## Les enjeux macroéconomiques de l’intelligence artificielle ## Source details **Canonical URL:** [Les enjeux macroéconomiques de l’intelligence artificielle](https://www.imf.org/fr/publications/fandd/issues/2023/12/macroeconomics-of-artificial-intelligence-brynjolfsson-unger) ## Other formats - [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) ## Bibliographic details - Authors: Erik Brynjolfsson, GABRIEL UNGER - Published: December 15, 2023 --- ### Introduction — cadre et portée - 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 : - l’essai de politiques créatives ; - des objectifs positifs pour ce que la société attend de l’IA ; - la souplesse publique pour évoluer avec des possibilités technologiques très incertaines et rapidement changeantes. ### Productivité — deux voies contrastées - 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 : - Adoption lente et concentrée de l’IA, cantonnée aux grandes entreprises (référence : Zolas et al., 2021). - L’IA pourrait se limiter à économiser de la main-d’œuvre sans permettre de tâches nouvelles ou puissantes. - Risque d’aggravation du paradoxe de Robert Solow : forte visibilité de l’IA sans gains mesurables de productivité. - Obstacles supplémentaires : problèmes organisationnels, incertitudes juridiques en matière de propriété intellectuelle (risque de « maquis de brevets »), réglementations nationales strictes ou interdictions. - Scénario 2 — Un avenir de forte productivité : - L’IA appliquée à une part substantielle des tâches (référence : Eloundou et al., 2023) augmente massivement la productivité. - L’IA seconde les travailleurs, libérant du temps pour des tâches non courantes, créatives et inventives ; captation des connaissances tacites via données numérisées. - 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. - Potentiel de « auto‑amélioration récursive » de la recherche soutenue par l’IA (recherche médicale, mathématiques, sciences, évolution de l’IA elle‑même). ### Inégalités de revenu — deux trajectoires opposées - 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 : - L’IA se substitue directement à de nombreuses formes de travail humain, y compris des tâches non courantes et créatives (ex. contenu génératif). - Déplacement de nombreux travailleurs vers des emplois de service mal rémunérés (aide‑soignant, aide maternelle, portier) où la présence humaine est intrinsèquement estimée. - Résultat : polarisation accrue entre une petite élite très qualifiée et une vaste sous‑classe de travailleurs des services. - Scénario 2 — Un avenir d’inégalités moindres : - L’IA aide les moins expérimentés/moins compétents à mieux faire leur travail (ex. assistants d’IA comme Copilot). - 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). - Effets additionnels : réduction de la rotation du personnel et augmentation de la satisfaction des clients pour le personnel utilisant l’assistant d’IA. - Conditions pour une réduction des inégalités : partage des gains par les employeurs et diffusion large des outils d’assistance. ### Concentration sectorielle — deux issues divergentes - 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 : - Seules les grandes entreprises utilisent intensivement l’IA ; coûts initiaux massifs et besoins en gigantesques ensembles de données favorisent les « superstars ». - 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. - 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. - Conséquence : IA exclusive développée par quelques acteurs (ex. Alphabet, Microsoft, OpenAI) accroissant la taille et la domination des plus grandes entreprises. - 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. - Scénario 2 — Un avenir à concentration moindre : - 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. - 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. - 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. - Résultat potentiel : ralentissement ou inversion de la progression de la concentration sectorielle. ### Recommandations de politique publique — orientations stratégiques - 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 : - Comment encourager des IA qui complètent le travail humain plutôt que le remplacer ? - Quels choix favoriseront l’accès à l’IA pour des entreprises de toute taille (y compris l’écosystème en source ouverte) ? - 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 ? - Comment obtenir une IA qui libère une innovation radicale plutôt que des modifications marginales ? - 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. *Erik Brynjolfsson et Gabriel Unger, FINANCES & DÉVELOPPEMENT, Décembre 2023* --- ## Content in this bundle - **Les enjeux macroéconomiques de l’intelligence artificielle** - [Les enjeux macroéconomiques de l’intelligence artificielle (Markdown version)](/-/media/files/publications/fandd/article/2023/december/french/brynjolfsson.pdf.md){rel="alternate" type="text/markdown"} - [Les enjeux macroéconomiques de l’intelligence artificielle (PDF)](/-/media/files/publications/fandd/article/2023/december/french/brynjolfsson.pdf){rel="external" type="application/pdf"} --- _Source: https://www.imf.org/fr/publications/fandd/issues/2023/12/macroeconomics-of-artificial-intelligence-brynjolfsson-unger_