1. Conclusion : je croyais écrire, mais je construisais une usine qui écrit
Au départ, il s’agissait d’écrire. Puis sont arrivés brouillons IA, règles, 12 langues, QC, liens internes, GitHub, exécutions planifiées et reprises. Le travail est passé de « rédiger un article » à « concevoir une ligne qui produit continuellement de bons articles ».
Corriger une faute améliore un article; corriger une règle peut améliorer des centaines ou milliers de textes et leurs versions localisées. C’est un buff permanent. Le journaliste devient rédacteur en chef, QA, ingénierie de production, SRE et directeur d’usine tout en ressemblant, de l’extérieur, à quelqu’un allongé avec son téléphone.
2. Le plaisir : corriger une fois et conserver l’amélioration
Le travail manuel s’additionne; l’amélioration de système se multiplie. Règles, QC, liens et reprise améliorés agissent sur les prochains runs.
C’est comme supprimer la cause d’un défaut dans une ligne industrielle plutôt que réparer chaque pièce. Et cela crée la boucle du jeu : « encore un upgrade », feedback, nouveau goulot, nouvelle amélioration. L’usine a un arrêt automatique; l’humain non.
3. Vu de l’extérieur, on dirait des vacances
Si la valeur est de décider quoi modifier, accepter ou rejeter, le bureau compte moins. Certaines décisions se prennent au lit, en marchant, entre deux séries de sport, en voyage ou pendant un repas, avec le téléphone comme panneau de contrôle.
Dehors : un écran. Dedans : les spécifications et le QC changent. Apparence : jour libre. Réalité : reconfiguration d’usine. L’étape suivante du télétravail pourrait être d’insérer seulement les décisions dans la vie et de laisser l’exécution aux machines.
4. Les entreprises vont aussi vers « humains dirigent, IA exécute »
Le Work Trend Index 2025 de Microsoft indique que 46 % des dirigeants mondiaux et 43 % au Japon déclaraient utiliser des agents IA pour automatiser entièrement certains workflows ou processus.[1] Cela ne signifie pas que 46 % de tout le travail est automatisé.
En 2026, 49 % de plus de 100 000 conversations Copilot soutenaient du travail cognitif. Le QC des sorties IA (50 %) et l’esprit critique (46 %) étaient jugés plus importants; 86 % voyaient l’IA comme un point de départ.[2] La direction est humain fait tout→IA aide→IA exécute, humain garde objectif, QC et responsabilité.
5. Pourquoi cela ressemble-t-il à un jeu ?
Objectif clair, problème visible, correction, feedback rapide, stratégie libre et upgrade durable. La recherche sur le flow parle d’équilibre défi-compétence, d’objectifs clairs, de feedback et de contrôle.[9] La gamification est aussi liée à l’autonomie, même si une méta-analyse de 2024 trouve un effet global significatif mais faible sur la motivation intrinsèque.[10]
L’essentiel n’est pas le score : c’est trouver son problème, le corriger et conserver l’upgrade.
6. Minecraft, Palworld et Factorio l’expliquent
Minecraft redstone automatise portes et récoltes.[7] Palworld présente explicitement « Factories & Automation » et la délégation du travail aux Pals.[8] Factorio consiste à construire des usines, automatiser la production, puis ajouter recherche, robots logistiques, circuits et blueprints.[6]
| Jeu | Usine d’articles IA |
|---|---|
| Travail manuel | Écriture manuelle |
| Établi | Brouillon IA |
| Automatisation | Templates/prompts |
| Logistique | GitHub/planification |
| Capteurs/circuits | QC/monitoring/anomalies |
| Blueprints | Déploiement multilingue des améliorations |
| Corriger les goulots | Humains : exceptions/direction |
C’est Factorio avec la sauvegarde sur GitHub.
7. L’équipement peut être minimal : « abonnement IA + électricité♡ »
Pour des workflows ciblés, un petit opérateur peut parfois construire un système utile avec un abonnement IA de quelques milliers de yens par mois, plus téléphone, PC, Internet et électricité déjà disponibles, sans serveur GPU personnel 24/7.
Ce n’est pas un coût total universel : conception, API, hébergement, sauvegarde, juridique et erreurs ajoutent des coûts. Le changement majeur est que la barrière permettant à une personne de construire son système métier s’est effondrée.
8. Avec assez de logs, le « moi d’hier » peut devenir travailleur
L’usage de l’IA laisse des critères : « je n’aime pas cette phrase », « trouve une preuve », « corrige le processus plutôt que le même incident ».
Stanford HAI a interrogé 1 052 personnes environ deux heures et créé des agents à partir des transcriptions et d’un LLM. Sur des enquêtes, les agents reproduisaient les réponses avec une précision équivalente à 85 % de celle avec laquelle les participants répétaient leurs propres réponses deux semaines plus tard.[3] Ce n’est pas une copie complète et il existe des risques de vie privée et consentement. Mais la chaîne logs passés→premier jugement IA→humain vérifie les exceptions devient plausible.
9. L’humain reste essentiel quand l’objectif change
Nature Reviews Psychology présente l’IA comme forte pour grands volumes de données, motifs statistiques et optimisation d’objectifs prédéfinis; les humains gardent des avantages face à la nouveauté, l’incertitude et les situations interpersonnelles.[4]
L’IA exécute les règles d’hier. L’humain choisit l’objectif de demain, abandonne une règle ou change de direction. Cela peut devenir moi d’hier=main-d’œuvre; moi d’aujourd’hui=éditeur d’objectifs.
10. Le bon travail est peut-être moins « avoir l’air occupé huit heures » que construire un système qui continue à produire de la valeur
Si une heure d’amélioration supprime 1 000 répétitions futures, le temps visible au bureau devient une mesure faible. Définir objectifs et standards, questionner l’IA, empêcher les récidives et changer de direction gagnent en valeur.[2][4]
L’échec serait d’automatiser l’usine puis de faire travailler l’humain 24/7 : moins de sommeil, notifications constantes, erreurs IA non vérifiées à grande échelle, dépendance à un service. L’idéal est d’automatiser l’usine et de rendre l’humain à sa vie.
Que mon moi d’hier travaille. Mon moi d’aujourd’hui va se promener.
De loin, le futur du travail pourrait ressembler à un jour de congé.
