13. IA, automatisation et productivité : un nouveau moteur de croissance ?

Le 5 juin 2026, l'institut de recherche Epoch AI publie un graphique qui n'a l'air de rien. Il montre deux courbes : d'un côté, l'argent que les géants du cloud dépensent en centres de données ; de l'autre, l'argent que leur activité leur rapporte. Depuis des années, la première passait sous la seconde — ils investissaient moins qu'ils ne gagnaient. Cette année-là, vers le troisième trimestre, les courbes se croisent.

Détail comptable, et fin d'un argument. Depuis trois ans, ceux qui refusaient de parler de bulle à propos de l'intelligence artificielle avaient une réponse imparable : ce n'est pas 1999, ils paient comptant. Les opérateurs télécoms de la bulle précédente s'étaient endettés jusqu'à l'os pour enterrer de la fibre que personne n'a allumée ; les hyperscalers, eux, finançaient leurs data centers sur leur trésorerie. L'argument était juste. Il vient de cesser de l'être.

Ce chapitre porte sur la question la plus difficile de tout ce module, parce que c'est la seule dont la réponse n'existe pas encore. L'IA va-t-elle relancer la croissance ? Nous allons voir qu'un fait est solide, et qu'il n'est pas celui qu'on croit : la productivité américaine a réellement accéléré — et ce n'est probablement pas grâce à l'IA.

Le rythme a plus que doublé. Mais l'accélération démarre quand moins de 10 % des grandes entreprises envisageaient encore d'utiliser l'IA.

Repères — Dossier d'analyse (et non chapitre de cours) · Niveau : Avancé · Prérequis : chapitre 12

À la fin de ce dossier, vous saurez :

• pourquoi dater n'est pas attribuer, et ce que l'accélération de productivité doit — ou non — à l'IA ;
• démonter un chiffre de suppressions d'emplois « dues à l'IA » ;
• quels signaux financiers surveiller, et ce que la comparaison avec 1999 vaut vraiment.

Ce dossier repose sur des données arrêtées à juillet 2026 : les chiffres d'adoption, de capex et d'emploi vieillissent vite. Les mécanismes, eux, restent valables.

Le fait que personne ne conteste

Commençons par ce qui est mesuré, pas par ce qui est raconté. La productivité horaire américaine — la production par heure travaillée dans les entreprises non agricoles, la série que le chapitre 12 vous a appris à lire — a progressé de 2,43 % par an entre 2022 et 2025, alors qu'elle faisait 1,05 % de moyenne sur 2011-2019. Le rythme a plus que doublé. (Le chapitre 12 annonçait 2,18 % : sa fenêtre s'ouvrait en 2019 et avalait le chaos statistique de 2020-2021. Partir de 2022 isole l'accélération — même série, fenêtres différentes.) La productivité totale des facteurs raconte la même histoire : 0,53 % par an sur 2005-2019, 1,04 % depuis 2019. Le chapitre 12 vous a montré ce qu'un point et demi de productivité fait en une génération : 39 % de niveau de vie. Si ce rythme tient, c'est l'événement macroéconomique de la décennie.

Le second témoin dit la même chose que le premier : la PTF a doublé de rythme. Corroborer n'est pas expliquer — aucun de ces deux chiffres ne désigne l'IA.

Alors, l'IA ? C'est l'inférence naturelle : ChatGPT sort fin 2022, la productivité décolle en 2023 ; post hoc, ergo propter hoc. Sauf que dater n'est pas attribuer, et c'est tout le sujet de ce chapitre.

Le problème de calendrier

Voici le premier obstacle, et il est brutal : quand la productivité américaine accélère, en 2023, presque personne n'utilise l'IA. Le chiffre vient du Census Bureau américain, qui interroge chaque trimestre plus d'un million d'entreprises. Au quatrième trimestre 2023, moins de 10 % des grandes entreprises prévoyaient ne serait-ce que d'utiliser l'IA dans les six mois ; deux ans plus tard, au troisième trimestre 2025, l'adoption des grandes entreprises n'avait atteint que 12 %. Douze pour cent : voilà le taux de pénétration censé avoir doublé la productivité d'une économie de trente mille milliards de dollars.

L'explication alternative est prosaïque et solide : la réallocation post-pandémie. Des millions de gens ont changé d'emploi, souvent pour un meilleur ; des entreprises ont fermé, d'autres sont nées à un rythme record ; les chaînes d'approvisionnement se sont dénouées. C'est le genre de choc qui produit exactement ce qu'on observe — un saut de productivité de quelques années, sans technologie miracle. Ce qui ne veut pas dire que l'IA n'y est pour rien ; cela veut dire que nous n'en savons rien, et que quiconque affirme le contraire vous vend quelque chose.

Une seconde vérification, ex ante celle-là, va dans le même sens. Daron Acemoglu a tenté de chiffrer ce que l'IA peut raisonnablement apporter à la macroéconomie, tâche par tâche plutôt que par extrapolation : son estimation donne un supplément cumulé de productivité globale des facteurs inférieur à 1 % sur dix ans — quelques centièmes de point par an, sans commune mesure avec l'accélération observée depuis 2022. Ses hypothèses sont contestées, et abondamment ; mais l'écart d'ordre de grandeur entre ce que les modèles prudents prévoient et ce que les chiffres ont fait interdit d'attribuer à l'IA, sans autre preuve, un doublement du rythme.

Et l'Europe ? Eurostat, avec un questionnaire différent, trouve 19,9 % des entreprises de l'UE utilisatrices d'au moins une technologie d'IA en 2025 — 55,0 % parmi les grandes —, contre 13,5 % au total un an plus tôt. Résistez à la tentation d'en conclure que l'Europe serait quatre fois plus avancée que l'Amérique : le Census demande si l'entreprise a utilisé l'IA pour produire un bien ou un service au cours des deux dernières semaines ; Eurostat, si elle utilise au moins une technologie d'IA — définition bien plus large. Deux questions, deux chiffres qui ne se comparent pas : c'est le réflexe du chapitre 6, lire la définition avant le chiffre. Ce que les deux séries disent en revanche de concert, c'est que l'adoption accélère pour de bon — en 2025, soit deux ans après l'accélération de productivité qu'on lui attribue.

Douze pour cent d'adoption, sur une échelle où 100 % serait toutes les entreprises : c'est peu pour un moteur censé transformer une économie de trente mille milliards.

Le meilleur argument d'en face : les expériences contrôlées

Ce raisonnement ne serait pas honnête s'il taisait là où le camp adverse est le plus solide — et ce n'est pas dans les séries macro, c'est dans les expériences. Depuis 2023, plusieurs essais randomisés mesurent l'effet de l'IA générative non pas sur une économie, mais sur des travailleurs assignés au hasard à l'outil ou à son absence. Leurs résultats sont nets, et ils vont tous dans le même sens.

Commencez par l'écriture. Shakked Noy et Whitney Zhang, dans Science en 2023, confient des tâches de rédaction professionnelle à des diplômés : 40 % de temps en moins, 18 % de qualité jugée en plus. Le terrain dit mieux. Erik Brynjolfsson, Danielle Li et Lindsey Raymond suivent plus de cinq mille agents d'un centre de support clientèle équipés d'un assistant : +14 % de dossiers résolus par heure, mais +34 % pour les débutants et quasiment rien pour les plus expérimentés. Retenez l'asymétrie. Chez des consultants du Boston Consulting Group, Fabrizio Dell'Acqua et ses co-auteurs comptent 12 % de tâches accomplies en plus, 25 % plus vite, une qualité supérieure de 40 % ; chez des développeurs équipés de GitHub Copilot, Sida Peng et ses co-auteurs, une tâche achevée 56 % plus vite.

Ces chiffres sont réels, et il serait absurde de les balayer. Mais remarquez ce qu'ils mesurent : l'effet sur une tâche, choisie pour son exposition à l'outil, sur un horizon de quelques heures ou de quelques mois. Trois marches séparent ce résultat d'un point de productivité nationale. Il faut que la tâche pèse dans le temps de travail réel ; que l'entreprise soit équipée — nous en sommes à 12 % ; et que le gain de temps se convertisse en production supplémentaire plutôt qu'en temps rendu ou en travail refait. Multipliez : un gain de 30 % sur une tâche qui occupe un cinquième du temps, dans une entreprise sur huit, ne fait plus qu'une fraction de point — et l'on retombe précisément sur l'ordre de grandeur d'Acemoglu.

Le travail expérimental de Dell'Acqua ajoute d'ailleurs un avertissement que les résumés oublient : hors de ce que les auteurs appellent la « frontière dentelée » des capacités du modèle, sur une tâche conçue pour le piéger, les consultants équipés font moins bien que les autres. L'outil aide beaucoup là où il est bon, et nuit là où il ne l'est pas — sans prévenir. Rien, dans cette littérature, ne contredit donc le problème de calendrier : elle explique pourquoi l'IA finira probablement par compter, et pourquoi elle ne peut pas expliquer ce qui s'est déjà produit. C'est, mot pour mot, la leçon de la dynamo du chapitre 12 : la technologie arrive d'abord, les organisations se refont ensuite, la statistique enregistre en dernier.

L'emploi : ce qui est mesuré, ce qui est attribué

C'est sur l'emploi que l'écart entre le récit et les données devient vertigineux. Le cabinet Challenger, Gray & Christmas recense les annonces de suppressions de postes aux États-Unis : au premier semestre 2026, 443 604 suppressions annoncées, dont 101 743 en invoquant l'intelligence artificielle — 23 %. Le chiffre a fait des titres partout. Trois précisions le vident de sa substance.

D'abord, ce sont des annonces, pas des licenciements, et la raison est celle que déclare l'employeur : Challenger ne vérifie rien — il écrit d'ailleurs que l'IA « a été citée dans » ces annonces, pas qu'elle les a causées. Le cabinet doute tellement de ses propres attributions qu'une de ses catégories s'intitule littéralement « mise à jour technologique (possiblement l'IA) » ; le mot « possiblement » est de lui. Ensuite, l'ordre de grandeur : les licenciements réels aux États-Unis, mesurés par l'enquête JOLTS du Bureau of Labor Statistics, tournent à 1,7 million par mois — un taux de 1,1 %, historiquement bas. Les 101 743 annonces attribuées à l'IA représentent environ 17 000 par mois, soit à peu près 1 % des licenciements effectifs : le chiffre qui affole vit dans le bruit statistique du marché du travail américain.

Enfin, et c'est le plus parlant, le total baisse de 40 % sur un an. En 2025, les employeurs américains avaient annoncé 1 206 374 suppressions — et l'IA n'en expliquait alors que 54 836, soit 4,5 % ; la vague de cette année-là était fédérale (293 753 suppressions attribuées aux coupes dans l'administration). Autrement dit, entre 2025 et 2026, le volume des licenciements s'effondre pendant que la part attribuée à l'IA quintuple. Ce n'est pas une vague de destruction technologique : c'est un changement de récit. Le patron de Challenger le dit lui-même, à sa façon : en retirant les licenciements fédéraux de 2025, « les annonces de 2026 suivent de près le schéma de 2025 » ; et sur le mécanisme, « les entreprises déplacent leurs budgets vers l'IA au détriment des emplois » — ce qui est une réallocation budgétaire, pas une substitution technique. La nuance est capitale : dans un cas la machine fait le travail, dans l'autre on coupe ailleurs pour payer la machine.

Cent mille emplois « attribués à l'IA » en six mois, contre 1,7 million de licenciements réels par mois : environ un pour cent.

Ce que disent les données officielles

Et si l'on regardait simplement les chiffres de l'emploi ? Le chômage des 20-24 ans — la tranche censée être décimée par l'IA — est passé de 8,2 % en juin 2025 à 7,1 % en juin 2026 : il a baissé de plus d'un point pendant l'année où l'attribution des licenciements à l'IA explosait, et ce sont les 25-34 ans qui se dégradent (3,8 % → 4,6 %), pas la cohorte « canari ». Ne surjouez pas ce chiffre. Un taux agrégé ignore les métiers exposés, la série est volatile, et un taux de chômage peut baisser parce que les gens sortent du marché du travail — le taux d'activité américain a précisément reculé de 0,3 point en juin. Il reste que le secteur le plus exposé aux cols blancs, les services professionnels, a créé 172 000 emplois depuis son point bas d'octobre 2025.

Passons aux travaux sérieux, parce qu'ils se contredisent en apparence. Stanford a produit l'étude la plus citée : sur les données de paie d'ADP, Erik Brynjolfsson et ses co-auteurs trouvent que les travailleurs de 22 à 25 ans dans les métiers exposés à l'IA ont connu un déclin d'emploi relatif de 16 %. Le titre du papier — Des canaris dans la mine ? — porte un point d'interrogation, et il est mérité : le déclin brut n'est que de 6 %, le 16 % étant obtenu après contrôles ; et les auteurs écrivent noir sur blanc que leurs estimations « peuvent être influencées par des facteurs autres que l'IA générative », et qu'il faudrait de meilleures données d'adoption « pour estimer des effets causaux plausibles ». Ils ne revendiquent pas la causalité. Yale a refait le test sur l'enquête officielle du BLS, avec une méthode différente : « aucun impact n'est visible » sur l'emploi, ni sur les salaires — mais Yale ajoute la limite décisive, et l'honnêteté force à la citer : leur source « convient mieux à l'analyse de groupes larges et manque de puissance pour l'analyse de sous-groupes », et « si les effets de l'IA sur le marché du travail sont pour l'instant limités à une frange étroite de la main-d'œuvre, d'autres jeux de données seraient mieux adaptés pour les identifier ».

Voilà pourquoi Stanford et Yale ne se contredisent pas nécessairement : Yale mesure l'agrégat avec un instrument qu'il déclare lui-même trop grossier pour une tranche étroite, tandis que Stanford mesure la tranche étroite sans identification causale. Le désaccord porte sur la résolution des instruments, pas sur les faits. Le reste converge. La Réserve fédérale, sur les offres d'emploi croisées avec l'adoption réelle de l'IA, ne trouve « aucune preuve d'une réduction des offres » dans les secteurs ou les entreprises qui ont le plus adopté l'IA. Une enquête auprès de 750 dirigeants publiée par le NBER relève « peu de preuves d'un déclin agrégé de l'emploi à court terme », mais une réallocation — les postes administratifs routiniers reculent —, avec au passage un aveu délicieux : les dirigeants perçoivent des gains de productivité supérieurs à ceux qu'on mesure. La synthèse la plus défendable est tombée le 14 juillet 2026, sous la plume d'un gouverneur de la Fed, Michael Barr : « À l'heure actuelle, il y a peu de preuves d'un déplacement d'emplois à l'échelle de l'économie du fait de l'IA. Il existe néanmoins certains éléments indiquant que l'IA a pu rendre l'entrée sur le marché du travail plus difficile pour les jeunes travailleurs dans certaines catégories d'emplois. »

Six travaux indépendants, une même prudence : aucun effet agrégé détectable, et s'il en existe un, il passe par les embauches, pas par les licenciements.

Le conflit d'intérêts, et pourquoi il ne suffit pas

Un détail savoureux, et il faut le dire : la critique la plus solide de la thèse « l'IA détruit l'emploi junior » est signée de deux économistes… de Google. Leur argument est excellent — le déclin de l'emploi des jeunes dans les métiers exposés commence six mois avant ChatGPT, en mars 2022, précisément quand la Fed entame le resserrement le plus violent en quarante ans ; 38 % des travailleurs les plus exposés à l'IA sont dans les secteurs les plus sensibles aux taux, contre moins de 2 % des moins exposés. Et surtout, ils démontrent qu'une profession soumise à un simple gel des embauches, sans un seul licenciement, verrait mécaniquement l'emploi de ses 22-25 ans chuter de 25 %, la cohorte étant trop étroite pour se reconstituer autrement. Symétriquement, le papier le plus rassurant est publié par Anthropic, à partir des données d'usage de son propre produit : il trouve « aucune hausse systématique du chômage » chez les travailleurs exposés, tout en notant un ralentissement des embauches de jeunes « à peine significatif statistiquement ». Détail qui vaut le détour : sa branche recherche publie des résultats bien plus sobres que les prédictions publiques de son propre directeur général, qui annonçait en mai 2025 la disparition de la moitié des emplois de bureau de début de carrière en cinq ans.

Deux entreprises d'IA, deux intérêts réputationnels, deux conclusions qui les arrangent : l'argument d'autorité inversé serait tentant. Il ne tient pas, car la même conclusion — pas d'effet agrégé détectable — sort indépendamment de Yale, de la Réserve fédérale et du NBER, qui n'ont aucun intérêt dans l'affaire. La convergence n'est pas un artefact industriel ; il faut juger sur les méthodes, pas sur les logos. Le seul point sur lequel tout le monde converge, y compris les adversaires, mérite d'être retenu : s'il existe un effet, il passe par le ralentissement des embauches, pas par les licenciements. Ce n'est pas la même chose. On ne le voit pas dans les statistiques de chômage ; on le voit dans la difficulté à entrer.

1999, ou pas

Reste la question de l'argent, et là, la comparaison avec la bulle télécom est à la fois irrésistible et mal faite. Le premier problème est que personne ne mesure la même chose. Apollo situe le capex des hyperscalers à 2 % du PIB américain en 2026 — soit 2,4 fois le pic télécom de 2000 ; la Banque des règlements internationaux, elle, écrit que l'investissement lié à l'IA vaut « environ 1 % du PIB américain », qu'il est « pas particulièrement important au regard des standards historiques », et qu'il représente « la moitié » de la hausse de l'investissement informatique de la bulle internet. Un facteur deux d'écart entre deux sources sérieuses. Ce n'est pas un désaccord factuel : c'est un artefact de définition. Apollo rapporte le capex mondial de cinq entreprises au PIB américain ; la BRI utilise la comptabilité nationale. Toute affirmation du type « le capex IA vaut X % du PIB » est ininterprétable sans préciser laquelle des deux mesures on emploie.

La comparaison la mieux construite est ailleurs, et elle vient de la Fed de Saint-Louis : même méthode, mêmes catégories, deux époques. L'investissement en informatique et logiciels a fait 39 % de la croissance du PIB américain sur les trois premiers trimestres de 2025, contre 28 % en 2000. C'est le seul chiffre du dossier qui soit vraiment comparable terme à terme — et il dit que oui, l'IA pèse plus lourd aujourd'hui que la bulle internet à son sommet.

La comparaison la mieux construite du dossier : même méthode, deux époques.

Quant à l'analogie de la « fibre noire », elle est en difficulté. Fin 2002, seulement 10 % des fibres longue distance installées en Europe et en Amérique du Nord transportaient un signal — et seulement 10 % des longueurs d'onde y étaient allumées, soit environ 1 % de la capacité utilisée. En 2026, le taux de vacance des data centers de Virginie du Nord est de 0,3 %, et à Dallas les capacités en construction sont pré-louées à 88 % : on ne construit pas dans le vide, on construit sur commande. Mais l'analogie se retourne d'une façon que ses détracteurs n'ont pas vue. La fibre était un actif passif de vingt à trente ans : elle pouvait attendre la demande sans se dégrader — et de fait, elle a fini par être allumée. Le processeur graphique, lui, se déprécie en trois à cinq ans ; s'il n'est pas utilisé, il ne devient pas moins cher, il devient obsolète. L'IA n'a pas l'option d'attendre que la fibre avait. Le vrai parallèle n'est donc peut-être pas la surcapacité physique, mais le mythe de la demande : en 1997, un communiqué de WorldCom lance l'idée que le trafic internet double tous les trois mois, alors qu'il croissait en réalité de 80 à 100 % par an — Andrew Odlyzko, des laboratoires AT&T, l'avait démontré dès 1998. Personne n'a voulu l'entendre ; deux mille milliards de dollars de valorisation ont disparu.

Ce que l'investisseur doit surveiller

Trois signaux, et ils sont datés. Le premier est le croisement de juin 2026, par lequel ce chapitre a commencé : le capex agrégé des hyperscalers dépasse désormais leur cash-flow opérationnel. Regardez les comptes. Le carnet de commandes explose : les engagements de Microsoft ont doublé en un an, ceux d'Oracle sont multipliés par 4,6. La trésorerie, elle, se tend : Oracle affiche un flux de trésorerie disponible négatif de 23,7 milliards de dollars, Amazon un flux effondré à 1,2 milliard sur douze mois. On promet plus, on encaisse moins. Le deuxième est la circularité : deux des trois grands résultats nets publiés au premier trimestre 2026 sont gonflés par des plus-values sur participations croisées dans l'IA — 36,9 milliards de dollars chez Google, 16,8 milliards chez Amazon au titre de sa participation dans Anthropic. Autrement dit, une partie des profits affichés vient de la valorisation d'entreprises qu'ils financent eux-mêmes.

Le troisième est le crédit, et c'est la BRI qui le formule le mieux. Les prêts privés aux entreprises de l'IA sont passés de presque rien à plus de 200 milliards de dollars ; leur part dans l'encours du crédit privé, de moins de 1 % à près de 8 %. Or les marges exigées sur ces prêts — 6,2 points, contre 6,1 pour les autres — sont quasi identiques : les prêteurs jugent donc le risque IA parfaitement moyen. La BRI en tire la conclusion qui devrait vous tenir éveillé : « soit les prêteurs sous-estiment les risques des investissements en IA, soit les marchés actions surestiment les flux de trésorerie futurs que l'IA pourrait générer. »

Le crédit se rue sur l'IA sans exiger la moindre prime de risque supplémentaire — le signal que la BRI juge le plus inquiétant du dossier.

Une agence, au moins, ne juge plus ce risque moyen : le 9 juillet 2026, S&P a dégradé Oracle à BBB−, un cran au-dessus de la catégorie spéculative, en désignant sa dépendance à un client unique — OpenAI, environ la moitié de son carnet — comme « risque de crédit majeur ». Et la BRI rappelle que la fin des booms d'investissement précédents a coûté en moyenne plus d'un point de croissance — et que « la contraction la plus forte a suivi la bulle internet, alors même que ce boom était petit rapporté au PIB ». Notez le paradoxe : la taille du boom ne dit rien de la taille de la casse.

À retenir

• Le fait solide — La productivité horaire américaine tourne à 2,43 %/an depuis 2022, contre 1,05 % de moyenne sur 2011-2019. La productivité totale des facteurs a doublé. L'accélération est réelle et mesurée.
• Mais dater n'est pas attribuer — Quand elle démarre, moins de 10 % des grandes entreprises envisageaient d'utiliser l'IA ; deux ans plus tard, l'adoption plafonne à 12 %. L'explication la plus solide reste la réallocation post-pandémie.
• Les gains microscopiques sont pourtant réels — Essais randomisés : −40 % de temps de rédaction (Noy-Zhang), +14 % de dossiers résolus par heure et +34 % pour les débutants (Brynjolfsson-Li-Raymond), +12 % de tâches et 56 % plus vite chez les développeurs. Mais entre une tâche et une économie il y a trois marches : le poids de la tâche, l'adoption (12 %), la conversion du temps gagné en production. Le produit retombe sur l'ordre de grandeur d'Acemoglu.
• L'emploi : le récit ne tient pas — 101 743 suppressions « attribuées à l'IA » au premier semestre 2026, soit ~1 % des 1,7 million de licenciements réels mensuels. Ce sont des annonces, avec la raison déclarée par l'employeur. Le total baisse de 40 % pendant que la part IA quintuple : c'est une bascule de narratif, pas de volume.
• Aucune étude n'établit de lien causal — Stanford (16 % relatif, mais 6 % brut) admet que d'autres facteurs peuvent jouer ; Yale ne voit rien mais se déclare trop peu puissant ; la Fed et le NBER ne trouvent pas d'effet agrégé. Convergence sur le mécanisme : s'il y a un effet, il passe par le ralentissement des embauches, pas les licenciements.
• 1999 ? Pas exactement — Le capex IA vaut 1 % ou 2 % du PIB selon la définition (ininterprétable sans préciser). La comparaison propre : l'informatique fait 39 % de la croissance en 2025 contre 28 % en 2000. La « fibre noire » ne colle pas (vacance à 0,3 %) — mais le GPU se déprécie en 3-5 ans, la fibre attendait trente ans.
• Ce qui a changé en 2026 — Le capex des hyperscalers dépasse leur cash-flow. Oracle : flux de trésorerie négatif de 23,7 Md$, dégradé à BBB− le 9 juillet. Le crédit privé à l'IA est passé de ~0 à plus de 200 Md$ à des marges identiques au reste : « soit les prêteurs sous-estiment le risque, soit les marchés actions surestiment les flux futurs ».

La suite du voyage

Vous savez maintenant tout ce qu'on peut honnêtement dire de l'IA et de la croissance — c'est-à-dire beaucoup moins que ce qu'on vous en dit. Reste l'autre moteur, celui qui ne dépend d'aucune technologie et dont l'avenir est déjà écrit dans les registres d'état civil : le nombre de bras. Une économie qui perd ses actifs peut-elle croître ? Le Japon a répondu à cette question pendant trente ans, et la réponse a surpris tout le monde. Prochain chapitre : « Démographie et croissance : comment la population façonne l'économie ». D'ici là, un exercice : la prochaine fois qu'un titre annonce des milliers d'emplois supprimés « à cause de l'IA », cherchez qui l'a dit. Dans presque tous les cas, c'est l'employeur — et personne ne l'a vérifié.

Sources et références

• Epoch AI, analyse du 5 juin 2026 — le croisement entre le capex agrégé des hyperscalers et leur cash-flow opérationnel au troisième trimestre 2026.
• Bureau of Labor Statistics — productivité horaire du secteur des entreprises non agricoles (OPHNFB) et productivité totale des facteurs (MFPNFBS) ; Employment Situation et Job Openings and Labor Turnover Survey de juin 2026 (1,7 million de licenciements mensuels, taux de 1,1 %).
• U.S. Census Bureau, Business Trends and Outlook Survey — moins de 10 % des grandes entreprises prévoyant d'utiliser l'IA au quatrième trimestre 2023, 12 % au troisième trimestre 2025.
• Eurostat, Use of artificial intelligence in enterprises, enquête « ICT usage and e-commerce in enterprises » (vague 2025, 157 000 entreprises interrogées) — 19,95 % des entreprises de l'UE de dix salariés et plus utilisent au moins une technologie d'IA, 55,03 % des grandes entreprises, après 13,5 % au total un an plus tôt (+6,47 points). ⚠️ Définition plus large que celle du BTOS américain : les deux taux ne sont pas comparables terme à terme.
• Challenger, Gray & Christmas, rapports mensuels de juin 2026 et de décembre 2025 — 443 604 annonces au premier semestre 2026 dont 101 743 « citées » comme liées à l'IA ; 1 206 374 en 2025 dont 54 836 pour l'IA et 293 753 pour les coupes fédérales ; la catégorie « mise à jour technologique (possiblement l'IA) ».
• Daron Acemoglu, « The Simple Macroeconomics of AI », NBER Working Paper 32487, mai 2024 ; publié dans Economic Policy 40(121), 2025 — l'estimation ex ante, tâche par tâche, des gains macroéconomiques de l'IA : moins de 1 % de PTF cumulée sur dix ans.
• Shakked Noy & Whitney Zhang, « Experimental evidence on the productivity effects of generative artificial intelligence », Science 381, juillet 2023 — tâches de rédaction : −40 % de temps, +18 % de qualité.
• Erik Brynjolfsson, Danielle Li & Lindsey R. Raymond, « Generative AI at Work », NBER Working Paper 31161, 2023 ; Quarterly Journal of Economics, 2025 — support clientèle : +14 % de dossiers résolus par heure, +34 % pour les moins expérimentés.
• Fabrizio Dell'Acqua et al., « Navigating the Jagged Technological Frontier », Harvard Business School Working Paper 24-013, 2023 — consultants BCG : +12 % de tâches, 25 % plus vite, +40 % de qualité ; mais performance dégradée hors de la frontière des capacités du modèle.
• Sida Peng, Eirini Kalliamvakou, Peter Cihon & Mert Demirer, « The Impact of AI on Developer Productivity: Evidence from GitHub Copilot », 2023 — tâche achevée 55,8 % plus vite.
• Erik Brynjolfsson, Bharat Chandar & Ruyu Chen, « Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence », Stanford Digital Economy Lab, version révisée du 13 novembre 2025 — le déclin relatif de 16 % (6 % brut) et l'aveu que d'autres facteurs peuvent l'expliquer.
• Zanna Iscenko & Fabien Curto Millet, « Looking for the Ladder: Is AI Impacting Entry-Level Jobs? », Economic Innovation Group, janvier 2026 — le pic des offres en mars-avril 2022, les 38 % de travailleurs exposés dans les secteurs sensibles aux taux, et l'artefact de cohorte à −25 % sous simple gel des embauches. Les deux auteurs sont économistes chez Google.
• Martha Gimbel, Joshua Kendall & Ryan Nunn, « What We Do and Don't Know About How AI Is Affecting the Labor Market », Yale Budget Lab, 7 mai 2026 — aucun impact visible, et la limite de puissance statistique reconnue par les auteurs.
• Maxim Massenkoff & Peter McCrory, « Labor market impacts of AI: A new measure and early evidence », Anthropic, 5 mars 2026 — pas de hausse du chômage, ralentissement des embauches « à peine significatif ».
• Jessica Liu & Douglas Webber, « AI Adoption and Firms' Job-Posting Behavior », FEDS Notes, Réserve fédérale, 27 mars 2026 ; Baslandze et al., NBER Working Paper 34984, mars 2026 (~750 dirigeants) ; Michael S. Barr, gouverneur de la Réserve fédérale, discours du 14 juillet 2026 — « little evidence of economy-wide job displacement from AI ».
• Iñaki Aldasoro, Sebastian Doerr & Daniel Rees, « Financing the AI boom: from cash flows to debt », BIS Bulletin n° 120, 7 janvier 2026 — l'investissement IA à ~1 % du PIB, « half as large as the dot-com boom », le crédit privé de 0 à plus de 200 milliards à marges identiques, et l'alternative « lenders underestimating / equity markets overestimating » ; BRI, Rapport économique annuel 2026, chapitre I, 28 juin 2026, sur les booms technologiques qui finissent en récession.
• Hannah Rubinton & Bontu Ankit Patro, « Tracking AI's Contribution to GDP Growth », Federal Reserve Bank of St. Louis, 12 janvier 2026 — les 39 % de la croissance en 2025 contre 28 % en 2000.
• Torsten Slok, Rajvi Shah & Shruti Galwankar, « Putting the total amount of hyperscaler capex into perspective », Apollo Global Management, février 2026 — le capex hyperscaler à ~2 % du PIB américain.
• Jeff Hecht, « Boom, Bubble, Bust: The Fiber Optic Mania », Optics & Photonics News, octobre 2016 — l'estimation TeleGeography de fin 2002 (10 % des fibres allumées, 10 % des longueurs d'onde) et le mythe de la demande né d'un communiqué WorldCom de 1997, démonté par Andrew Odlyzko dès 1998.
• CBRE, Global Data Center Trends 2026, 17 juin 2026 — vacance à 0,3 % en Virginie du Nord, pré-location à 88 % à Dallas.
• S&P Global Ratings, abaissement d'Oracle à BBB−, 9 juillet 2026 ; comptes trimestriels de Microsoft, Alphabet, Amazon et Oracle (février-avril 2026).
• Données des figures : BLS via FRED (OPHNFB, MFPNFBS), Challenger, JOLTS, U.S. Census Bureau (BTOS), BRI, Fed de Saint-Louis — millésime du 15 juillet 2026.