La réponse tient en une comparaison, et elle est plus exigeante qu'elle n'en a l'air.
La vidéo de l'épisode est sur YouTube, au passage cité.
L'apprenti qu'on ne laisse pas signer
Anthony part du jugement. Pas de la performance du modèle, pas du taux d'erreur : de ce que l'opérateur sait voir et que la machine ne voit pas.
Au final, c'est avoir cette capacité justement à voir s'il y a dérive ou pas. Donc l'IA, il faut vraiment le prendre comme un assistant ou un très bon élève.
L'image est douce, la conséquence ne l'est pas. Un très bon élève reste un élève, et personne ne lui confie la signature.
On ne le laisse pas signer, même s'il est très bon.
Deux générations, deux façons de mal s'en servir
Et c'est là qu'Anthony déplace le sujet. Le problème d'adoption qu'il décrit ne porte pas sur l'outil, mais sur deux réflexes opposés chez ceux qui vont l'utiliser.
D'un côté on a le problème avec les seniors justement qui seraient plus réfractaires, et de l'autre côté on a aussi les juniors qui eux vont se reposer un peu sur leur oreiller et laisser un petit peu l'IA décider.
Anthony a vingt ans d'atelier derrière lui, et il décrit les deux bouts de la chaîne. Les deux réflexes produisent le même résultat, par deux chemins inverses : le jugement humain disparaît du circuit. Chez le senior parce qu'il ne touche pas l'outil, chez le junior parce qu'il ne le discute pas. Une formation qui ne vise que la prise en main règle le premier cas et aggrave le second.
Anthony ne vend pas la solution facile. Il dit le coût.
Il y a une vraie éducation à faire qui n'est pas facile, je l'entends.
Une étape supplémentaire, pas une rupture
Donc il range l'IA dans une série que l'industrie connaît déjà, celle des outils qu'on a fini par intégrer après les avoir redoutés. Sa conclusion tient en une phrase, et elle est délibérément lente.
Il faudra un temps, mais il faut juste qu'on s'adapte et qu'on y aille step by step.