{ "title": "Les enjeux macroéconomiques de l’intelligence artificielle", "sourceUrl": "https://www.imf.org/fr/publications/fandd/issues/2023/12/macroeconomics-of-artificial-intelligence-brynjolfsson-unger", "canonical": "https://www.imf.org/fr/publications/fandd/issues/2023/12/macroeconomics-of-artificial-intelligence-brynjolfsson-unger", "overlayPath": "/fr/publications/fandd/issues/2023/12/macroeconomics-of-artificial-intelligence-brynjolfsson-unger/index.md", "summary": "Nos décisions collectives d’aujourd’hui détermineront les conséquences qu’aura demain l’IA pour la productivité, les inégalités de revenu et la concentration sectorielle.", "sections": [ { "heading": "Introduction — cadre et portée", "content": "- Thème central : implications macroéconomiques de l’intelligence artificielle (IA) pour la productivité, les inégalités de revenu et la concentration sectorielle.\n- Avertissement méthodologique : incertitude élevée quant à la trajectoire future de l’IA ; l’avenir dépend fortement des décisions technologiques, réglementaires et stratégiques prises aujourd’hui.\n- Politiques favorables identifiées : \n - l’essai de politiques créatives ;\n - des objectifs positifs pour ce que la société attend de l’IA ;\n - la souplesse publique pour évoluer avec des possibilités technologiques très incertaines et rapidement changeantes." }, { "heading": "Productivité — deux voies contrastées", "content": "- Contexte : faiblesse inquiétante de la croissance de la productivité pendant l’essentiel des cinq dernières décennies, hormis une brève résurgence au tournant du siècle.\n- Scénario 1 — Un avenir de faible productivité :\n - Adoption lente et concentrée de l’IA, cantonnée aux grandes entreprises (référence : Zolas et al., 2021).\n - L’IA pourrait se limiter à économiser de la main-d’œuvre sans permettre de tâches nouvelles ou puissantes.\n - Risque d’aggravation du paradoxe de Robert Solow : forte visibilité de l’IA sans gains mesurables de productivité.\n - Obstacles supplémentaires : problèmes organisationnels, incertitudes juridiques en matière de propriété intellectuelle (risque de « maquis de brevets »), réglementations nationales strictes ou interdictions.\n- Scénario 2 — Un avenir de forte productivité :\n - L’IA appliquée à une part substantielle des tâches (référence : Eloundou et al., 2023) augmente massivement la productivité.\n - L’IA seconde les travailleurs, libérant du temps pour des tâches non courantes, créatives et inventives ; captation des connaissances tacites via données numérisées.\n - Résultat : niveau de productivité plus élevé et taux de croissance durablement supérieur, intégration IA + robotique élargissant la réactivité de l’économie aux progrès liés à l’IA.\n - Potentiel de « auto‑amélioration récursive » de la recherche soutenue par l’IA (recherche médicale, mathématiques, sciences, évolution de l’IA elle‑même)." }, { "heading": "Inégalités de revenu — deux trajectoires opposées", "content": "- Contexte : augmentation des inégalités entre travailleurs au cours des 40 dernières années ; technologies informatiques antérieures ont contribué à polariser l’emploi.\n- Scénario 1 — Un avenir d’inégalités accrues :\n - L’IA se substitue directement à de nombreuses formes de travail humain, y compris des tâches non courantes et créatives (ex. contenu génératif).\n - Déplacement de nombreux travailleurs vers des emplois de service mal rémunérés (aide‑soignant, aide maternelle, portier) où la présence humaine est intrinsèquement estimée.\n - Résultat : polarisation accrue entre une petite élite très qualifiée et une vaste sous‑classe de travailleurs des services.\n- Scénario 2 — Un avenir d’inégalités moindres :\n - L’IA aide les moins expérimentés/moins compétents à mieux faire leur travail (ex. assistants d’IA comme Copilot).\n - Étude citée : 5 000 travailleurs en centre d’appel — les employés les moins qualifiés affichent les gains de productivité les plus importants avec un assistant d’IA (Brynjolfsson, Li et Raymond, 2023).\n - Effets additionnels : réduction de la rotation du personnel et augmentation de la satisfaction des clients pour le personnel utilisant l’assistant d’IA.\n - Conditions pour une réduction des inégalités : partage des gains par les employeurs et diffusion large des outils d’assistance." }, { "heading": "Concentration sectorielle — deux issues divergentes", "content": "- Contexte : augmentation spectaculaire de la concentration sectorielle depuis le début des années 80 dans de nombreuses économies avancées.\n- Scénario 1 — Un avenir à concentration plus élevée :\n - Seules les grandes entreprises utilisent intensivement l’IA ; coûts initiaux massifs et besoins en gigantesques ensembles de données favorisent les « superstars ».\n - Exemple chiffré : 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.\n - Prévision : coûts de développement d’un grand modèle d’IA pourraient bientôt se chiffrer en milliards de dollars ; lois d’échelle favorisent les entreprises au plus gros budget et aux plus grands jeux de données.\n - Conséquence : IA exclusive développée par quelques acteurs (ex. Alphabet, Microsoft, OpenAI) accroissant la taille et la domination des plus grandes entreprises.\n - Avantage supplémentaire pour grandes entreprises : meilleure coordination interne des opérations complexes via IA, remettant en cause les avantages de la connaissance locale des petites entreprises.\n- Scénario 2 — Un avenir à concentration moindre :\n - Écosystème en source ouverte dynamique (ex. modèles en source ouverte mentionnés dans la discussion, citation d’un chercheur Google) rendant l’IA largement accessible aux petites entreprises.\n - Les petits modèles en source ouverte peuvent être plus rapides, plus personnalisables, plus privés et parfois plus performants que les grands modèles exclusifs, avec des coûts d’entraînement moindres.\n - L’IA peut encourager l’innovation décentralisée et permettre à des petites entreprises agiles de combler ou d’inverser l’écart technologique avec des acteurs plus grands.\n - Résultat potentiel : ralentissement ou inversion de la progression de la concentration sectorielle." }, { "heading": "Recommandations de politique publique — orientations stratégiques", "content": "- Diagnostic : la voie la plus sombre est la « voie de la moindre résistance » menant à faible productivité, inégalités accrues et concentration élevée.\n- Objectif central : façonner l’évolution de l’IA par des interventions publiques intelligentes pour atteindre un avenir de croissance soutenue et inclusive.\n- Questions politiques prioritaires :\n - Comment encourager des IA qui complètent le travail humain plutôt que le remplacer ?\n - Quels choix favoriseront l’accès à l’IA pour des entreprises de toute taille (y compris l’écosystème en source ouverte) ?\n - Comment soutenir les laboratoires et entreprises pour qu’ils adoptent des pratiques de formation et de mise en œuvre de modèles favorisant des bénéfices larges ?\n - Comment obtenir une IA qui libère une innovation radicale plutôt que des modifications marginales ?\n- Acteurs influents : grandes entreprises, laboratoires d’IA universitaires, législateurs et instances de réglementation (nationales et supranationales), électeurs, syndicats.\n- Investissement nécessaire : accroître la recherche sur l’économie de l’IA proportionnellement à l’ampleur des effets économiques potentiels (effets pouvant se mesurer en milliers de milliards de dollars).\n- Besoin institutionnel : réorientation des priorités de recherche et élaboration d’un programme de politique publique intelligent pour promouvoir une croissance à la fois soutenue et inclusive.\n\nErik Brynjolfsson et Gabriel Unger, FINANCES & DÉVELOPPEMENT, Décembre 2023\n\n---\n\n Content in this bundle\n\n- Les enjeux macroéconomiques de l’intelligence artificielle\n - Les enjeux macroéconomiques de l’intelligence artificielle (Markdown version){rel=\"alternate\" type=\"text/markdown\"}\n - Les enjeux macroéconomiques de l’intelligence artificielle (PDF){rel=\"external\" type=\"application/pdf\"}\n\n---\n\nSource: https://www.imf.org/fr/publications/fandd/issues/2023/12/macroeconomics-of-artificial-intelligence-brynjolfsson-unger" } ], "bullets": [ "[Markdown version](/fr/publications/fandd/issues/2023/12/macroeconomics-of-artificial-intelligence-brynjolfsson-unger/index.md)", "[Structured JSON version](/fr/publications/fandd/issues/2023/12/macroeconomics-of-artificial-intelligence-brynjolfsson-unger/index.json)", "[Bundle manifest](/fr/publications/fandd/issues/2023/12/macroeconomics-of-artificial-intelligence-brynjolfsson-unger/bundle-manifest.json)", "Authors: Erik Brynjolfsson, GABRIEL UNGER", "Published: December 15, 2023", "Thème central : implications macroéconomiques de l’intelligence artificielle (IA) pour la productivité, les inégalités de revenu et la concentration sectorielle.", "Avertissement méthodologique : incertitude élevée quant à la trajectoire future de l’IA ; l’avenir dépend fortement des décisions technologiques, réglementaires et stratégiques prises aujourd’hui.", "Politiques favorables identifiées :", "Contexte : faiblesse inquiétante de la croissance de la productivité pendant l’essentiel des cinq dernières décennies, hormis une brève résurgence au tournant du siècle.", "Scénario 1 — Un avenir de faible productivité :", "Scénario 2 — Un avenir de forte productivité :", "Contexte : augmentation des inégalités entre travailleurs au cours des 40 dernières années ; technologies informatiques antérieures ont contribué à polariser l’emploi.", "Scénario 1 — Un avenir d’inégalités accrues :", "Scénario 2 — Un avenir d’inégalités moindres :", "Contexte : augmentation spectaculaire de la concentration sectorielle depuis le début des années 80 dans de nombreuses économies avancées.", "Scénario 1 — Un avenir à concentration plus élevée :", "Scénario 2 — Un avenir à concentration moindre :", "Diagnostic : la voie la plus sombre est la « voie de la moindre résistance » menant à faible productivité, inégalités accrues et concentration élevée.", "Objectif central : façonner l’évolution de l’IA par des interventions publiques intelligentes pour atteindre un avenir de croissance soutenue et inclusive.", "Questions politiques prioritaires :", "Acteurs influents : grandes entreprises, laboratoires d’IA universitaires, législateurs et instances de réglementation (nationales et supranationales), électeurs, syndicats.", "Investissement nécessaire : accroître la recherche sur l’économie de l’IA proportionnellement à l’ampleur des effets économiques potentiels (effets pouvant se mesurer en milliers de milliards de dollars).", "Besoin institutionnel : réorientation des priorités de recherche et élaboration d’un programme de politique publique intelligent pour promouvoir une croissance à la fois soutenue et inclusive.", "**Les enjeux macroéconomiques de l’intelligence artificielle**" ], "related": [ { "title": "Les enjeux macroéconomiques de l’intelligence artificielle", "role": "document", "sourceUrl": "https://www.imf.org/-/media/files/publications/fandd/article/2023/december/french/brynjolfsson.pdf", "summary": { "path": "/-/media/files/publications/fandd/article/2023/december/french/brynjolfsson.pdf.md", "mime": "text/markdown" }, "binary": { "path": "/-/media/files/publications/fandd/article/2023/december/french/brynjolfsson.pdf", "mime": "application/pdf" } } ], "alternates": { "markdown": "/fr/publications/fandd/issues/2023/12/macroeconomics-of-artificial-intelligence-brynjolfsson-unger/index.md", "json": "/fr/publications/fandd/issues/2023/12/macroeconomics-of-artificial-intelligence-brynjolfsson-unger/index.json", "bundleManifest": "/fr/publications/fandd/issues/2023/12/macroeconomics-of-artificial-intelligence-brynjolfsson-unger/bundle-manifest.json" }, "generatedAtUtc": "2026-09-15T23:24:49.274Z" }