écosystème qu’elle dégrade finit par perdre la qualité de son alimentation.

Ce que cette lecture change dans nos décisions

La première conséquence est de se méfier des promesses de substitution complète. Lorsqu’une entreprise affirme qu’une technologie va « remplacer » une pratique, il faut demander ce qui demeure en arrière plan. Combien d’infrastructures anciennes continuent de fonctionner ? Quelles consommations nouvelles apparaissent ? Quels acteurs deviennent indispensables sans être reconnus comme tels ?

La deuxième conséquence est de traiter les droits comme des infrastructures. Le copyright, les licences, les archives et les contrats ne sont pas des obstacles extérieurs à l’innovation. Ils organisent l’accès aux ressources qui rendent l’innovation possible. Les modifier peut accélérer certains usages, mais aussi fragiliser l’écosystème dont ces usages dépendent.

La troisième conséquence est de passer d’une logique de conquête à une logique de réciprocité. Une entreprise qui utilise une immense quantité de productions culturelles devrait contribuer à la continuité de cette production. Cela peut prendre la forme de licences collectives, de rémunérations proportionnelles, de mécanismes d’opt out réellement accessibles, de fonds pour les archives et de transparence sur les corpus utilisés.

Aucune solution institutionnelle n’est parfaite. Mais l’alternative au chaos juridique ne devrait pas être l’appropriation sans consentement. De même, l’alternative à une transition énergétique difficile ne devrait pas être une promesse de croissance illimitée sous une nouvelle étiquette technologique.

Points clés à appliquer dès maintenant

Cherchez la ressource cachée derrière toute innovation : énergie, données, travail humain, attention ou confiance.
Distinguez remplacement et addition : demandez si la nouvelle technologie supprime une ancienne pratique ou permet simplement d’en faire davantage.
Cartographiez les dépendances d’un produit avant d’évaluer sa performance : fournisseurs, infrastructures, droits, territoires et coûts reportés.
Exigez la réciprocité lorsqu’une organisation tire sa valeur d’un bien collectif ou d’un travail culturel diffus.
Mesurez la capacité de renouvellement : une innovation mérite le qualificatif de durable seulement si elle préserve les conditions de sa propre reproduction.

Le débat sur l’IA et le débat sur l’énergie convergent ainsi vers une même leçon. Une société ne change pas de système en changeant simplement de machine. Elle change de système lorsqu’elle transforme les flux de ressources, les règles d’accès, les rapports de pouvoir et les mécanismes de renouvellement.

La question la plus importante n’est donc pas : « cette technologie est elle nouvelle ? » Elle est : « quel monde ancien doit il continuer à travailler pour que cette nouveauté existe ? »

Tant que nous ne posons pas cette question, chaque transition risque de ressembler à une fuite en avant. Nous baptisons « rupture » une accumulation supplémentaire, puis nous découvrons trop tard que le passé n’a pas disparu. Il est devenu la fondation invisible du futur.

Une véritable transition ne consisterait pas à remplacer une dépendance par une autre, ni à rendre une capture plus efficace. Elle consisterait à rendre visibles les conditions de production, à négocier leur partage et à préserver leur capacité de renouvellement. Le progrès ne commence pas lorsque la nouvelle machine arrive. Il commence lorsque la société qui l’alimente accepte enfin de regarder ce qu’elle lui donne.