Trois ans et demi après la sortie de ChatGPT, les promesses de gains de productivité liés à l’IA restent encore largement théoriques. Si 15 % des tâches des employés de bureau pourraient être automatisées, elles ne le sont pas pour des raisons sémantiques. Je vous propose dans cet article de comprendre pourquoi ce décalage persiste et pourquoi il ne se résoudra pas grâce à un modèle plus puissant ou à un nouveau standard technique. La vraie condition, trop souvent éludée par les éditeurs, tient à la qualité de la couche sémantique : les informations, données et procédures auxquelles les agents ont accès. Sans ce travail préalable de collecte et structuration, la transformation agentique reste une accélération de façade.




