L’économie mondiale et les promesses de l’intelligence artificielle

Source details

Canonical URL

L’économie mondiale et les promesses de l’intelligence artificielle

Other formats

• Markdown version
• Structured JSON version
• Bundle manifest

Bibliographic details

• Authors: MICHAEL SPENCE
• Published: September 12, 2024

Contexte général et constat central

• Depuis la pandémie, l’économie mondiale est marquée par un ralentissement de la croissance, la plus tenace des inflations depuis des décennies, des progrès limités en matière de durabilité et des coûts d’emprunt élevés pesant sur l’investissement.
• L’atonie de la croissance de la productivité est identifiée comme le frein le plus important depuis la crise financière mondiale.
• L’intelligence artificielle (IA), si elle est bien utilisée et largement diffusée, pourrait inverser le ralentissement de la productivité et, avec le temps, accroître celle-ci « considérablement et durablement ».
• Hypothèse temporelle : un impact significatif sur la productivité du travail pourrait commencer à se faire sentir « d’ici la fin de la décennie ».

Trois facteurs convergents (sources des transformations et des contraintes)

• Chocs contemporains :
  • Guerre, pandémie, changement climatique, tensions géopolitiques, résurgence du nationalisme, montée de l’importance de la sécurité nationale.
  • Effet : réorientation des réseaux d’approvisionnement vers la diversification et la résilience, au prix d’un renchérissement des coûts et de tensions inflationnistes.
  • Exemple chiffré : Apple déplace une partie de sa production vers l’Inde, qui produit désormais 15 % des iPhones.
  • Constat sur les semi‑conducteurs : la fabrication des semi-conducteurs les plus avancés s’effectue exclusivement en Corée du Sud et dans la province chinoise de Taiwan.
• Tendances lourdes limitant l’élasticité de l’offre :
  • Déclin de la productivité, vieillissement de la population dans des pays représentant plus de 75 % de la production mondiale.
  • Effet démographique : baisse des taux de fécondité et allongement de l’espérance de vie ralentissent la croissance de la population active.
  • Dette souveraine : à l’échelle mondiale, la dette souveraine dépasse désormais le produit intérieur brut.
  • États-Unis : dette souveraine « atteint désormais 120 % du PIB ».
  • Europe : ratio dette publique/PIB est de 88,6 %.
  • Grèce, Italie, Espagne, France, Belgique et Portugal affichent des chiffres au‑dessus de la moyenne (la Grèce et l’Italie « largement au‑dessus »).
  • Ralentissement du moteur déflationniste lié à la croissance des pays émergents et à l’augmentation des capacités de production mondiales.
• Science et technologie :
  • Trois révolutions technologiques simultanées : transformation numérique (accélérée par l’IA), révolution des sciences biomédicales et technologies liées à la transition énergétique.
  • Facteurs favorisant l’accélération : investissements importants, coûts décroissants d’outils performants (ex. : chute des coûts du solaire), disponibilité de vastes jeux de données et publication de modèles scientifiques (ex. structures de protéines).

Productivité : diagnostic et chiffres clés

• États-Unis :
  • Croissance de la productivité moyenne : 1,68 % entre 1998 et 2007 ; 0,38 % entre 2010 et 2019.
  • Secteurs exportables : croissance de la productivité passée de 4,27 % à 1,23 %.
  • Grands secteurs de services non exportables : croissance de la productivité passée de 0,73 % à un niveau nul « dans les faits ».
• Observations supplémentaires :
  • Mesurée, la productivité a légèrement augmenté pendant la pandémie, principalement en raison de la fermeture partielle des secteurs moins productifs et de l’adoption du travail à distance par les secteurs plus productifs.
  • Les États‑Unis ont mieux résisté que d’autres pays avancés, notamment que la plupart des pays d’Europe continentale.

Potentiel et mécanismes de l’IA

• Nature et capacités de l’IA générative :
  • Première IA dotée d’une capacité quasi‑humaine, exploitable dans divers secteurs, capable de détecter et de changer de domaine sur la base de requêtes.
  • Exemples d’applications : discussions sur l’inflation, écriture de code, mathématiques, assistance médicale (capacité à examiner des centaines de milliers de cas vs milliers pour un médecin).
  • Modèle de collaboration privilégié : « augmentation » homme–machine plutôt que automatisation totale.
• Multiplicité des usages :
  • L’IA est une technologie multi‑usage applicable dans tous les secteurs et par tâches ; seules les technologies généralistes peuvent provoquer une hausse de la productivité à l’échelle de l’économie.
  • Applications mobiles intégrées aux appareils personnels grâce aux semi‑conducteurs avancés.
• Impact attendu :
  • L’IA pourrait relâcher les contraintes d’offre, stimuler la croissance économique, relancer la productivité et potentiellement faire baisser, avec le temps, les taux d’intérêt réels et le coût du capital.
  • Rôle clé attendu dans la recherche scientifique (de la biologie à la physique) et dans la transition énergétique.

Obstacles et limites à l’exploitation du potentiel de l’IA

• Besoins en compétences et infrastructure :
  • Obstacles majeurs : besoins en compétences, en puissance de calcul et la croissance rapide de la demande d’électricité pour les modèles d’IA générative de plus en plus puissants.
  • Disponibilité des données : « ne représente pas une contrainte majeure » — Internet offre de vastes données d’entraînement ; certaines applications spécialisées (ex. AlphaFold) exigent des données biologiques pointues.
• Concentration de l’infrastructure :
  • Les systèmes capables d’entraîner des modèles avec des milliards de paramètres résident majoritairement dans les infonuages privés, principalement aux États‑Unis et en Chine.
  • Conséquence : handicap pour le monde scientifique et universitaire ; nécessité d’étendre l’infrastructure à une large communauté pour démocratiser l’accès et équilibrer recherche universitaire et innovation privée.
• Risques de divergence et fragmentation géographique :
  • Europe : risque de retard pour trois raisons précises :
  • Recherche fondamentale insuffisamment financée.
  • Puissance de calcul insuffisante.
  • Incapacité à tirer pleinement avantage de la taille de son économie en raison des coûts fixes élevés et d’un marché des capitaux cloisonné, d’une intégration incomplète du marché des services et d’une réglementation fragmentée.
  • Chine : décrite comme « une force motrice de l’IA ».
  • Inde : marché intérieur en croissance et vivier d’ingénieurs pouvant la rendre incontournable.
  • Reste des pays émergents : ils pourront grandement bénéficier des applications, mais, pour plusieurs années, seront surtout consommateurs des technologies US et chinoises.

Effets socioprofessionnels et besoin de transitions

• Effets sur l’emploi :
  • L’IA provoquera des changements structurels durables : destructions d’emplois via automatisation ou gains rapides de productivité, créations de nouveaux emplois, transformation de postes existants.
  • Les travailleurs d’échelon intermédiaire seront les plus touchés ; emplois transformés plutôt que purement supprimés.
  • Processus perturbateur nécessitant de nouvelles compétences et changements organisationnels.
• Rôle des acteurs publics et privés :
  • Les secteurs privé et public doivent faciliter les transitions professionnelles et organiser la reconversion et l’acquisition de compétences.
  • Nécessité d’une attention particulière aux petites et moyennes entreprises et aux secteurs en retard d’adoption (services publics, santé, bâtiment, hôtellerie).

Recommandations de politiques et priorités

• Accroître la diffusion et l’accessibilité de l’IA :
  • Favoriser l’accessibilité de la technologie à tous les secteurs et entreprises, quelle que soit leur taille.
  • Politique de diffusion proactive : rééquilibrer les politiques actuelles (qui se concentrent surtout sur l’atténuation des risques) en introduisant davantage de politiques de promotion de la technologie.
  • Insister sur la concurrence plutôt que sur le choix d’« champions » nationaux.
• Soutien ciblé :
  • Mettre l’accent sur les secteurs et entreprises susceptibles d’adopter la technologie tardivement, notamment les petites et moyennes entreprises.
  • Prioriser la reconversion professionnelle et l’acquisition de nouvelles compétences en anticipation d’emplois évoluant vers la collaboration avec l’IA.
• Gouvernance et régulation :
  • Adopter une réglementation visant à prévenir l’utilisation abusive de la technologie et des données ; projet global d’atténuation des risques en cours de développement.
  • Prévenir le « biais d’automatisation » (piège de Turing) et tempérer la crainte médiatique d’une automatisation totale.
• Investissements d’infrastructure et financement de la recherche :
  • Étendre la puissance de calcul et l’infrastructure accessible à la communauté de recherche pour soutenir la démocratisation et l’équilibre recherche privée/recherche académique.
  • Accélérer les investissements dans la recherche fondamentale, notamment en Europe selon l’analyse avancée.

Perspectives finales

• L’IA pourrait jouer un rôle majeur pour relâcher les contraintes d’offre qui pèsent sur la croissance, l’inflation, le coût du capital et la réalisation des objectifs de développement durable.
• À l’heure où des milliers de milliards de dollars d’investissements sont nécessaires pour l’efficacité énergétique et la transition verte, l’IA pourrait contribuer favorablement à réduire le coût du capital et soutenir ces investissements.
• Conclusion normative : les compétences et outils existent pour favoriser croissance, inclusion et durabilité, mais leur mise en œuvre exige « la volonté de s’en servir, en faisant preuve à la fois de dynamisme et de sagesse ».

Source: L’économie mondiale et les promesses de l’intelligence artificielle, Michael Spence, Septembre 2024.