Lequotidien
À condition d’être bien utilisée, l’intelligence artificielle pourrait stimuler la croissance économique et contribuer à relancer la productivité.
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 qui pèsent sur l’investissement, notamment dans le domaine de la transition énergétique où les besoins en capitaux sont colossaux. Pour autant, l’atonie de la croissance de la productivité pourrait être le frein le plus important depuis la crise financière mondiale.
Pour assouplir les contraintes d’offre qui contribuent au ralentissement de la croissance, aux nouvelles tensions inflationnistes, à la hausse des coûts du capital, aux difficultés des finances publiques et à la diminution des marges de manœuvre budgétaires, et qui font obstacle à la réalisation des objectifs de développement durable, l’intelligence artificielle (IA) est notre meilleur atout. En effet, l’IA pourrait non seulement inverser la tendance actuelle de ralentissement de la productivité, mais aussi, avec le temps, accroître celle-ci considérablement et durablement.
Bien sûr, tout cela prendra du temps. La loi de Roy Amara s’applique ici, comme lors des derniers épisodes de la transformation technologique : nous avons tendance à en surestimer l’incidence à court terme et à la sous-estimer à long terme. Je dirais (et il ne s’agit ici que d’une supposition qui repose sur les schémas d’investissement actuels) que nous pourrions commencer à voir un impact significatif sur la productivité du travail d’ici la fin de la décennie.
Ces phénomènes résultent de la convergence de trois puissants facteurs.
Le premier concerne les chocs, notamment la guerre, la pandémie, le changement climatique, les tensions géopolitiques, la résurgence du nationalisme et l’importance croissante accordée à la sécurité nationale dans la politique économique internationale. Ces perturbations de plus en plus graves et fréquentes réorientent les réseaux d’approvisionnement mondiaux sur la voie de la diversification et contribuent à accroître leur résilience. Mais cette pression est onéreuse et contribue aux tensions inflationnistes.
Par exemple, Apple déplace une partie de sa production vers l’Inde, qui produit désormais 15 % des iPhones. Par ailleurs, la fabrication (qui ne doit pas être confondue avec la conception) des semi-conducteurs les plus avancés s’effectue exclusivement en Corée du Sud et dans la province chinoise de Taiwan, ce qui n’est pas viable du point de vue de la sécurité nationale.
La diversification des sources d’approvisionnement est confortée par des mesures visant à rapatrier d’importantes chaînes d’approvisionnement, ou tout du moins à les relocaliser dans des pays amis et à priver dans le même temps les pays rivaux de tout accès à certains biens, technologies et capitaux. Certaines de ces politiques protectionnistes visent à protéger les travailleurs nationaux de la concurrence étrangère.
Il en résulte que, depuis la pandémie, on observe une fragmentation rapide des réseaux d’approvisionnement mondiaux, qui se caractérisaient par une plus grande cohésion dans les années d’après-guerre. Les chaînes d’approvisionnement répondaient alors avant tout à des critères économiques, à savoir l’efficacité et les avantages comparatifs. Aujourd’hui, il est devenu impossible de simultanément augmenter la résilience et réduire les coûts : nous avons donc cessé de réduire les coûts. Ce virage structurel fait partie des nombreux facteurs qui contribuent aux tensions inflationnistes.
Tendances à long terme
Malgré l’atténuation des tensions sur les chaînes d’approvisionnement héritées de la pandémie, une deuxième série de facteurs, qui relèvent de tendances lourdes, viennent réduire encore davantage l’élasticité de l’offre et augmenter les coûts. Il s’agit notamment du déclin de la productivité, en particulier dans les pays avancés, mais encore du vieillissement de la population dans des pays qui représentent plus de 75 % de la production mondiale. La baisse des taux de fécondité et l’allongement de l’espérance de vie ralentissent la croissance de la population active, voire la font reculer : par conséquent, la prise en charge d’un plus grand nombre de personnes âgées incombe à un moindre nombre de travailleurs. Selon les régimes de sécurité sociale, ces tendances peuvent générer des tensions budgétaires, alors même que les taux d’intérêt des banques centrales restent élevés. Il est frappant de constater que de nombreux pays avancés connaissent des pénuries de main-d’œuvre dans les secteurs créateurs d’emploi. Dans un contexte de demande globale soutenue, ce phénomène pèse sur la croissance et ajoute aux tensions inflationnistes, en particulier aux États-Unis. L’Allemagne souffre également d’un manque de main-d’œuvre similaire.
La pandémie a contribué à augmenter le niveau de la dette souveraine dans un grand nombre de pays. À l’échelle mondiale, la dette souveraine dépasse désormais le produit intérieur brut et continue d’augmenter au-delà de ce seuil aux États-Unis, où elle atteint désormais 120 % du PIB. En Europe, le ratio dette publique/PIB est de 88,6 %, et la Grèce, l’Italie, l’Espagne, la France, la Belgique et le Portugal affichent des chiffres au-dessus de la moyenne (dans le cas de la Grèce et de l’Italie, largement au-dessus). La dette souveraine de la Chine semble moins élevée, sauf si l’on compte la dette des entreprises publiques, qui représente une part importante du secteur des entreprises. Cela s’explique en partie par les dépenses colossales engagées avec succès pendant la pandémie pour prévenir les souffrances humaines et les fermetures d’entreprises et éviter d’affaiblir les bilans comptables des particuliers et des entreprises. C’est précisément parce que l’incidence sur les bilans financiers n’a pas été aussi importante pendant la pandémie que pendant la crise financière mondiale que la demande a résisté malgré la hausse des taux d’intérêt.
Enfin, dans cette deuxième catégorie, il faut mentionner le ralentissement du puissant moteur déflationniste, à l’œuvre depuis plusieurs décennies, que constituent la croissance des pays émergents et la forte augmentation des capacités de production de l’économie mondiale, en particulier (mais pas exclusivement) en Chine.
Les économistes de développement parlent à ce sujet du « tournant de Lewis ». Il s’agit du moment où, dans la croissance d’un pays émergent, la main-d’œuvre sous-employée et sous-utilisée dans les secteurs traditionnels est largement mise à contribution, puis absorbée par l’urbanisation et les pans mieux connectés de l’économie.
Les gains potentiels de l’IA devraient 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.
La productivité mérite une attention toute particulière. La croissance de la productivité aux États-Unis atteignait en moyenne 1,68 % entre 1998 et 2007, période au cours de laquelle de nombreux Américains ont eu accès à Internet et, plus tard, aux téléphones portables. Elle a ensuite ralenti pour tomber à 0,38 % entre 2010 et 2019.
L’ensemble de l’économie a connu ce ralentissement. La croissance de la productivité des secteurs des biens et services exportables, qui tendent à être plus productifs, alors qu’ils emploient moins d’un quart des travailleurs, est passée de 4,27 % à 1,23 %. Celle des grands secteurs de services non exportables, moins productifs, est passée de 0,73 % à un niveau nul dans les faits.
Ce qui est surprenant, c’est que les États-Unis s’en sont beaucoup mieux sortis que d’autres pays avancés, et mieux que tous ceux du continent européen, malgré cette récente tendance à une croissance modérée de la productivité. En Europe, le ralentissement de la croissance et de la productivité est en partie imputable à l’adoption plus tardive et au déploiement moins efficace des technologies numériques, ainsi qu’au développement plus limité des secteurs technologiques qu’aux États-Unis et en Chine.
La productivité mesurée a légèrement augmenté pendant la pandémie, principalement en raison de la fermeture partielle des secteurs les moins productifs et de l’adoption du travail à distance par les secteurs les plus productifs. Il nous faudra davantage de données pour savoir si cette reprise s’inscrira dans la durée, mais on observe déjà une tendance similaire dans d’autres pays développés.
De ces deux séries de facteurs résulte un passage relativement rapide d’une croissance limitée par la demande à une croissance limitée par l’offre. La croissance est atone, l’inflation perdure, et les taux d’intérêt réels restent élevés. De nombreux économistes, dont je fais partie, estiment que les conditions structurelles que j’ai décrites plus haut signifient que les coûts d’emprunt devraient rester élevés, et sans doute supérieurs à ceux qui prévalaient pendant la décennie qui a suivi la crise financière mondiale. Ce phénomène devrait amener d’importants changements dans le monde de l’investissement, notamment en maintenant le coût du capital et les taux d’actualisation à un niveau élevé et en réduisant les valorisations.
Il convient de noter que les investisseurs ne partagent pas la même opinion et qu’ils changent d’avis quant à l’évolution probable des taux d’intérêt. Par exemple, les prévisions qui tablaient l’année dernière sur sept baisses d’un quart de point des taux d’intérêt cette année par la Réserve fédérale ont vite été balayées. Les marchés en anticipent désormais une ou deux. Ces anticipations pourraient encore évoluer et s’orienter vers des taux maintenus à un niveau élevé à plus long terme, comme semble l’indiquer la conjoncture actuelle.
Révolutions technologiques
Ceci nous amène à la troisième série de facteurs convergents : la science et la technologie. Trois transformations révolutionnaires sont à l’œuvre. La première est la transformation numérique qui s’opère depuis maintenant plusieurs décennies et qui s’accélère avec les récentes avancées dans le domaine de l’intelligence artificielle. La seconde est une révolution qui transforme les sciences biomédicales et de la vie. La troisième concerne les technologies sur lesquelles repose la transition vers une énergie durable.
Les trois bénéficient d’importants investissements. L’accélération des progrès est commandée non seulement par les avancées technologiques, mais aussi par la mise à disposition d’un large ensemble d’outils performants, aux coûts décroissants, et de plus en plus accessibles. Les coûts du solaire ont chuté au cours de la dernière décennie. Les avancées se sont multipliées, des semi-conducteurs ultraperformants au séquençage de l’ADN, puis aux modèles tridimensionnels de centaines de millions de protéines publiés dans une base de données mise gratuitement à la disposition du public.
Le développement et le déploiement de telles technologies à des fins productives vont bouleverser la structure économique de tous les pays. Nous ne pouvons pas prédire tout ce que ces changements vont entraîner, mais il est certain que leurs répercussions seront considérables.
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.
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
