Combien de Tokens consommez-vous chaque mois ? Le Token est l'unité minimale de traitement du texte pour les modèles de langage IA. Les services d'IA facturant généralement en fonction du nombre de Tokens traités, le Token est également devenu une unité de mesure courante pour quantifier l'utilisation des modèles, les coût s et la longueur du contexte.
Avec le déploiement massif de l'IA, l'« économie du Token » est devenue un terme à la mode. La Chine est déjà un grand consommateur de Tokens. En mars de cette année, le volume quotidien moyen d'appels a dépassé les 140 billions, avec une croissance de plus de 40% en trois mois1. Ce chiffre évoque facilement une image : une ville où les appels augmentent rapidement, des centres de calcul autrefois sous-utilisés fonctionnent à plein régime, les entreprises intègrent des agents intelligents dans le service client, la R&D, les ventes et les flux de travail, les employés commencent à utiliser massivement l'IA pour les assister... Ces phénomènes existent bel et bien, et les Tokens peuvent, comme le PIB, être comptabilisés, classés et inscrits dans les rapports annuels. Mais cette image ne répond pas à une question : qu'est-ce que cela signifie pour l'économie et la société ? Qu'en retirent les citoyens ordinaires ?
Nous pouvons le comprendre par la relation entre l'offre et la demande. En comptabilisant les Tokens dans les deux registres de « l'offre » et de « la demande », le premier englobe la capacité de production, les appels, les coûts, les investissements, les revenus des entreprises et les performances locales ; le second concerne les salaires, l'emploi, les loisirs, la protection sociale, les services publics et le pouvoir d'achat des ménages.
En Chine, la particularité de l'économie du Token est qu'elle excelle à développer le premier registre, tout en ayant l'habitude de considérer directement les résultats du premier comme ceux du second. Ainsi, l'offre est appelée demande, les intrants intermédiaires sont appelés consommation, et la réduction des coûts des entreprises est appelée prospérité. Précisément parce que l'IA est une technologie réellement productive, il est d'autant plus crucial de se demander qui contrôle l'interprétation de cette valeur et qui en capte les bénéfices.
Le Token, une nouvelle forme de « consommation électrique »
Le Token est effectivement un indicateur technique quantifiable comme la consommation d'électricité, mais une hausse de la consommation industrielle d'électricité ne vous dit pas si l'énergie a alimenté des industries plus efficaces ou des capacités excédentaires inefficientes. De même, un appel Token peut générer un rapport qui vous fait vraiment gagner plusieurs heures, ou simplement réviser répétitivement un texte finalement inutilisé.
Le volume est un intrant, la tâche est un processus, les revenus et les bénéfices sont des résultats au niveau de l'entreprise, et la productivité est un résultat économique à un niveau supérieur. Ces différents niveaux sont à des distances très variables de la vie des citoyens. L'amélioration des bénéfices des entreprises offre au moins une voie : distribuer les revenus aux employés, qui les dépensent ensuite. Mais si le Token augmente l'efficacité et le nombre de commandes des livreurs de repas à domicile sans augmenter leurs revenus réels, cette voie est coupée.
Ce n'est pas une inquiétude abstraite, les 140 billions d'appels quotidiens méritent d'être décomposés. En avril, Volcano Engine, filiale de ByteDance, a révélé que le volume quotidien moyen d'utilisation des Tokens de son grand modèle Doubao était déjà supérieur à 120 billions2. Autrement dit, la grande majorité du volume national provient de cette seule plateforme, et ce chiffre est principalement tiré par la génération de vidéos IA : la création et l'itération d'une seule vidéo peuvent consommer des dizaines de millions de Tokens. Cette image n'a rien à voir avec une « pénétration complète de tous les secteurs », elle ressemble plutôt à une entreprise, un type de scénario, une industrie du contenu en plein essor. Utiliser le volume d'appels quotidiens comme indicateur de la santé économique globale, face à cette structure, est difficilement défendable.
Pour une entreprise qui achète des Tokens, cela compte bien sûr comme de la demande dans ses propres comptes. Mais à l'échelle de l'économie nationale, il s'agit probablement d'un intrant intermédiaire du début à la fin. Ce n'est que lorsque cela réduit le prix des produits, augmente les salaires, accroît le temps libre, améliore les services publics, ou crée de nouveaux produits que les gens sont prêts à acheter et peuvent se permettre, que le Token entre véritablement dans le second registre.
C'est la différence entre l'offre et la demande. Le premier est une forme typique de productivisme, probablement le récit par défaut de beaucoup lorsqu'ils parlent d'« économie du Token » : placer la capacité de production, les actifs fixes, les capacités technologiques et l'échelle industrielle avant les revenus des ménages, la protection sociale et la consommation finale. Ce classement n'est pas accidentel. Le sentiment de sécurité des résidents est difficile à quantifier, la qualité des services est difficile à inscrire dans un rapport annuel ; mais les grappes de milliers de cartes, la production de Tokens par kilowattheure, le volume d'appels quotidiens, le nombre de parcs, l'échelle des investissements, tout cela peut être quantifié, planifié, financé, subventionné, classé, évalué. Les puces, les serveurs, le réseau électrique, le refroidissement liquide, les centres de données ont tous des acheteurs clairement identifiés, adaptés aux fonds industriels, aux crédits bancaires, aux investissements des entreprises publiques, aux projets locaux.
Inversement, augmenter les allocations chômage, verser des pensions aux travailleurs migrants, améliorer les services publics de base, nécessitent des engagements budgétaires réguliers et à long terme (les dépenses liées au chômage représentent actuellement moins de 0,1% du PIB en Chine, contre une moyenne de 1,0% dans les pays de l' OCDE )3, et touchent directement à la répartition des responsabilités entre le central et le local. Le premier représente des réalisations, le second des problèmes.
Ainsi, une révolution technologique est d'abord interprétée comme de nouveaux actifs fixes, de nouvelles capacités de production locales, une nouvelle visibilité administrative. Cette interprétation n'est pas le fait d'une seule partie. Les gouvernements locaux ont besoin d'investissements et de réalisations, les sociétés de données publiques ont besoin d'activité, les centres de calcul ont besoin de faire tourner leurs capacités à plein, les parcs ont besoin d'attirer des investissements, les fournisseurs de cloud et les sociétés de modèles ont besoin de premiers clients – et les entreprises publiques et les administrations peuvent justement servir de premiers acheteurs.
L'économie du Token n'est pas née spontanément du marché, ni créée par un décret, elle émane de poussées de différentes parties, pour des raisons diverses : sécurité stratégique pour les uns, taux d'utilisation des actifs pour d'autres, revenus, financement, résultats d'évaluation. L'interface qui assemble ces différents calculs, c'est le Token.
Film Blade Runner 2049
Stimuler la demande en étendant la capacité de production
Le district de Yizhuang à Beijing fournit un exemple presque complet. Localement, il est proposé d'atteindre une taille d'industrie de l'économie intelligente de 4000 milliards de yuans d'ici 2030 : construire quatre usines de Tokens de niveau dix mille cartes, porter l'échelle de calcul au-delà de 100 000 P, augmenter la production de Tokens par kilowattheure à six fois le niveau actuel, construire des infrastructures de distribution et de consommation de Tokens, développer plus de 50 plateformes de collaboration pour le développement d'agents intelligents, attirer plus de 5000 entités OPC.
La méthode de cet ensemble d'outils politiques est dans la continuité des autres politiques industrielles chinoises. Ne pas se contenter des infrastructures de base, mais couvrir et subventionner toute la chaîne industrielle : subvention de 30% des frais de location de calcul, 100 millions de yuans de bons de données par an, jusqu'à 50 millions de yuans pour la plateforme d'agrégation et de règlement unifié des Tokens, jusqu'à 10 millions de yuans par an pour la plateforme de restructuration et de livraison des activités intelligentes, subventionner jusqu'à ce que les entreprises consomment des Tokens dans des scénarios réels. Le gouvernement soutient la production de Tokens par les usines, la distribution de Tokens par les plateformes, et l'utilisation de Tokens par les entreprises.
La subvention a sa part de raison. Les nouvelles technologies se heurtent souvent à des blocages en phase de promotion initiale, par exemple l'insuffisance des infrastructures, la réticence des entreprises à être pionnières, l'incapacité des fournisseurs à trouver des applications, ce sont des échecs typiques de coordination. Les bons de calcul et de Token peuvent réduire le coût de la première adoption, forcer les entreprises à ouvrir leurs données et processus, voire faire émerger des services qui n'existaient pas auparavant.
Mais il convient également de noter une « conversion sémantique ». Le chapitre concerné s'intitule « Développer globalement les modes de consommation de l'économie intelligente », son contenu principal est pourtant d'encourager les entreprises des secteurs santé, aéronautique commerciale, fabrication automobile à ouvrir des scénarios à haut débit, pour stimuler une consommation massive et fréquente de Tokens ; aux entreprises mettant en œuvre des applications en scénario réel, une aide financière de 50% des frais de consommation de Tokens est accordée, jusqu'à 5 millions de yuans4.
Autrement dit, dans un chapitre intitulé « Développer la consommation », le gouvernement subventionne la moitié de la consommation d'intrants intermédiaires par les entreprises. L'achat de Tokens par une entreprise est l'achat de moyens de production, c'est un intrant intermédiaire, ce n'est pas équivalent à la consommation finale des ménages ; une politique située au niveau de l'achat n'en fait pas pour autant une politique du côté de la demande. Le gouvernement réduit le coût des Tokens pour les entreprises, celles-ci augmentent leurs appels, la plateforme obtient des revenus, le volume d'appels devient à son tour une raison d'étendre la capacité de production – l'argent tourne ainsi en cercle entre le gouvernement, la plateforme et les entreprises. Tant que ce cercle ne se prolonge pas par une voie vers les salaires, la protection sociale, les services publics, une baisse de prix fiable ou des transferts aux ménages, la soi-disant demande reste simplement l'offre achetant ses propres produits.
C'est la distinction la plus importante que je veux clarifier dans tout cet article. Nous ne manquons pas de mesures pour stimuler la demande, mais nous sommes trop habitués à le faire en étendant la capacité de production. Les 4000 milliards de l'époque étaient ainsi, le photovoltaïque était ainsi, et avec les Tokens, la même habitude se prolonge dans l'ère de l'intelligence.
Film Ghost in the Shell
Les limites du discours sur l'offre
Le discours sur l'offre suit généralement une belle ligne droite : les modèles sont plus puissants, les Tokens moins chers, donc utilisés davantage ; utilisés davantage, donc la productivité augmente ; la productivité augmente, donc les revenus et bénéfices des entreprises augmentent, les revenus des travailleurs suivent, et l'argent entre du côté de la demande. Chaque maillon pris séparément peut tenir, mais des années d'expérience du côté de l'offre nous disent qu'entre chaque deux maillons s'intercalent des intérêts sectoriels, la concurrence industrielle et les structures de distribution.
Parlons d'abord du niveau le plus direct : le Token n'équivaut pas au bénéfice, c'est d'abord une facture incontrôlable. Mi-2026, c'est précisément cette facture qui a fait hésiter de nombreuses entreprises américaines. L'enquête trimestrielle de KPMG montre qu'environ la moitié des dirigeants interrogés ont réduit leurs déploiements d'agents intelligents, invoquant un coût dépassant les bénéfices. Les agents intelligents et Harness connectent les modèles génériques aux données, outils, autorisations, mémoire et flux de travail de l'entreprise, une question-réponse devient une tâche pouvant s'exécuter en continu. Le modèle n'est plus seulement une fenêtre de chat occasionnellement ouverte par un employé, il peut devenir le support de toutes les tâches, en apparence au moins très efficace5.
Mais la valeur ne se juge pas uniquement par le volume consommé, de la frénésie du Token Maxxing (référant à une pratique apparue vers 2025 dans les grandes entreprises technologiques : utiliser l'IA aussi intensément que possible, mesurer le degré d'innovation des employés par leur consommation de Tokens, considérer le volume consommé lui-même comme indicateur de progrès. Le prix de l'IA augmentant linéairement avec l'usage, cette pratique a directement conduit au retour de bâton de la facture en 2026.) à aujourd'hui, le mythe « Token = efficacité » est largement dissipé. Peu de gens doutent encore de la capacité de l'IA à améliorer l'efficacité, la vraie question est : quelles tâches ont été accomplies par l'utilisation massive de l'IA, combien de temps a-t-elle économisé, combien de revenus a-t-elle générés, et combien de coûts de vérification, retravail, erreurs et conformité a-t-elle produits ? Si seuls les trois premiers points sont inscrits dans les statistiques, et les quatre derniers laissés aux employés pour les digérer en silence, l'entreprise obtient une évaluation belle mais partielle.
Il y a donc un escalier fondamental : l'appel n'équivaut pas à l'accomplissement de la tâche, l'accomplissement de la tâche n'équivaut pas à l'augmentation des revenus, l'augmentation des revenus n'équivaut pas à l'amélioration des bénéfices, et l'amélioration des bénéfices n'équivaut pas à une hausse synchrone de la productivité macroéconomique et du bien-être social. Chaque étape supérieure nécessite de nouvelles preuves. Ce n'est pas un seuil spécialement posé pour l'IA, tout intrant intermédiaire doit passer par le même filtre du bon sens financier.
Même si un projet d'IA améliore effectivement l'efficacité d'une entreprise, ce n'est pas fini. Le volume d'appels, les revenus de la plateforme, les bénéfices de l'entreprise et la valeur pour le client final sont quatre choses différentes. D'après le rapport annuel 2025 de Zhipu, les appels API et les revenus connaissent une croissance rapide : augmentation des revenus annuels de 132%, les revenus récurrents annuels de la plateforme MaaS ont augmenté de 60 fois en douze mois, tandis que la perte nette ajustée sur la même période s'est encore aggravée de 29%.
Et ce n'est pas en baissant les prix pour gagner en volume, Zhipu a augmenté le prix de ses API de 83% au premier trimestre 2026, et le volume d'appels a augmenté de 400%6. Pouvoir de fixation des prix, volume, revenus, les trois augmentent simultanément, les bénéfices ne suivent toujours pas. Ces chiffres ne prouvent pas que l'activité de modélisation n'a pas de valeur, une entreprise à forte croissance peut bien sûr échanger des pertes contre de la R&D et du marché, mais ils prouvent que : on ne peut pas faire passer un indicateur de premier niveau pour un résultat du niveau suivant. Le photovoltaïque a parcouru le même chemin, les pertes ne se sont pas réduites avec l'expansion, mais ont au contraire augmenté : Tongwei a enregistré une perte nette de 7 milliards de yuans en 2024, et prévoit une perte de 9 à 10 milliards de yuans pour 20257.
Ensuite vient le problème de la répartition. Supposons que l'IA crée 100 yuans de valeur ajoutée, les sociétés de puces, le cloud, les fournisseurs de modèles, les plateformes d'application, les entreprises utilisatrices, les travailleurs et les consommateurs viendront tous se partager ce gâteau. Du point de vue de la logique de l'offre, ces 100 yuans seront probablement en grande partie captés par les entreprises en amont de la chaîne. La technologie n'a pas annulé la politique de répartition, elle lui a juste donné un nouvel habit IA pour faire son retour.
La structure macroéconomique rend ce problème de répartition plus évident. Le FMI estime qu'en 2024, la formation brute de capital représentait environ 40% du PIB en Chine8, Qiushi indique que le taux de consommation des ménages la même année était d'environ 39,9%9. Les deux chiffres n'ont pas la même définition et ne peuvent être comparés directement avec précision, mais pointent vers la même structure : une échelle d'investissement très importante, des ressources économiques détenues par les ménages relativement limitées. C'est un savoir de base sur l'économie chinoise.
La Banque mondiale estime l'impulsion budgétaire pour 2025 à 1,6% du PIB, dont seulement environ 0,5 point de pourcentage directement orienté vers les ménages, le reste étant principalement de l'investissement public. Elle note également que le lien entre croissance et emploi s'affaiblit10. Ces phénomènes ne peuvent être attribués à l'IA, mais ils constituent les conditions initiales lorsque l'IA entre dans l'économie chinoise. Lorsque les entreprises font face à une demande atone et à une concurrence par les prix, ce qu'elles sont le plus susceptibles de faire en premier avec l'IA, ce n'est pas d'inventer un nouveau monde de consommation, mais de réduire les coûts, diminuer les embauches, accélérer l'offre, améliorer la compétitivité à l'exportation.
Pour une entreprise individuelle, c'est très rationnel ; agrégé pour toutes les entreprises, cela peut devenir une erreur de composition typique : compression des salaires et de l'emploi des jeunes, affaiblissement des attentes et de la consommation des ménages, concurrence par les prix plus intense, les entreprises dépendent alors davantage de l'automatisation pour continuer à réduire les coûts. Je ne prétends pas affirmer que c'est le dénouement de l'IA, mais ce cycle s'est déjà répété dans de nombreuses industries. Si les gains de productivité restent principalement dans les actifs fixes, les rentes de plateforme et les bénéfices des entreprises amont, l'amélioration de l'efficacité au niveau micro ne se transformera pas nécessairement en croissance des revenus au niveau macro.
Film Les Temps modernes
Un millier de Henry Ford, et la moitié absente
Dans les discussions sur l'économie du Token, la question n'est déjà plus seulement de savoir combien de Tokens sont consommés, mais que tout le mode de production est en train d'être remodelé. Dans une interview exclusive accordée à Huxiu, le professeur Sun Tianshu de la Cheung Kong Graduate School of Business a déclaré :
La plus grande opportunité de cette vague d'IA en Chine ne réside pas dans la réplication d'un nouvel internet de consommation, mais dans l'IA To B : la restructuration industrielle par les agents intelligents dans tous les secteurs ; chaque industrie verticale peut avoir son propre « cerveau industriel » grâce à l'IA, chaque entreprise doit construire son propre « système d'agents intelligents » ; pour réaliser cette transformation, il faut un groupe de « Henry Ford » qui comprennent les connaissances implicites de l'industrie, l'architecture métier et le changement organisationnel, et ont une pensée native de l'IA – ils n'ajoutent pas une fonction IA aux anciens processus (+IA), mais redéfinissent de première intention le mode de production, le modèle économique et l'ordre industriel (IA+), comme Monsieur Ford, il y a 100 ans à l'ère de l'électricité, à Highland Park à Détroit, a conçu le « modèle de la chaîne de montage » centré sur l'électricité, remodelant les forces productives et les relations de production, ouvrant une nouvelle ère « native électrique » pour l'industrie automobile.
La métaphore de « Henry Ford » a une perspicacité, et un angle mort. La perspicacité est du côté de l'offre : fourrer une fenêtre de chat dans un ancien processus n'apporte généralement que des améliorations locales, ce que les entreprises doivent vraiment faire, c'est reconcevoir les tâches, la division homme-machine, les autorisations sur les données, le routage des modèles, les normes de validation et l'attribution des responsabilités. Cela est juste.
L'angle mort est que la chaîne de montage n'a jamais été seulement une amélioration de la technologie d'efficacité. Les archives du musée Ford montrent que les essais de chaîne de montage de 1913 à 1914 ont réduit le temps d'assemblage d'une Model T de 12,5 heures à 93 minutes11. Le prix est apparu simultanément. D'après l'analyse des archives Ford par Raff et Summers, le taux annuel de départ à l'usine de Highland Park en 1913 était d'environ 370%, pour maintenir un effectif moyen de 13 623 personnes, il a fallu embaucher plus de 50 000 personnes sur l'année, le taux d'absentéisme quotidien était de 10%. Ford a donc remplacé l'ancien système de « journée de neuf heures, salaire journalier de 2,34 dollars » par le nouveau plan de « journée de huit heures, salaire journalier de 5 dollars »12.
Ces deux auteurs excluent explicitement les explications par la pénurie de main-d'œuvre ou l'attraction de travailleurs hautement qualifiés – les files d'attente de demandeurs d'emploi à la porte de l'usine étaient déjà une scène courante à Détroit, et la direction du changement technologique était justement la déqualification.Cela n'a presque rien à voir avec la version romantique ultérieure de « permettre aux ouvriers d'acheter les voitures qu'ils construisent », c'était d'abord l'auto-sauvetage d'une usine qui ne parvenait pas à retenir ses employés.
Mais son résultat est tangible. Le taux de départ est tombé à 54% l'année suivante, à 16% en 1915, le taux d'absentéisme est passé de 10% à 2,5% ; dans le même temps, le prix nominal de la Model T est passé de 550 dollars en 1914 à 440 dollars en 1916, et le bénéfice net de l'entreprise continuait d'augmenter. Les ouvriers ont eu une relation de travail stable et des revenus plus élevés, ainsi qu'un logement et une épargne. Mais cette seconde partie nécessite un ajout : l'épargne et le logement n'étaient pas un débordement naturel, mais une condition d'éligibilité. Les cinq dollars par jour n'étaient versés qu'aux hommes âgés d'au moins 22 ans, présents depuis au moins six mois, et devaient être validés par environ 150 enquêteurs du « Département de sociologie » de Ford contrôlant les habitudes de vie à domicile ; alcoolisme, jeux d'argent, logement insalubre, épargne irrégulière pouvaient entraîner une disqualification ; les six premiers mois, seulement 69% de la main-d'œuvre était éligible.C'était le produit dérivé de la chaîne de montage à haute intensité, c'était aussi le côté demande de Ford – mais il était conçu, conditionné, surveillé, il n'est pas tombé de la chaîne de montage.
Le fordisme macroéconomique dont parle l'économie politique est donc deux choses. Une est la standardisation, le découpage des tâches, la déqualification, la production de masse et la discipline du travail stricte, qui ont radicalement changé la production industrielle, et c'est exactement ce dont a besoin l'imagination actuelle du côté de l'offre du Token. L'autre n'était pas la bienveillance d'un entrepreneur, ni une politique de hausse des salaires, mais un régime d'accumulation où production de masse, salaires relativement stables, consommation de masse, système de protection sociale et emploi à long terme se soutenaient mutuellement13.
Le discours sur le Token produit facilement le premier « Ford », il encourage la restructuration des processus, la baisse des coûts, l'expansion de la capacité de production, les architectes IA et les super-individus. Mais il n'a pas encore prouvé que le second « Ford » apparaîtra : après l'augmentation de la productivité, est-ce que les salaires augmenteront, les heures de travail diminueront, la protection sociale et les services publics s'amélioreront, le pouvoir d'achat des ménages pourra-t-il absorber la nouvelle offre ? Ce dont la Chine a besoin, ce n'est peut-être pas mille Ford, mais la moitié absente du fordisme.
La personne qui pointe cet angle mort était pourtant dans la même conférence. La professeure Lynn Wu de la Wharton School, lors d'un séminaire organisé par le département de recherche où se trouve Sun Tianshu, a indiqué, sur la base de vingt années de données d'adoption de robots au Canada : les postes hautement et faiblement qualifiés sont relativement sûrs, ce sont les travailleurs de compétences intermédiaires qui sont le plus touchés ; l'effet à plus long terme est la rupture du canal de promotion des compétences faibles vers les compétences élevées, la mobilité sociale sera aussi restructurée14.
En revenant à l'économie chinoise avec cette question. Beaucoup considèrent le Token et l'économie de l'IA qu'il porte comme le nouveau moteur après l'immobilier, voire le nouvel absorbeur de capitaux. Cette inférence a un pouvoir explicatif, mais doit être tempérée. Les deux sont effectivement similaires dans leur forme institutionnelle : la terre, le crédit et les parcs peuvent être remplacés par l'électricité, les bons de calcul et le cloud des entreprises publiques, les mètres carrés et le montant des investissements par les PFlops, les volumes de Tokens et les revenus d'API, la concurrence locale pour attirer les investissements peut aussi passer des immeubles aux projets de puces, de modèles et de calcul.
Mais la similitude s'arrête là. L'immobilier a absorbé beaucoup de main-d'œuvre peu et moyennement qualifiée, il était lié en aval à l'acier, le ciment, l'électroménager, la décoration, et en amont aux finances locales basées sur la terre, au crédit et aux attentes de richesse des ménages, il a effectivement créé des emplois, des revenus et un effet de richesse pour les ménages15. Les infrastructures d'IA sont fortement capitalistiques, et l'IA elle-même est une technologie économisant le travail, elle peut absorber des capitaux et de l'électricité, mais ne produira pas automatiquement une masse salariale, des emplois locaux et une demande des ménages proportionnés. L'usine de Tokens peut augmenter la capacité de production, mais elle ne crée pas ses propres acheteurs16.
Film Les Temps modernes
Du volume de production retour à la vie
Le volume de consommation de Tokens ne peut nous dire à quelle vitesse tourne cette machine économique, mais ne nous dit pas qui en obtient un emploi, un revenu, du temps et une meilleure vie. Pour juger de l'économie du Token, il suffit probablement de poser trois questions finales : la croissance des Tokens provient-elle d'un paiement par le marché, de subventions publiques, ou d'une circulation interne aux organisations ? Les projets d'IA créent-ils de nouveaux revenus et services, ou servent-ils principalement à réduire la main-d'œuvre et à comprimer les coûts ? Les gains de productivité vont-ils aux revenus des ménages, aux services publics et à la consommation, ou restent-ils dans les bénéfices des entreprises, les rentes des plateformes et l'investissement en actifs fixes ?
Ces trois questions n'ont pas de réponse aujourd'hui, les 140 billions ressemblent plus à un chiffre immense et lumineux, à une usine qui tourne sans cesse la nuit, nous voyons les lumières, les compteurs et la chaîne de montage, mais nous ne savons pas encore si les gens à l'extérieur de l'usine peuvent se permettre d'acheter ce qu'elle produit.
Le plus grand risque de l'économie du Token n'est pas que le Token lui-même n'ait pas de valeur, mais que la véritable productivité de l'IA soit une fois de plus enfermée dans un système qui ne sait qu'étendre l'offre. Il produira plus de Ford de l'ère intelligente, plus de chaînes de montage précises, plus de volumes de production pouvant être comptabilisés. Et l'autre moitié du fordisme ne tombera pas automatiquement de la chaîne de montage, dans l'histoire, elle a toujours été le résultat de négociations sur les relations de travail, les engagements budg00e9taires et les pressions politiques, pas un sous-produit de l'expansion de la capacité de production.
Notes de bas de page et références
1. Liu Liehong, directeur du Bureau national des données, a déclaré lors d'une conférence de presse du Bureau d'information du Conseil des Affaires d'État qu'en mars 2026, le volume quotidien moyen d'appels de Tokens en Chine avait dépassé les 140 billions, soit une croissance de plus de 1000 fois par rapport aux 1000 milliards du début 2024, et de plus de 40% en trois mois par rapport aux 100 billions de fin 2025. Xinhua, Le volume quotidien moyen d'appels de Tokens en Chine dépasse 140 billions, 24 mars 2026. Mao Shengyong, directeur adjoint du Bureau national des statistiques, a répété la même donnée lors d'une conférence de presse du Bureau d'information du Conseil des Affaires d'État le 16 avril.
2. Volcano Engine, filiale de ByteDance, a révélé le 2 avril 2026 que le volume quotidien moyen d'utilisation des Tokens de son grand modèle Doubao avait dépassé les 120 billions. Ce qui tire la consommation est principalement le scénario de génération vidéo multimodale, la création et l'itération d'une seule vidéo IA pouvant consommer des dizaines de millions de Tokens. Voir le reportage d'avril 2026 du Pengpai News et les divulgations publiques de Volcano Engine.
3. Selon les statistiques de la Banque mondiale, seulement 47% de la main-d'œuvre urbaine chinoise est couverte par l'assurance chômage, l'allocation mensuelle moyenne de chômage était de 1814 yuans en 2023, soit moins de 20% du salaire moyen urbain ; les dépenses nationales liées au chômage représentent moins de 0,1% du PIB, contre une moyenne de 1,0% pour les pays de l' OCDE en 2021. World Bank, China Economic Update, juin 2025, p. 35.
4. Mesures de soutien au développement à haute qualité de l'économie intelligente pilotée par les Tokens dans la zone de développement économique et technologique de Beijing (essai) (Jing Ji Guan Fa [2026] n° 9, abrégé en « Dix mesures sur les Tokens »), rédigé le 3 août 2026, publié le 5 août 2026, valide jusqu'au 31 décembre 2030, applicable dans la zone de 225 km² de la nouvelle ville de Yizhuang.
5. Le Q2 2026 Global AI Pulse de KPMG montre qu'environ 49% des dirigeants interrogés ont réduit leurs déploiements d'agents intelligents, invoquant un coût dépassant les bénéfices, tandis que 79% classaient encore l'IA en priorité d'investissement. Autres preuves indépendantes : l'enquête Enterprise AI FinOps Survey de McKinsey (mai 2026) indique que 93% des répondants ont dépassé leur budget IA ; l'enquête 2026 Global CEO Survey de PwC indique que seulement 12% des PDG ont déclaré que l'IA apportait à la fois des bénéfices en termes de coûts et de revenus, 56% n'ont vu aucun des deux ; Gartner (mars 2026) estime que le nombre de Tokens nécessaires à un agent intelligent pour accomplir une tâche unique est 5 à 30 fois supérieur à celui d'un chatbot standard. Uber a épuisé son budget annuel d'outils de codage IA en avril 2026, son COO a reconnu lors d'une réunion le 25 mai ne pas pouvoir relier ces dépenses à une amélioration des produits destinés aux consommateurs ; le PDG d'OpenAI, Sam Altman, a déclaré à CNBC en juin 2026 que les doutes sur la capacité des dépenses en IA à générer un retour sur investissement constituaient la critique la plus juste actuellement sur l'IA. Le point de déclenchement a été l'enquête d'Axios fin mai 2026 sur le « choc du prix de l'IA ».
6. Zhipu (Knowledge Atlas Technology) a été coté à la Bourse de Hong Kong le 8 janvier 2026 et a publié son premier rapport annuel après l'introduction le 31 mars. Revenus 2025 : 7,24 milliards de yuans, +131,9% ; revenus récurrents annuels (ARR) de la plateforme MaaS : environ 1,7 milliard de yuans, multipliés par 60 en douze mois ; marge brute de la plateforme MaaS passée de 3,3% à 18,9%. Perte nette sur la même période : 4,718 milliards de yuans, +59,5% ; après exclusion des items non monétaires et ponctuels comme la rémunération en actions (558 millions de yuans), la variation de la valeur comptable des instruments financiers (937 millions de yuans) et les frais d'introduction, la perte nette ajustée était de 3,182 milliards de yuans, +29,1%. Dépenses de R&D : 3,18 milliards de yuans, +44,9%, soit 4,4 fois les revenus annuels. Cet article utilise la définition ajustée.
7. Wang Bohua, président honoraire de l'Association chinoise de l'industrie photovoltaïque, a indiqué que l'ampleur des pertes dues aux fluctuations de l'industrie en 2024 dépassait largement celles des trois précédentes fluctuations sectorielles. Les séries annuelles de certaines entreprises montrent des pertes s'aggravant avec l'expansion : Tongwei a enregistré une perte nette de 7,039 milliards de yuans en 2024, et prévoit une perte de 9 à 10 milliards de yuans pour 2025 ; Trina Solar a enregistré une perte de 3,443 milliards de yuans en 2024, et prévoit une perte de 6,5 à 7,5 milliards de yuans pour 2025, avec six trimestres consécutifs de pertes ; JA Solar a enregistré une perte de 4,656 milliards de yuans en 2024, et prévoit une perte de 4,5 à 4,8 milliards de yuans pour 2025. Fin 2024, les capacités de la chaîne principale (matériau silicium, wafer, cellule, module) étaient respectivement de 1447 GW, 1160 GW, 1193 GW, 1428 GW. Malgré cela, de janvier à février 2025, 31 projets sur toute la chaîne photovoltaïque ont été annoncés, signés ou lancés, pour un volume total de près de 200 GW et un investissement total de près de 90 milliards de yuans.
8. Base de données des Perspectives de l'économie mondiale du FMI, rubrique « total investment », Chine 2024 environ 40,4% ; le taux de formation de capital calculé par la méthode des dépenses du Bureau national des statistiques était d'environ 40,5%. Cette valeur varie légèrement avec chaque révision des PEM, d'où l'utilisation d'une approximation ici.
9. Commentateur de Qiushi, [Lixiang Zhongguo] Pourquoi faut-il augmenter le taux de consommation des ménages ?, 5 décembre 2025. Le même article indique que le taux de consommation des ménages chinois présente encore un écart de 10 à 30 points de pourcentage avec les pays développés, et que la part de la consommation de services est faible. Définition : le taux de consommation des ménages désigne la part des dépenses de consommation finale des ménages dans le PIB ; le taux de consommation finale inclut également la consommation des administrations. Les données du Bureau national des statistiques montrent que le taux de consommation finale était de 56,6% en 2024, stable au-dessus de 50% depuis 2013 ; le taux de formation de capital est stable au-dessus de 40%. Ainsi, 39,9% et 40% ne constituent pas une relation d'addition, la différence correspond principalement à la consommation des administrations et aux exportations nettes.
10. World Bank, China Economic Update, juin 2025 : Unlocking Consumption, pp. 1–2, 11. La Banque estime l'impulsion budgétaire 2025 à 1,6% du PIB, dont la partie directement orientée vers les ménages représente environ 0,5% du PIB, le reste étant principalement de l'investissement public. Chapitre thématique Jobs in Transition, p. 21. Période 2015-2019 : croissance annuelle moyenne du PIB de 6,7%, croissance annuelle moyenne de l'emploi urbain de 2,7%, augmentation nette sur cinq ans de 55,5 millions d'emplois urbains, croissance annuelle moyenne du revenu réel par habitant de 6,7% ; période 2020-2024 : croissance annuelle moyenne du PIB de 4,9%, croissance annuelle moyenne de l'emploi urbain seulement 0,9%, augmentation nette sur cinq ans de 21 millions d'emplois urbains, croissance annuelle moyenne du revenu réel par habitant de 4,8%.
11. The Henry Ford, “Ford’s Five Dollar Day Revolution”. Le musée rapporte que les essais de chaîne de montage de 1913-1914 ont réduit le temps d'assemblage d'une Model T de 12,5 heures à 93 minutes, avec un taux de départ atteignant 370% sur la période ; une autre notice de collection donne le chiffre de « taux de départ de 380% fin 1913 », et indique qu'à l'époque, il fallait embaucher 963 personnes pour obtenir un effectif net accru de 100 ouvriers.
12. Daniel M. G. Raff & Lawrence H. Summers, “Did Henry Ford Pay Efficiency Wages?”, NBER Working Paper No. 2101, décembre 1986 (publié ensuite dans Journal of Labor Economics, 1987).
13. Le « fordisme macroéconomique » et le « régime d'accumulation » sont des concepts de l'École de la régulation (Régulation School) française, désignant un arrangement global où production de masse, salaires relativement stables, consommation de masse, protection sociale et emploi à long terme se soutiennent mutuellement. Principales références : Michel Aglietta, A Theory of Capitalist Regulation: The US Experience (1979) ; Alain Lipietz, Mirages and Miracles (1987) ; Robert Boyer, The Regulation School: A Critical Introduction (1990). À remonter également à Antonio Gramsci, “Americanism and Fordism” (Cahiers de prison, 1934).
14. Compte-rendu d'un séminaire d'universitaires organisé par le département de recherche sur l'industrie de l'IA de la Cheung Kong Graduate School of Business, avril 2026. Lynn Wu est professeure titulaire en opérations, information et décisions à la Wharton School de l'Université de Pennsylvanie, son jugement est basé sur vingt ans de données d'adoption de robots au Canada.
15-16. La Banque mondiale note que le déclin de l'immobilier depuis 2021 a entraîné une baisse continue de l'emploi dans la construction, les investissements publics en infrastructures ne compensant que partiellement la réduction de la demande de travail liée à l'immobilier. World Bank, China Economic Update, juin 2025, pp. 22-23.pp. 28-29. Près d'un quart des emplois en Chine appartiennent à la catégorie « routines physiques », supérieur à d'autres pays à revenu intermédiaire de la tranche supérieure et aux économies à haut revenu ; la part des emplois de type « routines cognitives » est comparable à celle des économies développées ; tandis que la part des emplois de type « non-routines cognitives », qui peuvent être complémentaires plutôt que remplacés par l'IA, est inférieure à celle des économies développées, ce qui peut limiter la capacité de la Chine à bénéficier de l'IA (citant Arias et al., 2025). D'autres études empiriques montrent que les entreprises manufacturières chinoises (en particulier les entreprises de haute technologie) ayant adopté l'IA ont augmenté leur demande de travail hautement qualifié et réduit leur demande de faible qualification (Xie et al., 2021) ; l'adoption de robots entre 2010 et 2016 a eu un impact négatif sur l'emploi et les salaires des travailleurs salariés en poste, en particulier les travailleurs peu qualifiés et les travailleurs âgés (Giuntella et al., 2025).
Cet article provient du compte public WeChat « Youthology » (ID : openyouthology001), auteur : Guyu, éditeur : Yang Shao
