Analyse de l'impact de l'IA sur la croissance économique et la productivité

Résumé :

Concernant l'impact de l'IA sur la croissance économique et la productivité, il existe trois jugements différents.

Les optimistes pensent que l'IA peut considérablement augmenter le taux de croissance économique grâce à l'automatisation de la R&D, et pourrait même déclencher une croissance explosive de type « singularité ». Les modérés traditionnels reconnaissent que l'IA apportera des gains de productivité, mais soulignent également que sa contribution est limitée par de multiples goulots d'étranglement réels (comme des économies de coûts limitées, une exposition limitée à l'IA, l'effet du maillon faible, les contraintes physiques et énergétiques, les frictions réglementaires et éthiques, etc.). La superposition de ces contraintes pourrait faire que les bénéfices de l'IA soient bien inférieurs aux estimations des optimistes. Les pessimistes, quant à eux, adoptent une attitude extrêmement prudente concernant l'exposition des tâches à l'IA, l'ampleur des gains de productivité, la vitesse de diffusion de la technologie de l'IA, ou s'inquiètent du fait que l'IA soit principalement utilisée pour « remplacer » plutôt que pour « augmenter » la main-d'œuvre. Ils mettent en garde contre le fait qu'une automatisation excessive pourrait entraîner une baisse de la part des revenus du travail, ce qui freinerait la consommation et la demande globale et ralentirait la croissance économique.

Nous pensons qu'à court terme (1 à 2 ans), l'IA soutiendra fermement la croissance économique, mais cela proviendra principalement de l'impulsion donnée par l'investissement plutôt que des gains de productivité. À long terme, l'IA pourrait très bien apporter une révolution majeure des forces productives et une prospérité économique. Mais la voie vers cette prospérité à long terme pourrait être semée d'embûches.

Selon les perspectives de demande pour l'IA et les goulots d'étranglement potentiels dans son déploiement, nous pourrions faire face à trois trajectoires à moyen terme (dans les 3 à 5 prochaines années) : « optimiste » (la demande en IA correspond ou dépasse les attentes, sans contraintes majeures), « modérée » (la demande correspond ou dépasse les attentes, mais fait face à de nombreux goulots d'étranglement qu'il faudra surmonter progressivement) et « pessimiste » (la demande est inférieure aux attentes ou fait face à de graves contraintes). Nous estimons que la trajectoire « modérée » a la plus grande probabilité de se produire. Cependant, quelle que soit la trajectoire, aucune n'est une autoroute sans obstacles. La trajectoire dite « optimiste », bien que techniquement positive, pourrait, si des réformes de redistribution des revenus ne sont pas mises en place à temps, aggraver les inégalités et même déclencher des conflits sociaux, conduisant à un résultat socialement pessimiste. À l'inverse, la trajectoire techniquement « pessimiste » pourrait maintenir une plus grande stabilité sociale et être plus favorable à la grande majorité des travailleurs. La trajectoire « modérée » est une voie de compromis, mais elle entraînera également du chômage localisé, une divergence en K de l'économie et des marchés financiers, et des déséquilibres structurels, ce qui ne sera pas forcément « modéré » pour certains groupes de travailleurs et d'investisseurs. Les décideurs doivent considérer cet ensemble de facteurs, concilier les intérêts de toutes les parties, surveiller de près l'évolution de la situation, prendre des mesures préventives et se préparer à assurer un développement économique et social durable.

Avec le développement rapide des technologies d'IA générative, le marché anticipe généralement que l'IA apportera une révolution de la productivité sans précédent. Goldman Sachs 1 estime que l'IA générative pourrait augmenter la productivité mondiale de 1,5 point de pourcentage, stimulant la croissance du PIB mondial de 7 % au cours des 10 prochaines années. Dans le récit optimiste de la Silicon Valley, l'IA pourrait même conduire à une « singularité », c'est-à-dire une croissance économique s'accélérant continuellement grâce à « l'auto-amélioration récursive » de l'IA. Ce récit optimiste a alimenté une ruée vers l'investissement dans l'IA. Le marché prévoit que les dépenses en capital des cinq principaux fournisseurs de services cloud (hyperscalers) américains dépasseront 750 milliards de dollars en 2026, soit près de cinq fois le niveau de 2022. Goldman Sachs prévoit que d'ici 2030, les dépenses en capital cumulées des fournisseurs de services cloud dépasseront 5 000 milliards de dollars 2. Cependant, des voix pessimistes se font également entendre dans les milieux universitaires et industriels, estimant que l'impact de l'IA sur la croissance économique et la productivité est exagéré, ou craignant qu'une automatisation excessive ne conduise à un chômage de masse, à un creusement des inégalités de revenus, voire à une récession économique et à des troubles sociaux 3.

Face à des points de vue diamétralement opposés, comment devrions-nous juger ? Étant donné que l'impact réel de l'IA sur la croissance économique et la productivité concerne non seulement la durabilité de la ruée vers l'investissement dans l'IA, mais aura également un large impact sur la répartition des revenus et la stabilité sociale, nous combinons les recherches les plus récentes des 2-3 dernières années pour analyser systématiquement cette question, en nous efforçant de faire une prédiction complète et objective.

Trois points de vue sur l'impact de l'IA sur la croissance économique et la productivité

Les optimistes

Le point de vue central des optimistes est que l'IA, contrairement aux technologies à usage général (GPT) précédentes, peut non seulement automatiser la production, mais aussi, par des moyens comme « l'auto-amélioration récursive », automatiser les activités de recherche et développement, remplaçant les scientifiques dans la recherche et les ingénieurs dans la conception, poussant ainsi le taux de croissance économique à s'accélérer continuellement, voire à tendre vers l'infini dans un temps fini (c'est-à-dire la « singularité »). Le PDG d'Anthropic, Dario Amodei, a décrit le tableau suivant l'arrivée d'une IA puissante 4 : l'IA comprimerait en 10 ans les progrès biomédicaux qui auraient pris 100 ans ; le taux de croissance du PIB des pays en développement augmenterait jusqu'à 20 %. Le modèle GATE d'Epoch AI 5 prédit qu'une fois que l'IA pourra automatiser toutes les tâches, le taux de croissance du PIB mondial atteindrait, selon une estimation prudente, 30 % (Tableau 1).

Tableau 1. Aperçu des prévisions académiques/industrielles sur la contribution de l'IA à la productivité

Prenons l'exemple des recherches d'Anton Korinek, professeur d'économie à l'Université de Virginie et figure représentative de la « théorie de la singularité ». Dans son modèle de « réseau d'innovation » co-construit avec des collaborateurs 6, l'économie est divisée en quatre secteurs qui se renforcent mutuellement : logiciel (S), matériel (H), recherche générale (A) et production (Y). Le modèle quantifie le seuil pour déclencher une « singularité » économique. Selon les paramètres calibrés dans son article, la figure 1 présente quatre scénarios pour atteindre la singularité :

Figure 1. Quatre trajectoires de croissance économique explosive apportée par l'IA Source : Davidson, Halperin, Houlden & Korinek. ‘When Does Automating AI Research Produce Explosive Growth? Feedback Loops in Innovation Networks’. NBER Working Paper 35155 (2026)

1) Si l'IA favorise l'automatisation uniforme des quatre secteurs (ligne bleue), un taux de pénétration de l'automatisation de seulement 13 % suffit à déclencher la singularité ;

2) Si seuls les secteurs du logiciel et du matériel sont automatisés (ligne verte), le seuil de taux de pénétration de l'automatisation pour ces deux secteurs monte à 17 % ;

3) Si seul le secteur du logiciel est automatisé, les autres secteurs n'atteignant que 5 % d'automatisation (ligne violette), le seuil pour le premier passe à 66 % ; une fois le secteur du logiciel entièrement automatisé, la singularité peut être atteinte en seulement 6 ans ;

4) Si le secteur du logiciel atteint 100 % d'automatisation (ligne orange), le seuil de taux de pénétration pour les autres secteurs tombe à 0 %, garantissant l'arrivée de la singularité.

Bien sûr, ces conclusions sont purement basées sur des hypothèses de paramètres du modèle et ne constituent pas une prédiction de scénarios réels futurs. Mais elles indiquent que l'automatisation de la R&D en IA pourrait être un élément clé pour déclencher une croissance économique explosive, et fournissent un cadre économique théorique pour « l'auto-amélioration récursive » actuellement en cours dans le monde technologique.

Les modérés

Les estimations du monde universitaire traditionnel concernant la contribution de l'IA à la productivité sont relativement modérées, se situant pour la plupart entre 0,1 et 1,3 point de pourcentage par an (Tableau 1). Ils reconnaissent que l'IA apportera des gains de productivité, mais soulignent également que les goulots d'étranglement réels pourraient faire que les bénéfices réalisables de l'IA soient bien inférieurs aux estimations des optimistes. Ces chercheurs utilisent principalement le cadre d'analyse du théorème de Hulten 7, estimant que l'impact de l'IA sur la productivité globale de la société est déterminé conjointement par trois facteurs : le gain de productivité (ou l'économie de coût) au niveau micro des tâches, le degré d'exposition des tâches de chaque secteur à l'IA, et la vitesse d'adoption de l'IA :

Contribution de l'IA à la productivité = Gain de productivité par tâche × Degré d'exposition des tâches × Vitesse d'adoption

En décomposant selon ces trois niveaux, la contribution de l'IA pourrait faire face aux contraintes suivantes du côté de la production :

Premièrement, le gain de productivité ou l'économie de coût par tâche individuelle est limité.

Des études microéconomiques montrent que l'IA peut améliorer l'efficacité de 14 % à 50 % dans des tâches comme la programmation, le service client ou la création publicitaire, mais l'amélioration n'est pas significative dans les tâches complexes nécessitant un raisonnement profond et une prise de décision intégrée, et peut même réduire l'efficacité des travailleurs expérimentés 8. De plus, une recherche de la Banque des Règlements Internationaux (BRI) 9 montre que même si l'IA permet des économies de coûts au niveau d'une tâche individuelle, pour matérialiser les gains de productivité, les entreprises doivent investir en parallèle dans la transformation des logiciels, la gouvernance des données, la formation des employés et la réorganisation des processus. Si ces investissements complémentaires sont insuffisants ou coûteux, le bénéfice net global réel pour l'entreprise pourrait être bien inférieur au gain théorique au niveau de la tâche.

Deuxièmement, il existe une limite structurelle supérieure au degré d'exposition des tâches microéconomiques à l'IA.

Une étude de l'OCDE 10 montre que les services à forte intensité de connaissances comme la finance, les technologies de l'information, l'édition/médias et les services professionnels ont un degré d'exposition à l'IA plus élevé et des gains de productivité plus marqués ; tandis que les professions impliquant des opérations physiques et des interactions interpersonnelles, comme l'agriculture, les mines, la construction, la restauration, etc., ont un degré d'exposition plus faible et bénéficient donc moins des progrès de l'IA. OpenAI 11 estime que, en ne considérant que les grands modèles de langage, environ 19 % des travailleurs américains verraient plus de la moitié de leurs tâches affectées par l'IA ; en tenant compte du développement de logiciels complémentaires (comme les agents IA, l'intégration dans les logiciels de bureau, etc.), cette proportion pourrait atteindre environ 46 %, mais reste inférieure à la moitié. Avec les progrès de la technologie de l'IA (notamment le développement de l'intelligence incarnée et de l'IA physique), cette proportion devrait continuer à augmenter, mais il subsistera pendant longtemps une limite structurelle supérieure aux tâches et secteurs affectés par l'IA, ce qui limitera l'amélioration globale de la productivité par la technologie de l'IA.

Troisièmement, les goulots d'étranglement physiques et énergétiques, ainsi que les frictions réglementaires et éthiques, ralentiront la vitesse d'adoption de la technologie de l'IA.

La diffusion de la technologie de l'IA dépend fortement des infrastructures telles que la puissance de calcul, l'électricité et les centres de données. Or, l'augmentation de la capacité de production des puces de calcul, l'expansion des installations de production d'électricité et des réseaux, l'approbation et la construction des centres de données ont des cycles de plusieurs années (voire plus). Ainsi, même si les capacités techniques de l'IA progressent rapidement, les goulots d'étranglement physiques et énergétiques rencontrés par les chaînes d'approvisionnement en amont et en aval pourraient limiter sa vitesse d'adoption.

De plus, comme les infrastructures telles que les grands centres de données d'IA consomment de grandes quantités d'énergie, d'eau et de terres, elles pourraient provoquer des pénuries locales d'électricité ou d'eau, ou une flambée des prix de l'électricité ou de l'eau, déclenchant des conflits sociaux. Cela pourrait contraindre les autorités de régulation à limiter les investissements concernés, ralentissant ainsi le déploiement de l'IA. Par exemple, le 14 juillet de cette année, l'État de New York a annoncé la suspension de la délivrance de permis environnementaux pour la construction de nouveaux grands centres de données (d'une consommation électrique de 50 mégawatts ou plus), devenant le premier État américain à imposer un moratoire sur la construction de centres de données à très grande échelle, en réponse aux préoccupations concernant leur impact environnemental et leur effet sur les coûts des services publics.

Outre les goulots d'étranglement physiques, dans des secteurs à haut risque et à faible tolérance à l'erreur comme la santé, la finance, le droit ou la conduite autonome, la commercialisation de l'IA pourrait faire face à des obstacles prolongés tels que des approbations réglementaires, la définition des responsabilités, la mise en place de mécanismes d'assurance, etc. Or, ce sont précisément des secteurs de services où l'exposition à l'IA est élevée. Cela signifie que les gains de productivité potentiels apportés par l'IA pourraient ne pas se matérialiser pleinement en raison des frictions réglementaires et éthiques.

Quatrièmement, l'effet du maillon faible et l'effet coût de Ballmer limitent les gains de productivité.

L'économiste de Stanford, Charles I. Jones, propose la théorie de « l'effet du maillon faible » 12, selon laquelle lorsque le processus de production dépend de plusieurs maillons complémentaires, la production totale est contrainte par le maillon le plus faible. Par conséquent, l'impact final de l'IA sur la croissance économique sera limité par les tâches les plus difficiles à automatiser (comme les opérations physiques, les soins interpersonnels, les expériences réelles, etc.). En ce qui concerne la technologie de l'IA, même si elle peut automatiser 90 % des tâches, les 10 % restantes non automatisées continueront de limiter le potentiel de croissance économique. Ce n'est qu'une fois ces goulots d'étranglement également automatisés que les gains de productivité apportés par l'IA pourront être pleinement réalisés.

Selon le modèle de Jones, en supposant une élasticité de substitution entre les tâches = 0,2 (c'est-à-dire que les tâches sont fortement complémentaires, avec une faible substituabilité), le gain économique provenant de l'automatisation infinie d'une tâche donnée est déterminé par la part s de cette tâche dans l'économie : [1/(1-s)]^(1/4). Prenons l'exemple des logiciels : actuellement, les dépenses en logiciels représentent environ 2 % du PIB américain. Même si l'IA automatisait complètement la production de logiciels, cela ne stimulerait la croissance du PIB que d'environ 1 point de pourcentage ; si l'IA automatisait 50 % des tâches de l'économie, le PIB ne pourrait croître que de 19 % supplémentaires (Figure 2). Cela signifie que les bénéfices économiques de l'IA pourraient être sérieusement retardés.

Figure 2. Degré d'automatisation et multiplicateur de croissance économique Source : Charles I. Jones. ‘A.I. and Our Economic Future’. NBER Working Paper 34779, 2026.

De plus, le lauréat du prix Nobel d'économie, Philippe Aghion 13, souligne que même si l'IA apporte d'énormes gains de productivité dans certains secteurs, l'effet coût de Ballmer 14 entraînera une hausse des prix relatifs dans les secteurs difficiles à automatiser, ce qui freinera la croissance globale de la productivité. Tous ces facteurs limitent la contribution de l'IA à la productivité et à la croissance économique, rendant ses bénéfices réels bien inférieurs aux bénéfices théoriques.

Les pessimistes

Le point de vue des pessimistes découle de deux logiques différentes. La première est cohérente avec la logique des modérés, mais avec des hypothèses plus radicales sur les goulots d'étranglement réels. Ce point de vue est représenté par le lauréat du prix Nobel d'économie, Daron Acemoğlu. Dans une série de recherches 15, il estime que la contribution cumulative de l'IA à la productivité américaine au cours des 10 prochaines années serait inférieure à 1 % (soit moins de 0,1 % par an), principalement parce qu'il suppose que seulement 4,6 % des tâches seront affectées par l'IA au cours des 10 prochaines années (c'est-à-dire un degré d'exposition extrêmement faible), et que l'utilisation de l'IA dans ces tâches ne permettra en moyenne d'économiser que 14 % des coûts (c'est-à-dire un gain de productivité par tâche très faible) 16. Ces hypothèses conservatrices conduisent naturellement à des conclusions pessimistes.

L'autre logique consiste à intégrer l'endogénéité de la demande dans l'analyse. Ces chercheurs estiment que l'impact de l'IA sur la croissance économique dépend non seulement de l'offre (impact sur la productivité), mais aussi de la demande (impact sur le pouvoir d'achat des consommateurs). Si l'IA entraîne une augmentation significative de la productivité et qu'un grand nombre d'emplois sont automatisés, les revenus qui allaient autrefois aux travailleurs seront transférés vers les investissements en capital liés à l'IA, entraînant une baisse de la part des revenus du travail. Ainsi, tandis que la capacité de production continue de s'étendre, si aucune politique de redistribution des revenus n'est mise en place, la hausse du chômage et la baisse des revenus des travailleurs éroderont continuellement le pouvoir d'achat des consommateurs. Les prévisions de croissance du chiffre d'affaires et des bénéfices des entreprises deviendront difficiles à soutenir en raison de la contraction de la demande de consommation, et la volonté d'investir dans l'innovation et l'automatisation s'arrêtera par la suite, conduisant finalement à un ralentissement, voire une stagnation, de la croissance économique sous la contrainte de la demande.

Par exemple, la Banque des Règlements Internationaux (BRI) a construit un scénario de « goulot d'étranglement de la demande » dans une étude 17, où chaque travailleur remplacé est aussi un consommateur qui disparaît. Dans ce scénario, bien que la production totale augmente à court terme, à moyen et long terme, le taux de croissance de la production totale pourrait ralentir, voire tomber en dessous de la tendance historique, en raison de la baisse de la part des revenus du travail et de la contraction de la demande de consommation. Acemoğlu met également en garde dans son article précité, estimant que l'IA actuelle est principalement conçue pour remplacer la main-d'œuvre plutôt que pour l'augmenter, ce mode de développement créant un « piège de la surautomatisation » conduisant à une baisse de la part des revenus du travail 18.

Une recherche du Centre for Economic Policy Research (CEPR) 19 montre qu'en l'absence d'interventions monétaires et fiscales rapides et efficaces, la technologie de l'IA pourrait conduire à un phénomène de productivité élevée, de chômage élevé et d'aggravation des inégalités de revenus, aboutissant finalement à un piège de la demande qui entraverait la croissance économique durable. Ce mécanisme est essentiellement dû à l'« externalité » de la demande globale, c'est-à-dire que si une entreprise individuelle adopte l'IA pour réduire ses coûts et améliorer son efficacité, cela est rationnel, mais si toutes les entreprises adoptent l'IA, cela pourrait, en raison de la hausse du chômage, nuire à la demande globale, réduire à son tour le chiffre d'affaires et les bénéfices des entreprises de tous les secteurs, et finalement freiner la demande d'investissement. Dans ce cas, le taux de croissance économique réel pourrait être nettement inférieur au taux de croissance potentiel, voire conduire à une récession.

L'article, calibré sur des données américaines, suppose une baisse de la part des revenus du travail de 60 % à 57 % et une augmentation de la production potentielle de 10 % grâce à l'IA. Ses simulations numériques montrent que dans un scénario de « non-réponse politique », le PIB et le niveau de consommation totale chuteraient d'environ 7 % par rapport au niveau de référence, et l'investissement stagnerait également en raison de la faiblesse de la demande (Figure 3). Cependant, si des outils monétaires accommodants et des subventions à l'emploi sont mis en œuvre, ils pourraient réduire les coûts salariaux des entreprises et augmenter les revenus des travailleurs, réalisant ainsi une « prospérité de l'IA ». L'article montre qu'en l'absence d'interventions macroéconomiques actives comme la redistribution des revenus, la baisse continue des revenus des travailleurs entraînera une contraction de la demande globale, créant ainsi une importante contrainte endogène du côté de la demande sur la contribution de l'IA à la croissance économique.

Figure 3. Contrainte des externalités de demande sur la croissance économique Source : Fornaro and Wolf, “Macroeconomic Policies for AI”, CEPR Discussion Paper No. 21412. 2026.

Notre jugement

La raison pour laquelle les recherches ci-dessus aboutissent à des conclusions si différentes réside principalement dans les hypothèses qu'elles font concernant la vitesse des progrès techniques de l'IA, la profondeur et l'ampleur de son application, sa vitesse de diffusion, les goulots d'étranglement réels, les réactions politiques et autres facteurs d'influence. Nous pensons qu'à court terme (1 à 2 ans), l'IA stimulera la croissance économique, mais sa contribution principale proviendra probablement de « l'impulsion de l'investissement » plutôt que des « gains de productivité » ; à long terme, l'IA pourrait effectivement apporter une amélioration majeure des forces productives et une prospérité économique ; mais à moyen terme (3-5 ans), le processus menant à cette prospérité à long terme ne sera probablement pas sans heurts.

Impact à court terme

À court terme, l'IA stimulera effectivement la croissance économique, mais sa contribution principale proviendra probablement de « l'impulsion de l'investissement » plutôt que des « gains de productivité ». D'après les données réelles des 2-3 dernières années, les dépenses en capital liées à l'IA sont devenues un moteur important de la croissance du PIB américain. En 2025, la contribution des investissements liés à l'IA (équipements de traitement de l'information et investissements logiciels) au PIB américain est passée à 0,8 point de pourcentage, soit une augmentation de 0,7 point par rapport à 2023 (Figure 4). On s'attend à ce que cette tendance se poursuive à court terme sous l'impulsion de la ruée vers l'investissement dans l'IA.

Figure 4. Contribution des investissements liés à l'IA au PIB américain Source : Bureau of Economic Analysis des États-Unis Note : Les investissements liés à l'IA comprennent les équipements de traitement de l'information et les investissements logiciels. Les données représentent la contribution moyenne sur quatre trimestres.

Au cours des trois dernières années, la productivité du travail aux États-Unis s'est également nettement redressée, mais il est difficile d'en attribuer entièrement le mérite à l'IA. Depuis le premier trimestre 2023, le taux de croissance annualisé de la productivité du travail non agricole aux États-Unis a été de 2,7 %, nettement supérieur à la moyenne d'environ 1,5 % pour la période 2007-22 et à la moyenne à long terme d'environ 2,1 % depuis 1948 (Figure 5). Cependant, le redressement de la productivité pourrait être en partie dû aux changements structurels du marché du travail post-pandémie et aux économies d'échelle résultant de la forte croissance de la demande globale, et il est difficile de l'attribuer clairement à l'impact de l'IA générative.

Les données d'enquête au niveau microéconomique des entreprises montrent également qu'au moins jusqu'à présent, l'impact de l'IA sur la productivité reste relativement limité. Une enquête conjointe de la Banque d'Angleterre et de la Réserve fédérale d'Atlanta, entre autres, auprès de près de 6000 cadres d'entreprise aux États-Unis, au Royaume-Uni, en Allemagne et en Australie, révèle que près de 90 % des cadres estiment que l'IA n'a pas eu d'impact substantiel sur la productivité de leur entreprise au cours des trois dernières années 20. Une étude de la BRI sur 12 000 entreprises européennes entre 2019 et 2024 21 constate que la productivité du travail des entreprises ayant adopté l'IA est supérieure de 4 % à celle des entreprises ne l'ayant pas adoptée. En convertissant cela selon un taux de diffusion technologique de 10 %, la contribution annualisée à la productivité serait d'environ 0,4 point de pourcentage, ce qui correspond globalement aux estimations des modérés.

Figure 5. Productivité du travail non agricole aux États-Unis Source : Bureau of Labor Statistics des États-Unis

Ces constatations ne sont pas surprenantes ; elles correspondent au schéma historique selon lequel les technologies à usage général nécessitent souvent une longue période de diffusion. L'économiste de Stanford, Erik Brynjolfsson, résume ce phénomène par la « courbe en J de la productivité » 22, c'est-à-dire que les nouvelles technologies à usage général traversent souvent une phase initiale où la productivité baisse d'abord, puis monte en flèche. En d'autres termes, les bénéfices économiques de l'IA pourraient être considérablement retardés. Bien qu'à long terme, la technologie de l'IA apportera une amélioration significative de la productivité, au moins au cours des 1 à 2 prochaines années (voire 3 à 5 ans), cet impact devrait être relativement limité.

Cela dit, étant donné que la demande d'application des grands modèles est encore en phase de croissance exponentielle (par exemple, sur la plateforme OpenRouter, le volume hebdomadaire d'utilisation de tokens a augmenté de plus de 23 fois au cours de l'année et demie écoulée), on peut affirmer avec certitude qu'au moins au cours des 1 à 2 prochaines années, la demande d'investissement dans la chaîne d'approvisionnement liée à l'IA et les infrastructures continuera d'augmenter. Par conséquent, à court terme, il est difficile de réfuter le jugement d'une croissance élevée des investissements dans l'IA, tout comme il est difficile de confirmer les inquiétudes concernant une bulle d'investissement dans l'IA. L'impact de l'IA sur l'emploi restera relativement limité, et l'IA sera un moteur important de la prospérité économique et des marchés financiers.

Impact à moyen terme

À moyen terme, dans les 3 à 5 prochaines années, avec les progrès rapides et la diffusion généralisée de la technologie de l'IA, l'IA continuera à augmenter la productivité et à stimuler le taux de croissance économique. Cependant, comme le soulignent les modérés et les pessimistes, étant donné que la diffusion de la technologie de l'IA pourrait faire face à des goulots d'étranglement tant du côté de l'offre que de la demande, son développement futur pourrait emprunter trois trajectoires différentes. En surface, ces trois trajectoires correspondent aux trois points de vue mentionnés ci-dessus, mais la logique sous-jacente de leur évolution n'est pas exactement la même (Figure 6).

Figure 6. Trois trajectoires de l'impact de l'IA sur la croissance économique et la productivité

Le point de départ de l'analyse est le jugement sur les perspectives de croissance de la demande en IA (ou, en d'autres termes, sur l'ampleur et la profondeur futures des applications de l'IA). Si la croissance de la demande en IA est nettement inférieure aux attentes, l'impact de l'IA sur la croissance économique et la productivité sera également nettement inférieur aux attentes ; cette trajectoire correspond au point de vue pessimiste mentionné précédemment. Si la future demande en IA correspond ou dépasse les attentes, l'impact de l'IA sur la croissance économique dépendra de la force des diverses contraintes ou « effets de maillon faible ». Si les contraintes sont nombreuses, fortes et difficiles à surmonter, l'impact de l'IA sur la croissance économique et la productivité sera fortement limité ; ce scénario correspond également au point de vue des pessimistes (comme Acemoğlu). Si les contraintes sont nombreuses et fortes, mais pas insurmontables, l'impact de l'IA sur la croissance économique et la productivité sera limité, mais relativement modéré ; cette trajectoire correspond au point de vue modéré traditionnel. Si les contraintes sont peu nombreuses et faibles, l'impact de l'IA sur la croissance économique et la productivité sera très significatif ; cette trajectoire correspond au point de vue optimiste mentionné précédemment.

Il convient de noter que dans notre classification, nous utilisons des termes comme optimiste, modéré et pessimiste principalement en considération de l'amélioration technique de la productivité par l'IA. En réalité, les retours économiques, financiers et sociaux correspondant à ces trois trajectoires sont assez complexes, donc du point de vue du bien-être social, cette classification n'est peut-être pas appropriée.

Trajectoire « optimiste » : Adoption et diffusion rapides de l'IA

Dans cette trajectoire, au cours des 3 à 5 prochaines années, l'ampleur et la profondeur des applications de l'IA correspondront ou dépasseront les attentes du marché. Il n'existera pas de goulots d'étranglement techniques, physiques ou institutionnels évidents dans la R&D technologique de l'IA, son déploiement, ni ses chaînes d'approvisionnement en amont et en aval. Le développement de l'IA avancerait presque sans obstacle, son impact sur la croissance économique et la productivité atteignant ou dépassant les prédictions des optimistes (Tableau 1). Les investissements massifs dans l'IA généreraient des retours financiers considérables, les marchés financiers seraient en plein essor, et l'économie irait vers une abondance extrême (super-abondance).

Dans cette trajectoire, si l'effet de création d'emplois de l'IA l'emporte sur son effet de substitution, les craintes d'un remplacement massif de l'emploi ne se matérialiseront pas. Au contraire, les travailleurs pourraient avoir accès à davantage d'opportunités d'emploi, réalisant ainsi une prospérité économique et sociale commune. Cependant, nous pensons qu'à moyen terme, il est plus probable que l'effet de substitution de l'IA sur l'emploi l'emporte sur son effet de création. Si le déploiement de la technologie de l'IA avance sans obstacle, l'automatisation se produira rapidement dans tous les secteurs. Certains secteurs pourraient subir une « attaque dimensionnelle » de l'IA et être complètement anéantis, entraînant de nombreuses faillites et licenciements ; même dans les secteurs non touchés par une telle attaque, la vitesse de remplacement des travailleurs par l'IA dépassera probablement la vitesse de création de nouveaux emplois, provoquant une hausse du chômage. Si des politiques de redistribution des revenus ne sont pas mises en place à temps, l'érosion continue des revenus des travailleurs entraînera une contraction de la demande globale (c'est-à-dire le scénario de « goulot d'étranglement de la demande » construit par la BRI 23 ou le « piège de la demande » redouté par le CEPR 24). Cela pourrait non seulement devenir, à un moment donné, une contrainte endogène dans ce raisonnement logique, mais pourrait même déclencher des conflits sociaux plus larges. En fait, même le professeur Korinek, figure représentative de la « théorie de la singularité », énumère ces risques comme l'un des défis majeurs potentiels après la réalisation d'une AGI 26. Par conséquent, d'un point de vue social, il est difficile de qualifier cela de trajectoire « optimiste ».

Trajectoire « modérée » : Le développement et la diffusion de l'IA rencontrent des obstacles surmontables

Dans cette trajectoire, au cours des 3 à 5 prochaines années, l'ampleur et la profondeur des applications de l'IA correspondront globalement ou dépasseront les attentes, mais le développement technologique de l'IA, son déploiement et ses chaînes d'approvisionnement en amont et en aval rencontreront de nombreux goulots d'étranglement techniques, physiques et institutionnels. La bonne nouvelle est que ces obstacles ne sont pas insurmontables ; ils nécessitent simplement du temps et des investissements supplémentaires pour être progressivement éliminés. Dans ce processus, les investissements dans l'IA continueront de soutenir fermement la croissance économique, tandis que l'industrie de l'IA progressera de manière sinueuse, surmontant constamment d'anciens goulots d'étranglement pour en rencontrer de nouveaux.

Dans cette trajectoire, l'ampleur de l'amélioration de la croissance économique et de la productivité par l'IA sera relativement modérée, mais son impact variera considérablement selon les secteurs. Dans les secteurs où des goulots d'étranglement d'offre apparaissent ou existent (comme les GPU, CPU, puces mémoire actuels, etc.), les entreprises concernées bénéficient d'un fort pouvoir de fixation des prix ; les prix de leurs produits augmenteront fortement en raison des pénuries d'approvisionnement, entraînant une croissance significative des bénéfices et une performance boursière brillante. En revanche, dans les secteurs où, après des années d'investissement, les goulots d'étranglement d'offre ont été progressivement éliminés, les prix des produits concernés baisseront progressivement, les bénéfices exceptionnels des entreprises diminueront jusqu'à disparaître, voire des pertes apparaîtront, les cours boursiers correspondants s'ajusteront également, et certaines actions surévaluées connaîtront inévitablement des chutes brutales. Bien que les turbulences sur les marchés financiers soient inévitables, les investisseurs, en poursuivant constamment de nouveaux secteurs à goulots d'étranglement, opéreront un tri sélectif et renouvelleront les actifs. Les marchés financiers présenteront des caractéristiques marquées de divergence en K, et les rendements des investisseurs varieront considérablement.

Dans cette trajectoire, bien qu'il n'y ait pas de remplacement d'emplois complet, rapide et massif, le remplacement d'emplois dans certains secteurs pourrait encore avoir un impact significatif sur l'économie et les marchés financiers. Même si seulement 10 % des emplois sont remplacés par l'IA, cela augmenterait le taux de chômage d'environ 10 points de pourcentage. Selon l'expérience historique, dans une situation où le taux de chômage dépasse 10 %, même sans conflits sociaux majeurs, il est difficile d'imaginer que la macroéconomie et les marchés financiers puissent fonctionner de manière stable.

De plus, avec la résolution des anciens goulots d'étranglement et l'émergence de nouveaux, certains pourraient déclencher des conflits sociaux. Par exemple, si la demande massive d'électricité ou d'eau des grands centres de données provoque des pénuries d'électricité ou d'eau dans certaines régions, ou une flambée des prix de l'électricité ou de l'eau, cela pourrait susciter des conflits sociaux régionaux.

Par conséquent, du point de vue de la stabilité financière et sociale, la trajectoire « modérée » n'est pas forcément si modérée.

Trajectoire « pessimiste » : La demande en IA ne répond pas aux attentes ou rencontre des obstacles majeurs

Dans cette trajectoire, au cours des 3 à 5 prochaines années, l'ampleur et la profondeur des applications de l'IA seront inférieures aux attentes, ou, bien qu'elles correspondent ou dépassent les attentes, elles rencontreront de nombreux et puissants goulots d'étranglement qui entraveront gravement la diffusion de la technologie de l'IA, limitant considérablement son impact sur la croissance économique et la productivité.

Pour les marchés financiers, étant donné que l'actuelle ruée vers l'investissement dans l'IA intègre déjà des attentes de croissance de la demande assez optimistes, si ces attentes ne se matérialisent pas, la volatilité des marchés financiers sera inévitable. Par exemple, les valorisations combinées d'OpenAI et d'Anthropic, deux des principales entreprises de grands modèles d'IA, s'élèvent à environ 1 800 milliards de dollars, tandis que leurs derniers chiffres d'affaires annualisés en 2026 ne sont que de 25 milliards 27 et 47 milliards de dollars 27 respectivement. Si la réalité se rapproche finalement de cette trajectoire « pessimiste », la commercialisation de la technologie de l'IA ne répondra pas aux attentes, et les anticipations de rendement élevé des investissements dans l'IA ne pourront probablement pas se concrétiser. Cela déclenchera inévitablement des ajustements de valorisation et des retraits d'investissement. Les entreprises fortement endettées seront confrontées à des risques de défaut de paiement et de faillite, et ces risques pourraient se propager à travers les chaînes de financement vers des domaines financiers plus larges comme les banques, les compagnies d'assurance, les fonds de crédit privé, etc., provoquant une récession économique, voire des turbulences financières. La Banque des Règlements Internationaux (BRI), dans son Rapport économique annuel 2026, souligne que l'ampleur, la vitesse et les anticipations optimistes concernant les gains de productivité de l'actuelle ruée vers l'investissement dans l'IA ressemblent fortement aux bulles historiques des canaux, des chemins de fer, de l'électrification et de l'internet, qui ont toutes fini par des retournements d'investissement et des récessions économiques.

Bien que les ajustements des marchés financiers soient préoccupants, dans cette trajectoire « pessimiste », le degré de pénétration de la technologie de l'IA étant inférieur aux attentes, son effet de substitution sur la main-d'œuvre sera également relativement limité. Cela signifie que la technologie de l'IA ne provoquera pas de chômage de masse, la part des revenus du travail ne baissera pas considérablement, et la société et le gouvernement auront donc plus de temps pour s'adapter aux impacts de l'IA. Par conséquent, d'un point de vue de bien-être social, cette trajectoire « pessimiste » est plutôt rassurante.

Conclusion

Ces trois trajectoires sont toutes possibles, mais nous pensons que la trajectoire « modérée » a la plus grande probabilité de se produire. Quelle que soit la trajectoire, aucune n'est une autoroute sans obstacles. La trajectoire dite « optimiste », bien que techniquement positive, pourrait, si des réformes de redistribution des revenus ne sont pas mises en place à temps, aggraver les inégalités et même déclencher des conflits sociaux, conduisant à un résultat socialement pessimiste. À l'inverse, la trajectoire techniquement « pessimiste » pourrait maintenir une plus grande stabilité sociale et être plus favorable à la grande majorité des travailleurs, offrant également une période tampon pour l'adaptation sociale. La trajectoire « modérée » est une voie de compromis, mais elle entraînera également du chômage localisé, une divergence en K de l'économie et des marchés financiers, et des déséquilibres structurels, ce qui ne sera pas forcément « modéré » pour certains groupes de travailleurs et d'investisseurs. Face à cela, les décideurs doivent considérer cet ensemble de facteurs, concilier les intérêts de toutes les parties, surveiller de près l'évolution de la situation, prendre des mesures préventives et se préparer à assurer un développement économique et social durable.

Cet article provient du compte WeChat public « Tencent Research Institute » (ID : cyberlawrc), auteurs : Li Jialun, Sun Mingchun