Un débat qui oppose optimistes et sceptiques sur l’IA économique
L’intelligence artificielle, présentée comme une révolution industrielle à part entière, divise les économistes sur son impact réel. Certains y voient un levier majeur pour accroître la productivité, tandis que d’autres, comme Simon Johnson, soulignent ses limites concrètes. Quatre ans après son irruption dans le débat public, l’IA peine à tenir ses promesses en termes de croissance, selon le lauréat du prix Nobel d’économie 2024. Le mécanisme par lequel elle pourrait transformer l’économie reste mal compris, et ses bénéfices, inégalement répartis.
Qui décide des investissements en IA et selon quelles règles ?
Aucun cadre réglementaire clair ne guide encore les investissements massifs dans l’IA, contrairement à d’autres technologies comme les énergies renouvelables ou les infrastructures numériques. Les entreprises, notamment les géants technologiques américains, pilotent une grande partie des dépenses, sans coordination centrale. Pourtant, ces mesures ciblent davantage la production matérielle (puces, serveurs) que les applications logicielles ou les modèles d’IA eux-mêmes.
Les coûts de ces investissements sont supportés par les actionnaires et, indirectement, par les consommateurs, via des tarifs plus élevés pour les services intégrant l’IA. Les bénéfices, en revanche, se concentrent dans les secteurs les plus capitalisés : finance, santé et tech. Les PME et les travailleurs peu qualifiés, eux, voient leurs gains de productivité stagner, selon les premières analyses disponibles.
Les États-Unis, un laboratoire aux résultats contrastés
Les États-Unis, berceau de l’IA moderne, illustrent cette divergence. Le retour de Donald Trump à la présidence en 2024 a accentué les tensions autour de la régulation, avec une approche privilégiant la compétitivité industrielle plutôt que la protection sociale. Pourtant, Simon Johnson insiste sur un besoin croissant de « cohésion sociale » pour éviter une fracture économique aggravée.
Son analyse s’appuie sur des travaux antérieurs, notamment ceux menés avec Daron Acemoglu et James Robinson, qui ont montré comment les institutions, héritées de l’histoire coloniale ou des crises financières, façonnent la croissance. Dans le cas de l’IA, ces institutions manquent encore de clarté, ce qui freine son adoption massive.
Quels secteurs tirent vraiment profit de l’IA ?
Les gains de productivité les plus visibles concernent les secteurs où l’automatisation est déjà avancée : la logistique, avec des algorithmes optimisant les chaînes d’approvisionnement, ou la finance, où les modèles prédictifs réduisent les coûts de transaction. Pourtant, ces avancées profitent surtout aux grandes entreprises, capables d’investir dans des infrastructures coûteuses. Les secteurs traditionnels, comme l’agriculture ou l’artisanat, peinent à s’adapter, faute de moyens.
Pour les travailleurs, les effets sont encore mitigés. Si certaines tâches répétitives sont automatisées, créant des emplois dans la maintenance ou la supervision des systèmes, d’autres métiers disparaissent sans compensation immédiate. Les salaires stagnent dans les secteurs peu qualifiés, tandis que les hauts revenus concentrent les bénéfices des innovations.
Les questions qui restent sans réponse
Plusieurs incertitudes persistent. Comment mesurer précisément l’impact de l’IA sur la productivité, alors que ses effets se combinent avec d’autres facteurs, comme la mondialisation ou les politiques monétaires ? Qui paiera, à long terme, le coût des infrastructures nécessaires (énergie, données, calcul) ? Et comment éviter que ces transformations ne creusent les inégalités, déjà élevées aux États-Unis ?
Aucune réponse claire n’émerge encore. Les travaux de Simon Johnson, bien que reconnus, ne font pas consensus.
Prochaine Ă©tape : vers un nouveau consensus Ă©conomique ?
En l’absence de données solides, les politiques publiques restent en attente, tandis que les entreprises continuent d’investir, pariant sur un rendement futur.
Ce qui dépendra, selon Johnson, de la capacité des institutions à s’adapter, un défi qui dépasse largement le cadre technologique.
