L'IA va-t-elle remplacer les emplois ?
Toutes les paniques passées face à l'automatisation se sont trompées. Cette fois, ce sont ceux qui ont construit la technologie qui donnent l'alerte. La question intéressante n'est pas de savoir si l'IA déplace du travail, mais si ce déplacement va plus vite que la réallocation, et ce que font les institutions dans l'intervalle.
Voir comme graphe de débatHinton claque la porte
« L'idée que ces machines puissent devenir plus intelligentes que les humains, quelques personnes y croyaient. Mais la plupart des gens pensaient que c'était très loin. Et moi aussi, je pensais que c'était très loin. Je pensais que c'était dans 30 à 50 ans, voire davantage. Manifestement, je ne le pense plus. »
— Geoffrey Hinton, à sa sortie de Google, New York Times, 1er mai 2023
Le parrain de l'IA a quitté Google à 75 ans pour pouvoir avertir le public librement. Cinq mois plus tard, il s'asseyait devant les caméras de 60 Minutes et disait la même chose, plus lentement.
Face à quiconque prédit un chômage technologique de masse, la réponse réflexe a de solides états de service : les prédictions se sont trompées, encore et encore, depuis deux siècles. Les tisserands à bras annonçaient la ruine, et les nouvelles fabriques ont embauché plus d'ouvriers que l'artisanat n'en perdait. Les standardistes ont été automatisées par millions, et le secteur des centres d'appels qui a pris leur place était plus grand. Les distributeurs automatiques devaient signer la fin des guichetiers bancaires, dont le nombre a augmenté. Chaque vague a déplacé des travailleurs bien précis et créé en aval davantage d'emplois au total. Le réflexe dit : c'est une vague de plus.
Ce n'est pas la première vague d'avertissements sur l'IA et l'emploi. La littérature qui l'a immédiatement précédée venait de l'extérieur. L'article publié à Oxford en 2013 par Carl Benedikt Frey et Michael Osborne estimait qu'« environ 47 % de l'emploi total aux États-Unis est menacé » par l'informatisation d'ici « un nombre d'années non précisé, peut-être une décennie ou deux ». A World Without Work (2020), de Daniel Susskind, soutenait que le schéma historique lui-même était en train de se rompre. Ces avertissements ont atterri dans des tribunes, des conférences TED et des notes de politique publique, et les années 2010 les ont pour l'essentiel absorbés sans que l'empreinte macroéconomique se matérialise.
Ce qui distingue 2023, c'est que le réflexe est mis en défaut de l'intérieur. Hinton a inventé l'algorithme de rétropropagation qui rend possibles les réseaux de neurones. Il a passé une décennie chez Google. Quand il a démissionné pour avertir le public, c'était l'homme qui avait construit le moteur, expliquant à tout le monde qu'il avait sous-estimé la vitesse à laquelle il tournerait. Yoshua Bengio, colauréat avec lui du prix Turing, a signé les mêmes lettres. En deux ans, le PDG d'Anthropic et un lauréat du prix Nobel d'économie tenaient des variantes du même propos : nous ne sommes peut-être plus dans le schéma ancien.
Le bilan historique est réel, et l'asymétrie de ceux qui alertent l'est tout autant. Les paniques passées face à l'automatisation venaient de l'extérieur de la technologie, qu'il s'agisse de responsables politiques, de journalistes ou de travailleurs déplacés. La vague catastrophiste d'avant les LLM (Frey-Osborne, Susskind) venait elle aussi de l'extérieur : des universitaires y projetaient un déplacement massif que le marché du travail a pour l'essentiel absorbé. La vague de 2023 est la première où les ingénieurs, les dirigeants et les théoriciens qui ont construit l'outil sont ceux qui alertent. Cela ne leur donne pas raison. Cela les rend plus difficiles à écarter comme des profanes plaquant des schémas sur des métiers qu'ils ne comprenaient pas.
Cette fois est-elle vraiment différente ?
« À en juger par le paradigme actuel de l'industrie technologique, nous ne pouvons pas exclure le pire des mondes possibles : rien du potentiel transformateur de l'IA, mais tout le déplacement de main-d'œuvre, toute la désinformation et toute la manipulation. »
— Daron Acemoglu, lauréat du prix Nobel 2024, Project Syndicate, décembre 2024
La position catastrophiste formulée depuis le courant dominant est plus tranchante que sa version Twitter. Acemoglu affirme que l'IA est déployée selon un schéma qui consiste à remplacer les travailleurs, à capter le gain de productivité et à ne rien redistribuer, et que l'approche par les tâches prédit à ce schéma un effet pire pour le travail que ne l'annonce la lecture optimiste. Hinton, Bengio, Amodei et Susskind tiennent la même ligne, en argumentant de l'intérieur.
« Les luddites n'avaient pas tort de penser que les machines détruiraient des emplois de leur vivant. Ils se trompaient sur la suite. Chaque vague d'automatisation passée a fini par produire plus d'emplois, et mieux payés en termes réels, qu'elle n'en avait déplacé. »
— le schéma historique, résumé
Le bilan historique est constant : la technologie modifie les tâches que font les humains sans supprimer la demande globale de travail humain. La révolution industrielle a déplacé les tisserands à bras et a fini par produire une classe ouvrière aux salaires réels plus élevés et aux journées plus courtes. L'informatique a fait disparaître des métiers entiers (standardiste, typographe, agent de voyages), et la population active postindustrielle est plus nombreuse et mieux payée. L'a priori est solide. La question est de savoir si quelque chose, dans la vague de 2023, rompt ce schéma, ou si les avertissements sont le nouvel épisode d'une vieille erreur : prendre une douleur de court terme pour une trajectoire de long terme.
Le verdict à l'étape 1
C'est le premier cycle d'automatisation où ceux qui ont construit la technologie avertissent publiquement qu'elle est dangereuse. Ce n'est pas la preuve qu'ils ont raison. C'est une raison de prendre la position catastrophiste assez au sérieux pour la confronter au modèle dont se servent réellement les économistes du travail. Le bilan historique est instructif, mais ce n'est pas une déduction. Le modèle pertinent est celui qu'Acemoglu a lui-même construit, et il ne livre pas automatiquement la réponse optimiste.
Laissons donc le réflexe historique de côté le temps d'une étape. Prenons au mot ceux qui alertent depuis l'intérieur de la technologie. Que prédit le modèle dont se servent les économistes du travail du courant dominant pour penser l'automatisation ?
L'approche par les tâches, et ce qu'en pense aujourd'hui son inventeur
« Si l'effet de l'IA sur le marché du travail sera probablement important, la plupart des emplois et des secteurs ne sont que partiellement exposés à l'automatisation et ont donc plus de chances d'être complétés que remplacés par l'IA… une adoption généralisée de l'IA pourrait à terme entraîner une hausse de 7 % du PIB mondial annuel sur une période de dix ans. »
— Joseph Briggs & Devesh Kodnani, Goldman Sachs, « The Potentially Large Effects of Artificial Intelligence on Economic Growth », 26 mars 2023
Les gros titres ont retenu le chiffre des 300 millions d'emplois et laissé tomber le reste de la phrase. L'étude complète est plus prudente, et plus intéressante, que sa réduction virale.
Le cadre dont Goldman se sert discrètement, et celui qu'Acemoglu et Restrepo ont construit explicitement entre 2018 et 2022, c'est l'approche par les tâches. L'unité d'analyse n'est pas l'emploi, ce sont les tâches. L'emploi d'une radiologue est un ensemble de tâches : lire des clichés, échanger avec les médecins, se coordonner avec les chirurgiens, expliquer les diagnostics aux patients. Une technologie automatise une tâche quand elle l'accomplit à moindre coût qu'un humain. Qu'elle perde ou non son emploi dépend de ce qu'il advient du reste de son ensemble de tâches.
Ce cadre décompose l'effet sur le travail en trois forces. L'effet de déplacement : des tâches automatisées, des travailleurs remplacés. L'effet de productivité : une production moins chère, donc davantage de demande pour les tâches non automatisées. L'effet de rétablissement : des tâches nouvelles apparaissent, qui n'existaient pas auparavant (ingénieurs logiciels, ingénieurs de prompts, auditeurs d'IA). Selon la lecture optimiste, la productivité et le rétablissement prennent de vitesse le déplacement. Selon la lecture pessimiste, ce n'est pas le cas, ou pas assez vite.
Dans la formulation d'Acemoglu et Restrepo, la part du travail évolue avec la croissance relative des marges de déplacement et de rétablissement :
$$\Delta s_L \approx (\text{reinstatement}) - (\text{displacement}) + (\text{productivity-induced demand})$$Quand le rétablissement et la productivité dominent, la part du travail se redresse et les salaires réels augmentent (le schéma historique). Quand c'est le déplacement qui domine, ce qu'Acemoglu appelle « l'automatisation sans plus », la part du travail recule et la croissance des salaires stagne.
Voyez l'automatisation comme une course entre trois choses. Des tâches disparaissent, automatisées, ce qui est mauvais pour ceux qui les accomplissaient. La production devient moins chère, ce qui augmente la demande pour ce que font encore les travailleurs, et c'est bon. De nouvelles tâches sont inventées, qui n'existaient pas auparavant, et c'est bon aussi, à terme. Historiquement, le bon a pris de vitesse le mauvais. Le cadre ne le promet pas, il vous dit quoi mesurer.
Le même cadre produit la prévision de Goldman d'un PIB en hausse de 7 % et l'estimation pessimiste d'Acemoglu d'un gain de PGF de 0,53–0,66 %, avec le même modèle et des paramètres différents. L'appareil de l'approche par les tâches a son foyer formel au ch. 21 §21.7 (L'approche par les tâches). Le ch. 13 §13.3 (Théorie de la croissance) développe le versant productivité et le ch. 18 §18.2 (Économie institutionnelle) celui de la part du travail. La filiation intellectuelle du modèle des tâches est retracée dans Histoire de la pensée économique, ch. 16 (La filiation de l'économie du développement) : Autor-Levy-Murnane 2003, Acemoglu-Autor 2011, Acemoglu-Restrepo 2018–2022.
La comparaison historique qu'exige ce cadre est celle-là même qui a forgé le réflexe : la révolution industrielle. Les tisserands à bras n'avaient pas tort au sujet du métier à tisser mécanique. Leurs salaires ont baissé, la transition a été brutale, il a fallu deux générations pour l'absorber. Il en est sorti une industrie textile qui employait plus de monde à des salaires plus élevés. Histoire économique, ch. 7 parcourt ce bilan, y compris les 30 à 50 ans de stagnation des salaires, entre 1780 et 1820 environ, que la lecture optimiste passe sous silence. La marge de rétablissement a fonctionné. Elle a fonctionné lentement.
Le cas récent le plus proche est le « choc chinois ». Entre 1999 et 2011, l'emploi manufacturier américain a reculé d'environ un quart. Les travaux ultérieurs d'Autor, Dorn et Hanson ont montré que le déplacement était réel, concentré régionalement et largement masqué dans les agrégats macroéconomiques que les modèles standard lisent en premier. Histoire économique, ch. 17 retrace la chronologie du choc commercial côté chinois et le ch. 18 traite de son absorption, ou non, côté américain. La Grande Question sur le libre-échange parcourt en détail les mêmes résultats d'Autor, Dorn et Hanson. La réallocation y a été plus lente et moins complète que dans l'analogie textile. L'inquiétude de l'automatisation sans plus revient à se demander si le déploiement de l'IA ressemblera davantage à 1810 (rétablissement à terme) ou à 2005 (réallocation incomplète, dont les travailleurs absorbent le coût).
L'automatisation sans plus, et pourquoi Acemoglu a changé d'avis
« La manière dont les entreprises déploient actuellement l'IA, avant tout pour remplacer le travail humain plutôt que pour le compléter, est la version de l'automatisation la plus susceptible de faire baisser la part du travail et de faire stagner les salaires, et non celle qui a le plus de chances de les faire monter. »
— paraphrase de Daron Acemoglu, « The Simple Macroeconomics of AI » (2024) et travaux connexes
Le tournant pessimiste d'Acemoglu compte parce qu'il vient de l'intérieur de l'appareil. Son argument n'est pas que le cadre est faux. C'est que le cadre, appliqué honnêtement, prédit une mauvaise issue quand les entreprises déploient l'IA pour remplacer au lieu de compléter, ce qu'il appelle l'automatisation sans plus. Une caisse automatique remplace une caissière sans que le magasin écoule beaucoup plus de marchandises. Un chatbot remplace un conseiller du service client sans que le service rendu augmente beaucoup. Le déplacement progresse, la productivité stagne, le rétablissement ne tient pas la cadence. La part du travail baisse sans gains salariaux compensatoires. Son estimation d'un gain de PGF de 0,53–0,66 % sur dix ans est inférieure d'un ordre de grandeur aux prévisions du secteur. Le cadre rend le verdict pessimiste parce que les entreprises utilisent l'IA de la pire manière pour les travailleurs.
« Les technologies à usage général suivent une courbe en J. Les premières années ressemblent à de la substitution. Les gains de productivité arrivent quand les entreprises et les travailleurs se réorganisent autour du nouvel outil. Nous n'avons pas encore dépassé le creux du J. »
— Erik Brynjolfsson, résumé de la thèse de la courbe en J (2017, étendue à l'IA)
La réplique de Brynjolfsson vient elle aussi de l'intérieur de l'appareil. Les gains de productivité des technologies à usage général arrivent systématiquement avec retard : l'électricité a mis 30 ans à apparaître dans les statistiques de productivité, parce que les entreprises ont dû recâbler leurs usines autour d'elle. Les ordinateurs étaient partout sauf dans les statistiques de productivité pendant deux décennies, puis le boom de la fin des années 1990 a livré exactement ce que prédisait la courbe en J. Regarder les chiffres de 2024 et en conclure que l'IA relève de l'automatisation sans plus revient, dans cette optique, à prendre le creux du J pour l'état stationnaire. Même cadre, paramètre différent : l'un dit que le schéma de substitution est l'état stationnaire, l'autre qu'il n'est que la transition.
Le verdict à l'étape 2
Le cadre tient. Le désaccord entre Acemoglu et Brynjolfsson porte sur une ampleur, à l'intérieur du modèle des tâches. L'un se calibre sur les schémas de substitution actuels et conclut à l'automatisation sans plus, tandis que l'autre se calibre sur la courbe en J historique et conclut qu'on est à la veille du boom de productivité. La question de politique publique est de savoir si l'adoption de l'IA peut être orientée vers le schéma complément plutôt que substitut, celui qui délivre le verdict optimiste. C'est une question institutionnelle.
La théorie prédit du déplacement et de la réallocation. Que montrent alors les faits ? En 2024, l'étude de cas d'entreprise « l'IA a mangé nos emplois » est devenue virale. En 2025, le même PDG est revenu dessus.
La trajectoire de Klarna, et un bilan contesté
« Au cours de son premier mois, il a mené 2,3 millions de conversations, soit les deux tiers des échanges du service client de Klarna. Il accomplit l'équivalent du travail de 700 agents à temps plein. »
— communiqué de presse de Klarna, février 2024
La donnée d'entreprise la plus citée de 2024 sur le thème « l'IA a mangé nos emplois ». Klarna a donné le chiffre, nommé la fonction, nommé le fournisseur d'IA. Quinze mois plus tard, le même PDG disait autre chose.
Une affirmation empirique de déplacement doit franchir une barre plus haute qu'un communiqué de presse viral. Le cadre nous dit quoi chercher : des tâches automatisées (oui, le chatbot de Klarna a traité les deux tiers des conversations), mais aussi ce qu'il est advenu des travailleurs, de la qualité du service et de l'emploi total dans cette fonction au cours des années suivantes. Un communiqué de presse saisit l'effet de déplacement à un instant donné. Le lire comme l'état stationnaire suppose que les effets de productivité et de rétablissement soient nuls, voire négatifs.
Au niveau macroéconomique, si le déplacement par l'IA se produit à l'échelle que décrivent les catastrophistes, il devrait apparaître dans les données agrégées du travail : taux d'activité, taux d'emploi, part du travail dans le PIB. L'article d'Acemoglu de 2024 a vérifié. Son estimation sur dix ans est un gain de 0,53–0,66 % de PGF, pas zéro, mais plus d'un ordre de grandeur en dessous des 7 % de Goldman. Le chiffre de 40 % du FMI, abondamment cité, mesure les tâches exposées à une automatisation potentielle. Or tout se joue dans l'écart entre l'exposition et la réalisation.
« Du point de vue de la marque, du point de vue de l'entreprise, je trouve absolument essentiel d'être clair avec le client : il y aura toujours un humain s'il le souhaite. »
— Sebastian Siemiatkowski, PDG de Klarna, entretien à Bloomberg, mai 2025
Klarna est revenue sur ses « 700 agents »
L'étude de cas de déplacement par l'IA la plus citée de 2024 s'est inversée en 2025 : même PDG, réembauche d'humains, au nom de la qualité du service. Soit le chatbot n'était pas aussi bon que le disait le communiqué, soit la fonction avait besoin d'une formule hybride, soit les deux. Le récit d'une substitution nette n'a pas survécu à l'épreuve des vrais clients.
Quel chiffre croire ?
« Nous, les producteurs de cette technologie, avons le devoir et l'obligation d'être honnêtes sur ce qui arrive. Je ne crois pas que ce soit dans le radar des gens. Cela va se produire en très peu de temps, en quelques années à peine, voire moins. »
— Dario Amodei, PDG d'Anthropic, entretien à Axios, 28 mai 2025 (où il prédit que l'IA pourrait supprimer la moitié des emplois de cols blancs débutants et porter le chômage à 10–20 %)
Le chiffre d'Amodei, la moitié des emplois de cols blancs débutants et un chômage de 10 à 20 % d'ici quelques années, est la prévision la plus tranchée venue de l'intérieur du secteur. Le chiffre d'exposition mondiale de 40 % du FMI se situe dans les mêmes eaux. Si ces prévisions se réalisent ne serait-ce qu'en partie, l'empreinte macroéconomique ne sera pas difficile à repérer. La thèse catastrophiste, c'est que nous sommes à quelques mois de la voir.
« Selon notre estimation, l'adoption de l'IA ajoutera environ 0,53 à 0,66 point de pourcentage à la croissance de la productivité globale des facteurs au cours de la prochaine décennie, ce qui est appréciable, mais plus d'un ordre de grandeur en dessous des prévisions du secteur. »
— paraphrase de Daron Acemoglu, « The Simple Macroeconomics of AI », 2024
Le chiffre d'Acemoglu est l'estimation la plus rigoureuse du courant dominant, et il est incomparablement plus bas que les prévisions du secteur. Les données du travail jusqu'en 2025 lui donnent raison : aucune empreinte agrégée, le plein-emploi presque atteint, un taux d'activité stable. Ceux qui prédisent 10 à 20 % de chômage extrapolent à partir des capacités des produits, bien en dehors du modèle macroéconomique qui sert de référence à l'économie du travail depuis deux décennies. Les intervalles de confiance des prévisions catastrophistes sont larges, et les données n'ont pas commencé à bouger.
Le verdict à l'étape 3
Les faits sont contestés et les intervalles de confiance sont larges. Klarna est revenue sur le récit de substitution le plus net, Anthropic avertit qu'une vague plus grosse arrive dans quelques mois, et les données d'Acemoglu montrent une empreinte macroéconomique minime à ce jour. Le même signal « pas d'empreinte agrégée » paraissait pourtant tout aussi net pour le choc chinois, et Autor, Dorn et Hanson ont fini par documenter un important déplacement régional que les données macroéconomiques avaient masqué (voir la Grande Question sur le libre-échange). L'absence d'empreinte macroéconomique est un signal faible. La lecture honnête est que nous n'avons pas encore les données pour départager la prévision catastrophiste et la prévision optimiste. Toutes deux sont des applications cohérentes de l'approche par les tâches. Les cinq prochaines années de données macroéconomiques sur le travail trancheront une bonne part de ce que les arguments actuels ne peuvent pas trancher.
Admettons que les intervalles soient larges : la question appelle quand même une réponse. Si le déplacement est réel, même au bas de la fourchette, que doivent faire les institutions, et à quoi ressemble le cadre cornucopien sous sa forme la plus tranchée ?
La redistribution, le virage post-travail, et ce qu'est vraiment le verdict
« Quand les camions se conduiront tout seuls et que 3,5 millions de routiers se révolteront parce qu'ils ne pourront plus nourrir leur famille… nous allons supprimer des emplois à un rythme trois à quatre fois supérieur à celui de [la dernière] révolution industrielle, et cette révolution industrielle a connu des émeutes de masse. »
— d'après Andrew Yang, Joe Rogan Experience #1245, février 2019
Le document d'avant ChatGPT qui a fait entrer le revenu universel de base dans le débat politique dominant. Cinq ans plus tard, l'argument est plus tranchant et la politique plus difficile.
Si le déplacement est réel, même au bas de la fourchette, la question de politique publique devient celle de la redistribution. L'appareil du courant dominant dispose de trois instruments sérieux. Le revenu universel de base verse à chaque adulte un transfert forfaitaire, quelle que soit sa situation professionnelle. L'impôt négatif sur le revenu verse des prestations qui montent à mesure que les revenus du travail baissent et s'éteignent à mesure qu'ils montent. Milton Friedman l'a proposé comme une alternative compatible avec le libéralisme à un État-providence tentaculaire. Le crédit d'impôt sur les revenus d'activité (EITC) élargi va plus loin et conditionne les transferts au travail, en subventionnant l'emploi à bas salaire au lieu de le remplacer.
Les trois diffèrent par leur incidence sur l'offre de travail, leur coût budgétaire et leur politique. Le revenu universel préserve les incitations au travail à la marge (aucun impôt implicite sur le premier dollar gagné), mais verse des transferts à des gens qui n'en ont pas besoin. L'impôt négatif et l'EITC élargi gardent des transferts ciblés, mais introduisent des effets de seuil à la sortie du dispositif qui peuvent émousser les incitations au travail. La question de l'incidence budgétaire est traitée au ch. 16 §16.4 (Théorie monétaire et budgétaire). La question de la réponse comportementale, à savoir si les gens travaillent moins quand les transferts augmentent, est l'une des plus étudiées de l'économie du travail appliquée, et la réponse est : moins que ne le prédisent les modèles standard, mais pas zéro. L'appareil de l'offre de travail que réclame cette question, les marges intensive et extensive, l'incidence de l'EITC sur le travail à bas salaire, le plancher du monopsone, se trouve au ch. 21 §21.1 (L'offre de travail) et au §21.5 (Le monopsone).
La filiation du cadre post-travail est plus ancienne que le débat sur l'IA. L'essai de Keynes de 1930, « Perspectives économiques pour nos petits-enfants », prévoyait que les gains de productivité ramèneraient la semaine de travail vers 15 heures en un siècle. La semaine de travail a bien diminué, mais beaucoup moins. La tradition institutionnaliste dans laquelle s'inscrit aujourd'hui Acemoglu, de Veblen à la littérature moderne sur la part du travail en passant par Polanyi, traite le pouvoir de négociation des travailleurs et l'ajustement institutionnel comme des variables porteuses. Histoire de la pensée économique, ch. 15 (La tradition institutionnaliste : de Veblen à Acemoglu) retrace cette filiation, et Yang comme Altman en sont des descendants, qu'ils le sachent ou non.
« Nous croyons que l'intelligence artificielle est notre alchimie, notre pierre philosophale : nous faisons littéralement penser le sable. … Nous croyons que tout ralentissement de l'IA coûtera des vies. Les morts qu'aurait évitées l'IA qu'on a empêchée d'exister sont une forme de meurtre. »
— Marc Andreessen, « The Techno-Optimist Manifesto », a16z.com, 16 octobre 2023
Andreessen a qualifié le ralentissement de l'IA de « forme de meurtre »
Le texte cornucopien sans nuance le plus cité du débat sur l'IA présente tout ralentissement comme un homicide par omission. Les progrès médicaux, climatiques et éducatifs auxquels on renonce en ne déployant pas l'IA sont autant de vies perdues. Dans ce cadre, l'attention que les catastrophistes portent au déplacement du travail prend le coût immédiat de la transition pour l'état stationnaire et se trompe de plusieurs ordres de grandeur dans son verdict de politique publique.
Que doivent faire les institutions ?
« Nous croyons que l'intelligence augmentée nourrit la productivité marginale, qui nourrit la croissance des salaires, qui nourrit la demande, qui nourrit la création d'une offre nouvelle… sans limite supérieure. »
— Marc Andreessen, « The Techno-Optimist Manifesto », 16 octobre 2023
Le cadre de politique publique aligné sur le Manifeste, c'est l'intervention minimale. Laisser la technologie suivre son cours, ne pas la devancer par un ralentissement réglementaire, laisser arriver les gains de productivité, laisser les travailleurs se réallouer comme ils l'ont fait à chaque vague passée de technologie à usage général. Les gains de bien-être sont importants, et les frictions institutionnelles des programmes de redistribution sont elles-mêmes un coût que compte le cadre cornucopien. La prémisse d'Andreessen, selon laquelle la croissance des salaires crée sa propre demande, est la version actualisée du laissez-faire de 1810. Si le schéma historique a tenu deux siècles, la charge de la preuve pèse sur ceux qui affirment que cette vague-ci est différente, et cette charge est plus lourde que ce dont la vague catastrophiste s'est acquittée.
« Le gain de bien-être agrégé est réel, les personnes qui supportent le coût de la transition sont réelles, et ce ne sont pas les mêmes personnes. Un cadre de politique publique qui prend le premier pour la preuve que les secondes ne comptent pas n'est pas un cadre de politique publique. »
— la réponse standard des économistes du travail du courant dominant, résumée
Les institutions ne sont pas une friction. Elles sont la variable qui détermine si le schéma historique se répète. Les programmes de formation, les programmes de transferts, les structures de négociation et les droits sociaux portables sont l'appareil qui transforme l'issue cornucopienne d'un espoir en un plan. Le cadre d'Andreessen commet la même erreur que le cadre du laissez-faire de 1810 : la technologie tiendra ses promesses, les travailleurs se réalloueront, les institutions n'ont qu'à s'écarter. Deux siècles de faits montrent que cela a fonctionné, lentement, brutalement pour les travailleurs pris dans l'intervalle, et à condition d'un ajustement institutionnel (lois sur les fabriques, école publique, puis État-providence) que le cadre du laissez-faire n'avait pas prévu et qu'il a tenté d'empêcher. La question institutionnelle est le point où aboutit l'approche par les tâches quand on l'applique honnêtement : ce que nous devons aux gens pendant l'intervalle, et la forme que prennent les programmes de formation, les transferts et les structures de négociation.
Le verdict
L'approche par les tâches prédit du déplacement puis de la réallocation, et le bilan historique dit que la réallocation a, à terme, gagné chaque manche passée. Les éléments de 2023–2026 sont compatibles à la fois avec un état stationnaire d'automatisation sans plus à la manière d'Acemoglu et avec une transition qui n'a pas encore remonté la courbe en J à la manière de Brynjolfsson. La variable qui pèse le plus est la vitesse de la réallocation : à quelle vitesse les travailleurs passent à de nouvelles tâches, à quelle vitesse de nouvelles tâches apparaissent, combien de frictions engendre l'ajustement institutionnel. Cette vitesse dépend des systèmes de formation, des programmes de transferts et des structures de négociation.
La position : le cadre cornucopien sous-estime les coûts de transition d'une manière bien réelle et lourde de conséquences pour les travailleurs pris dans l'intervalle. Une réponse sérieuse de politique publique se justifie même avec les valeurs de paramètres de l'optimiste : EITC élargi, droits sociaux portables, réforme des programmes de formation, voire un revenu universel expérimental adossé aux gains de productivité de l'IA. Le cadre catastrophiste, lui, surestime l'issue à l'état stationnaire et confond le creux du J avec l'asymptote. Les prévisions de chômage de masse ne sont pas étayées aujourd'hui par les données macroéconomiques du travail, et la politique qu'elles impliquent, ralentir la technologie, échange un préjudice spéculatif pour le travail contre les pertes de bien-être mesurables qu'invoque Andreessen. L'ajustement institutionnel est la variable porteuse, le coût de la transition est réel et supportable si les institutions agissent, et la technologie doit suivre son cours.
Où cela nous mène
Les avertissements viennent de l'intérieur, ce qui rend le réflexe historique insuffisant comme réponse. L'approche par les tâches est le bon outil, et Acemoglu et Brynjolfsson la font tourner avec des paramètres différents. Le bilan des entreprises de 2024–2026 montre comment le déplacement se produit, alors que les données macroéconomiques du travail n'ont pas encore commencé à bouger.
La même question de l'ajustement institutionnel traverse la Grande Question sur l'immigration et celle sur la manière de payer le changement climatique. Ce qui relie ces pages, c'est la part du travail et l'ajustement institutionnel.