L’IA peut-elle vraiment doper l’économie sans creuser les inégalités ?

L’intelligence artificielle est souvent présentée comme la prochaine grande machine à produire de la croissance. Dans les entreprises, elle peut déjà résumer des documents, aider à écrire du code, analyser de grands volumes de données ou automatiser une partie de la relation client. Mais passer de ces usages concrets à une hausse durable du niveau de vie est une autre affaire. Les effets économiques de l’IA dépendront des investissements, de l’organisation du travail, de la concurrence et, surtout, des choix faits par les employeurs et les pouvoirs publics.

Le débat oppose aujourd’hui deux récits. Le premier voit dans l’IA un moteur de productivité comparable aux technologies générales qui ont marqué les précédentes révolutions industrielles. Le second rappelle que l’adoption d’une innovation ne produit pas automatiquement des gains à l’échelle de toute l’économie, et que ces gains peuvent être modestes, lents ou concentrés entre les mains de quelques acteurs. À la date du 6 décembre 2024, les données disponibles invitent davantage à la nuance qu’aux certitudes.

Pourquoi les prévisions économiques sur l’IA divergent-elles autant ?

Les estimations les plus optimistes évoquées dans le débat public tablent sur un supplément de croissance du produit intérieur brut, ou PIB, de l’ordre de 3 % par an, ainsi que sur des gains de productivité proches de 2 %. Ces chiffres décrivent des scénarios où les outils d’IA seraient largement adoptés et intégrés avec succès aux méthodes de travail. Ils ne constituent donc pas une mesure d’un effet déjà observé dans l’ensemble de l’économie.

À l’autre extrémité du spectre, l’économiste Daron Acemoglu anticipe un effet bien plus contenu : une hausse du PIB de 1,1 % à 1,6 % sur une décennie. Son raisonnement souligne une réalité souvent oubliée : un système d’IA n’a un impact macroéconomique que s’il améliore réellement une part suffisamment large des activités, à un coût raisonnable, et si les entreprises modifient leur organisation pour tirer parti de cet outil.

Ces écarts ne sont pas seulement des désaccords entre économistes. Ils viennent de définitions différentes. Parle-t-on d’outils qui accélèrent le travail existant, de logiciels qui automatisent complètement une procédure, ou de systèmes capables de créer de nouveaux produits et services ? Mesure-t-on le temps gagné par un salarié, le chiffre d’affaires d’une entreprise ou le PIB de tout un pays ? Dans une économie, les bénéfices d’une technologie peuvent mettre des années à apparaître, notamment lorsque les organisations doivent revoir leurs processus, former leurs équipes et fiabiliser les données utilisées.

L’IA va-t-elle détruire des emplois ou transformer les métiers ?

La question la plus immédiate concerne l’emploi. Une étude de 2023 estime que les capacités de l’IA pourraient toucher 20 % des tâches effectuées aux États-Unis. Cette formulation est importante. Un emploi est un ensemble de tâches, dont certaines sont répétitives et codifiables, tandis que d’autres exigent jugement, relation humaine, responsabilité, connaissance fine d’un contexte ou intervention physique.

Un assistant conversationnel peut proposer un premier brouillon d’article, résumer des comptes rendus ou classer des informations financières. Il ne remplace pas à lui seul le travail de vérification, la décision éditoriale, la responsabilité juridique ou la relation avec un client. Daron Acemoglu considère ainsi que des professions comme celles de journaliste ou d’analyste financier continueront d’exister, même si une partie de leurs méthodes de travail évolue.

Les activités composées de tâches très répétitives, prévisibles et numérisées sont en première ligne. Cela peut concerner certains volets de la fabrication, de la logistique, de l’administration ou du service client. Mais les métiers qualifiés ne sont pas à l’abri d’une transformation : l’IA générative cible précisément des tâches de rédaction, de synthèse, de programmation, de traduction, d’analyse et de traitement de documents qui étaient jusqu’ici l’apanage de salariés de bureau.

Il serait toutefois trompeur de réduire le sujet à une opposition entre emplois supprimés et emplois créés. L’IA peut aussi modifier la qualité du travail. Elle peut alléger une charge administrative, aider un débutant à réaliser une tâche complexe ou permettre à une petite structure d’accéder à des outils auparavant réservés aux grandes entreprises. À l’inverse, elle peut intensifier les cadences, fragmenter certaines missions ou rendre les travailleurs plus dépendants de plateformes et de systèmes qu’ils ne maîtrisent pas.

Automatiser ou augmenter le travail : un choix décisif

La manière dont l’IA sera déployée compte autant que ses capacités techniques. Daron Acemoglu distingue l’automatisation, qui consiste à substituer une machine à une tâche humaine, de l’augmentation, qui consiste à donner aux travailleurs un outil pour mieux accomplir leur mission. Le premier usage peut réduire les coûts à court terme. Le second peut améliorer les compétences, la qualité du service et, potentiellement, créer de nouvelles activités.

Une entreprise qui utilise l’IA uniquement pour réduire le nombre de personnes affectées à une tâche peut obtenir un gain rapide, mais elle risque aussi de perdre de l’expertise, de dégrader l’expérience client ou de rendre ses processus vulnérables aux erreurs du système. À l’inverse, un usage d’assistance exige d’investir dans la formation, l’évaluation des résultats et la réorganisation du travail. Son rendement peut être moins spectaculaire au départ, mais il est davantage susceptible de renforcer les capacités de l’organisation.

La question n’est donc pas de protéger chaque tâche dans son état actuel. Elle consiste à déterminer quelles tâches doivent rester sous contrôle humain, lesquelles peuvent être accélérées, et comment redistribuer le temps ainsi libéré. Dans les secteurs sensibles, comme la santé, la finance, l’éducation ou les services publics, cette répartition engage aussi la sécurité, l’équité et la confiance des citoyens.

Les gains de l’IA risquent-ils d’accentuer les inégalités ?

L’IA peut augmenter la taille du gâteau économique sans garantir que chacun en recevra une part équivalente. Les bénéfices sont susceptibles d’aller en priorité aux entreprises qui possèdent les données, les infrastructures de calcul, les talents spécialisés et les moyens financiers nécessaires pour déployer ces systèmes. Les détenteurs de plateformes, de logiciels et de puces peuvent ainsi capter une part importante de la valeur créée.

Cette concentration peut alimenter plusieurs formes d’inégalités. Entre entreprises d’abord : une grande organisation peut financer des équipes techniques, sécuriser ses données et tester de nombreux outils, là où une petite entreprise manque parfois de ressources et de compétences. Entre travailleurs ensuite : les personnes capables d’utiliser, de contrôler ou de compléter les systèmes d’IA pourraient accroître leur productivité et leur rémunération, tandis que d’autres verraient leurs missions standardisées ou fragilisées.

Le risque concerne également la répartition du pouvoir économique. Lorsque des plateformes contrôlent l’accès à des modèles, à des marchés numériques ou à des données massives, elles peuvent imposer leurs conditions à une multitude d’utilisateurs professionnels. La concurrence, l’interopérabilité et la possibilité de changer de fournisseur deviennent alors des sujets économiques aussi importants que la performance des modèles.

Une compétition mondiale qui se joue aussi dans les puces et les plateformes

L’essor de l’IA ne repose pas seulement sur les logiciels visibles du grand public. Il dépend aussi des centres de données, de l’électricité, des composants électroniques, des jeux de données et des compétences scientifiques. Cette chaîne de valeur explique pourquoi la concurrence internationale ne se limite pas aux créateurs d’assistants conversationnels.

Des entreprises comme Alibaba et TSMC illustrent cette dimension mondiale, mais à des niveaux différents. Le premier évolue notamment dans les services numériques et le cloud, qui servent à déployer des outils d’IA. Le second occupe une place centrale dans la fabrication de semi-conducteurs avancés, indispensables aux calculs intensifs réalisés pour entraîner et faire fonctionner les modèles. La capacité à accéder à ces infrastructures pèse directement sur le pouvoir de négociation des pays et des entreprises.

Pour les économies émergentes, l’IA peut représenter une occasion d’améliorer des services publics, l’agriculture, l’accès à l’information ou certains services financiers. Mais l’accès inégal aux réseaux, aux données de qualité, aux ordinateurs performants et à la formation peut aussi creuser l’écart avec les économies déjà les mieux équipées. L’enjeu n’est pas seulement d’adopter l’IA, mais de pouvoir la comprendre, l’adapter à ses langues et à ses besoins, puis en conserver une partie de la valeur.

Réguler l’IA sans bloquer ses usages utiles

Affirmer qu’il n’existe aucune règle sur l’IA serait inexact en décembre 2024. Dans l’Union européenne, le règlement sur l’intelligence artificielle, souvent appelé AI Act, est entré en vigueur le 1er août 2024. Son application se fera progressivement. Il repose sur une logique de niveaux de risque : plus un système peut porter atteinte à la sécurité ou aux droits fondamentaux, plus les obligations qui pèsent sur son fournisseur ou son utilisateur sont élevées.

Cette réglementation ne répond pas à toutes les questions économiques. Elle ne décide pas de la façon dont les gains de productivité seront redistribués, ni de la vitesse à laquelle les métiers évolueront. Elle cherche en revanche à poser des garde-fous sur certains usages, notamment à travers des exigences de transparence, de gestion des risques et de protection des droits. Les règles existantes sur les données personnelles, la consommation, la concurrence et le droit du travail restent également pertinentes.

La protection des données mérite une attention particulière. Les systèmes d’IA peuvent traiter des informations sensibles sur des salariés, des clients ou des citoyens. Sans règles claires sur la collecte, l’accès, la conservation et la sécurité de ces données, les gains de performance peuvent s’accompagner d’une perte de confiance. Pour une entreprise, déployer l’IA de façon responsable implique donc de vérifier les données utilisées, d’évaluer les erreurs possibles et de maintenir une responsabilité humaine sur les décisions importantes.

Ce qu’il faut surveiller pour mesurer l’impact réel de l’IA

Le premier indicateur à suivre sera la diffusion réelle des outils. Une démonstration impressionnante ne suffit pas : il faudra observer quels secteurs les intègrent durablement, avec quels résultats et à quels coûts. Le deuxième sera la qualité de l’emploi. Le nombre total de postes ne dira pas tout si les missions, les salaires, l’autonomie ou les possibilités de progression sont profondément modifiés.

La formation constitue un troisième point crucial. Les travailleurs auront besoin de compétences techniques, mais aussi de capacités moins automatisables : formuler un problème, vérifier une réponse, comprendre un contexte, coopérer, négocier et assumer une décision. Les entreprises, les écoles et les pouvoirs publics devront organiser cette montée en compétences au lieu de laisser les individus supporter seuls le coût de la transition.

Enfin, la distribution des bénéfices devra rester au centre du débat. Une IA qui améliore la productivité tout en concentrant les revenus, les données et le pouvoir de marché peut alimenter des tensions sociales. Une IA utilisée pour assister les travailleurs, renforcer les services et ouvrir l’accès à de nouvelles capacités peut au contraire devenir un levier de prospérité plus large. Les projections divergent encore, mais un constat s’impose : l’impact économique de l’intelligence artificielle sera moins déterminé par la technologie seule que par les institutions et les choix collectifs qui guideront son déploiement.