## La course à l’automatisation est périlleuse : pour favoriser une prospérité partagée, l’intelligence artificielle doit compléter les travailleurs, et non les remplacer ## Source details **Canonical URL:** [La course à l’automatisation est périlleuse : pour favoriser une prospérité partagée, l’intelligence artificielle doit compléter les travailleurs, et non les remplacer](https://www.imf.org/-/media/files/publications/fandd/article/2023/december/french/acemoglu.pdf) ## Other formats - [Markdown version](/-/media/files/publications/fandd/article/2023/december/french/acemoglu.pdf.md) - [Structured JSON version](/-/media/files/publications/fandd/article/2023/december/french/acemoglu.pdf.json) --- ### Enjeux et projections optimistes - Goldman Sachs : l’adoption de l’IA pourrait stimuler la productivité de 1,5 point de pourcentage par an sur 10 ans et augmenter le PIB mondial de 7 percent (7 000 milliards de dollars de production supplémentaire). - Certaines estimations du secteur suggèrent une probabilité de 10 percent pour un scénario de « croissance explosive », incluant une augmentation de la production mondiale de plus de 30 percent par an. - Ce techno-optimisme repose sur l’idée d’un « productivity bandwagon » (effet d’entraînement de la productivité) — l’hypothèse que le progrès technologique entraîne une hausse de la productivité, des salaires nets et une prospérité partagée. ### Machines, productivité moyenne vs productivité marginale - Définition importante : la productivité du travail est la « production moyenne par travailleur » (production totale ÷ emploi total), mais les décisions d’embauche reposent surtout sur la productivité marginale du travail — la contribution additionnelle d’un travailleur supplémentaire. - L’automatisation tend à augmenter la productivité moyenne tout en n’augmentant pas, voire en réduisant, la productivité marginale du travail. - Au cours des quarante dernières années, l’automatisation a augmenté la productivité et multiplié les bénéfices des entreprises, sans conduire à une prospérité partagée dans les pays industrialisés. - L’automatisation peut n’apporter que des gains limités (exemple : caisse automatique de supermarché), phénomène qualifié de « so-so automation » (« automatisation sans plus »), qui réduit l’emploi local sans déclencher un effet d’entraînement productif significatif. ### Création de nouvelles tâches et complémentarité humaine - Certaines innovations augmentent la productivité marginale du travail en facilitant et en améliorant le travail humain — par exemple, outils logiciels pour mécaniciens, permettant une plus grande précision. - La création de nouvelles tâches est cruciale : les progrès technologiques ont permis l’émergence de professions (radiologues IRM, ingénieurs réseau, programmeurs, analystes de données, etc.) qui n’existaient pas il y a 80 ans. - Exemple historique : la réorganisation industrielle d’Henry Ford (à partir de 1910) a automatisé certaines tâches tout en générant de nouvelles tâches de conception, d’ingénierie, d’exploitation et d’administration. - L’automatisation productive peut augmenter l’emploi si elle stimule fortement la productivité et génère activités non automatisées ou nouveaux secteurs connexes (ex. : production automobile stimulant pétrole, acier, chimie, commerce et loisirs). - Risques observés : adoption rapide de robots dans le Midwest américain ayant contribué à des licenciements massifs et au long déclin économique régional. - La surveillance accrue des travailleurs améliore parfois faiblement la productivité, mais sert surtout à extraire davantage d’efforts des travailleurs plutôt qu’à créer des tâches productives. ### Complémentarité potentielle de l’IA - L’IA peut compléter les travailleurs en leur fournissant connaissances et savoir‑faire manquants, et en facilitant la formation et la reconversion (éducateurs, personnel médical, artisans). - L’IA générative et d’autres systèmes peuvent maîtriser des tâches nécessitant adaptation, jugement et bon sens, ce qui accroît le risque d’automatisation de tâches de service et de production. - Le paradigme actuel de la recherche en IA vise souvent à égaler l’humain sur une vaste gamme de tâches cognitives, encourageant l’automatisation plutôt que la complémentarité. - Il est possible d’orienter la conception et le développement de l’IA vers des technologies complémentaires du travail humain, créant de nouvelles demandes de compétences humaines (supervision, communication avec les clients, perfectionnement des services). ### Cinq axes d’action politique pour réorienter l’IA vers la complémentarité humaine - La réforme des modèles économiques : - Définir clairement les droits de propriété des consommateurs sur leurs données. - Taxer la publicité numérique. - Permettre une plus grande diversité de modèles économiques et favoriser la concurrence. - La fiscalité : - Remédier au déséquilibre actuel où le travail est souvent plus lourdement taxé que les actifs incorporels (les algorithmes) destinés à l’automatiser. - Promouvoir une structure fiscale plus symétrique, en égalisant les taux marginaux d’imposition du travail (recrutement et formation) et des immobilisations (matériel et logiciels). - La voix des travailleurs : - Les travailleurs doivent avoir voix au chapitre dans le développement et le déploiement de l’IA. - Les gouvernements devraient restreindre le déploiement d’IA non (ou insuffisamment) éprouvée pour des applications mettant les travailleurs en danger (décisions à fort enjeu, contrôle et surveillance du lieu de travail). - Le financement de la recherche axée sur la complémentarité avec l’humain : - Soutenir davantage la R‑D des technologies d’IA qui associent outils d’IA et savoir‑faire humain pour améliorer le travail dans les secteurs sociaux essentiels. - Encourager la concurrence et l’investissement dans ces technologies et conseiller leur adoption dans les programmes publics d’éducation et de santé une fois leur pertinence démontrée. - La compétence en IA dans l’administration : - Créer une unité consultative sur l’IA au sein de l’administration pour aider les organismes de réglementation et d’exécution à prendre des décisions plus opportunes et plus efficaces. ### Potentiel d’impact macroéconomique et distributionnel - À court terme (cinq prochaines années), l’IA pourrait accroître le PIB mondial, mais probablement pas au niveau des estimations les plus optimistes ; elle pourrait alimenter modestement la croissance du PIB à moyen terme. - Sur la trajectoire actuelle, l’impact de premier ordre sera probablement une augmentation des inégalités au sein des pays industrialisés. - Les pays à revenu intermédiaire et de nombreux pays à faible revenu risquent aussi d’être défavorisés si l’IA suit la voie actuelle d’une forte intensité de capital : rien ne garantit que l’IA créera plus d’emplois qu’elle n’en détruira. - Si l’IA est réorientée vers une plus grande complémentarité avec l’humain et utilisée pour résoudre des problèmes sociaux urgents, toutes les régions pourraient en bénéficier ; sinon, la prospérité partagée deviendra plus difficile à atteindre. _Adapté de Power and Progress: Our 1000 Year Struggle over Technology and Prosperity (auteurs) ; article par daron acemoglu et simon johnson._ --- _Source: https://www.imf.org/-/media/files/publications/fandd/article/2023/december/french/acemoglu.pdf_