Tout est parti d’une petite question :
« Tibo se repose quel jour, au juste ? »
Tibo, qui travaille autour de Codex et ChatGPT chez OpenAI, publie régulièrement sur les déploiements, les resets et les nouveaux modèles. Il n’en faut pas plus pour qu’une petite météorologie populaire naisse chez les utilisateurs.
Tibo publie → quelque chose pourrait arriver aujourd’hui. Tibo se tait → il est en repos ? → donc pas de reset non plus ?
Avant même de lancer le modèle, on tente déjà de rétroconcevoir l’emploi du temps d’un humain.
Puis la conversation traverse la psychologie comportementale, la dopamine, la productivité de l’IA, la compression des roadmaps, avant d’aboutir au travail infini.
Voici le rapport d’incident.
1. « Pas de Tibo, pas de reset » reste une hypothèse
Le 5 septembre 2026, après avoir publié sur le déploiement d’Astra et un banked reset, Tibo a écrit à propos de l’équipe : “See you next week for some more ships.”[2][3]
À la fin d’une semaine de travail, cela ressemble très naturellement à « on s’arrête là pour cette semaine, à la semaine prochaine ».
Mais les informations publiques n’autorisent qu’une conclusion modeste : l’équipe semblait terminer sa semaine et passer en mode week-end.
Elles ne permettent pas de savoir :
- quels sont les jours de repos officiels de Tibo ;
- si chaque reset exige une action manuelle de sa part ;
- si le processus s’arrête quand il ne publie rien.
La théorie élégante serait :
Tibo absent → opérateur du reset absent → civilisation terminée.
Malheureusement, le diagramme est un peu trop élégant.
« À la semaine prochaine » est un signe de fin de semaine. Ce n’est pas la preuve que Tibo garde seul un énorme bouton rouge RESET.
2. Pourtant, on continue à regarder : « C’est arrivé ? »
Le problème le plus intéressant est côté utilisateur.
Le moment du reset peut être incertain. Parfois il y a une annonce. Parfois un banked reset apparaît soudainement. Dès que le quota revient, le modèle puissant peut repartir immédiatement.
Alors commence la boucle :
Regarder X. Rien. Regarder l’usage. Rien. Revenir quelques heures plus tard. Rien. Encore une fois. C’est revenu. Fête nationale.
Si le reset arrivait chaque jour exactement à 9 h, une vérification à 9 h 01 suffirait.
L’incertitude installe plutôt un petit surveillant dans la tête :
« Peut-être maintenant ? »
Avec tout le respect nécessaire, appelons cela la loterie Tibo.
3. Cela ressemble davantage à un renforcement à intervalle variable qu’au chien de Pavlov
On peut être tenté de dire : « Ah, le chien de Pavlov. » Pas exactement.
Le conditionnement classique concerne un stimulus qui en vient à en prédire un autre et à déclencher une réponse apprise. Ici, la question est différente : pourquoi le comportement de vérification répétée se maintient-il ?
Cela se rapproche du renforcement partiel ou intermittent du conditionnement opérant. Plus précisément, un programme à intervalle variable fournit le renforcement après des durées imprévisibles.[6]
Le manuel de psychologie d’OpenStax donne un exemple presque comiquement exact : vérifier les réseaux sociaux.[6]
La ressemblance est forte.
Mais il faut une nuance importante. Vérifier X dix fois ne multiplie pas par dix la probabilité du reset. L’événement se produit à l’extérieur ; la vérification ne fait que le découvrir.
Il ne s’agit donc pas d’affirmer qu’OpenAI a placé les utilisateurs dans une expérience de laboratoire.
C’est une analogie : du point de vue de l’utilisateur, un environnement où les récompenses arrivent irrégulièrement peut favoriser une habitude de vérification proche de l’intervalle variable.
4. Pourquoi un reset surprise fait particulièrement plaisir : l’erreur de prédiction de récompense
Un étage plus bas, nous arrivons aux neurosciences.
L’erreur de prédiction de récompense est, en gros, l’écart entre la récompense attendue et la récompense réellement reçue. Les travaux de synthèse de Wolfram Schultz décrivent de nombreux neurones dopaminergiques du mésencéphale qui signalent une erreur positive lorsque le résultat est meilleur que prévu, restent proches du niveau de base lorsqu’il est parfaitement prévu, et montrent une erreur négative lorsqu’il est moins bon.[7]
Ainsi :
« Il n’y aura probablement pas de reset aujourd’hui. »
↓
Reset surprise.
↓
Mieux que prévu.
Ce genre d’événement ressort comme signal d’apprentissage.
Mais passer directement à « vous êtes accro à la dopamine » serait une très mauvaise simplification.
L’erreur de prédiction est un mécanisme fondamental d’apprentissage. Elle ne permet pas de diagnostiquer une addiction chez quelqu’un qui consulte un compteur d’usage. Si tout devient « un shot de dopamine », les neurosciences se transforment en discussion de comptoir.
La formulation prudente est : une bonne nouvelle imprévue crée davantage de surprise de prédiction qu’une bonne nouvelle parfaitement programmée.
5. Voilà comment on arrive à : « Donnez-moi le PC illimité de Tibo »
À force de regarder le compteur, l’humanité invente une solution rationnelle :
« Laissez-moi simplement utiliser le PC de Tibo. En illimité. »
Le terminal suivant est entièrement fictif :
C:\Users\Tibo> codex
Usage remaining: ∞%
banked reset: yes
rate limit: employee privilege
Astra: unrestricted
GPU: à l’entreprise
Nom du produit : Codex Pro Tibo Edition.
Règle simple :
Limite hebdomadaire : jusqu’à ce que Tibo se fâche.
La réalité est moins généreuse. Le Help Center d’OpenAI indique qu’Astra utilise l’allocation Work/Codex du forfait concerné et peut, selon la tâche, la taille des entrées-sorties, les paramètres de raisonnement et d’autres facteurs, consommer cette allocation plus vite que GPT-5.6 Sol.[5]
Deux phrases peuvent donc être vraies en même temps :
« Je veux l’utiliser davantage » et « le modèle le plus puissant peut faire fondre le compteur plus vite. »
Pour désirer le Tibo Edition fictif, nul besoin de psychologie avancée. L’arithmétique suffit.
6. Puis Astra a amené « six mois » dans la conversation
C’est ici que l’histoire devient sérieusement absurde.
Tibo a écrit qu’Astra avait probablement constitué un avantage concurrentiel majeur avant sa disponibilité large et que le bond de productivité avait permis d’avancer certains plans d’environ six mois, pour les livrer à DevDay plutôt que vers le milieu de l’année suivante.[1]
Nous ne parlons plus d’un « autocompléteur un peu plus rapide ».
OpenAI présente Astra comme un modèle conçu pour des tâches complexes de bout en bout couvrant programmation, recherche, utilisation de l’ordinateur et workflows professionnels.[4][9]
Dans les évaluations publiées par OpenAI, Astra a pris environ 47 % de temps en moins par tâche que GPT-5.6 Sol dans les simulations de latence OSWorld 2.0 tout en obtenant un meilleur score ; avec un Codex harness mis à jour, la complétion des tâches sur Mind2Web était 1,9 fois plus rapide.[4]
La réaction naturelle de l’utilisateur est :
« L’expérience est concluante. Donnez-le-moi. »
À ce stade, Astra ressemble moins à un nom de modèle qu’à une machine de démolition de roadmap.
7. Mais « six mois plus tôt » ne signifie pas « six mois de travail humain supprimés »
Cette distinction est essentielle.
Avancer une roadmap de six mois n’équivaut pas à remplacer six mois entiers de travail humain.
Le développement comprend recherche, prototypes, revues, dépendances, attente, reprises, tests et décisions — pas seulement des heures d’implémentation.
Une IA puissante peut compresser ce chemin en aidant à :
- passer de la recherche à l’implémentation dans un même flux ;
- comparer rapidement plusieurs prototypes ;
- paralléliser des préparatifs qui nécessitaient auparavant d’attendre ;
- détecter plus tôt les reprises ;
- commencer aujourd’hui une validation prévue le mois prochain.
Cela peut raccourcir le chemin critique entier.
Le post de Tibo ne dit pas quelle étape a gagné combien de jours. Convertir « six mois » directement en mois-personnes serait injustifié.
Ce qu’il dit bien, c’est que du travail qui habitait le futur s’est rapproché du présent.[1]
Travail de 2027 : « On ne m’avait pas encore appelé. »
Astra : « Viens aujourd’hui. »
Travail de 2027 : « Pardon ? »
8. Plus de productivité peut produire plus de travail, pas plus de repos
Ici, le « travail infini » cesse d’être seulement une blague.
En 2026, des chercheurs de UC Berkeley Haas ont présenté une recherche en cours fondée sur huit mois d’observation dans une entreprise technologique américaine d’environ 200 personnes. Avec la diffusion de l’IA générative, les salariés travaillaient plus vite, prenaient un éventail plus large de tâches et étendaient le travail sur davantage d’heures de la journée.[8]
L’usage de l’IA n’y était pas obligatoire. Les chercheurs expliquent qu’elle rendait davantage de tâches personnellement accessibles, poussant les salariés à élargir volontairement ce qu’ils essayaient de faire.[8]
Il s’agit d’une entreprise, pas d’une loi universelle.
Mais le mécanisme est facile à reconnaître :
Tâche de 6 heures → IA : 40 minutes
Humain : « J’ai gagné 5 h 20 ! »
Organisation : « Excellent. Voici les huit suivantes. »
Humain : « Le repos a été déprécié ? »
L’IA peut raccourcir une tâche. Elle ne génère pas automatiquement le droit organisationnel de transformer le temps gagné en repos.
9. Voilà la vraie forme du « travail infini »
Un gain de productivité peut être dépensé d’au moins trois façons :
- produire le même résultat plus vite et créer de la marge ;
- utiliser le même temps pour améliorer la qualité ;
- utiliser le même temps pour augmenter le volume.
La technologie change ce qu’il est possible de faire. Les humains et les organisations décident où va la capacité nouvelle.
Dans une organisation en croissance, les idées, améliorations, demandes clients et questions de recherche peuvent sembler sans fin.
Doubler le débit ne garantit pas de diviser le backlog par deux.
Au contraire, du travail auparavant trop lointain ou trop coûteux devient soudain un nouveau backlog visible.
Astra arrive
→ le travail finit
→ le travail prévu dans six mois se rapproche
→ il finit aussi
→ du travail encore plus lointain apparaît
Dans un jeu vidéo, on a augmenté la distance d’affichage. Au bureau, les marqueurs de quête s’affichent maintenant jusqu’à l’horizon.
10. Conclusion : peut-être que ce n’est pas le travail qui finit, mais la roadmap
Nous avions commencé par : « Tibo prend-il ses week-ends ? »
Puis :
Tibo silencieux
→ pas de reset ?
→ vérifications répétées
→ comportement proche de l’intervalle variable
→ le reset surprise produit plus d’erreur de prédiction
→ donnez-moi le PC illimité
→ Astra est absurdement puissant
→ plans avancés de six mois
→ le travail futur remplit le temps gagné
→ travail infini
Deux conclusions survivent à la plaisanterie.
Premièrement, surveiller manuellement un reset irrégulier coûte de l’attention. Si un événement externe peut déclencher une notification automatique, nul besoin de transformer un humain en gardien permanent du compteur.
Deuxièmement, la productivité de l’IA ne devient pas automatiquement du loisir. Sans choix délibéré entre repos, qualité, vitesse et volume, la nouvelle capacité appellera simplement davantage de travail.
Astra n’est pas le méchant. Un outil puissant peut réellement rapprocher le futur.
La phrase dangereuse vient de l’humain à côté :
« Ah. On peut aussi faire ça aujourd’hui. »
Et le travail du futur commence à faire la queue devant la porte.
Le travail ne finira peut-être jamais. La roadmap, elle, pourrait finir avant.
