## brynjolfsson

## Source details

**Canonical URL:** [brynjolfsson](https://www.imf.org/-/media/files/publications/fandd/article/2023/december/french/brynjolfsson.pdf)

## Other formats

- [Markdown version](/-/media/files/publications/fandd/article/2023/december/french/brynjolfsson.pdf.md)
- [Structured JSON version](/-/media/files/publications/fandd/article/2023/december/french/brynjolfsson.pdf.json)

---

### Introduction
- Les auteurs se concentrent sur trois domaines macroéconomiques principaux : la productivité et sa croissance, le marché du travail, la concentration sectorielle.
- L’IA peut évoluer dans des directions très différentes ; les décisions technologiques et stratégiques prises aujourd’hui influenceront fortement ces trajectoires.
- Politiques souhaitables pour un "bon avenir" :
  - l’essai de politiques créatives ;
  - des objectifs positifs pour ce que la société attend de l’IA — pas seulement des effets négatifs à éviter ;
  - la conscience que les possibilités technologiques de l’IA sont très incertaines et évoluent rapidement, et que la société doit faire preuve de souplesse pour évoluer avec elles.

### Premier embranchement : la productivité
- Contexte :
  - la croissance de la productivité (production par unité de travail) a été faible pendant l’essentiel des cinq dernières décennies dans l’économie américaine, avec une brève résurgence au tournant du siècle.
  - Enjeu fondamental : la croissance de la productivité détermine la richesse des nations et facilite la résolution de problèmes publics (déficits budgétaires, réduction de la pauvreté, santé, écologie).

- Scénario 1 — Un avenir de faible productivité
  - L’incidence de l’IA est limitée ; adoption lente et cantonnée aux grandes entreprises (référence : Zolas et al., 2021).
  - L’économie de l’IA réduite à une technologie d’économies de main-d’œuvre (« sans plus ») plutôt qu’à une technologie permettant d’accomplir quelque chose de nouveau.
  - Risques organisationnels : entreprises incapables d’opérer les changements organisationnels et managériaux nécessaires pour tirer parti de l’IA.
  - Risques juridiques et réglementaires :
    - Incertitude sur l’application du droit de la propriété intellectuelle lorsque les modèles sont entraînés sur des millions de données contenant potentiellement de la propriété intellectuelle d’autrui.
    - Possibilité d’un « maquis de brevets » empêchant l’entraînement sur certaines données.
    - Législations nationales strictes ou interdictions totales de l’IA qui ralentissent le développement et la diffusion.
  - Conséquence : gains économiques réels peuvent n’apparaître que plusieurs décennies après les promesses initiales ; possibilité d’exacerbation du paradoxe de Solow.

- Scénario 2 — Un avenir de forte productivité
  - L’IA appliquée à une part substantielle des tâches (référence : Eloundou et al., 2023) et accroissant massivement la productivité de ces tâches.
  - L’IA seconde les travailleurs, libérant du temps pour des tâches non courantes, créatives et inventives.
  - L’IA capture et incarne des connaissances tacites via de vastes quantités de données numérisées, permettant à davantage de travailleurs de se consacrer à problèmes nouveaux.
  - Effets cumulés : niveau de productivité plus élevé et taux de croissance durablement plus élevé.
  - Potentiel transformateur : recherche médicale assistée par l’IA, avancées en mathématiques et sciences, auto‑amélioration récursive de l’IA elle‑même.

### Deuxième embranchement : les inégalités de revenu
- Contexte : augmentation des inégalités de revenu entre travailleurs au cours des 40 dernières années ; technologie et informatique ont contribué à l’automatisation des emplois courants à rémunération intermédiaire (Autor, Levy et Murnane, 2003).

- Scénario 1 — Un avenir d’inégalités accrues
  - L’IA remplace directement de nombreuses formes de travail humain, faisant baisser les salaires de nombreux travailleurs.
  - L’IA générative produit mots, images et sons, remplaçant des tâches auparavant non courantes et créatives (ex. contenu de campagne de marketing).
  - Conséquence : polarisation accrue, relégation d’un grand nombre de travailleurs vers des emplois de service mal rémunérés (aide-soignant, aide maternelle, portier) où la présence humaine est valorisée mais les salaires bas.
  - Résultat : une petite élite très qualifiée et une vaste sous-classe de travailleurs des services mal rémunérés.

- Scénario 2 — Un avenir d’inégalités moindres
  - L’IA aide les moins expérimentés ou les moins compétents à mieux faire leur travail (ex. assistants d’IA comme Copilot pour programmeurs).
  - Étude citée : parmi 5 000 travailleurs effectuant des tâches complexes d’assistance à la clientèle, les employés les moins qualifiés ou arrivés en dernier affichent les gains de productivité les plus importants (référence : Brynjolfsson, Li et Raymond, 2023).
  - Si les employeurs partagent ces gains, la distribution des revenus deviendrait plus équitable.
  - Effets additionnels : réduction de la rotation du personnel et augmentation de la satisfaction des clients pour le personnel utilisant l’assistant d’IA.
  - Impact qualitatif : décharge des tâches courantes fastidieuses permettant aux travailleurs de se consacrer à des tâches plus créatives et satisfaisantes.

### Troisième embranchement : la concentration sectorielle
- Contexte : depuis le début des années 80, la concentration sectorielle a augmenté de façon spectaculaire dans de nombreuses économies avancées ; les « superstars » du secteur sont souvent plus capitalistiques et technologiquement plus complexes.

- Scénario 1 — Un avenir à concentration plus élevée
  - Seules les plus grandes entreprises utilisent intensivement l’IA dans leurs activités principales, devenant plus productives, plus rentables et plus grandes.
  - Raisons : coûts massifs de puissance de calcul pour l’entraînement des modèles, nécessité d’ensembles de données gigantesques détenus par les grandes entreprises.
  - Exemples de coûts cités :
    - L’entraînement du modèle GPT-4 a coûté plus de 100 millions de dollars dans la phase de développement, et son fonctionnement coûte environ 700 000 dollars par jour.
    - Les coûts de développement d’un grand modèle d’IA pourraient bientôt se chiffrer en milliards de dollars.
  - Avantage des grandes entreprises renforcé par lois d’échelle corrélant augmentation des coûts d’entraînement et amélioration des résultats.
  - Résultat possible : développement d’IA exclusive par quelques grandes entreprises (référence à Alphabet, Microsoft, OpenAI).

- Scénario 2 — Un avenir à concentration moindre
  - Les modèles d’IA en source ouverte (ex. LLaMA de Meta, Koala de Berkeley) deviennent largement disponibles, créant un écosystème dynamique impliquant entreprises à but lucratif, organisations à but non lucratif, universitaires et programmeurs individuels.
  - Avantages potentiels des modèles open source : plus rapides, plus personnalisables, plus privés et potentiellement plus performants que certains modèles exclusifs (interprétation d’une note interne de Google, mai 2023).
  - Les petits modèles en source ouverte peuvent être rapidement reproduits et entraînés à moindre coût, permettant aux petites entreprises d’accéder à des technologies de pointe.
  - Effet organisationnel : l’IA pourrait encourager une innovation large et décentralisée, réduisant l’avantage des grandes entreprises et permettant aux petites entreprises agiles de combler ou inverser l’écart technologique.

### Vers un programme de politique publique
- Message central : la voie qui mène à un avenir plus sombre est celle qui offre le moins de résistance et se traduit par :
  - une faible croissance de la productivité,
  - de plus grandes inégalités de revenu,
  - une plus forte concentration sectorielle.
- Pour emprunter la voie favorable, il faudra des interventions publiques intelligentes et un effort soutenu pour façonner l’avenir de la technologie et de l’économie.

### Orientation de l'action publique (Section 2)
- Le débat courant sur la réglementation de l'IA adopte souvent un « modèle hydraulique » : faut‑il plus d'IA ou moins d'IA, voire l'interdire, en supposant que « l'IA » est fixe et prédéterminée.
- Si les décideurs conçoivent l'IA comme pouvant évoluer dans différentes directions, le cadre du débat change : il s'agit de façonner la nature de l'IA plutôt que de simplement en augmenter ou réduire la quantité.
- Questions publiques clés à poser :
  - Comment encourager les types d'IA qui complètent le travail humain plutôt que de l'imiter et de le remplacer ?
  - Quels choix favoriseront une IA accessible aux entreprises de toute taille, et pas seulement aux plus grandes ?
  - Quel type d'écosystème en source ouverte serait nécessaire et comment les décideurs peuvent-ils le soutenir ?
  - Comment les laboratoires d'IA devraient-ils aborder la formation de modèles, et comment les entreprises devraient-elles aborder la mise en œuvre de l'IA ?
  - Comment la société peut-elle obtenir une IA qui libère une innovation radicale au lieu d'apporter des modifications marginales aux biens, services et systèmes existants ?

### Acteurs influents et décisions à prendre (Section 2)
- Multiplicité d'acteurs ayant le pouvoir d'influer sur l'orientation future de l'IA :
  - Les grandes entreprises : décisions majeures sur l'intégration de l'IA dans la force de travail ; les plus grandes développeront une IA interne.
  - Les laboratoires d'IA et d'informatique des universités : création de modèles d'IA, certains pouvant être mis dans le domaine public.
  - Les législateurs et instances de réglementation : impact significatif aux niveaux national et supranational.
  - Les électeurs : rôle politique et social dans la détermination des orientations.
  - Les syndicats : nécessité de définir le type de relation qu'ils souhaitent avec l'IA et les exigences qu'ils poseront.
- L'avenir de l'IA est hautement imprévisible et dépend largement des choix collectifs de la société.

### Déséquilibre de la recherche et priorité politique (Section 2)
- Déséquilibre identifié :
  - Efforts vastes de recherche technique qui repoussent les frontières de la technologie.
  - Recherche plus circonscrite visant à comprendre les conséquences économiques et sociales de l'IA.
- Ce déséquilibre était moins problématique quand la technologie avait des conséquences macroéconomiques limitées.
- Aujourd'hui, alors que les effets de l'IA sur la société pourraient se mesurer en milliers de milliards de dollars, il est nécessaire d'investir beaucoup plus dans la recherche sur l'économie de l'IA.
- Recommandations de politique publique et d'orientation de la recherche :
  - Réorienter priorités de recherche pour augmenter les études sur les conséquences économiques et sociales de l'IA.
  - Élaborer un programme de politique publique intelligent pour avancer vers un avenir de croissance économique à la fois soutenue et inclusive.
  - Mettre en place des innovations en matière de compréhension de l'économie et des politiques proportionnelles à l'ampleur et à la portée des percées de l'IA.

*Erik Brynjolfsson et Gabriel Unger — Section 1; Extrait de la section 2 de brynjolfsson - Section 2*

### Section 1

### LES ENJEUX MACROÉCONOMIQUES DE L’INTELLIGENCE ARTIFICIELLE

### Introduction
- Les auteurs se concentrent sur trois domaines macroéconomiques principaux : la productivité et sa croissance, le marché du travail, la concentration sectorielle.
- L’IA peut évoluer dans des directions très différentes ; les décisions technologiques et stratégiques prises aujourd’hui influenceront fortement ces trajectoires.
- Politiques souhaitables pour un "bon avenir" :
  - l’essai de politiques créatives ;
  - des objectifs positifs pour ce que la société attend de l’IA — pas seulement des effets négatifs à éviter ;
  - la conscience que les possibilités technologiques de l’IA sont très incertaines et évoluent rapidement, et que la société doit faire preuve de souplesse pour évoluer avec elles.

### Premier embranchement : la productivité
- Contexte : la croissance de la productivité (production par unité de travail) a été faible pendant l’essentiel des cinq dernières décennies dans l’économie américaine, avec une brève résurgence au tournant du siècle.
- Enjeu fondamental : la croissance de la productivité détermine la richesse des nations et facilite la résolution de problèmes publics (déficits budgétaires, réduction de la pauvreté, santé, écologie).

- Scénario 1 — Un avenir de faible productivité
  - L’incidence de l’IA est limitée ; adoption lente et cantonnée aux grandes entreprises (référence : Zolas et al., 2021).
  - L’économie de l’IA réduite à une technologie d’économies de main-d’œuvre (« sans plus ») plutôt qu’à une technologie permettant d’accomplir quelque chose de nouveau.
  - Risques organisationnels : entreprises incapables d’opérer les changements organisationnels et managériaux nécessaires pour tirer parti de l’IA.
  - Risques juridiques et réglementaires :
    - Incertitude sur l’application du droit de la propriété intellectuelle lorsque les modèles sont entraînés sur des millions de données contenant potentiellement de la propriété intellectuelle d’autrui.
    - Possibilité d’un « maquis de brevets » empêchant l’entraînement sur certaines données.
    - Législations nationales strictes ou interdictions totales de l’IA qui ralentissent le développement et la diffusion.
  - Conséquence : gains économiques réels peuvent n’apparaître que plusieurs décennies après les promesses initiales ; possibilité d’exacerbation du paradoxe de Solow.

- Scénario 2 — Un avenir de forte productivité
  - L’IA appliquée à une part substantielle des tâches (référence : Eloundou et al., 2023) et accroissant massivement la productivité de ces tâches.
  - L’IA seconde les travailleurs, libérant du temps pour des tâches non courantes, créatives et inventives.
  - L’IA capture et incarne des connaissances tacites via de vastes quantités de données numérisées, permettant à davantage de travailleurs de se consacrer à problèmes nouveaux.
  - Effets cumulés : niveau de productivité plus élevé et taux de croissance durablement plus élevé.
  - Potentiel transformateur : recherche médicale assistée par l’IA, avancées en mathématiques et sciences, auto‑amélioration récursive de l’IA elle‑même.

### Deuxième embranchement : les inégalités de revenu
- Contexte : augmentation des inégalités de revenu entre travailleurs au cours des 40 dernières années ; technologie et informatique ont contribué à l’automatisation des emplois courants à rémunération intermédiaire (Autor, Levy et Murnane, 2003).

- Scénario 1 — Un avenir d’inégalités accrues
  - L’IA remplace directement de nombreuses formes de travail humain, faisant baisser les salaires de nombreux travailleurs.
  - L’IA générative produit mots, images et sons, remplaçant des tâches auparavant non courantes et créatives (ex. contenu de campagne de marketing).
  - Conséquence : polarisation accrue, relégation d’un grand nombre de travailleurs vers des emplois de service mal rémunérés (aide-soignant, aide maternelle, portier) où la présence humaine est valorisée mais les salaires bas.
  - Résultat : une petite élite très qualifiée et une vaste sous-classe de travailleurs des services mal rémunérés.

- Scénario 2 — Un avenir d’inégalités moindres
  - L’IA aide les moins expérimentés ou les moins compétents à mieux faire leur travail (ex. assistants d’IA comme Copilot pour programmeurs).
  - Étude citée : parmi 5 000 travailleurs effectuant des tâches complexes d’assistance à la clientèle, les employés les moins qualifiés ou arrivés en dernier affichent les gains de productivité les plus importants (référence : Brynjolfsson, Li et Raymond, 2023).
  - Si les employeurs partagent ces gains, la distribution des revenus deviendrait plus équitable.
  - Effets additionnels : réduction de la rotation du personnel et augmentation de la satisfaction des clients pour le personnel utilisant l’assistant d’IA.
  - Impact qualitatif : décharge des tâches courantes fastidieuses permettant aux travailleurs de se consacrer à des tâches plus créatives et satisfaisantes.

### Troisième embranchement : la concentration sectorielle
- Contexte : depuis le début des années 80, la concentration sectorielle a augmenté de façon spectaculaire dans de nombreuses économies avancées ; les « superstars » du secteur sont souvent plus capitalistiques et technologiquement plus complexes.

- Scénario 1 — Un avenir à concentration plus élevée
  - Seules les plus grandes entreprises utilisent intensivement l’IA dans leurs activités principales, devenant plus productives, plus rentables et plus grandes.
  - Raisons : coûts massifs de puissance de calcul pour l’entraînement des modèles, nécessité d’ensembles de données gigantesques détenus par les grandes entreprises.
  - Exemples de coûts cités :
    - L’entraînement du modèle GPT-4 a coûté plus de 100 millions de dollars dans la phase de développement, et son fonctionnement coûte environ 700 000 dollars par jour.
    - Les coûts de développement d’un grand modèle d’IA pourraient bientôt se chiffrer en milliards de dollars.
  - Avantage des grandes entreprises renforcé par lois d’échelle corrélant augmentation des coûts d’entraînement et amélioration des résultats.
  - Résultat possible : développement d’IA exclusive par quelques grandes entreprises (référence à Alphabet, Microsoft, OpenAI).

- Scénario 2 — Un avenir à concentration moindre
  - Les modèles d’IA en source ouverte (ex. LLaMA de Meta, Koala de Berkeley) deviennent largement disponibles, créant un écosystème dynamique impliquant entreprises à but lucratif, organisations à but non lucratif, universitaires et programmeurs individuels.
  - Avantages potentiels des modèles open source : plus rapides, plus personnalisables, plus privés et potentiellement plus performants que certains modèles exclusifs (interprétation d’une note interne de Google, mai 2023).
  - Les petits modèles en source ouverte peuvent être rapidement reproduits et entraînés à moindre coût, permettant aux petites entreprises d’accéder à des technologies de pointe.
  - Effet organisationnel : l’IA pourrait encourager une innovation large et décentralisée, réduisant l’avantage des grandes entreprises et permettant aux petites entreprises agiles de combler ou inverser l’écart technologique.

### Vers un programme de politique publique
- Message central : la voie qui mène à un avenir plus sombre est celle qui offre le moins de résistance et se traduit par :
  - une faible croissance de la productivité,
  - de plus grandes inégalités de revenu,
  - une plus forte concentration sectorielle.
- Pour emprunter la voie favorable, il faudra des interventions publiques intelligentes et un effort soutenu pour façonner l’avenir de la technologie et de l’économie.

*Erik Brynjolfsson et Gabriel Unger — Section 1*

### Section 2

### brynjolfsson - Section 2

### Orientation de l'action publique
- Le débat courant sur la réglementation de l'IA adopte souvent un « modèle hydraulique » : faut‑il plus d'IA ou moins d'IA, voire l'interdire, en supposant que « l'IA » est fixe et prédéterminée.
- Si les décideurs conçoivent l'IA comme pouvant évoluer dans différentes directions, le cadre du débat change : il s'agit de façonner la nature de l'IA plutôt que de simplement en augmenter ou réduire la quantité.
- Questions publiques clés à poser :
  - Comment encourager les types d'IA qui complètent le travail humain plutôt que de l'imiter et de le remplacer ?
  - Quels choix favoriseront une IA accessible aux entreprises de toute taille, et pas seulement aux plus grandes ?
  - Quel type d'écosystème en source ouverte serait nécessaire et comment les décideurs peuvent-ils le soutenir ?
  - Comment les laboratoires d'IA devraient-ils aborder la formation de modèles, et comment les entreprises devraient-elles aborder la mise en œuvre de l'IA ?
  - Comment la société peut-elle obtenir une IA qui libère une innovation radicale au lieu d'apporter des modifications marginales aux biens, services et systèmes existants ?

### Acteurs influents et décisions à prendre
- Multiplicité d'acteurs ayant le pouvoir d'influer sur l'orientation future de l'IA :
  - Les grandes entreprises : décisions majeures sur l'intégration de l'IA dans la force de travail ; les plus grandes développeront une IA interne.
  - Les laboratoires d'IA et d'informatique des universités : création de modèles d'IA, certains pouvant être mis dans le domaine public.
  - Les législateurs et instances de réglementation : impact significatif aux niveaux national et supranational.
  - Les électeurs : rôle politique et social dans la détermination des orientations.
  - Les syndicats : nécessité de définir le type de relation qu'ils souhaitent avec l'IA et les exigences qu'ils poseront.
- L'avenir de l'IA est hautement imprévisible et dépend largement des choix collectifs de la société.

### Déséquilibre de la recherche et priorité politique
- Il existe un déséquilibre important entre :
  - Les vastes efforts de recherche technique qui repoussent les frontières de la technologie.
  - La recherche plus circonscrite visant à comprendre les conséquences économiques et sociales de l'IA.
- Ce déséquilibre était moins problématique lorsque la technologie avait des conséquences macroéconomiques limitées.
- Aujourd'hui, alors que les effets de l'IA sur la société pourraient se mesurer en milliers de milliards de dollars, il est nécessaire d'investir beaucoup plus dans la recherche sur l'économie de l'IA.
- Recommandations de politique publique et d'orientation de la recherche :
  - Réorienter priorités de recherche pour augmenter les études sur les conséquences économiques et sociales de l'IA.
  - Élaborer un programme de politique publique intelligent pour avancer vers un avenir de croissance économique à la fois soutenue et inclusive.
  - Mettre en place des innovations en matière de compréhension de l'économie et des politiques proportionnelles à l'ampleur et à la portée des percées de l'IA.

*Extrait de la section 2 de brynjolfsson - Section 2*

---


_Source: https://www.imf.org/-/media/files/publications/fandd/article/2023/december/french/brynjolfsson.pdf_