Intelligence artificielle: peu d'impact sur l'emploi selon des PDG Neuf PDG sur dix n'observent pas de gains de productivité immédiats selon l'étude NBER. L'intelligence artificielle est présente dans toutes les discussions sur l'avenir du travail.
L'intelligence artificielle est présente dans toutes les discussions sur l'avenir du travail. Pourtant, une étude du National Bureau of Economic Research menée auprès d'environ 6 000 PDG dans quatre pays révèle une réalité plus nuancée: neuf dirigeants sur dix n'ont enregistré aucun gain de productivité directement attribuable à l'IA, et l'effet sur l'emploi reste incertain. Ce paradoxe, qui remonte aux années 1980, illustre les difficultés à faire converger promesses et résultats concrets.
Ce que révèle l'étude du NBER sur l'intelligence artificielle et l'emploi
Publié par le NBER, le travail analyse des réponses de dirigeants américains, britanniques, allemands et australiens. Malgré des centaines de milliards de dollars dépensés dans des projets d IA et d automatisation, neuf entreprises sur dix déclarent n avoir observé aucun gain de productivité global lié à l IA dans les premiers cycles d adoption. Les domaines touchés varient selon les secteurs et les preuves restent hétérogènes, avec des bénéfices parfois confinés à des tâches spécifiques plutôt qu à l ensemble de l organisation.
Les auteurs rappellent que la mesure de la productivité est complexe: les gains peuvent se manifester sous forme d amélioration de la qualité, de réduction des erreurs ou d augmentation de la vitesse opérationnelle sans se refléter immédiatement dans les chiffres macroéconomiques. En clair, l IA peut rendre certains processus plus efficaces sans que cela se traduise immédiatement par une hausse du PIB ou des indicateurs similaires.
Selon le NBER, neuf entreprises sur dix n'ont pas constaté de gain de productivité attribuable à l IA dans les premières années d adoption.
Pourquoi les résultats varient et ce que cela signifie pour les entreprises et les marchés
Ce phénomène n est pas une anomalie: il témoigne d une adoption souvent expérimentale, cloisonnée à certaines fonctions et dépendante des données, de l intégration et des compétences internes. Les gains potentiels se cachent souvent dans des améliorations qualitives, la réduction d erreurs et des gains opérationnels qui mettent du temps à se diffuser.
- Mesure et décomposition : les améliorations peuvent exister mais ne pas être capturées par les indicateurs de productivité classiques.
- Intégration et données : les bénéfices dépendent de données propres et de systèmes compatibles, souvent coûteux à aligner.
- Effets sur l emploi : l IA peut redéfinir les rôles et exiger de nouvelles compétences, ce qui peut masquer les gains nets sur le marché du travail à court terme.
Ce qu on ne sait pas encore
Plusieurs zones d ombre subsistent. Les effets à moyen et long terme pourraient se manifester différemment selon les secteurs et les modèles d affaires, mais les signaux restent peu clairs. Le rythme d adoption, la qualité des données et les capacités d apprentissage des systèmes influencent fortement les résultats. De plus, les gains potentiels en matière d innovation produit ou de service ne se mesurent pas forcément dans les chiffres de productivité traditionnels.
Pour terminer
Face à cette réalité, les entreprises qui réussissent l intégration de l IA privilégient une approche progressive: cas d usage à ROI rapide, formation des équipes et métriques adaptées. Le paradoxe persiste: l IA peut être utile sans transformer rapidement les chiffres publiés — ce qui invite à regarder au-delà des seules statistiques pour évaluer sa vraie valeur opérationnelle.
