## Scénarios pour un avenir sous le signe de l’IA(G)

## Source details

**Canonical URL:** [Scénarios pour un avenir sous le signe de l’IA(G)](https://www.imf.org/-/media/files/publications/fandd/article/2023/december/french/korinek.pdf)

## Other formats

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

---

### Progrès récents et dynamique technologique
- ChatGPT, lancé en novembre 2022, génère textes et codes de qualité humaine, traduit des documents, rédige des contenus créatifs et répond à des questions à un niveau inédit.
- Les ressources de calcul utilisées pour former les systèmes d’IA les plus avancés ont doublé tous les six mois au cours des dix dernières années.
- Les modèles d’IA générative de pointe permettent des gains de productivité importants pour des consultants, programmeurs et économistes (Korinek, 2023).
- Avis d’experts divergents sur l’avenir de l’IA : selon Geoffrey Hinton, l’intelligence artificielle générale (IAG) pourrait être réalité d’ici cinq à vingt ans.

### Perspectives sur la nature de l’intelligence et implications pour l’automatisation
- Deux distributions antagonistes de la complexité des tâches humaines :
  - Plage 1 (distribution non limitée) : capacité humaine à accomplir des tâches de plus en plus complexes indéfiniment; automatisation continue réaffectant les travailleurs vers la queue droite de la distribution.
  - Plage 2 (distribution limitée) : existence d’une limite supérieure à la complexité des tâches que le cerveau humain peut accomplir; le cerveau est un centre de calcul limité par la biologie et la lenteur de la transmission sensorielle et linguistique.
- Si la plage 2 est correcte, les systèmes d’IA pourraient rapidement combler leur retard; sur plusieurs mesures de complexité computationnelle, les modèles fondationnels de pointe talonnent déjà le cerveau humain.
- Les systèmes d’IA communiquent des informations beaucoup plus rapidement que le cerveau humain.

### Trois scénarios technologiques (utilisés pour la planification économique)
- Scénario I (statu quo — la technologie évolue comme par le passé) :
  - Les progrès de l’IA stimulent la productivité et automatisent diverses tâches cognitives, mais les travailleurs touchés peuvent occuper de nouveaux emplois et devenir généralement plus productifs.
  - Associé à la plage 1 du graphique 1.
- Scénario II (scénario de référence — l’IAG deviendra réalité dans vingt ans) :
  - Sur vingt ans, l’IA évolue jusqu’à l’IAG (capacité d’accomplir toutes les tâches humaines), dévalorisant les travailleurs.
  - Représente la plage 2 du graphique 1 et l’hypothèse d’un horizon de vingt ans pour les tâches cognitives les plus complexes.
- Scénario III (scénario radical — l’IAG deviendra réalité dans cinq ans) :
  - Identique au scénario II mais avec un délai de cinq ans.
- Probabilité subjective de l’auteur : chacun de ces scénarios a une probabilité supérieure à 10 % de se concrétiser au moment de la rédaction.

### Impacts macroéconomiques illustrés (production, salaires, rendement du capital)
- Résumé des résultats du modèle macroéconomique d’automatisation (Korinek et Suh, 2023) :
  - Premièrement : dans le scénario prudent (statu quo), la croissance suit la trajectoire historique; dans les scénarios d’IAG, la production augmente beaucoup plus rapidement parce qu’elle n’est plus limitée par la pénurie de main-d’œuvre.
  - Deuxièmement : dans les trois scénarios, l’augmentation des salaires dépend de la rareté de la main-d’œuvre; les salaires s’effondrent lorsque l’économie atteint le stade de l’IAG.
  - Troisièmement : dans les scénarios d’IAG, la croissance de la production accompagnée de l’effondrement des salaires provient du remplacement d’une main-d’œuvre rare par des machines plus abondantes.
- Graphique 2 (illustration) : trajectoires indicatives — année initiale = 100 — montrant production et salaires sous les trois scénarios (prudent, de référence, radical).
- Réserves méthodologiques :
  - Le modèle suppose une économie efficiente avec rémunération du travail compétitive.
  - Divers facteurs (frictions organisationnelles, réglementations, restrictions d’accumulation de capital, choix sociétaux de préserver certaines fonctions humaines) peuvent ralentir le déploiement effectif de l’IAG.

### Indicateurs à surveiller pour distinguer les trajectoires futures
- Repères technologiques : mesures directes de l’efficacité des systèmes d’IA dans l’exécution d’un large éventail de tâches.
- Niveaux d’investissement : recherche–développement, talents et puces électroniques mesurant la part des ressources consacrée au développement de l’IA.
- Adoption de l’IA à travers l’économie : reflétant l’utilité pratique des systèmes.
- Tendances macroéconomiques et du marché du travail : statistiques de la productivité et évolutions de l’emploi et des salaires.
- Surveillance conjointe de ces signaux pour permettre aux décideurs d’adapter leurs interventions.

### Recommandations de politique et préparation adaptative
- Adopter une approche de planification par scénarios et charger des équipes spécialisées de processus itératifs de planification fondés sur ces scénarios.
- Tester par des exercices de résistance les cadres de politique économique et financière existants pour chaque scénario et réformer les institutions afin d’assurer leur résilience.
- Mesures possibles :
  - Réformes progressives, par exemple réforme de la fiscalité et élargissement des filets de sécurité sociale.
  - Nouveaux programmes, par exemple l’introduction d’un revenu minimal pouvant être augmenté si nécessaire.
- Objectif : maximiser les bienfaits économiques de l’évolution de l’IA et atténuer ses risques grâce à des cadres d’action adaptatifs.

*Anton Korinek, F&D, décembre 2023.*

---


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