Jusqu’où l’IA peut-elle repousser les limites?

Sur le plan macroéconomique, l’IA recèle autant de promesses que de défis.

Elle peut stimuler la croissance en améliorant la productivité totale des facteurs et en repoussant les limites de la production, mais aussi alimenter les craintes quant à des suppressions d’emplois et à une répartition inégale des gains entre travailleurs, entreprises et pays.

Son intégration dans l’économie complique en outre la politique monétaire, notamment par ses effets sur l’inflation, le marché du travail et le taux d’intérêt naturel.

Dans cet article, nous examinons les incidences macroéconomiques de l’IA sous quatre angles – productivité, dépenses d’investissement, marché du travail et inflation – avant d’analyser ses implications pour la politique monétaire. Notre scénario central anticipe d’abord un effet inflationniste, puis un gain de productivité progressif et une détente des prix à moyen terme. Le processus sera long, c’est pourquoi nous restons prudents dans nos prévisions.

Productivité

Parmi les multiples effets de l’IA sur l’économie, le plus notable tient à la dynamisation de la croissance à long terme grâce à des gains de productivité – dont l’ampleur et le calendrier demeurent toutefois incertains. L’IA pourrait aussi accélérer l’intensification capitalistique en favorisant l’investissement dans les infrastructures numériques et, ainsi, compenser en partie le poids du vieillissement démographique.

Au cœur de ce mécanisme: l’impact de l’IA sur la productivité totale des facteurs. En améliorant les prises de décision, l’allocation des ressources et l’automatisation de tâches aussi bien routinières que complexes, l’IA repousse les limites de la production. Cette dynamique pourrait s’amplifier avec l’automatisation croissante des processus d’innovation et de production. L’histoire des technologies à usage général (électricité, informatique, etc.) nous enseigne cependant que ces gains ne seront pas immédiats: délais de mise en œuvre, ajustements organisationnels et coûts d’apprentissage en retarderont la concrétisation. Le soutien de la croissance tendancielle dépend d’une adoption large et durable de l’IA.

Pour les États-Unis, nous relevons de 0,4 point de pourcentage (pp) nos prévisions de croissance du produit intérieur brut (PIB) réel pour la prochaine décennie. La hausse de productivité devrait, en effet, compenser la réduction de l’offre de main-d’œuvre. Pour la zone euro, l’ajustement devrait être plus modeste: le taux d’adoption de l’IA y est près de deux fois inférieur (selon de nombreuses enquêtes auprès des entreprises) et la part d’emplois fortement exposés à l’IA plus restreinte. De plus, la fragmentation du marché unique numérique freine la diffusion de la technologie. Quant au Royaume-Uni, davantage tourné vers les services et prompt à intégrer l’IA dans la finance et le secteur des professions libérales, il se situe dans l’entre-deux.

Capital et démographie

L’IA renforce par ailleurs l’intensité capitalistique et transforme, ce faisant, la structure de la production. Les entreprises investissent massivement dans le matériel informatique, les infrastructures de données et les logiciels. S’il accroît la production par travailleur, cet afflux de capital bouscule aussi l’équilibre capital-travail. À lui seul, l’investissement dans l’IA ne devrait guère profiter à l’emploi. Les dépenses sont principalement liées aux équipements (puces, refroidissement, alimentation électrique) et l’exploitation des centres de données nécessite relativement peu de main-d’œuvre.

L’IA pourrait toutefois amortir le choc démographique, notamment dans les économies avancées, où le vieillissement érode la main-d’œuvre disponible et la croissance potentielle. Par l’automatisation des tâches ou l’augmentation des capacités humaines, elle aide à préserver la production dans des secteurs particulièrement exposés au recul de la population active – santé, industrie manufacturière, logistique et soins aux personnes âgées. Les données empiriques révèlent d’ailleurs un lien étroit entre vieillissement et robotisation, surtout au Japon, en Allemagne et en Corée du Sud.

Marché du travail

L’IA est souvent perçue comme une menace pour l’emploi. La réalité s’avère pourtant plus nuancée: l’IA transforme davantage les tâches qu’elle ne détruit massivement des postes. Plusieurs études font état de changements limités et ciblés dans les pratiques de recrutement des métiers les plus exposés, loin d’un bouleversement généralisé. Les débouchés se réduisent ainsi pour les jeunes ou pour les nouveaux venus sur le marché du travail qui occupent des postes très exposés à l’IA ou axés sur des tâches cognitives routinières. Ces pertes sont en partie compensées, grâce à des gains de productivité, par la création d’emplois dans d’autres segments, notamment les métiers analytiques, techniques et créatifs. Pour l’heure, l’IA freine les recrutements plus qu’elle ne provoque de licenciements à grande échelle. Une étude¹ révèle un recul de 13% des offres pour les postes routiniers et automatisables, contre une hausse de 20% pour les fonctions analytiques, techniques et créatives, depuis le lancement de ChatGPT.

Rien ne permet encore d’affirmer que l’IA modifie en profondeur la participation au marché du travail ou la volonté de travailler. L’IA pourrait stimuler l’offre de main-d’œuvre en diminuant le temps absorbé par les tâches domestiques (au profit de l’activité professionnelle), en optimisant la recherche d’emploi pour une meilleure adéquation entre offres et candidats ou en facilitant l’acquisition de compétences au moyen d’outils d’accompagnement. Mais des loisirs rendus plus attrayants ou une insécurité de l’emploi accrue pourraient produire l’effet inverse. Aujourd’hui, l’impact est surtout visible chez les jeunes: en ralentissant leurs parcours de formation, l’IA risque indirectement de réduire les points d’entrée traditionnels sur le marché du travail et les possibilités de formation en emploi.

Inflation et dynamique des prix

L’IA agit sur l’inflation par plusieurs canaux, parfois en sens opposé. Aux États-Unis, les dépenses d’investissement consacrées à cette technologie exercent déjà de fortes pressions sur les prix de l’électricité, des puces mémoire, des transformateurs et des matériaux de construction, essentiels au déploiement des centres de données. Mobilisant peu de main-d’œuvre, ils ne génèrent en revanche pas de pressions sur les salaires. Nous estimons que l’IA contribue aujourd’hui pour près de 0,3 pp à l’inflation de base des dépenses de consommation des ménages. À plus long terme, les effets au niveau de l’offre – hausse des capacités et baisse des coûts unitaires de main-d’œuvre – devraient favoriser une désinflation.

Cet impact désinflationniste devrait être particulièrement marqué dans les services – la composante la plus persistante de l’inflation – où les gains de productivité favorisés par l’IA sont potentiellement élevés, de nombreuses activités du tertiaire faisant appel à des tâches cognitives. Des études réalisées auprès des entreprises, dont certaines synthétisées par le FMI, relèvent de nettes économies dans la finance, la santé et le service à la clientèle. Les effets sur la concurrence restent en revanche plus ambigus: d’un côté, l’IA accroît la transparence des prix et réduit les coûts de recherche, comprimant les marges; de l’autre, elle consolide la position de quelques acteurs dominants, mieux dotés en données et en puissance de calcul, dont le pouvoir de fixation des prix se renforce. Dans ce contexte, les économies de coûts ne sont pas forcément répercutées en totalité au bénéfice des consommateurs.

Contraintes liées à l’électricité, à l’énergie et aux ressources de calcul

Le déploiement des infrastructures nécessaires à l’IA devient une contrainte macroéconomique majeure. Il se heurte à trois freins interdépendants: la demande d’électricité, la production d’énergie et la disponibilité des ressources de calcul. Ces paramètres, qui devraient se traduire par (i) une inflation plus forte à court terme que ne le suggérerait un scénario fondé uniquement sur une hausse de la productivité, (ii) d’importantes retombées pour les énergéticiens, le «midstream» gazier, le nucléaire et les fabricants d’équipements de réseau, (iii) un décalage avec les politiques de décarbonation, et (iv) une influence croissante de la disponibilité énergétique sur le choix de l’emplacement des capacités d’IA, pourraient redessiner la carte des gains de productivité.

(continuer la lecture ci-dessous)

De fait, aux États-Unis, les obstacles à la construction de centres de données – résistances sociales, contraintes réglementaires et manque de ressources – surgissent alors que la demande s’accélère, sous l’effet de l’adoption de l’IA par les entreprises et l’émergence des plateformes d'agents IA. Ce déséquilibre entre l'offre et la demande se traduit par une hausse du coût par «token», qui est l'unité de base des données traitées par un modèle d'IA.

Politique monétaire

L’IA pose quatre défis sur le plan de la politique monétaire.

Le premier: la mesure. L’amélioration de la qualité des produits, de la personnalisation et des services numériques favorisée par l’IA n’est pas correctement prise en compte dans l’indice des prix à la consommation (IPC) et le PIB. Comme le souligne le FMI (2024), la production réelle pourrait être sous-estimée et l’inflation surestimée de 10 à 30 points de base (pb) par an, ce qui complique la mesure de l’écart de production et du taux d’intérêt naturel².

Le deuxième: le taux d’intérêt naturel. Sa trajectoire fait débat au sein de la Réserve fédérale américaine. Pour son ancien président, Jerome Powell, l’IA devrait, à court terme, pousser le taux d’intérêt naturel à la hausse: la demande – déploiement massif des infrastructures requises – devance les gains de productivité, et les effets désinflationnistes demeurent théoriques à ce stade. Le président actuel, Kevin Warsh, estime à l’inverse que la productivité renforcée par l’IA pourrait soutenir la croissance sans attiser l’inflation, ouvrant la voie à des baisses de taux. Selon notre scénario central, plus proche de la lecture de Jerome Powell, la progression du taux d’intérêt naturel devrait être modeste (quelque 25 pb) au cours de la prochaine décennie, surtout au début, l’investissement précédant les gains de productivité. Les contrepoids – concentration des profits, creusement des inégalités et hausse de l’épargne de précaution – ne devraient pas dominer à un horizon à dix ans. Nous tablons donc sur un taux terminal des Fed funds supérieur à celui des cycles antérieurs à 2020.

Le troisième: la courbe de Phillips. La tarification algorithmique, la transparence accrue des prix et la substitution du capital au travail dans les services pourraient encore aplatir la courbe de Phillips (Banque des règlements internationaux, 2025): l’inflation réagirait moins aux mesures traditionnelles de réduction de la production qu’aux chocs d’offre (énergie, semi-conducteurs, transformateurs, etc.). Ce basculement accroît l’incertitude des prévisions et renforce l’intérêt des indicateurs d’inflation structurels plutôt que purement cycliques.

Et le quatrième: le mécanisme de transmission. Les entreprises à forte intensité d’IA s’appuient surtout sur le capital immatériel, l’autofinancement et l’émission d’actions, au détriment du crédit bancaire. Ce modèle affaiblit le canal des taux d’intérêt (les hyperscalers continuent d’investir malgré les cycles de resserrement) au profit du coût des fonds propres et des conditions financières. Les banques centrales devront donc suivre de plus près les valorisations boursières et les écarts de taux, qui sont désormais des indicateurs indirects de la transmission monétaire, et composer avec des variations de taux aux effets asymétriques entre les secteurs à forte intensité de capital et ceux à forte intensité de main-d’œuvre.

Conclusion

L’intelligence artificielle s’annonce comme l’une des forces macroéconomiques majeures des prochaines décennies. Ni uniformes ni immédiats, ses effets se manifesteront progressivement par de multiples canaux.

Notre scénario central repose sur l’hypothèse d’une hausse graduelle de la productivité et d’une pression désinflationniste (surtout dans le secteur des services), qui s’accompagneront à court terme de pressions sur les prix de l’électricité, des semi-conducteurs de pointe et des matériaux de construction, induites par les dépenses d’investissement. Toutefois, le processus sera long: les gains mesurables au niveau de la productivité totale des facteurs n’apparaissent généralement que cinq à dix ans après la phase de déploiement, le temps que les entreprises absorbent les coûts de mise en œuvre, adaptent leur organisation et acquièrent les compétences requises.

Nos prévisions macroéconomiques restent donc prudentes: pour les dix prochaines années, nous anticipons un accroissement annuel de la productivité de 0,5 pp aux États-Unis, contre 0,1 à 0,3 pp en Europe et au Japon. Ce scénario pourrait évoluer dans les deux sens, bien qu’une hausse semble plus vraisemblable.

L’impact macroéconomique de l’IA dépendra en définitive autant du rythme du progrès technologique que de la capacité d’adaptation des économies, des institutions et des infrastructures, comme l’ont montré les grandes innovations précédentes.