Les impacts économiques de l'Intelligence Artificielle

Comme nous le montrerons dans cette section, de nombreuses nouvelles données et statistiques ont été publiées au cours des derniers trimestres, et les connaissances connexes se sont améliorées.

Aux États-Unis, depuis septembre 2023, le Bureau du recensement a inclus des questions sur l'adoption de l'IA dans l'enquête bihebdomadaire qu'il réalise auprès d'un large échantillon d'entreprises. En décembre 2024, plus de 6,0 % des entreprises américaines dans tous les secteurs ont déjà indiqué qu'elles utilisaient l'IA dans leur processus de production, contre seulement 3,7 % un an plus tôt : en très peu de temps – cette part a considérablement augmenté. De plus, environ 9 % ont indiqué qu'ils avaient l'intention de l'utiliser dans les six mois (cette part est également en augmentation). Ces chiffres montrent que l'adoption de l'IA par les entreprises est rapide et qu'elle n'en est qu'à ses débuts : le potentiel de diffusion est significatif.

Part des entreprises américaines utilisant ou prévoyant d'utiliser l'IA
dans la production de biens et de services

L'adoption de l'IA générative par les ménages est très rapide. Un document de travail du NBER publié en 2024 a éclairé ce phénomène et a même montré que l'adoption de l'IA générative par les ménages était en avance sur celle des ordinateurs et d'Internet à leur époque. En effet, son taux d'adoption parmi la population âgée de 18 à 64 ans est de 39,4 % deux ans après son lancement, soit deux fois plus élevé que celui d'Internet à l'époque. Un autre point intéressant de cette étude est qu'environ la même part de personnes interrogées indique qu'elles l'utilisent au travail et en dehors du travail. La diversité des tâches demandées est importante. Pour les personnes qui l'utilisent au travail, nous trouvons par ordre de pertinence qu'elle est utilisée pour : rédiger des communications, effectuer des tâches administratives, interpréter/traduire/résumer, et rechercher des faits ou des informations. Pour les personnes l'utilisant en dehors du travail, nous trouvons par ordre d'importance qu'elle est utilisée pour : rédiger des communications, interpréter/traduire/résumer, assistance personnelle et recherche d'idées. Cela illustre le potentiel de développement de l'utilisation de l'IA générative.

L'adoption de la technologie parmi les ménages américains

L'accent accru sur l'importance de mesurer l'impact de l'IA dans l'économie est attesté par l'augmentation récente des données publiées sur le sujet. Par exemple, le Bureau du recensement des États-Unis a commencé à publier la répartition des investissements avec une attention particulière sur les centres de données, soulignant la pertinence accrue de l'investissement privé dans les centres de données par rapport au total. De plus, il a récemment publié un focus spécial sur l'emploi dans les centres de données dans ses Indicateurs trimestriels de la main-d'œuvre, montrant que l'emploi dans les centres de données américains a augmenté de plus de 60 % au niveau national entre 2016 et 2023, les deux États les plus peuplés des États-Unis ayant la plus forte part d'emploi dans les centres de données, avec 17 % en Californie et 10 % au Texas.

Bureau standard vs. Centre de données

Les études empiriques axées sur une perspective "bottom-up"et microéconomique soulignent que les gains de productivité rendus possibles par l'IA peuvent être spectaculaires au niveau sectoriel.

De nombreuses études sectorielles ont été publiées en 2024. Une étude du MIT en est un exemple. Le chercheur a été autorisé à suivre les équipes scientifiques d'une grande entreprise américaine dans le secteur de l'ingénierie des matériaux pendant plusieurs années. Cette entreprise a déployé des outils d'IA en plusieurs vagues, ce qui a permis de mesurer les gains de productivité des scientifiques liés à l'IA. L'article montre que, toutes choses étant égales par ailleurs, les scientifiques assistés par l'IA découvrent 44 % de matériaux en plus. Cet afflux de matériaux a conduit à une augmentation de 39 % des dépôts de brevets et, plusieurs mois plus tard, à une hausse de 17 % des prototypes de produits incorporant les nouveaux composés. En tenant compte des coûts d'entrée, l'outil augmente l'efficacité de la R&D de 13 à 15 %.

Le même type de résultats a été trouvé dans l'industrie pharmaceutique, alors qu'un nombre croissant de médicaments et de vaccins ont été découverts grâce à l'IA. Les taux de succès des molécules découvertes par l'IA lors des essais de Phase I et II sont environ deux fois supérieurs à ceux des molécules découvertes de manière conventionnelle, ce qui permettrait aux entreprises d'atteindre soit le même rendement avec moins de ressources et de coûts, soit d'augmenter le nombre total de nouveaux médicaments lancés avec les mêmes ressources.

Nombre de molécules découvertes par l'IA dans des essais cliniques

Les études empiriques au niveau macroéconomique sont moins concluantes en raison de la complexité de la mesure de la productivité à une échelle agrégée. Une multitude d'estimations – dont plusieurs proviennent d'institutions internationales comme le FMI et l'OCDE – sur l'impact de l'IA sur la productivité ont été publiées en 2023-2024.

Elles se concentrent sur différents pays et font différentes hypothèses sur des facteurs clés, tels que : la vitesse d'adoption de l'IA par les entreprises, l'adéquation des compétences pour l'adoption, les progrès futurs des modèles d'IA, le degré d'intégration avec la robotisation pour les tâches les plus manuelles, les politiques publiques pour promouvoir/ralentir l'adoption de l'IA, etc.

Ainsi, il est compréhensible qu'elles parviennent à des conclusions très différentes sur l'impact économique. Néanmoins, elles s'accordent toutes à dire que les gains de productivité permis par l'IA au cours des prochaines décennies seront significatifs au niveau macroéconomique, plusieurs d'entre elles concluant que la croissance annuelle de la productivité du travail devrait augmenter d'environ 1 point de pourcentage au cours de la prochaine décennie. Bien que cette constatation soit généralement positive et prometteuse, il reste à voir si l'impact positif de l'IA sera suffisant pour contrebalancer l'effet négatif sur la croissance économique du vieillissement de la population qui se produit à la fois dans les économies développées et émergentes.

Augmentation prévue de la croissance annuelle de la productivité du travail
sur un horizon de dix ans en raison de l'IA

Le message principal des études ci-dessus est que l'IA est un thème avec de larges implications macroéconomiques et financières. En tant que tel, nous l'incorporons explicitement dans notre publication sur les hypothèses de marché des capitaux à long terme et faisons progresser notre analyse en différenciant les économies en fonction d'un mélange de caractéristiques structurelles et institutionnelles qui nous permettent d'identifier les leaders et les retardataires en matière d'IA axée sur la productivité dans les économies développées et émergentes. Fait intéressant, certaines économies émergentes semblent bien positionnées parmi les leaders en matière de préparation et d'adoption de l'IA.

Cinq principales économies développées et émergentes en matière de préparation à l'IA

Nous utilisons l'Indice AIPI (AI Preparedness Index) du FMI et ses sous-composantes pour différencier le point de départ entre les économies, tandis que des aspects tels que la réglementation, l'intensité de l'innovation et la disponibilité du capital limitent le pic et la vitesse des gains de productivité au fil du temps. Selon ces facteurs, la productivité, l'investissement en capital et la dépréciation du capital sont modélisés pour estimer l'impact de la productivité sur la croissance du PIB potentiel.

Point de départ : Nous utilisons l'AIPI (dernières données disponibles en 2023) comme point de départ entre les économies. Cet indice couvre plusieurs domaines de préparation à l'IA et est composé d'un ensemble sélectionné d'indicateurs macro-structurels jugés pertinents pour l'adoption de l'IA, organisés en quatre groupes :

• infrastructure numérique,
• innovation et intégration économique,
• capital humain et politiques du marché du travail,
• réglementation et éthique.

Les pays sont ensuite classés en conséquence. C'est notre point de départ pour les simulations : plus le rang est bas, plus le gain de productivité est faible.

Productivité : Le gain de productivité est façonné de manière similaire à la courbe américaine observée dans les années 1990-2000. Le pic est modélisé pour être atteint en moyenne 14 ans après l'introduction de l'IA. Cependant, selon la préparation de chaque pays, le gain de productivité, tant au pic qu'au long de la courbe, varie d'un pays à l'autre en fonction de l'AIPI et d'autres paramètres représentant la réglementation et la probabilité de succès. La réglementation identifie les pays où la bureaucratie ralentit l'innovation et où l'impact économique est progressif. La « probabilité de succès » différencie les pays en fonction de la probabilité que leur investissement dans l'innovation se traduise par des gains généralisés.

Taux de dépréciation : Cet indice est également modélisé sur l'expérience américaine durant la période 1990-2000, en supposant que, lorsqu'une nouvelle technologie est introduite, le capital existant devient obsolète plus rapidement qu'auparavant. Les taux de dépréciation sont différenciés selon les pays en fonction de l'AIPI.

Investissement : À mesure que le capital devient obsolète plus rapidement, de nouveaux investissements sont nécessaires. Nous supposons que le côté investissement réagira également à la révolution technologique, avec une augmentation des dépenses d'investissement (Capex). Cependant, des Capex plus élevés peuvent ne pas se traduire par des bénéfices évidents en termes de productivité, surtout dans les phases initiales, compte tenu de la forte dépréciation et de la faible probabilité de succès.

En considérant tous les éléments ci-dessus, nous nous attendons à ce que les États-Unis soient un gagnant précoce dans la première décennie d'adoption de l'IA, avec une contribution estimée à la croissance du PIB provenant du coup de pouce de l'IA à la productivité d'environ 0,35 point de pourcentage.

Les marchés développés européens (DM Europe) suivront dans la deuxième décennie, avec une contribution plus faible à la croissance du PIB (environ 0,3 point de pourcentage), tandis que l'Asie accuse un retard dans l'impact estimé malgré le fait que certaines de ses économies se classent actuellement parmi les meilleures en matière de préparation à l'IA.

Pour l'Asie, nous voyons la contribution à la croissance du PIB comme étant seulement de 0,14 point de pourcentage dans la deuxième décennie d'adoption de l'IA.

Ces résultats peuvent être bien expliqués en examinant le sous-indice de réglementation dans l'AIPI, qui est clé dans le cas de la diffusion de l'innovation : il est pénalisant pour l'Asie par rapport à l'Europe, et pénalisant pour l'Europe par rapport à l'Amérique du Nord. Cette dernière a moins de bureaucratie que les autres régions, ce qui lui permet d'adopter toute innovation plus rapidement. Dans le graphique ci-dessus, la dynamique particulière observée pour l'Amérique Latine – qui atteindra un pic dans la deuxième décennie puis la contribution à la croissance reculera – pourrait être expliquée par le manque d'investissement en Amérique Latine, ce qui empêche l'IA de soutenir la croissance du PIB de manière plus forte.

Contribution à la croissance du PIB grâce à l'augmentation de la productivité liée à l'IA

Alors que les dépenses d'investissement liées à l'IA sont sous les projecteurs et ont gagné en pertinence en soutenant des dépenses d'investissement plus larges, elles ne représentent encore que 7 % des dépenses d'investissement globales. En tant que tel, elles ne sont pas 'visibles' en tant que facteur de changement dans les comptes nationaux.

Pourtant, en surveillant certaines données économiques opportunes déjà disponibles, il est possible d'évaluer la vitesse d'adoption dans l'économie parmi les entreprises et les ménages. Nous avons développé un outil de suivi ad hoc pour aider à suivre son impact de manière opportune (par exemple, pour les dépenses d'investissement et le PIB, nous nous concentrons sur les ordinateurs et les équipements périphériques, la production industrielle technologique, les enquêtes technologiques des banques régionales et la construction d'installations informatiques et électroniques).

Concernant les dépenses d'investissement réelles, il apparaît qu'à partir des données du T3 2024, après une première poussée des dépenses en R&D et en logiciels en 2021-22, à la fois la tendance et l'élan se sont progressivement modérés dans ces catégories. Pendant ce temps, il y a eu une forte augmentation des dépenses en ordinateurs et en équipements périphériques qui a fortement accéléré en 2024, soutenue par la demande de serveurs alimentée par l'IA, reflétant l'augmentation des investissements et de l'adoption à travers les entreprises et les secteurs (voir le graphique ci-dessous).

Cette tendance est également clairement visible dans la dynamique des commandes de biens durables, où les nouvelles commandes de biens durables, d'ordinateurs et de produits connexes ont fortement augmenté depuis 2022 et restent sur une forte tendance à la hausse. Cela suggère que les investissements en capital dans les ordinateurs resteront soutenus, tout comme la production industrielle, qui a réaccéléré au second semestre 2024. Notamment, le sous-indice de production industrielle pour les technologies de pointe s'est fortement décorrélé de l'indice global.

Les développements récents dans l'IA soulignent à quel point le secteur technologique évolue rapidement, impactant les entreprises qui ont construit des avantages concurrentiels et suscitant l'enthousiasme des investisseurs ces derniers mois. Pour ces entreprises, l'arrivée de DeepSeek (le nouvel entrant chinois dans le domaine de l'IA) et de modèles d'IA open-source plus efficaces augmentent l'incertitude quant à l'avenir des bénéfices. Cependant, d'un point de vue macroéconomique, nous le voyons comme un possible tournant pour l'adoption de l'IA, montrant que le thème de l'IA n'est pas terminé, mais évolue.

En particulier, l'efficacité des coûts est un moteur clé de la diffusion technologique, expliqué par un concept clé de la révolution de l'IA, le paradoxe de Jevons. Cela signifie qu'une efficacité accrue dans une technologie peut conduire à une consommation accrue d'une certaine ressource à mesure que la technologie devient plus abordable ; une efficacité plus élevée ne se traduira pas nécessairement par un investissement plus faible, mais probablement le contraire.

L'investissement en IA qui était irréalisable pour de nombreuses petites entreprises devient désormais abordable. L'investissement en IA devient plus diversifié et potentiellement beaucoup plus élevé en termes composés pour l'ensemble de l'économie. Les tendances de normalisation des dépenses en capital liées à l'IA parmi les Magnifiques 7 pointent dans cette direction, alors que nous nous attendons à passer d'une phase de dépenses en capital concentrées sur l'IA à une phase d'adoption potentiellement plus large. En fait, des coûts plus bas pour les modèles d'IA pourraient conduire à une adoption plus rapide tant par les entreprises que par les ménages, à des dépenses plus élevées et à un investissement agrégé pour l'IA, boostant ainsi la productivité agrégée.

Tendance des dépenses d'investissement des Magnificent 7

Pour résumer, nous nous attendons à ce que la tendance de l'IA influence les résultats économiques et de marché. Les derniers événements s'alignent avec notre point de vue selon lequel une concurrence et une innovation continues sont susceptibles de créer des gagnants et des perdants, et d'aider à élargir les bénéfices de la nouvelle technologie à travers l'économie en abaissant les barrières à l'entrée, en accélérant l'adoption et en créant de nouvelles opportunités.