Les technologies émergentes ouvrent la voie à une hausse durable de la productivité, comme je l’ai expliqué l’année dernière dans un article sur le potentiel de l’IA générative (en collaboration avec James Manyika de Google). Cette analyse concorde avec d’autres estimations, comme celle du McKinsey Global Institute.
L’IA générative est la première intelligence artificielle à être dotée d’une capacité quasi-humaine, exploitable dans des secteurs divers et pouvant détecter et changer de domaine uniquement sur la base de requêtes. Elle peut parler d’inflation, écrire du code informatique, faire des mathématiques, même s’il reste des progrès à faire. Sa capacité surhumaine de reconnaissance de motifs en fait un assistant numérique puissant. Plutôt qu’une automatisation totale, la collaboration homme–machine, ou ce que l’on appelle parfois « l’augmentation », est le modèle à privilégier.
Geoffrey Hinton, pionnier de l’IA moderne, basée sur un réseau neuronal, en comprend bien les implications. Il prend l’exemple d’un médecin expérimenté. Alors que ce médecin peut, au cours de sa carrière, s’occuper de milliers de patients, l’IA médicale peut en examiner des centaines de milliers. Elle peut donc l’aider dans son travail, et s’avérer encore plus utile lorsqu’un médecin manque d’expérience. Les études sur les applications de l’intelligence artificielle dans d’autres domaines le confirment, par exemple dans le service à la clientèle, où les assistants numériques alimentés par l’IA et formés sur les interactions passées ont, dans l’ensemble, permis de réaliser d’importants gains de productivité, en particulier lorsque les agents ont moins d’expérience.
L’IA est une technologie multi-usage qui a des applications dans tous les secteurs de l’économie et se décline par domaines et par tâches. Il s’agit là d’un point important, car seules les technologies généralistes peuvent provoquer une hausse de la productivité dans l’ensemble de l’économie.
Les applications mobiles dopées à l’IA sont déjà intégrées dans les appareils personnels comme les téléphones, grâce aux semi-conducteurs avancés notamment.
Cela dit, il reste encore plusieurs difficultés à surmonter avant d’en exploiter pleinement le potentiel. Il convient ainsi d’adopter une réglementation visant à prévenir l’utilisation abusive de la technologie et des données. Ce projet de réglementation à des fins d’atténuation des risques est en cours de développement à l’échelle mondiale.
Il importe également de surmonter le biais d’automatisation, ou encore ce qu’Erik Brynjolfsson appelle le piège de Turing, c’est-à-dire une forte tendance à considérer cette technologie comme une forme d’automatisation complète et à penser qu’elle va donc remplacer le travail humain.
Il s’agit là d’un point de vue courant dans les médias, le monde de l’entreprise et la sphère politique, comme en témoigne la crainte généralisée de massives destructions d’emplois.
La question la plus importante pour les pouvoirs publics concerne probablement les gains que l’IA est susceptible de générer. Pour qu’elle puisse à terme donner la pleine mesure de ses bienfaits économiques, elle doit être accessible à tous les secteurs et à toutes les entreprises, quelle que soit leur taille. S’il ne fait aucun doute que les investissements massifs réalisés dans des secteurs comme la technologie et la finance auront un impact considérable, la technologie doit aussi être mise en œuvre dans les principaux secteurs générateurs d’emplois, qui ont tendance à être à la traîne, comme les services publics, la santé, le bâtiment et l’hôtellerie. Les études réalisées avant l’émergence de l’intelligence artificielle sur l’adoption du numérique indiquent que ce schéma d’une large diffusion n’est pas garanti, et qu’un scénario de divergence est possible, voire probable, si les pouvoirs publics se contentent de donner libre cours aux forces du marché.
Les politiques visant à favoriser l’accessibilité et la diffusion de l’IA ainsi que l’acquisition des compétences requises pour exploiter pleinement son potentiel sont actuellement peu nombreuses, au regard de celles dont l’objectif consiste uniquement à en atténuer les risques et à en prévenir les utilisations abusives. Le rééquilibrage des politiques doit donc passer par la mise en place de nouvelles politiques de promotion de la technologie, sans pour autant abandonner les autres. Il ne s’agit pas d’inciter les États à choisir des gagnants ou des champions nationaux. Au contraire, une véritable politique de concurrence devrait faire partie des mesures envisagées. En outre, il convient de mettre l’accent sur les secteurs et les entreprises susceptibles de découvrir la technologie et de l’adopter tardivement, comme les petites et moyennes entreprises. Enfin, comme les emplois vont évoluer vers des formes de collaboration avec l’IA, il importe aussi d’accorder une attention particulière à la reconversion professionnelle et à l’acquisition de nouvelles compétences.
Obstacles à surmonter
Les gains potentiels de l’IA ne consistent pas seulement à surmonter les problèmes de croissance et de productivité dans le sillage de la pandémie. Ils devraient également faire sentir leurs effets sur la recherche scientifique et technologique, de la biologie à la physique en passant par la science des matériaux, et jouer un rôle clé dans la transition énergétique.
Les besoins en matière de compétences et de puissance de calcul et la croissance rapide de la demande d’électricité sont les principaux obstacles à l’élaboration de modèles d’intelligence artificielle générative de plus en plus puissants. La disponibilité des données ne représente pas une contrainte majeure. Internet regorge en effet de vastes données permettant d’entraîner des IA. Bien sûr, certaines IA non génératives sont puissantes et revêtent une grande importance. AlphaFold, un système d’intelligence artificielle qui prédit la structure tridimensionnelle d’une protéine, en est un exemple. Cette application nécessite des données biologiques pointues et la contribution d’experts spécialistes de la question du repliement des protéines.
Il est vrai aussi que les méga-plateformes qui jouent un rôle moteur dans le développement de l’IA générative sont bâties sur des modèles économiques qui s’appuient sur des données personnelles et un ciblage très précis. Toutefois, pour entraîner les grands modèles de langage et autres technologies du même type, il n’est pas nécessaire de disposer de données sensibles à caractère personnel.
Les systèmes assez puissants pour entraîner des modèles avec des milliards de paramètres résident en grande partie dans les systèmes infonuagiques du secteur privé, principalement aux États-Unis et en Chine. Cela constitue un véritable handicap pour le monde scientifique et universitaire, ainsi que la course effrénée pour dénicher les meilleurs spécialistes du domaine. Étendre l’infrastructure informatique à une large communauté de chercheurs et d’innovateurs est une étape indispensable à la démocratisation et à la création d’un espace ouvert qui assure un équilibre suffisant entre recherche universitaire et innovation privée ; or c’est cet équilibre qui permettra une diffusion à grande échelle.
L’Europe risque de prendre du retard sur les États-Unis et la Chine dans le développement et le déploiement de l’IA, et ce pour trois raisons. Premièrement, la recherche fondamentale n’est pas suffisamment financée dans l’Union européenne. Deuxièmement, sa puissance de calcul est insuffisante pour soutenir la recherche. Troisièmement, elle ne tire pas pleinement avantage de la taille de son économie. Compte tenu des coûts de développement fixes élevés et des coûts variables relativement faibles du numérique et de l’IA, le retour sur investissement est largement déterminé par les économies d’échelle, qui constituent un énorme avantage. Les marchés de capitaux européens restent cloisonnés ; l’intégration du marché des services est incomplète et entravée par une réglementation fragmentée au niveau national. On ignore encore si cette situation perdurera, ou si les récentes élections du Parlement européen marqueront un tournant. Deux rapports à la Commission européenne — l’un d’Enrico Letta et l’autre, à paraître, de Mario Draghi — appellent à accélérer les investissements dans la technologie numérique.
La Chine est une force motrice de l’IA. L’Inde, déjà bien ancrée dans le numérique, dotée d’un vaste marché intérieur en pleine croissance et de riches viviers d’ingénieurs, pourrait être en passe de devenir un acteur incontournable.
Le reste des pays émergents pourrait grandement bénéficier des applications de l’IA, mais ils seront, au moins au cours des prochaines années, surtout consommateurs des technologies avancées de l’IA mises au point par les États-Unis et la Chine principalement.
L’IA entraînera des changements et des bouleversements structurels à grande échelle pendant des décennies. Des gens perdront leurs emplois du fait de l’automatisation ou de la croissance rapide de la productivité, tandis que d’autres seront embauchés à des postes nouvellement créés par la technologie ; les travailleurs des échelons intermédiaires seront les plus touchés. Ces emplois ne disparaîtront pas nécessairement, mais ils changeront de nature. Ce processus sera perturbateur et nécessitera de nouvelles compétences et de nombreux changements d’ordre organisationnel. Les secteurs privé et public ont tous deux un rôle important à jouer pour faciliter ces transitions.
À la faveur de mesures visant à accroître la diffusion de la technologie dans l’ensemble de l’économie, l’IA pourrait stimuler la croissance économique et contribuer à relancer la productivité. De plus, si elle assouplit les contraintes d’offre ayant contribué à l’inflation, elle pourrait, avec le temps, indirectement faire baisser les taux d’intérêt réels et le coût du capital. À l’heure où des milliers de milliards de dollars d’investissements sont nécessaires pour promouvoir l’efficacité énergétique et la transition verte, une telle évolution serait bienvenue. Enfin, dans la part vieillissante de l’économie mondiale, elle pourrait aider la population active à assurer la prise en charge des plus âgés sans avoir à consentir de sacrifices excessifs.
Malgré des chocs et des freins persistants, nous disposons des compétences et des outils requis pour favoriser la croissance, l’inclusion et la durabilité au sein de l’économie mondiale, mais cela ne sera possible que si nous avons la volonté de nous en servir, en faisant preuve à la fois de dynamisme et de sagesse.
