Observatoire du Long Terme
Petite histoire des grandes innovations : des craintes à la prospéritépar Vincent Champain
Retour
L’émergence de technologies de rupture a toujours suscité, au cœur des sociétés, un puissant mélange de fascination et d’effroi. À chaque grande vague d’innovation, une angoisse récurrente s’empare de l’opinion publique : celle de l’obsolescence de l’homme, de la destruction massive des emplois et, in fine, de la fin du travail. Pourtant, l’histoire économique nous enseigne avec constance que ces craintes, bien que légitimes et souvent douloureuses à court terme, se heurtent systématiquement à une réalité plus complexe et fondamentalement créatrice de valeur. Mieux : l’histoire nous apprend comment identifier les effets indésirables et les risques, et comment les minimiser tout en bénéficiant des apports positifs de la technologie.
Les prémices de l’imprimerie à caractères mobiles en métal datent de 1450 à Mayence, sous l’impulsion de Gutenberg. Dès son apparition, l’angoisse est immense au sein des abbayes et des corporations. Les moines copistes et les scribes voient leur monopole s’effondrer et leur rôle évoluer. En 1492, l’abbé Johannes Trithemius rédige ainsi De laude scriptorum (paradoxalement imprimé par la suite), faisant l’apologie des scribes face à l’imprimerie et alertant sur le risque que les moines perdent leur discipline spirituelle liée au travail manuel.
Dans les faits, la baisse drastique du coût du livre a provoqué une explosion de la demande liée à l’alphabétisation et démocratisé l’accès à l’information. Si plusieurs milliers de postes de copistes ont disparu, l’imprimerie a jeté les bases de l’économie de la connaissance, augmentant le PIB européen par l’éducation, et engendrant des dizaines de milliers de nouveaux métiers dans la chaîne du livre – qu’il s’agisse d’auteurs ou d’ouvriers du livre.
L’automatisation du tissage arrive en France avec le métier Jacquard en 1801. Les craintes sur l’emploi furent alors d’une violence inouïe : les artisans tisserands de la soie y voient la destruction de leur savoir-faire, ce qui conduit à la célèbre révolte des Canuts à Lyon en 1831. Toutefois, le paradoxe de Jevons, selon lequel la baisse du prix d’un produit peut entraîner une hausse de la demande telle qu’elle induit une hausse de l’activité et du chiffre d’affaires, s’est pleinement appliqué. La machine ayant rendu le textile moins cher, la demande de vêtements a fortement augmenté. Au lieu de détruire un secteur économique, l’industrie a embauché massivement, faisant du textile le premier moteur du PIB français au XIXᵉ siècle.
Tout le monde a oublié les 4000 allumeurs de réverbères parisiens. Ce dont on se souvient, c’est que l’électricité a accompagné la Seconde révolution industrielle et le développement du travail à la chaîne motorisé, ainsi que l’émergence du secteur de l’électroménager. L’éclairage électrique a permis l’allongement du temps de travail et de loisir nocturne. Au total, l’électricité est à l’origine d’une part significative des gains de productivité des Trente Glorieuses. L’effet indésirable fut la dépendance croissante aux ressources énergétiques.
Dans les années 1990, des ouvrages comme La Fin du travail de Jeremy Rifkin (1995) prédisent un chômage massif. D’autres craignent la disparition des agents de voyage, des postiers (concurrencés par l’e-mail) ou du petit commerce face à la naissance du e-commerce. Enfin, l’arrivée d’Uber sur le marché du transport se heurte à l’opposition des syndicats de taxi. À l’aube des années 2000, la révolution semblait immédiate : des milliards étaient injectés dans la « convergence des médias » par Vivendi, et des « pure players » internet menaçaient de remplacer épiceries, magasins de prêt-à-porter et même le Père Noël (à l’image de la société pere-noel.fr, dont les promesses extravagantes et la gestion approximative ont été sanctionnées par la justice[1]).
Certaines promesses se sont bel et bien réalisées, mais beaucoup plus tard, et avec des gagnants différents – Netflix plutôt que Vivendi. Et la disparition de l’emploi attendue n’a pas eu lieu : la France a actuellement un taux de chômage inférieur à 8%, très loin de celui de la fin des années 90 (proche de 10%). L’impact sur le secteur du transport permet de mieux comprendre comment cela est arrivé : si le nombre de taxis a peu évolué (environ 60.000), la valeur de revente de la « plaque » de taxi a été divisée par 3 et on voit clairement les files s’allonger dans les gares. A côté de cela, on compte 70.000 emplois de VTC en plus, et des situations courantes il y a 30 ans (se retrouver à 2 heures du matin au centre de Paris sans pouvoir trouver de taxi) paraissent désormais anachroniques. L’éviction fiscale a changé de nature : avant c’était la machine à carte bleue du taxi qui était étonnamment souvent en panne, désormais les courses sont comptabilisées précisément mais la marge des plateformes fuit hors de portée du fisc français (Luxembourg notamment).
À la fin des années 80, Solow avait énoncé le paradoxe qui porte son nom : on voyait les ordinateurs partout, sauf dans les statistiques de productivité. Avec le recul, on voit cette productivité : on estime désormais qu’elle représente environ 20 points de PIB, qui ont été gagnés en 25 ans – soit 0,8 % par an. Les changements que l’on imaginait immédiats en 2000 se sont produits, mais plus tardivement, ce qui a rendu l’adaptation de l’emploi et de l’économie plus simple qu’anticipé. Si l’on avait annoncé à n’importe lequel d’entre nous en 2000 qu’il faudrait attendre 20 ans pour que la prise de rendez-vous avec un médecin puisse se faire de façon informatique, personne n’y aurait cru ! Autre phénomène : ce gain de productivité est arrivé à une époque où le reste de la productivité s’est effondré : loin de provoquer un cataclysme sur l’emploi, la productivité d’internet nous a évité l’affaissement de pouvoir d’achat que nous aurions subi sans cette technologie.
Enfin notons qu’internet a apporté de nombreux bénéfices non monétaires (perdre moins de temps pour s’orienter dans une ville que l’on ne connaît pas, échanger avec ses proches) ainsi que quelques effets indésirables (notamment le fonctionnement de notre démocratie, dont les règles définies à l’ère du cheval et du papier font l’objet d’attaques régulières[2] de puissances étrangères plus agiles que nous pour utiliser le numérique contre nous).
Le premier espoir nait dans les années 1950 avec le perceptron de Frank Rosenblatt en 1957, premier réseau de neurones artificiels dont les applications concrètes se limitaient à la classification visuelle de formes simples, avant que ses limites ne conduisent au premier « hiver de l’intelligence artificielle ». Il est matérialisé par un ouvrage publié en 1969 par Minsky et Papert, qui démontre l’impossibilité pour le perceptron de réaliser des opérations mathématiques simples.
Une autre approche a été l’intelligence artificielle symbolique et les langages de résolution de clauses comme Prolog (1972), qui permettent de décrire certains types de problèmes et d’en obtenir une solution. On peut également citer le programme ELIZA (Joseph Weizenbaum, 1966), utilisant des reconnaissances de patterns pour simuler un psychothérapeute en service client, ou le système de diagnostic médical MYCIN. Mais passé les premiers espoirs, ces solutions montrent rapidement leurs limites et restent loin du « test de Turing » : confronté à ces « intelligences », tout utilisateur comprend vite qu’il parle à une machine.
Une voie nouvelle s’ouvre en 1989 lorsque Yann LeCun applique avec succès l’algorithme de rétropropagation à des réseaux de neurones convolutifs (CNN) pour la reconnaissance de chiffres manuscrits (tels que les codes postaux sur les enveloppes), une technologie immédiatement déployée dans la vie réelle pour le tri automatisé des chèques bancaires et du courrier postal. Parallèlement, d’autres formes de réseaux de neurones tels que les réseaux de neurones récurrents (RNN) sont développées, et permettent des progrès significatifs au début des années 2000 pour des applications comme la reconnaissance vocale.
Au-delà de ces découvertes de nouvelles techniques, la véritable explosion des performances de l’intelligence artificielle s’explique par la « Leçon Amère » (The Bitter Lesson) théorisée par Richard Sutton en 2019. Il constate que la méthode la plus efficace pour résoudre un problème est moins de trouver des algorithmes sophistiqués que d’attendre que les coûts des ordinateurs baissent suffisamment pour pouvoir résoudre ce problème « par la force brute » avec une puissance de calcul massive. C’est une leçon amère, car l’histoire récente de l’intelligence artificielle nous enseigne que la force brute bat l’ingéniosité, et qu’une technologie initialement médiocre (comme l’était ChatGPT 2) deviendra rapidement beaucoup plus efficace.
Ainsi le coût d’un TERAFLOP de calcul, c’est-à-dire la réalisation de mille milliards d’opérations mathématiques, est passé de plusieurs millions de dollars il y a trente ans à quelques dizaines de dollars actuellement. Un téléphone mobile haut de gamme peut en faire 6 par seconde et on peut louer une puissance bien supérieure sur le cloud sans rien avoir à investir.
Cette abondance inouïe de calcul abordable a permis l’émergence en 2017 de l’architecture Transformer (publiée par Ashish Vaswani et son équipe chez Google), qui a levé les goulots d’étranglement séquentiels des RNN et servi de fondation directe aux grands modèles de langage (LLM).
Aujourd’hui, le succès des solutions comme ChatGPT-4 d’OpenAI repose sur l’accès à des masses d’informations considérables sur internet (parfois en prenant quelques libertés avec le droit d’auteur, ou en appliquant la version anglo-saxonne de ce droit, plus permissive) sur la capacité à réaliser des volumes de calculs astronomiques à la demande sur le cloud et sur la possibilité de proposer une application à des milliards d’utilisateurs de façon quasi instantanée.
Les investissements mondiaux dans l’IA atteignent désormais des sommets vertigineux : 1000 milliards par an, si l’on additionne le capital-risque, les infrastructures (datacenters, processeurs) des géants technologiques et la transformation des entreprises aux Etats-Unis, en Chine et dans une moindre mesure ailleurs. Pourtant, trois ans après l’irruption de ChatGPT, on n’en voit toujours pas l’impact macroéconomique dans les statistiques de productivité. Une étude de février 2026, portant sur des milliers de dirigeants et pilotée par le très sérieux National Bureau of Economic Research (NBER), ne constate ainsi aucun gain de productivité sur le passé et estime à seulement 1 ou 2 % d’ici trois ans les gains à venir. Si cette tendance se confirme dans les années à venir, on serait sur une courbe comparable à celle d’internet : un impact important sur la productivité, mais plus long à venir que ne l’affirment les gourous de la tech et les consultants à la recherche de la prochaine mission.
Pour l’IA comme dans le cas d’Internet, l’économiste Erik Brynjolfsson explique cette inertie par le temps nécessaire à la réalisation de « co-investissements » : on peut commander un serveur ou souscrire une licence logicielle en un clic, mais il est beaucoup plus long et coûteux de réorganiser les processus de l’entreprise, de former ses équipes ou d’inventer de nouveaux modèles d’affaires. En outre, ces efforts coûtent massivement avant de rapporter, ce qui fait d’abord baisser la productivité avant qu’elle n’augmente.
Ceux qui pilotent aujourd’hui des projets d’IA sur le terrain constatent ces mêmes frictions, et l’enquête de la NBER citée plus haut ne dit pas autre chose. Tout ceci pousse à l’humilité résumée par la loi d’Amara : nous surestimons systématiquement l’impact de la technologie à court terme, mais nous le sous-estimons dramatiquement à long terme.
Cependant, cette confiance macroéconomique ne doit pas occulter la brutalité des transitions, et l’existence d’effets indésirables qui méritent d’être régulés. Dans ce contexte, notre attention doit se focaliser sur deux risques critiques.
Le premier risque concerne les secteurs menacés et le « déversement ». La théorie du déversement économique d’Alfred Sauvy stipule que les gains de productivité nécessitent que l’on accompagne le passage des emplois des secteurs où ils sont rendus sans objet par la technologie, vers ceux où ils répondent à de réels besoins. En matière de santé, de justice ou de sécurité, les besoins sont considérables. Et il est préférable pour les Français de payer des emplois qui leur sont utiles plutôt que des tâches largement mécanisables. L’enjeu majeur est d’organiser et de financer la reconversion des professionnels touchés pour éviter une fracture sociale. C’est le vieux sujet, qui a étonnamment peu progressé depuis trente ans, du passage d’un modèle social centré sur la dépense passive (qui utilise ses moyens pour les allouer à ceux qui sont dans une situation de sous-emploi) à un modèle plus proche du modèle « nordique » centré sur la dépense active (qui met des moyens plus importants pour accompagner le passage d’une situation de sous-emploi ou de sous-productivité vers un emploi de meilleure qualité).
Le deuxième risque est le risque du retard technologique. Dans une économie isolée, on peut ralentir le progrès sans que personne n’en prenne conscience. Dans une économie mondialisée, l’hésitation se paie au prix fort et se traduit rapidement en décrochage économique. Une nation ou une entreprise qui tarde à adopter, à intégrer et à co-investir dans la réorganisation de ses processus s’expose à un décrochage fatal face à ses concurrents plus agiles. La question pour la France n’est pas de décider si elle veut vivre dans un monde où l’on n’utilise ni l’intelligence artificielle ni internet. Son seul choix est de décider si elle veut utiliser les opportunités de ce monde et capitaliser sur ses propres forces pour augmenter sa productivité autant que possible – et donc son pouvoir d’achat mais aussi son pouvoir d’influence dans le monde. Et de noter que fermer la porte au progrès, ce serait à la fois appauvrir ceux qui auraient pu en tirer des opportunités, et se priver de la richesse nécessaire pour financer les fameuses politiques actives évoquées plus haut.
L’innovation demeure un moteur incontestable de notre prospérité future. Son succès ne réside pas dans un rejet craintif, mais dans notre capacité collective à en contrôler les risques tout en s’organisant avec pragmatisme pour en extraire la valeur.
Vincent Champain est dirigeant d’entreprise et président de l’Observatoire du Long Terme (www.longterme.org), think tank dédié aux stratégies et aux enjeux de long terme.
[1] https://www.zdnet.fr/actualites/pere-noelfr-les-anciens-dirigeants-ecopent-de-30-et-6-mois-de-prison-ferme-39130971.htm
[2] Voir notamment https://longterme.org/2025/08/manipulation-et-polarisation-de-lopinion-sur-bfm-la-librairie-de-leco.html
L’imprimerie : la première révolution de l’information
Les prémices de l’imprimerie à caractères mobiles en métal datent de 1450 à Mayence, sous l’impulsion de Gutenberg. Dès son apparition, l’angoisse est immense au sein des abbayes et des corporations. Les moines copistes et les scribes voient leur monopole s’effondrer et leur rôle évoluer. En 1492, l’abbé Johannes Trithemius rédige ainsi De laude scriptorum (paradoxalement imprimé par la suite), faisant l’apologie des scribes face à l’imprimerie et alertant sur le risque que les moines perdent leur discipline spirituelle liée au travail manuel.Dans les faits, la baisse drastique du coût du livre a provoqué une explosion de la demande liée à l’alphabétisation et démocratisé l’accès à l’information. Si plusieurs milliers de postes de copistes ont disparu, l’imprimerie a jeté les bases de l’économie de la connaissance, augmentant le PIB européen par l’éducation, et engendrant des dizaines de milliers de nouveaux métiers dans la chaîne du livre – qu’il s’agisse d’auteurs ou d’ouvriers du livre.
La Machine à Tisser : L’étincelle industrielle
L’automatisation du tissage arrive en France avec le métier Jacquard en 1801. Les craintes sur l’emploi furent alors d’une violence inouïe : les artisans tisserands de la soie y voient la destruction de leur savoir-faire, ce qui conduit à la célèbre révolte des Canuts à Lyon en 1831. Toutefois, le paradoxe de Jevons, selon lequel la baisse du prix d’un produit peut entraîner une hausse de la demande telle qu’elle induit une hausse de l’activité et du chiffre d’affaires, s’est pleinement appliqué. La machine ayant rendu le textile moins cher, la demande de vêtements a fortement augmenté. Au lieu de détruire un secteur économique, l’industrie a embauché massivement, faisant du textile le premier moteur du PIB français au XIXᵉ siècle.La Vapeur et le Train : la contraction de l’espace
Les travaux de Denis Papin (1690) et James Watt (1769) posent les bases. En France, le marquis de Jouffroy d’Abbans fait naviguer un bateau à vapeur dès 1776, mais le pays, riche en bois et en main-d’œuvre, tarde à l’adopter. L’arrivée massive dans l’industrie française se fait sous la Monarchie de Juillet (1830-1848) et sa démocratisation prendra environ 50 ans. La peur se concentre alors logiquement sur les métiers de la force motrice. Les meuniers traditionnels et les haleurs de bateaux redoutent l’obsolescence de leurs fonctions. Pourtant, la vapeur fut le cœur de la première révolution industrielle, générant une croissance inédite dans l’histoire humaine. Dans le même temps, la locomotive bouleverse les distances à partir de 1825. Les relais de poste et les cochers de diligences crient à la faillite. S’y ajoutent des craintes irrationnelles, l’homme politique Adolphe Thiers estimant que le train n’est qu’un « jouet », tandis que d’autres s’inquiètent des effets mortels des écarts de température dans les tunnels. La réalité fut la création d’un marché national unifié et une contribution monumentale au PIB via de gigantesques chantiers d’infrastructures.L’électricité : la lumière et le confort
L’électricité a été découverte par Volta (1800) puis développée notamment par Edison. Elle frappe les esprits en France lors de l’Exposition internationale de l’Électricité à Paris en 1881 et la démocratisation, freinée par la Première Guerre mondiale, s’accélère grâce au programme d’électrification rurale dans les années 1930, pour s’achever dans les années 1950. À l’époque, le syndicat des gaziers mène de violentes campagnes de dénigrement contre ce développement, et la profession des allumeurs de réverbères, très présente à Paris, multiplie les grèves face à cet « ennemi invisible » accusé de causer des incendies mortels.Tout le monde a oublié les 4000 allumeurs de réverbères parisiens. Ce dont on se souvient, c’est que l’électricité a accompagné la Seconde révolution industrielle et le développement du travail à la chaîne motorisé, ainsi que l’émergence du secteur de l’électroménager. L’éclairage électrique a permis l’allongement du temps de travail et de loisir nocturne. Au total, l’électricité est à l’origine d’une part significative des gains de productivité des Trente Glorieuses. L’effet indésirable fut la dépendance croissante aux ressources énergétiques.
Internet : la première révolution numérique
Internet est né avec ARPANET (1969) aux USA, et a également bénéficié de contributions françaises comme celle de Louis Pouzin. En France, son adoption est pourtant d’abord entravée par le succès national du Minitel, avant qu’apparaissent les premiers fournisseurs d’accès grand public en 1994. La démocratisation s’est accélérée avec l’arrivée de l’ADSL au début des années 2000.Dans les années 1990, des ouvrages comme La Fin du travail de Jeremy Rifkin (1995) prédisent un chômage massif. D’autres craignent la disparition des agents de voyage, des postiers (concurrencés par l’e-mail) ou du petit commerce face à la naissance du e-commerce. Enfin, l’arrivée d’Uber sur le marché du transport se heurte à l’opposition des syndicats de taxi. À l’aube des années 2000, la révolution semblait immédiate : des milliards étaient injectés dans la « convergence des médias » par Vivendi, et des « pure players » internet menaçaient de remplacer épiceries, magasins de prêt-à-porter et même le Père Noël (à l’image de la société pere-noel.fr, dont les promesses extravagantes et la gestion approximative ont été sanctionnées par la justice[1]).
Certaines promesses se sont bel et bien réalisées, mais beaucoup plus tard, et avec des gagnants différents – Netflix plutôt que Vivendi. Et la disparition de l’emploi attendue n’a pas eu lieu : la France a actuellement un taux de chômage inférieur à 8%, très loin de celui de la fin des années 90 (proche de 10%). L’impact sur le secteur du transport permet de mieux comprendre comment cela est arrivé : si le nombre de taxis a peu évolué (environ 60.000), la valeur de revente de la « plaque » de taxi a été divisée par 3 et on voit clairement les files s’allonger dans les gares. A côté de cela, on compte 70.000 emplois de VTC en plus, et des situations courantes il y a 30 ans (se retrouver à 2 heures du matin au centre de Paris sans pouvoir trouver de taxi) paraissent désormais anachroniques. L’éviction fiscale a changé de nature : avant c’était la machine à carte bleue du taxi qui était étonnamment souvent en panne, désormais les courses sont comptabilisées précisément mais la marge des plateformes fuit hors de portée du fisc français (Luxembourg notamment).
À la fin des années 80, Solow avait énoncé le paradoxe qui porte son nom : on voyait les ordinateurs partout, sauf dans les statistiques de productivité. Avec le recul, on voit cette productivité : on estime désormais qu’elle représente environ 20 points de PIB, qui ont été gagnés en 25 ans – soit 0,8 % par an. Les changements que l’on imaginait immédiats en 2000 se sont produits, mais plus tardivement, ce qui a rendu l’adaptation de l’emploi et de l’économie plus simple qu’anticipé. Si l’on avait annoncé à n’importe lequel d’entre nous en 2000 qu’il faudrait attendre 20 ans pour que la prise de rendez-vous avec un médecin puisse se faire de façon informatique, personne n’y aurait cru ! Autre phénomène : ce gain de productivité est arrivé à une époque où le reste de la productivité s’est effondré : loin de provoquer un cataclysme sur l’emploi, la productivité d’internet nous a évité l’affaissement de pouvoir d’achat que nous aurions subi sans cette technologie.
Enfin notons qu’internet a apporté de nombreux bénéfices non monétaires (perdre moins de temps pour s’orienter dans une ville que l’on ne connaît pas, échanger avec ses proches) ainsi que quelques effets indésirables (notamment le fonctionnement de notre démocratie, dont les règles définies à l’ère du cheval et du papier font l’objet d’attaques régulières[2] de puissances étrangères plus agiles que nous pour utiliser le numérique contre nous).
L’Intelligence Artificielle : Le choc cognitif et le paradoxe de la productivité
L’idée que l’ordinateur puisse reproduire la pensée humaine n’est pas nouvelle et depuis le tout début de l’informatique, l’intelligence artificielle a connu plusieurs phases de développement suivies de déception avant de prendre l’importance qu’on lui connaît actuellement.Le premier espoir nait dans les années 1950 avec le perceptron de Frank Rosenblatt en 1957, premier réseau de neurones artificiels dont les applications concrètes se limitaient à la classification visuelle de formes simples, avant que ses limites ne conduisent au premier « hiver de l’intelligence artificielle ». Il est matérialisé par un ouvrage publié en 1969 par Minsky et Papert, qui démontre l’impossibilité pour le perceptron de réaliser des opérations mathématiques simples.
Une autre approche a été l’intelligence artificielle symbolique et les langages de résolution de clauses comme Prolog (1972), qui permettent de décrire certains types de problèmes et d’en obtenir une solution. On peut également citer le programme ELIZA (Joseph Weizenbaum, 1966), utilisant des reconnaissances de patterns pour simuler un psychothérapeute en service client, ou le système de diagnostic médical MYCIN. Mais passé les premiers espoirs, ces solutions montrent rapidement leurs limites et restent loin du « test de Turing » : confronté à ces « intelligences », tout utilisateur comprend vite qu’il parle à une machine.
Une voie nouvelle s’ouvre en 1989 lorsque Yann LeCun applique avec succès l’algorithme de rétropropagation à des réseaux de neurones convolutifs (CNN) pour la reconnaissance de chiffres manuscrits (tels que les codes postaux sur les enveloppes), une technologie immédiatement déployée dans la vie réelle pour le tri automatisé des chèques bancaires et du courrier postal. Parallèlement, d’autres formes de réseaux de neurones tels que les réseaux de neurones récurrents (RNN) sont développées, et permettent des progrès significatifs au début des années 2000 pour des applications comme la reconnaissance vocale.
Au-delà de ces découvertes de nouvelles techniques, la véritable explosion des performances de l’intelligence artificielle s’explique par la « Leçon Amère » (The Bitter Lesson) théorisée par Richard Sutton en 2019. Il constate que la méthode la plus efficace pour résoudre un problème est moins de trouver des algorithmes sophistiqués que d’attendre que les coûts des ordinateurs baissent suffisamment pour pouvoir résoudre ce problème « par la force brute » avec une puissance de calcul massive. C’est une leçon amère, car l’histoire récente de l’intelligence artificielle nous enseigne que la force brute bat l’ingéniosité, et qu’une technologie initialement médiocre (comme l’était ChatGPT 2) deviendra rapidement beaucoup plus efficace.
Ainsi le coût d’un TERAFLOP de calcul, c’est-à-dire la réalisation de mille milliards d’opérations mathématiques, est passé de plusieurs millions de dollars il y a trente ans à quelques dizaines de dollars actuellement. Un téléphone mobile haut de gamme peut en faire 6 par seconde et on peut louer une puissance bien supérieure sur le cloud sans rien avoir à investir.
Cette abondance inouïe de calcul abordable a permis l’émergence en 2017 de l’architecture Transformer (publiée par Ashish Vaswani et son équipe chez Google), qui a levé les goulots d’étranglement séquentiels des RNN et servi de fondation directe aux grands modèles de langage (LLM).
Aujourd’hui, le succès des solutions comme ChatGPT-4 d’OpenAI repose sur l’accès à des masses d’informations considérables sur internet (parfois en prenant quelques libertés avec le droit d’auteur, ou en appliquant la version anglo-saxonne de ce droit, plus permissive) sur la capacité à réaliser des volumes de calculs astronomiques à la demande sur le cloud et sur la possibilité de proposer une application à des milliards d’utilisateurs de façon quasi instantanée.
Les investissements mondiaux dans l’IA atteignent désormais des sommets vertigineux : 1000 milliards par an, si l’on additionne le capital-risque, les infrastructures (datacenters, processeurs) des géants technologiques et la transformation des entreprises aux Etats-Unis, en Chine et dans une moindre mesure ailleurs. Pourtant, trois ans après l’irruption de ChatGPT, on n’en voit toujours pas l’impact macroéconomique dans les statistiques de productivité. Une étude de février 2026, portant sur des milliers de dirigeants et pilotée par le très sérieux National Bureau of Economic Research (NBER), ne constate ainsi aucun gain de productivité sur le passé et estime à seulement 1 ou 2 % d’ici trois ans les gains à venir. Si cette tendance se confirme dans les années à venir, on serait sur une courbe comparable à celle d’internet : un impact important sur la productivité, mais plus long à venir que ne l’affirment les gourous de la tech et les consultants à la recherche de la prochaine mission.
Pour l’IA comme dans le cas d’Internet, l’économiste Erik Brynjolfsson explique cette inertie par le temps nécessaire à la réalisation de « co-investissements » : on peut commander un serveur ou souscrire une licence logicielle en un clic, mais il est beaucoup plus long et coûteux de réorganiser les processus de l’entreprise, de former ses équipes ou d’inventer de nouveaux modèles d’affaires. En outre, ces efforts coûtent massivement avant de rapporter, ce qui fait d’abord baisser la productivité avant qu’elle n’augmente.
Ceux qui pilotent aujourd’hui des projets d’IA sur le terrain constatent ces mêmes frictions, et l’enquête de la NBER citée plus haut ne dit pas autre chose. Tout ceci pousse à l’humilité résumée par la loi d’Amara : nous surestimons systématiquement l’impact de la technologie à court terme, mais nous le sous-estimons dramatiquement à long terme.
Naviguer entre confiance et vigilance
À la lecture des siècles passés, nous pouvons et nous devons aborder les ruptures technologiques en cours avec une confiance globale. Toute innovation majeure, malgré les perturbations et les angoisses initiales, s’avère fondamentalement positive pour le développement et la création de richesse collective.Cependant, cette confiance macroéconomique ne doit pas occulter la brutalité des transitions, et l’existence d’effets indésirables qui méritent d’être régulés. Dans ce contexte, notre attention doit se focaliser sur deux risques critiques.
Le premier risque concerne les secteurs menacés et le « déversement ». La théorie du déversement économique d’Alfred Sauvy stipule que les gains de productivité nécessitent que l’on accompagne le passage des emplois des secteurs où ils sont rendus sans objet par la technologie, vers ceux où ils répondent à de réels besoins. En matière de santé, de justice ou de sécurité, les besoins sont considérables. Et il est préférable pour les Français de payer des emplois qui leur sont utiles plutôt que des tâches largement mécanisables. L’enjeu majeur est d’organiser et de financer la reconversion des professionnels touchés pour éviter une fracture sociale. C’est le vieux sujet, qui a étonnamment peu progressé depuis trente ans, du passage d’un modèle social centré sur la dépense passive (qui utilise ses moyens pour les allouer à ceux qui sont dans une situation de sous-emploi) à un modèle plus proche du modèle « nordique » centré sur la dépense active (qui met des moyens plus importants pour accompagner le passage d’une situation de sous-emploi ou de sous-productivité vers un emploi de meilleure qualité).
Le deuxième risque est le risque du retard technologique. Dans une économie isolée, on peut ralentir le progrès sans que personne n’en prenne conscience. Dans une économie mondialisée, l’hésitation se paie au prix fort et se traduit rapidement en décrochage économique. Une nation ou une entreprise qui tarde à adopter, à intégrer et à co-investir dans la réorganisation de ses processus s’expose à un décrochage fatal face à ses concurrents plus agiles. La question pour la France n’est pas de décider si elle veut vivre dans un monde où l’on n’utilise ni l’intelligence artificielle ni internet. Son seul choix est de décider si elle veut utiliser les opportunités de ce monde et capitaliser sur ses propres forces pour augmenter sa productivité autant que possible – et donc son pouvoir d’achat mais aussi son pouvoir d’influence dans le monde. Et de noter que fermer la porte au progrès, ce serait à la fois appauvrir ceux qui auraient pu en tirer des opportunités, et se priver de la richesse nécessaire pour financer les fameuses politiques actives évoquées plus haut.
L’innovation demeure un moteur incontestable de notre prospérité future. Son succès ne réside pas dans un rejet craintif, mais dans notre capacité collective à en contrôler les risques tout en s’organisant avec pragmatisme pour en extraire la valeur.
Vincent Champain est dirigeant d’entreprise et président de l’Observatoire du Long Terme (www.longterme.org), think tank dédié aux stratégies et aux enjeux de long terme.
[1] https://www.zdnet.fr/actualites/pere-noelfr-les-anciens-dirigeants-ecopent-de-30-et-6-mois-de-prison-ferme-39130971.htm
[2] Voir notamment https://longterme.org/2025/08/manipulation-et-polarisation-de-lopinion-sur-bfm-la-librairie-de-leco.html
Autres articles sur le même thème
La puissance scientifique comme construction politique de long terme
Leçons chinoises : la puissance scientifique et le temps long
Par Vincent Champain
Par Vincent Champain
Mag #34
Lire l'article
Le décalage entre innovation technologique et gains de productivité
500 milliards par an pour l’IA, où est passée la productivité ?
Mag #33
Lire l'article
