Promesses de l’IA en matière de productivité et rivalité entre la Chine et les États-Unis

Comment l’intelligence artificielle va-t-elle modeler la productivité économique, la croissance et l’emploi lors de la prochaine décennie ? Nous pensons qu’elle stimulera l’économie américaine, compensant ainsi largement les effets négatifs de l’évolution démographique et des obstacles politiques. Nous explorons également l’impact de ladivergence entre les stratégies américaine et chinoise, ainsi que la trajectoire vers une intelligence artificielle générale.

Les dépenses mondiales consacrées à l’intelligence artificielle (IA) croissent rapidement, tirées par des investissements massifs dans les centres de données, les semi-conducteurs et les logiciels. Principal pôle d’investissement en IA, porté par une poignée de très grands groupes technologiques, les États-Unis devraient voir leur économie remodelée par l’IA au cours de la prochaine décennie, à la faveur des gains de productivité et d’un relèvement de la croissance potentielle.

La croissance potentielle désigne la capacité d’expansion d’une économie en l’absence de chocs. Elle se décompose en croissance de la population active et croissance de la productivité. L’IA devrait considérablement accroître cette dernière. En moyenne, nous anticipons que l’IA portera la croissance de la productivité américaine de 1,60% à 1,85% par an sur les dix prochaines années. Les effets bénéfiques de cette accélération devraient se faire sentir principalement vers la fin de la décennie, à mesure que le taux d’adoption de l’IA par l’ensemble du secteur des services augmentera.

L’IA devrait relancer la productivité aux États-Unis

Cette hausse peut sembler modeste, mais elle pourrait ramener la productivité à des niveaux comparables – voire légèrement supérieurs – à ceux observés lors de l’essor d’Internet et des ordinateurs personnels au début des années 2000. Elle viendrait également prolonger l’accélération récente de la productivité américaine observée après la pandémie. L’IA aura des effets à la fois directs et indirects sur la productivité. Les effets directs incluent la prise en charge de tâches actuellement effectuées par des humains, de manière plus efficiente en termes de coûts, accroissant ainsi la « productivité totale des facteurs ».

Nous estimons que ces effets se traduiront par 0,15 point de pourcentage par an en moyenne au cours de la prochaine décennie

Nous estimons que ces effets se traduiront par 0,15 point de pourcentage par an en moyenne au cours de la prochaine décennie. Les effets indirects incluent une augmentation du capital par travailleur – voir l’intensité capitalistique présentée dans le graphique 1 – ainsi qu’une aide à la génération de nouvelles idées et à l’accélération du progrès technologique, notamment via l’assistance apportée aux scientifiques, ingénieurs et chercheurs médicaux. Nous chiffrons ces effets indirects à environ 0,1 point de pourcentage par an. Toutefois, une grande incertitude règne à ce sujet et cet impact pourrait être plus important si une forme d’intelligence artificielle générale (IAG) – comparable à l’intelligence humaine sur un large éventail de tâches – venait à être atteinte dans un avenir proche.

L’IA ne devrait pas entraîner une hausse généralisée du chômage

Malgré la capacité de l’IA à effectuer des tâches qui sont actuellement du ressort des humains, nous pensons que son incidence sur le chômage sera limitée et progressive. Certes, l’IA a déjà entraîné des licenciements dans le secteur des services, particulièrement dans les entreprises technologiques, qui doivent désormais accomplir davantage avec moins de personnel, et a rendu la situation plus difficile pour les jeunes diplômés sur le marché de l’emploi.

Toutefois, contrairement à une récession où les travailleurs aux revenus les plus faibles sont généralement les plus touchés, l’IA a des répercussions plus importantes sur les salariés diplômés des classes moyennes et supérieures. Or, ces personnes possèdent souvent les compétences nécessaires pour se concentrer sur des tâches différentes de celles qui sont automatisées par l’IA, ou alors pour trouver un emploi alternatif dans le cadre de l’évolution de l’économie. Pour cette raison, nous tablons sur une hausse modérée du chômage « frictionnel » qui se produira graduellement au cours de la prochaine décennie, à mesure que l’adoption de l’IA progressera et que l’économie s’ajustera. Cet effet devrait également être atténué par d’autres tendances affectant la main d’œuvre, que nous examinons ci-dessous.

actualités associées.

perspectives d’investissementUHNWI

perspectives d’investissementUHNWI

Assureurs et gérants d’actifs non cotés : un mariage de raison

23 décembre 2025

investment solutions.

en savoir plus

L’IA devrait plus que compenser une situation démographique morose

Les gains de productivité associés à l’IA ne sont certes pas un phénomène isolé. Les principales tendances de l’économie américaine, y compris l’évolution des politiques et de la situation démographique, sont moins favorables. Nous pensons que la première catégorie – qui inclut les pertes d’efficacité dues aux perturbations de la chaîne d’approvisionnement liées aux droits de douane, les pertes de productivité liées à une immigration moins qualifiée et les menaces pesant sur la crédibilité des institutions américaines – réduira la croissance potentielle de 0,15% au cours de la décennie à venir. Cependant, la plupart de ces effets devraient se faire sentir à court terme et pourraient même s’inverser sous l’égide des futures administrations américaines.

La situation démographique s’annonce elle aussi beaucoup moins favorable. Depuis 2019, une immigration élevée a contribué à l’expansion de la population active américaine, ajoutant près d’un point de pourcentage par an à la croissance du pays. Toutefois, le vieillissement démographique et la forte baisse de l’immigration devraient considérablement ralentir la croissance de la population active.

Nous prévoyons une croissance potentielle des États-Unis de 2,1% en moyenne au cours de la prochaine décennie

Compte tenu des effets combinés de l’impulsion de l’IA, de tendances politiques négatives et d’une situation démographique moins favorable, nous prévoyons une croissance potentielle des États-Unis de 2,1% en moyenne au cours de la prochaine décennie, les gains liés à l’IA pouvant porter cette croissance jusqu’à 2,4% d’ici 2035.

L’IA peut-elle relancer massivement la croissance?

Nous avons identifié trois raisons pour lesquelles l’IA n’aura pas de répercussions macroéconomiques massives et échouera à délivrer la croissance à deux chiffres évoquée par les fervents évangélistes de la technologie. Premièrement, même en cas de progrès technologiques exponentiels, les services d’IA pourraient représenter une part de moins en moins importante dans le PIB, à mesure de la baisse des coûts du calcul. Deuxièmement, des contraintes physiques telles que l’approvisionnement en énergie, ou les goulets d’étranglement dans les chaînes d’approvisionnement, pourraient restreindre le potentiel de l’IA dans le monde physique, même si le processus de recherche scientifique sera considérablement facilité. Enfin, l’architecture actuelle de l’IA pourrait également avoir ses limites. Les grands modèles de langage (LLM de l’anglais « Large Language Models ») tels que ChatGPT, Gemini ou DeepSeek, apprennent en prédisant des schémas linguistiques. Cela les rend particulièrement efficaces pour la rédaction, la synthèse ou la programmation, mais ne leur confère pas nécessairement une compréhension stable du monde réel – des objets, des relations de cause à effet et de l’accumulation des actions dans le temps.

Certains chercheurs estiment que pour atteindre une intelligence véritablement générale, il faut un « agent » doté d’un modèle du monde acquis de manière explicite

D’autres systèmes d’IA, souvent appelés modèles de diffusion, peuvent générer des images et des vidéos d’un réalisme saisissant. Toutefois, réalisme n’équivaut pas à compréhension. Certains chercheurs estiment que pour atteindre une intelligence véritablement générale, il faut un « agent » doté d’un modèle du monde acquis de manière explicite, utilisant des données incluant vidéo, audio et autres signaux. L’objectif est de créer une IA capable d’anticiper les résultats et de planifier ses actions, le langage n’étant qu’une interface parmi d’autres, plutôt que de constituer l’intégralité du moteur de raisonnement.

De manière plus générale, les avancées réalisées avec les LLM et l’IA dépendront aussi du moment et de la possibilité d’atteindre l’AGI, voire la superintelligence artificielle (ASI), capable de surpasser les performances humaines dans plusieurs domaines.

Dans l’hypothèse où les LLM atteindraient prochainement l’intelligence artificielle générale, les risques pesant sur nos prévisions seraient orientés à la hausse. En revanche, si cette voie s’avérait infructueuse et qu’un véritable agent doté d’un « modèle du monde » appris explicitement était nécessaire, alors les bénéfices les plus substantiels de l’IA pourraient se matérialiser plus tard. Cela dit, même si les progrès à la pointe des LLM ralentissent, les gains de productivité conformes à nos estimations ci-dessus devraient néanmoins se matérialiser dans les années à venir, à mesure que l’adoption de l’IA se généralisera et que les entreprises apprendront à l’exploiter.

L’approche dominante aux États-Unis repose sur des modèles « fermés »… La Chine se concentre quant à elle sur l’optimisation et la standardisation des modèles de LLM

La Chine et les États-Unis ne jouent pas sur le même terrain

Des répercussions géopolitiques seraient également possibles si les LLM s’avéraient être la « mauvaise » architecture pour réaliser des avancées majeures en direction de l’AGI et de l’ASI, et si la progression de leurs performances venait à ralentir. Les entreprises technologiques américaines investissent des sommes considérables pour rester à la pointe du développement des LLM, certaines commençant à explorer en parallèle des modèles du monde. À quelques exceptions près, l’approche dominante aux États-Unis repose sur des modèles « fermés », permettant aux entreprises de conserver et de développer leurs avantages. Certaines d’entre elles espèrent construire des écosystèmes propriétaires d’IA complets autour de ces modèles de pointe – un peu comme Apple l’a fait avec iOS ou Microsoft avec Windows lors des précédentes ères technologiques – qui finiront par dominer le marché mondial. La Chine se concentre quant à elle sur l’optimisation et la standardisation des modèles de LLM, grâce à des stratégies « open-weight », c’est-à-dire des modèles pouvant être téléchargés localement, afin d’améliorer leur accessibilité.

Les autorités chinoises s’attachent également à intégrer l’IA dans les entreprises et les processus industriels. Pour l’heure, nous pensons que ces deux approches ont leur place. Chacune de ces trajectoires exploite des avantages respectifs: l’innovation de pointe aux États-Unis contre la mise à l’échelle et l’adoption plus large en Chine. Les tensions géopolitiques durables suggèrent que ces deux écosystèmes d’IA continueront à se développer en parallèle.