Sharp et al. (2025) introduisent l'« inégalité agentique » comme un cadre pour analyser les disparités d'accès aux agents IA selon les dimensions de la disponibilité, de la qualité et de la quantité. Ils proposent la fracture d'accès au contexte (CAD) comme une dimension complémentaire opérant au niveau des interactions individuelles.
- La CAD distingue entre la récupération dynamique de contexte, où les systèmes récupèrent autonomement le contexte, et l'attachement manuel, où les utilisateurs doivent identifier les documents.
- Pour les travailleurs intensifs en connaissances, la curation manuelle impose une charge cognitive qui reproduit les inefficacités que l'IA vise à éliminer.
- Un modèle probabiliste démontre que l'attachement manuel conduit à un effondrement combinatoire de la probabilité de succès des tâches à mesure que la taille du corpus augmente.
- Les architectures de récupération dynamique sont structurellement isolées de cet effondrement par rapport aux méthodes manuelles.
Les auteurs formalisent la contextualité comme une dimension de l'inégalité médiatisée par l'IA et analysent ses implications pour la stratification du travail intellectuel et la gouvernance des plateformes IA.