L’intelligence artificielle n’a pas encore produit le choc social massif annoncé par certains scénarios. Mais ses premiers effets sur l’emploi sont déjà visibles, notamment à l’entrée du marché du travail. Simon JOHNSON, professeur au Massachusetts Institute of Technology, ancien chef économiste du FMI et colauréat du prix Nobel d’économie 2024 avec Daron ACEMOGLU et James A. ROBINSON, défend une lecture prudente de la transformation en cours. Selon l’entretien accordé aux Échos, l’IA reste pour l’instant une technologie surtout utilisée pour automatiser certaines tâches, en particulier celles confiées aux juniors. Cette orientation contribue, selon lui, au ralentissement des embauches de jeunes diplômés.
Le constat tranche avec le discours dominant dans la Silicon Valley. Depuis l’essor de l’IA générative, une partie de l’industrie technologique promet des gains de productivité considérables, une abondance économique retrouvée et, à terme, une réduction du temps de travail. Simon JOHNSON ne nie pas le potentiel productif de cette technologie. Il rappelle toutefois que les effets économiques observés restent, à ce stade, limités, hors investissements massifs dans les data centers, qui soutiennent une partie de la croissance américaine. L’enjeu n’est donc pas uniquement de mesurer la puissance des modèles, mais d’identifier les bénéficiaires réels de leur diffusion.
La question de la valeur reste centrale. Les services produits par l’IA, notamment lorsqu’ils sont gratuits ou peu coûteux, sont difficiles à intégrer dans les modèles économiques classiques. Un conseil donné par ChatGPT, une synthèse automatisée ou un diagnostic préliminaire peuvent avoir une utilité immédiate, mais leur valeur économique n’est pas toujours captée clairement. Cette difficulté complique l’analyse de la productivité réelle. Elle rend également plus incertain le partage des gains entre entreprises, clients, collaborateurs et détenteurs de capital.
Le risque principal identifié par Simon JOHNSON concerne la distribution des bénéfices. L’IA peut réduire certains coûts, comme le montre l’exemple des cabinets d’avocats new-yorkais, où des clients demandent déjà des versions de documents passées uniquement par l’IA afin de limiter les honoraires. Mais cette baisse de coût ne signifie pas nécessairement une amélioration du pouvoir d’achat ou des conditions de travail. Selon l’économiste, l’IA pourrait d’abord profiter aux dirigeants et aux profils les mieux rémunérés, en rendant inutiles des tâches jusque-là réalisées par des collaborateurs moins expérimentés ou situés dans les niveaux intermédiaires de l’organisation.
Cette dynamique est particulièrement sensible pour les jeunes diplômés. Leur premier emploi repose souvent sur des missions d’analyse, de recherche, de rédaction, de vérification ou de production documentaire. Ce sont précisément ces tâches que les outils d’IA peuvent aujourd’hui traiter rapidement. Le problème n’est pas seulement la suppression potentielle de postes. Il tient aussi à l’érosion des parcours d’apprentissage. Si les juniors ne réalisent plus les tâches qui leur permettaient d’acquérir de l’expertise, les entreprises risquent d’affaiblir leurs propres viviers de compétences.
Simon JOHNSON plaide pour une autre trajectoire : une IA favorable aux travailleurs. L’expression désigne une technologie qui complète l’expertise humaine, élargit le champ d’action des collaborateurs et crée de nouvelles tâches, au lieu de rendre les compétences existantes obsolètes. L’exemple cité dans une étude cosignée avec Daron ACEMOGLU et David AUTOR illustre cette approche : un assistant développé par Schneider Electric pour les électriciens, capable d’aider au diagnostic des pannes, à l’interprétation des données, à la rédaction de rapports et à l’intervention technique. Dans ce cas, l’outil ne remplace pas le professionnel. Il augmente sa capacité d’action.
Cette distinction est déterminante pour les directions générales et les directions des ressources humaines. L’IA d’automatisation vise prioritairement la réduction des coûts. L’IA d’augmentation vise la montée en compétence, la qualité d’exécution et la robustesse opérationnelle. La première peut produire des gains rapides, mais fragiliser l’emploi et la transmission des savoirs. La seconde demande plus d’investissement, de formation et de gouvernance, mais peut renforcer durablement la compétitivité.
Le problème, selon Simon JOHNSON, est que les entreprises privilégient souvent l’automatisation, car elle paraît plus rentable à court terme. L’exemple de Waymo à San Francisco montre cette logique. Les taxis sans chauffeur gagnent des parts de marché, mais contrairement à l’arrivée d’Uber à New York, qui avait élargi la demande tout en maintenant une forte présence de chauffeurs, ce modèle réduit directement le besoin de travail humain. La technologie ne produit donc pas mécaniquement plus d’activité pour tous. Son effet dépend du modèle économique qui l’accompagne.
Pour orienter les entreprises vers une IA plus favorable aux collaborateurs, Simon JOHNSON défend des incitations publiques et contractuelles. Les clients des grands fournisseurs d’IA pourraient intégrer des exigences sociales dans leurs contrats avec OpenAI, Anthropic ou Google. Les pouvoirs publics pourraient aussi mobiliser les subventions, renforcer le droit de la concurrence, protéger l’expertise humaine contre sa captation par les systèmes d’IA et rééquilibrer la fiscalité entre investissement technologique, embauche et formation.
L’économiste rejette enfin l’idée d’un revenu universel comme réponse principale aux effets de l’IA. Il lui préfère un dividende technologique, inspiré du modèle de l’Alaska, où une partie des revenus pétroliers est redistribuée aux habitants. Son argument est politique autant qu’économique : les individus ont besoin de dignité, de pouvoir d’action et de participation aux décisions qui transforment leur travail. Pour les entreprises, le message est clair. L’IA ne sera pas seulement un sujet de productivité. Elle deviendra un test de gouvernance, de partage de la valeur et de responsabilité sociale.
