L’intelligence artificielle : catalyseur ou mirage des gains de productivité ?

Dans un contexte de ralentissement des gains de productivité dans les économies développées, l’irruption de l’intelligence artificielle (IA) est perçue tantôt comme un relais de croissance, tantôt comme un facteur d’incertitudes majeures pour l’organisation du travail et l’allocation des ressources. À travers une analyse des principales évolutions observables et des scénarios économiques discutés par les experts, il est possible de dégager plusieurs points décisifs :

• Le ralentissement historique de la productivité pose un défi majeur aux politiques publiques et aux acteurs économiques.
• L’IA générative et l’automatisation promettent, selon certains analystes, une « révolution de la productivité » mais suscitent aussi des inquiétudes sur la polarisation des emplois, la redistribution des gains et l’allocation optimale du capital humain.
• Les retours d’expérience internationaux témoignent de dynamiques contrastées selon les secteurs et la capacité des sociétés à adapter leur capital humain.
• Des zones d’incertitude persistent sur la mesure des gains réels, la temporalité de leur diffusion, et les risques d’effets pervers.
• Le débat sur l’opportunité ou le risque ne peut être tranché qu’à l’aune de choix institutionnels, réglementaires et éducatifs décisifs pour canaliser les transformations portées par l’IA.

Le contexte : productivité en panne et attentes technologiques

Le ralentissement tendanciel de la croissance de la productivité du travail est un phénomène largement documenté par la recherche économique. Aux États-Unis, la croissance annuelle de la productivité des travailleurs a chuté d’environ 2,8 % dans les années 1950-1970 à moins de 1,3 % dans les années 2010 (source : Bureau of Labor Statistics, 2022). La zone euro affiche une tendance similaire, avec des variations selon les pays. Cette stagnation inquiète, car la croissance de la productivité conditionne l’élévation durable du niveau de vie, la soutenabilité des systèmes sociaux et la maîtrise de la dette publique.

Face à ce constat, les attentes vis-à-vis de l’IA sont fortes. Son avènement rappelle les vagues d’innovation passées — électricité, informatique, internet — qui ont fini par irriguer tous les secteurs de l’économie après une période de latence (« lag productif »). Toutefois, l’histoire économique invite à la prudence. Comme l’a souligné Robert Solow dès 1987, « on voit des ordinateurs partout sauf dans les statistiques de la productivité ». Ce paradoxe, transposable à l’IA, exige d’interroger avec rigueur la réalité des gains attendus.

L’IA comme moteur potentiel des gains de productivité

Du point de vue théorique, l’IA — entendue comme l’ensemble des technologies fondées sur l’apprentissage automatique, l’analyse de données massives et la génération autonome de contenus — ouvre une nouvelle séquence de l’automatisation du travail, susceptible d’impulser des gains d’efficacité inédits :

• Automatisation des tâches répétitives dans l’industrie, la logistique ou la finance, conduisant à une baisse des coûts et à une accélération de la production.
• Accroissement de la productivité dans les services via des applications « IA générative » (traitement de texte, assistance juridique, conception technique, etc.).
• Rationalisation des processus décisionnels grâce à la capacité prédictive des modèles d’IA entraînés sur de vastes corpus de données.

Des études récentes (Goldman Sachs, 2023 ; McKinsey, 2023) estiment que l’IA générative pourrait ajouter entre 7 000 et 14 000 milliards de dollars par an à la production économique mondiale d’ici la prochaine décennie, soit 1,5 % à 2,5 % de croissance supplémentaire annuelle. Plus concrètement, OpenAI et l’Université de Pennsylvanie ont montré que la moitié des emplois aux États-Unis voient aujourd’hui au moins 50 % de leurs tâches susceptibles d’être automatisées ou assistées par l’IA.

Exemples sectoriels : effets déjà visibles et premières limites

Certains secteurs, à l’instar des technologies de l’information ou de la santé, commencent à observer des gains qualitatifs et quantitatifs tangibles :

• Réduction du temps de développement de logiciels via le « code assisté » par IA (GitHub Copilot rapporte des gains de productivité de 30 à 55 % selon les équipes, source : GitHub Octoverse Report 2023).
• Optimisation de la chaîne logistique grâce aux algorithmes prédictifs déployés dans la distribution, permettant une baisse significative du gaspillage et des stocks dormants (Walmart, Amazon).
• Amélioration du diagnostic médical automatisé, réduisant le temps d’analyse d’images et la fréquence des erreurs (source : The Lancet Digital Health, 2022).

Cependant, ces gains restent pour l’essentiel localisés et différenciés, étroitement corrélés à la capacité d’investissement, à l’ouverture au changement et à la disponibilité d’un capital humain formé à l’utilisation des outils d’IA.

Risques, mythes et incertitudes de la révolution IA

Le débat public, dopé par les annonces médiatiques, tend souvent à exagérer la portée universelle des gains attendus de l’IA. Plusieurs risques économiques et institutionnels doivent ainsi être nuancés :

• Le paradoxe de la productivité : L’intégration des innovations prend du temps et génère des coûts d’adaptation organisationnelle, produisant parfois des effets déceptifs à court terme. Brynjolfsson, Rock et Syverson (AEJ, 2023) parlent d’un « Turing Trap » : la focalisation exclusive sur l’automatisation pourrait délaisser l’accompagnement des compétences humaines complémentaires.
• Polarisation du marché du travail : L’IA tend à accroître la valeur ajoutée des métiers hautement qualifiés et à automatiser les tâches intermédiaires, exacerbant la dualisation du marché du travail (source : Autor, 2023). Ce processus alimente des tensions sociales et interroge la soutenabilité des modèles de redistribution.
• Effets redistributifs incertains : Les grands groupes technologiques, premiers bénéficiaires des gains de productivité, captent une part croissante de la valeur ajoutée, ce qui peut freiner l’irrigation vers l’ensemble de l’économie productive (recoupant les débats sur le « winner-takes-all » du numérique).
• Difficultés de mesure et de diffusion : La contribution de l’IA à la productivité est encore difficile à isoler dans les statistiques macroéconomiques, car elle se mêle aux effets de substitution, d’amélioration de la qualité et de transformation des modes de consommation.

Comparaisons internationales et choix institutionnels déterminants

L’expérience historique souligne que l’impact du progrès technique sur la croissance de la productivité dépend largement du contexte institutionnel, éducatif et réglementaire. Les pays scandinaves, par exemple, ont su maximiser les gains de l’informatisation dans les années 1990-2000 en combinant formation continue, flexibilité du marché du travail et protections sociales adaptées. À l’inverse, l’écart persistant de productivité entre l’Italie et l’Allemagne depuis vingt ans s’explique pour partie par la moindre capacité à requalifier la main-d’œuvre et à fluidifier les mobilités professionnelles (OCDE, 2022).

Comparaison internationale : adoption de l’IA et productivité (données OCDE/WEF 2023)

Pays	Taux d’adoption de l’IA (% entreprises)	Gain de productivité estimé (annuel, %)	Investissement public/privé en IA (milliards $)
États-Unis	28	+1,7	50
Chine	32	+2,1	20
France	18	+1,0	4
Allemagne	22	+1,3	6
Pays nordiques	23	+1,8	3

Cette diversité s’explique par des différences structurelles majeures : intensité de l’effort de formation, politiques d’incitation à l’innovation, qualité de la régulation des données. La France, par exemple, pâtit d’un écosystème encore fragmenté et d’un déficit de pénétration technologique hors des grands groupes, alors que la Chine ou les États-Unis bénéficient de « plateformes » puissantes et intégrées.

Défis structurels et leviers d’avenir pour libérer la dynamique de productivité

Nous identifions au moins quatre leviers clés susceptibles de conditionner la capacité réelle de l’IA à stimuler la croissance productive :

1. Formation et adaptation des compétences : La diffusion des outils d’IA dans les PME et les administrations dépendra du niveau moyen d’acculturation numérique. Le capital humain forme le véritable goulot d’étranglement d’une « productivité augmentée ».
2. Interfaçage institutionnel : Des institutions efficaces permettent de réguler les effets disruptifs (déplacement de travailleurs, redistribution des revenus), tout en favorisant la réallocation rapide des ressources vers les secteurs les plus prometteurs.
3. Ouverture à la concurrence : Un environnement favorable à l’entrée de nouveaux acteurs (start-ups, entreprises intermédiaires) maximise la diffusion des innovations, limite les positions dominantes, et donc la captation exclusive des gains par quelques acteurs majeurs. Les États-Unis illustrent la puissance du capital-risque et de la compétition pour accélérer l’appropriation des gains.
4. Clarté et stabilité du cadre réglementaire : L’instabilité ou la lourdeur réglementaire peut freiner l’investissement et l’expérimentation. La comparaison Union européenne / États-Unis le souligne nettement dans les secteurs à forte intensité de données.

Ouverture : vers une croissance inclusive ou une fragmentation accrue ?

La diffusion de l’IA cristallise les grands enjeux du libéralisme contemporain : comment articuler l’innovation technique, la responsabilisation des individus et la maîtrise des effets systémiques ? L’opportunité d’une nouvelle vague de croissance par la productivité ne pourra être transformée en bénéfices partagés qu’au prix d’une réflexion exigeante sur la formation, la mobilité, l’ouverture institutionnelle et la concurrence. À l’inverse, le risque de voir l’IA creuser encore davantage les écarts de productivité — et donc de prospérité — entre entreprises, secteurs et pays est réel si l’on néglige la dimension systémique de son appropriation.

Nous soutenons que le débat sur l’IA, loin de n’être qu’un débat d’ingénieurs ou de technologues, doit être réinvesti par les économistes, les juristes, les éducateurs et l’ensemble des citoyens. Seule une société ouverte, prête à confronter les idées aux faits et à interroger sans relâche les choix collectifs, sera capable de tirer le meilleur parti de l’intelligence artificielle sans sacrifier ni la responsabilité individuelle, ni la justice dans la distribution des fruits du progrès.