Être intelligent à l'ère de l'IA : Jensen Huang déplace la frontière
Quand la technique devient plus accessible, l'empathie, l'intuition et la capacité d'anticiper prennent une nouvelle valeur.
Qui est la personne la plus intelligente que vous ayez rencontrée ? Lorsque Jodi Shelton lui pose cette question dans son podcast A Bit Personal, Jensen Huang ne donne aucun nom. Le fondateur et dirigeant de NVIDIA préfère contester la définition cachée dans la question.
Nous associons souvent l'intelligence à la capacité de résoudre vite un problème difficile, de maîtriser une technique ou d'écrire du code. Or l'intelligence artificielle rend précisément ces capacités plus accessibles. Pour Huang, elles deviennent en partie une commodité : précieuses, mais moins rares qu'hier.
Sa réponse n'annonce pas la disparition de l'expertise technique. Elle déplace la frontière. Être vraiment intelligent, à l'ère de l'IA, consisterait à réunir la compréhension technique, l'empathie humaine et la capacité d'inférer ce qui n'est pas encore visible. Autrement dit : voir venir le problème avant qu'il ne se présente.
Quand la compétence technique devient plus accessible
Pendant des décennies, savoir programmer a constitué un signe distinctif. Le développeur transformait une intention en instructions compréhensibles par une machine. Cette traduction exigeait une formation, des années de pratique et une connaissance précise des contraintes informatiques.
L'IA générative réduit désormais une partie de cette distance. Vous pouvez décrire un besoin en langage courant, obtenir un premier programme, le tester, puis demander des corrections. Huang évoque d'ailleurs le vibe coding comme un moyen de refermer le fossé technologique : des personnes expertes de leur métier peuvent créer des logiciels sans être freinées par leur absence de formation en programmation.
Il serait tentant d'en conclure que le code ne vaut plus rien. Ce n'est ni ce qu'il dit, ni ce que montre la pratique. Plus un système devient important, plus il faut comprendre son architecture, vérifier sa sécurité et assumer ses conséquences. En revanche, produire une première solution technique devient plus rapide et plus largement accessible. La rareté se déplace de l'exécution vers le choix du bon problème, du bon contexte et des bonnes limites.
L'intelligence commence là où le problème n'est pas encore formulé
Une IA excelle lorsque vous lui soumettez un problème explicite, accompagné des informations nécessaires et d'un objectif clair. Dans la vie d'une entreprise, le vrai défi se présente souvent avant cette étape.
Un client dit que « tout va bien », mais son ton révèle une hésitation. Un collaborateur respecte le processus, alors que les mêmes incidents se répètent. Un projet semble avancer, mais personne n'ose signaler que l'hypothèse de départ n'est plus valide. Les données existent parfois, dispersées dans des messages, des silences et des détails que personne n'a encore réunis.
C'est à cette capacité de perception que Huang donne une valeur particulière. L'empathie n'est pas ici un supplément de gentillesse ajouté à la compétence. Elle permet de sentir ce que l'autre ne formule pas, de comprendre ses contraintes et d'interpréter les signaux faibles. Elle participe directement à la qualité du diagnostic.
À l'ère de l'IA, la valeur humaine ne se limite plus à fournir la bonne réponse. Elle consiste de plus en plus à percevoir la question qui n'a pas encore été posée.
L'intuition n'est pas l'opposé des données
Huang parle d'un feeling, d'une impression qui permet de « voir ce qui se cache au prochain tournant » et d'anticiper un obstacle. Pris isolément, le mot pourrait évoquer une décision instinctive impossible à expliquer. Il précise pourtant l'origine de cette intuition : l'analyse des données, le raisonnement à partir des principes fondamentaux, l'expérience de vie, la sagesse et la perception des autres.
Le feeling n'est donc pas une permission de décider au hasard. Il correspond à une synthèse devenue assez profonde pour faire émerger un signal avant que le raisonnement soit entièrement verbalisé. Un professionnel expérimenté reconnaît une situation parce qu'il a rencontré de nombreux cas, observé leurs conséquences et appris à distinguer un détail banal d'un avertissement.
Cette nuance compte dans l'entreprise. Opposer systématiquement « data » et intuition revient à se priver de deux sources d'information complémentaires. Les données permettent de vérifier, comparer et corriger les biais. L'expérience aide à choisir ce qu'il faut regarder, à repérer ce qui manque et à agir lorsque le tableau reste incomplet.
Le SAT mesure une performance, pas toute l'intelligence
À la fin de sa réponse, Huang ajoute qu'une personne dotée de cette capacité pourrait obtenir un très mauvais score au SAT, le test standardisé utilisé dans les admissions universitaires américaines. Il ne démontre pas que ces tests sont inutiles. Il souligne leur périmètre.
Un examen mesure des capacités précises, dans un cadre défini, avec des questions déjà formulées et une méthode d'évaluation commune. Il mesure beaucoup moins bien la faculté de sentir qu'une situation change, d'obtenir la confiance d'une personne ou de prévenir un problème dont aucun indicateur officiel ne porte encore le nom.
L'IA rend cette limite plus visible parce qu'elle obtient déjà de très bonnes performances sur de nombreuses tâches standardisées. Si une machine réussit le test, le score continue d'indiquer une capacité, mais il ne suffit plus à désigner ce qui rend une personne irremplaçable dans une situation ambiguë.
Ce que cette définition change dans une entreprise
Si vous recrutez, formez ou évaluez une équipe, cette idée invite à élargir les critères. La maîtrise d'un outil et la vitesse d'exécution restent utiles, mais elles ne racontent qu'une partie de la valeur créée.
Il faut aussi observer la qualité des questions, l'attention portée aux autres, la capacité à relier des signaux éloignés et le courage d'alerter avant que le problème devienne évident. Ces qualités sont moins faciles à inscrire dans une grille. Elles peuvent pourtant faire la différence entre une équipe qui utilise l'IA pour accélérer ses habitudes et une équipe qui s'en sert pour prendre de meilleures décisions.
Ce déplacement prolonge l'idée des humains augmentés par l'IA : l'outil n'efface pas mécaniquement la valeur humaine, il peut amplifier une personne qui connaît son métier, comprend son environnement et conserve son jugement. Il rejoint aussi une exigence déjà centrale : plus l'IA s'améliore, plus vous devez la challenger.
L'intelligence de demain ne sera probablement ni purement humaine ni purement artificielle. Elle naîtra de la capacité à distribuer le travail : demander à la machine d'explorer, calculer et produire, puis mobiliser l'expérience humaine pour cadrer, interpréter, anticiper et répondre des conséquences.
La proposition de Huang est finalement moins confortable qu'un éloge des « soft skills ». Elle nous oblige à travailler des qualités qui ne s'acquièrent pas en mémorisant une méthode : accumuler de l'expérience, écouter réellement, revenir aux principes fondamentaux et apprendre de ses erreurs. L'IA peut rendre une réponse technique abondante. Elle ne rend pas automatiquement le jugement abondant.
Sources : A Bit Personal — « Jensen Huang: Founder and CEO at NVIDIA », épisode du 15 janvier 2026 ; passage original de l'entretien, à partir de 1 h 14. Les propos de Jensen Huang sont ici traduits et paraphrasés ; les implications pour l'entreprise relèvent de notre analyse.
Questions fréquentes
Jensen Huang affirme-t-il que les compétences techniques ne servent plus à rien ?
Non. Il inclut la perspicacité technique dans sa définition de l'intelligence, mais estime que la résolution de problèmes techniques devient plus accessible grâce à l'IA. L'expertise reste nécessaire pour cadrer, contrôler et sécuriser les systèmes. Ce qui se raréfie surtout, c'est le jugement permettant de choisir le bon problème et d'anticiper ses conséquences.
Pourquoi l'empathie devient-elle une forme d'intelligence professionnelle ?
L'empathie aide à comprendre ce que les clients, collègues ou partenaires ne formulent pas clairement. Elle permet d'interpréter un silence, une hésitation ou une contrainte implicite. Dans une situation ambiguë, ces signaux complètent les données disponibles et peuvent révéler un problème avant qu'il n'apparaisse dans un indicateur ou un rapport.
L'intuition est-elle fiable pour prendre une décision ?
Elle peut être utile lorsqu'elle repose sur des données, des principes solides et une expérience suffisamment riche. Elle ne doit pas devenir une certitude impossible à discuter. Une bonne pratique consiste à traiter l'intuition comme une hypothèse précoce : elle indique où regarder, puis les faits, les contre-arguments et l'expérimentation permettent de la confirmer ou de la corriger.
Les tests standardisés sont-ils devenus obsolètes à cause de l'IA ?
Ils continuent de mesurer certaines capacités dans un cadre comparable, mais ils ne capturent pas toute l'intelligence décrite par Huang. Anticiper un problème inédit, comprendre une personne ou agir avec discernement dans l'incertitude se prête mal à une réponse standard. L'IA rappelle ainsi qu'un score ne résume ni le jugement ni la valeur professionnelle.