Les marchés boursiers ont récemment envoyé un message brutal. Les firmes d’ingénierie ont été malmenées, les entreprises de cybersécurité ont vacillé, l’industrie du logiciel est sous pression. Même les cabinets de consultation en management ne semblent plus intouchables.

Chaque nouvelle avancée spectaculaire de l’intelligence artificielle alimente la même angoisse : les cols blancs sont-ils les prochains sur la liste ? Quand Claude, l’IA de l’américaine Anthropic, modernise du code COBOL vieux de 40 ans en quelques heures, quand des modèles génèrent des simulations d’ingénierie complexes, ou quand des rapports stratégiques crédibles sont produits en quelques minutes, il devient facile d’imaginer que les analystes, les consultants et les ingénieurs sont en sursis.

La peur est réelle. Un rapport de Citrini Research⁠1, devenu viral, parle même d’une crise mondiale de l’intelligence d’ici 2028. L’argument est simple : si l’IA progresse à ce rythme, une grande partie du travail cognitif deviendrait automatisable bien plus vite que prévu.

Mais l’histoire économique enseigne une chose fondamentale. Les innovations se diffusent rarement à la vitesse des démonstrations et des preuves de concept, aussi spectaculaires soient-elles.

Au niveau microéconomique, les gains sont impressionnants. Une étude⁠2 menée par Fabrizio Dell’Acqua à la Harvard Business School, suivant des consultants du Boston Consulting Group, a montré que l’utilisation de l’IA améliorait la performance sur des tâches professionnelles réalistes de 12 à 25 %, tout en réduisant substantiellement le temps requis.

Mais gains microéconomiques ne riment pas forcément avec révolution macroéconomique. Simplement parce qu’une technologie ne transforme pas l’économie lorsqu’elle apparaît. Elle la transforme lorsque les organisations se réinventent autour d’elle. Et cela prend du temps.

Les ordinateurs personnels ont envahi les bureaux dans les années 1980. Les gains de productivité significatifs ne sont apparus qu’une décennie plus tard, lorsque les entreprises ont repensé leurs chaînes logistiques, leurs systèmes d’inventaire et leurs structures décisionnelles. L’internet a émergé dans les années 1990. Il n’a véritablement bouleversé les modèles d’affaires que dans les années 2000, après l’éclatement de la bulle des dotcom, lorsque le commerce, la publicité et la distribution ont été réorganisés en profondeur.

De la couche superficielle à la restructuration

L’IA en est encore au stade de la couche superficielle. On l’ajoute, mais on ne restructure pas encore les choses autour d’elle.

Dans certains secteurs, un peu de turbulence est d’ailleurs salutaire. Quand des consultants en informatique engrangent des millions pour moderniser des systèmes publics, expertise rare et marges élevées à l’appui, ce sont les contribuables qui paient la facture. Si l’IA réduit la rareté artificielle du savoir technique, elle comprimera aussi certaines rentes. Ce n’est pas nécessairement une tragédie et cela ne signifie pas que les ingénieurs, les consultants ou les stratèges disparaîtront. Cela signifie que leurs marges et leur pouvoir de négociation pourraient diminuer.

Pour qu’un remplacement massif survienne, plusieurs contraintes doivent être surmontées. Les modèles d’IA ont besoin de données abondantes et de qualité, alors même que les sources de données d’entraînement de bonne qualité commencent à se raréfier. Ils exigent une puissance de calcul gigantesque, d’où les investissements massifs en centres de données par Meta, OpenAI et d’autres géants. Ils nécessitent une énergie considérable, dans un contexte où l’électricité devient un enjeu stratégique. Enfin, ils doivent reposer sur un modèle d’affaires viable.

Or, pour l’instant, la plupart des fournisseurs d’IA accumulent des pertes importantes. Nous ne payons pas encore le véritable coût de ces systèmes. Ce sont là des contraintes réelles, de vrais dos d’âne technologiques, pas des détails techniques.

Surtout, l’histoire suggère que l’effet sur l’emploi sera plus ambigu que prévu. On sait que les dernières grandes révolutions industrielles n’ont pas entraîné d’augmentation à long terme ou structurelle du chômage, et l’on voit déjà apparaître de nouveaux métiers qui pourraient bien remplacer ceux qui seront effacés par l’IA. Mais surtout, le paradoxe de Jevons, en économie, rappelle qu’une amélioration d’efficacité entraîne souvent une augmentation de la consommation totale. Quand une activité devient moins coûteuse et plus performante, on en fait davantage.

Par exemple, si l’IA permet aux médecins spécialistes de poser des diagnostics plus rapides et plus précis, il est plausible que leur efficacité augmente fortement d’ici 10 ans. Cela ne signifie pas que nous aurons moins de médecins.

Si consulter devient plus rapide et moins coûteux, nous consulterons plus souvent, et nous voudrons toujours qu’un humain, non une machine, nous annonce une maladie grave.

La même logique s’applique aux ingénieurs en aérospatiale, aux consultants en management ou aux experts en technologies de l’information. Si les projets deviennent moins coûteux à concevoir et à exécuter grâce à l’IA, les organisations en lanceront davantage. Les humains arbitreront les projets, les superviseront et en garantiront la qualité. On ne fera pas moins de projets. On en fera plus.

Alors, l’IA remplacera-t-elle les cols blancs et, si oui, quand ?

En tous cas, pas aussi vite que le suggèrent les vidéos de robots chinois multipliant les prouesses acrobatiques. Mais suffisamment vite pour inciter fortement tout un chacun à s’adapter.

Les professionnels qui apprendront à travailler avec l’IA deviendront plus puissants. Ceux qui refuseront de l’intégrer verront leur valeur relative décliner. La transformation sera réelle. Elle sera profonde. Mais elle passera probablement d’abord par une compression des rentes et une redéfinition des tâches, pas par une disparition massive et soudaine des emplois qualifiés.

Plus largement pour nos cerveaux et ceux qui les emploient, la véritable question n’est pas de savoir quand les cols blancs disparaîtront. C’est de savoir quand nos organisations auront le courage de se transformer assez profondément pour exploiter pleinement ce que l’IA rend possible.

Historiquement, c’est là que se situe le vrai délai. Mais aussi le vrai défi.

© La Presse