- Parmi les entreprises du S&P 500, 374 ont mentionné l’IA lors de leurs publications de résultats, mais une enquête menée auprès de 6 000 dirigeants montre qu’environ 90 % estiment que l’IA n’a eu aucun impact sur l’emploi ni sur la productivité au cours des trois dernières années
- Le paradoxe de la productivité formulé par Robert Solow, prix Nobel d’économie 1987, se rejoue à l’ère de l’IA, avec des effets toujours invisibles dans les données macroéconomiques
- Le temps d’usage de l’IA par les dirigeants n’est que d’environ 1,5 heure par semaine, et 25 % des répondants n’utilisent jamais l’IA au travail
- Selon une enquête de ManpowerGroup, l’usage régulier de l’IA en 2025 a augmenté de 13 %, mais la confiance envers cette technologie a chuté de 18 %
- Le boom IT des années 1970-80 s’était déjà traduit par une forte hausse de productivité seulement dans les années 1990, ce qui laisse envisager pour l’IA une croissance différée en courbe en J
Le paradoxe de la productivité de Solow et l’IA
- En 1987, l’économiste Robert Solow observait qu’après l’arrivée du transistor, du microprocesseur, des circuits intégrés et des puces mémoire, le taux de croissance de la productivité était passé de 2,9 % entre 1948 et 1973 à 1,1 % après 1973
- Il a laissé cette formule célèbre : « L’ère de l’informatique est visible partout, sauf dans les statistiques de productivité »
- À l’époque, les ordinateurs produisaient au contraire un excès d’information, nuisant à la productivité, notamment via l’impression massive de rapports beaucoup trop détaillés
Résultats du sondage auprès des CEO : un impact réel limité de l’IA
- Entre septembre 2024 et 2025, 374 entreprises du S&P 500 ont mentionné l’IA dans leurs publications de résultats et évalué positivement son adoption
- Pourtant, aucun reflet net n’apparaît encore dans les indicateurs macroéconomiques de productivité
- Dans une étude publiée ce mois-ci, le NBER (National Bureau of Economic Research) a interrogé 6 000 dirigeants aux États-Unis, au Royaume-Uni, en Allemagne et en Australie
- Environ deux tiers ont répondu utiliser l’IA, mais pour seulement 1,5 heure par semaine en moyenne
- 25 % des répondants n’utilisent jamais l’IA au travail
- Environ 90 % des entreprises ont déclaré que l’IA n’avait eu aucun effet sur l’emploi ni sur la productivité au cours des trois dernières années
- Malgré cela, les dirigeants prévoient que l’IA augmentera la productivité de 1,4 % et la production de 0,8 % au cours des trois prochaines années
- Les entreprises anticipent une baisse de l’emploi de 0,7 %, tandis que les salariés individuels prévoient au contraire une hausse de l’emploi de 0,5 %
Des résultats académiques divergents
- Une étude du MIT en 2023 soutenait que l’adoption de l’IA pouvait améliorer les performances des travailleurs jusqu’à 40 %
- Mais alors même que les investissements des entreprises dans l’IA ont grimpé à plus de 250 milliards de dollars d’ici 2024, les gains de productivité promis ne se matérialisent pas
- Torsten Slok, chief economist chez Apollo, a déclaré que « l’IA n’apparaît ni dans les données sur l’emploi, ni dans celles sur la productivité, ni dans celles sur l’inflation »
- En dehors des Magnificent Seven, aucun signe d’effet de l’IA n’apparaît non plus dans les marges ou les perspectives de revenus
- La Réserve fédérale de Saint-Louis a annoncé qu’après l’adoption de ChatGPT, le taux de croissance cumulé de la productivité avait progressé de plus de 1,9 %
- À l’inverse, une étude du MIT en 2024 menée par le prix Nobel Daron Acemoglu avance un chiffre plus prudent de 0,5 % de hausse de productivité sur les dix prochaines années
- Acemoglu a estimé que « 0,5 % ne doit pas être sous-estimé, mais au regard de ce qu’avaient promis l’industrie et les médias, cela reste décevant »
Baisse de confiance des salariés et réponse des entreprises
- Dans l’enquête 2026 Global Talent Barometer de ManpowerGroup (près de 14 000 salariés dans 19 pays), l’usage régulier de l’IA en 2025 a progressé de 13 %, mais la confiance dans l’utilité de la technologie a baissé de 18 %
- Nickle LaMoreaux, CHRO d’IBM, a annoncé la semaine dernière qu’elle triplerait les embauches de profils débutants
- Même si l’IA peut automatiser certaines tâches, remplacer les juniors risquerait à terme de provoquer une pénurie de managers intermédiaires et une crise du pipeline de leadership
Perspectives futures de la productivité liée à l’IA
- Le boom IT des années 1970-80 avait déjà connu ce précédent : après des décennies de stagnation, il a débouché entre 1995 et 2005 sur une hausse de 1,5 % du taux de croissance de la productivité
- Erik Brynjolfsson, directeur du Stanford Digital Economy Lab, voit dans la croissance du PIB au quatrième trimestre à 3,7 %, alors que les créations d’emplois ont été révisées à la baisse à 181 000, un signal possible d’un fort rebond de productivité
- Selon sa propre analyse, la productivité américaine a augmenté de 2,7 % l’an dernier, ce qu’il interprète comme le passage des investissements IA à une phase de récolte des bénéfices réels
- L’ancien CEO de Pimco, Mohamed El-Erian, a lui aussi indiqué qu’un découplage entre croissance de l’emploi et croissance du PIB était en cours du fait de l’adoption de l’IA, un phénomène similaire à l’automatisation des bureaux dans les années 1990
- Slok estime que l’impact futur de l’IA pourrait suivre une courbe en J, avec un démarrage lent avant une forte accélération
- Mais contrairement à l’IT des années 1980, les outils d’IA actuels sont facilement accessibles, les prix baissant sous l’effet d’une concurrence intense entre LLM
- L’avenir de la productivité liée à l’IA dépend donc moins de la valeur intrinsèque des produits que de la manière dont chaque secteur économique utilise et met en œuvre l’IA générative
1 commentaires
Réactions sur Hacker News
Cet article ne critique pas la controverse autour de la productivité de l'IA, il l'explique plutôt comme un phénomène attendu à la lumière du paradoxe de productivité de Solow (Productivity paradox)
Dans les années 1970-80 aussi, les investissements IT étaient énormes, mais les gains nets pour l'économie dans son ensemble ne sont apparus qu'à la fin des années 1990
Au départ, c'était parce que les coûts étaient trop élevés et les tâtonnements trop nombreux. Pour l'IA, c'est pareil : aujourd'hui encore, cela demande beaucoup d'argent et de temps, mais à mesure que l'intégration et l'optimisation progresseront, la productivité augmentera
Même sur Hacker News, où le public est très à l'aise avec la technologie, beaucoup sont convaincus que « l'IA ne sait pas générer du code »
Même un ami passé par Amazon ne savait pas qu'il fallait activer la fonction de "thinking" de ChatGPT pour obtenir des résultats de haute qualité. Il est difficile d'attendre un impact réellement transformateur tant que les usages ne sont pas bien maîtrisés
Lien vers le PDF original
Par exemple, l'abonnement à Claude coûte environ 20 dollars par employé et par mois, soit un niveau comparable à des outils comme Slack
Contrairement aux employés de bureau des années 1970 qui devaient apprendre à utiliser les ordinateurs, l'onboarding est aujourd'hui extrêmement simple, et certains effets à court terme sont déjà visibles
C'est quand des millions d'ordinateurs ont été reliés en réseau que les véritables effets économiques se sont manifestés
On retrouve des analyses similaires dans un article du FT et un texte d'Apollo Academy
Je vois les grandes entreprises comme des systèmes distribués tournant sur un matériel défectueux (les humains)
Chaque individu (CPU) est rapide, mais les réunions, les attentes de validation et les tâches non parallélisables créent une forte latence
Avant de faire une mise à niveau, il faut savoir si le goulet d'étranglement vient des E/S ou du CPU
Il y avait trop de projets pour rester concentré, ce qui créait aussi des problèmes de cache, et au final le goulot ne faisait qu'empirer
Il faut pouvoir mobiliser rapidement la mémoire de l'organisation. Sans cache, résoudre les problèmes prend longtemps, et si de mauvaises informations entrent dans le cache, tout le monde les croit et part dans la mauvaise direction
Le niveau de finition peut être plus faible, mais elles sont bien plus agiles et efficientes en coûts
La majorité du travail de bureau consiste à penser et parler
Dans le code, l'implémentation pèse plus qu'on ne le croit, mais dans d'autres métiers, le travail se compose de réunions, d'alignement, de création de slides, de positionnement marché, etc.
Des outils comme Cowork peuvent aider à explorer des fichiers, trier des tickets ou écrire des formules Excel
Mais le code est le produit final de décisions métier, donc la forme la plus adaptée à l'automatisation par LLM
À l'inverse, dans les autres métiers, on est peut-être seulement dans une accélération de la vitesse d'exécution, pas encore dans une automatisation complète
La plupart des activités d'ingénierie exigent au final discussion et alignement
Il me faut deux fois plus de temps pour réfléchir que pour coder si je veux produire du code de qualité
Gagner une heure ne signifie pas forcément faire une heure de travail plus utile. Au contraire, des slides inexactes peuvent créer une perte supplémentaire parce que quelqu'un d'autre devra les corriger
Grâce aux LLM, je peux surtout produire plus de code avec la même quantité de réflexion
Par exemple, Hazel.ai fournit de meilleurs plans fiscaux et d'investissement que 90 % des RIA américains
Cela pourrait faire tomber les frais des RIA de 1 % à environ 0,1-0,2 %
En tant qu'ingénieur senior, j'ai le sentiment que la partie lente n'est pas l'écriture du code mais les revues et validations
Revues de code, collecte d'avis des parties prenantes, retards de test, documentation, présentations, etc.
Ces processus de vérification se répètent aussi en interne et créent eux-mêmes des goulets d'étranglement
Plus on se rapproche de la singularité, plus le monde devient chaotique et imprévisible
En période de changement brutal, tout ressemble à du bruit
Le vrai moment est peut-être venu de se demander simplement : « le monde est-il devenu plus prévisible ou moins prévisible ? »
Le papier du NBER présente
les taux d'adoption de l'IA par secteur (A6), l'impact sur l'emploi (A11) et l'impact sur la productivité (A12)
Dans les secteurs très orientés contact client ou produits physiques, comme la construction ou le retail, l'impact de l'IA est faible
Plus surprenant, l'hébergement-restauration ressort au 4e rang sur l'impact productivité, ce qui est intéressant
Dans notre entreprise, l'adoption de l'IA reste lente
Aujourd'hui, on nous a mis la pression avec l'idée qu'« un usage trop faible de l'IA pourrait être mal vu »
J'imagine que dans 6 à 12 mois, la conclusion sera probablement : « en fait, c'était du gaspillage d'argent »
Ce n'est guère différent du fait de leur demander de rédiger eux-mêmes leur propre évaluation de performance
Quand on regarde les pilotes IA des entreprises du Fortune 500, y compris Microsoft Copilot,
on voit encore beaucoup de grands groupes qui ne comprennent pas vraiment les capacités de l'IA
Les dirigeants de haut niveau ne l'essaient même pas eux-mêmes, par pure paresse
Rédiger des e-mails, créer des slides ou faire des recherches est déjà assez simple
Leur vraie force est dans les tâches de bas niveau comme la transcription, la traduction, la reconnaissance d'image et la résolution de problèmes via API
Il y a bien une innovation, mais ce n'est pas un « accélérateur universel »
L'absence de formation est une cause directe de la baisse de productivité
Microsoft Copilot en particulier est l'une des pires implémentations de l'IA, ce qui suscite beaucoup de déception
Résultat : presque personne ne ressent de véritable gain de productivité
Du point de vue des employés, les LLM peuvent ressembler à une sorte de triche pour faire ses devoirs,
mais du point de vue du CEO, cela ressemble plutôt à une explosion de contenu à relire (DDoS)
Quand on reçoit sur WhatsApp un document de 155 pages, ou qu'une avalanche de PR arrive,
la vraie question devient : « qui va relire tout ça ? »
Au final, l'IA est surtout un amplificateur de risques
En ce moment, nous avançons à l'aveugle vers un événement de l'ampleur du réchauffement climatique dans le monde du computing