L’intelligence artificielle n’est pas une simple innovation de plus : c’est une révolution comparable à la machine à vapeur ou à l’électricité, capable de transformer tous les secteurs simultanément. Mais cette promesse cache une réalité inquiétante : une poignée d’acteurs technologiques monopolise déjà l’essentiel des gains, tandis que gouvernements et institutions peinent à réguler une technologie qui échappe aux prévisions économiques classiques. Décryptage d’un bouleversement où tout reste encore à jouer.
L’IA : une technologie à usage général qui redessine l’économie mondiale
Lorsque ChatGPT franchit la barre symbolique des 100 millions d’utilisateurs en seulement deux mois fin 2022, le monde réalise qu’il assiste à l’émergence d’une technologie à usage général (GPT en anglais, pour General Purpose Technology). Comme la vapeur au XIXe siècle ou l’électricité au début du XXe, l’intelligence artificielle possède cette capacité rare de transformer simultanément l’agriculture, la santé, la finance, l’éducation et l’industrie manufacturière.
Cette transversalité crée des effets d’apprentissage qui s’auto-entretiennent : chaque nouvelle application dans un secteur génère des connaissances réutilisables ailleurs. Une IA entraînée pour diagnostiquer des radiographies peut être adaptée pour détecter des défauts dans des pièces industrielles. Un modèle de langage perfectionné pour le service client améliore ensuite les assistants de programmation destinés aux développeurs.
Mais contrairement aux révolutions technologiques précédentes, l’IA s’accompagne d’une caractéristique inédite : l’incertitude knightienne. L’économiste Frank Knight distinguait le « risque » (probabilité calculable) de l’« incertitude » (situation où même les probabilités sont impossibles à estimer). Face à l’IA, entreprises et gouvernements naviguent en pleine incertitude : personne ne peut prédire avec fiabilité quels emplois disparaîtront dans cinq ans, quels nouveaux marchés émergeront, ni à quelle vitesse les modèles actuels seront dépassés.
Cette imprévisibilité déclenche des comportements d’accumulation défensive. Les entreprises technologiques investissent massivement dans les GPU (processeurs graphiques essentiels à l’entraînement des modèles), constituant des stocks de capacité de calcul par anticipation. Elles recrutent également à tour de bras des chercheurs en apprentissage automatique et collectent frénétiquement des données propriétaires, créant ainsi une course aux ressources qui rappelle les ruées vers l’or du passé.
Winner-takes-all : quand une poignée rafle la mise
L’économie de l’IA obéit à des mécanismes qui favorisent naturellement la concentration extrême. Trois facteurs structurels expliquent pourquoi nous assistons à l’émergence d’une économie du « gagnant rafle tout ».
Premièrement, les effets de réseau jouent à plein. Plus une plateforme d’IA attire d’utilisateurs, plus elle collecte de données d’usage qui améliorent son modèle, ce qui attire encore plus d’utilisateurs. Microsoft avec GitHub Copilot ou Google avec ses services intégrés à Search bénéficient d’un avantage cumulatif difficile à rattraper pour les nouveaux entrants.
Deuxièmement, les économies d’échelle dans le calcul créent des barrières à l’entrée gigantesques. Entraîner un modèle de langage de pointe coûte désormais entre 50 et 200 millions de dollars. Seules les entreprises disposant de l’infrastructure existante (data centers, accès privilégié aux puces) et de capitaux massifs peuvent participer à cette course. Les start-ups talentueuses se retrouvent contraintes de s’adosser aux géants ou d’être rachetées avant d’avoir pu challenger sérieusement les positions établies.
Troisièmement, l’accès aux talents rares constitue un goulot d’étranglement majeur. Le nombre de chercheurs capables de concevoir des architectures de réseaux neuronaux innovantes reste limité mondialement. Les GAFAM et quelques acteurs chinois (ByteDance, Alibaba) concentrent l’essentiel de ces compétences grâce à des packages de rémunération que peu d’organisations peuvent concurrencer.
Les preuves empiriques de cette concentration s’accumulent. OpenAI, Anthropic, Google DeepMind et Meta captent à eux quatre l’essentiel de l’attention médiatique et des revenus dans les modèles de langage. Dans les services cloud permettant d’utiliser ces modèles, Amazon Web Services, Microsoft Azure et Google Cloud Platform contrôlent plus de 65% du marché mondial. Cette oligopolisation rapide crée des risques macroéconomiques : renforcement des inégalités patrimoniales, affaiblissement de la concurrence et, paradoxalement, ralentissement potentiel de l’innovation faute d’écosystème compétitif diversifié.
Le grand bouleversement du marché du travail
Contrairement aux discours apocalyptiques ou utopiques, l’impact de l’IA sur l’emploi suit une logique plus nuancée articulée autour de la distinction entre automatisation et augmentation.
L’automatisation remplace directement certaines tâches humaines. Les centres d’appels déploient massivement des agents conversationnels qui gèrent les requêtes standardisées. Les cabinets comptables automatisent la saisie et la classification des factures. Les plateformes de recrutement filtrent automatiquement des milliers de CV selon des critères prédéfinis.
L’augmentation, en revanche, accroît la productivité des travailleurs en leur fournissant des outils puissants. Les radiologues utilisent l’IA pour pré-analyser des milliers d’images et concentrer leur expertise sur les cas complexes. Les développeurs s’appuient sur des assistants de code (Copilot, Cursor) qui génèrent automatiquement les portions répétitives, leur permettant de se focaliser sur l’architecture et la logique métier. Les juristes déploient des outils de recherche jurisprudentielle dopés à l’IA qui accélèrent considérablement la phase de découverte documentaire.
Le problème ? L’IA creuse la polarisation du marché du travail. Les emplois fortement qualifiés qui nécessitent créativité, jugement contextuel et intelligence sociale bénéficient de l’augmentation. Les emplois très peu qualifiés nécessitant une présence physique et de la flexibilité situationnelle (entretien, soins à la personne, réparation) restent difficilement automatisables. En revanche, les emplois intermédiaires – administratifs, comptables, analystes junior, gestionnaires de dossiers – subissent une pression maximale.
Cette dévaluation des compétences moyennes menace directement les classes moyennes et la mobilité sociale. Historiquement, ces emplois constituaient des tremplins vers des positions plus qualifiées. Leur raréfaction risque de créer un marché du travail en sablier : beaucoup d’emplois précaires en bas, quelques positions très rémunératrices en haut, et un ventre creux au milieu.
Les politiques d’adaptation peinent à suivre le rythme. La formation continue, pourtant essentielle, se heurte à des obstacles pratiques : coûts élevés, absence de standards reconnus pour certifier les nouvelles compétences, disparités régionales criantes dans l’accès aux dispositifs de reconversion. Les partenariats public-privé expérimentés dans certains pays nordiques ou à Singapour montrent des résultats encourageants, mais leur généralisation reste embryonnaire.
Géopolitique de l’IA : la nouvelle guerre froide numérique
L’IA est devenue un enjeu de souveraineté comparable au nucléaire ou au spatial pendant la guerre froide. La rivalité sino-américaine structure désormais le paysage technologique mondial.
Les États-Unis ont instauré des contrôles à l’export drastiques sur les semi-conducteurs avancés et les équipements de fabrication, interdisant de facto à la Chine l’accès aux puces les plus performantes (Nvidia A100, H100). L’objectif affiché : ralentir le développement d’IA militaires chinoises et préserver l’avance américaine dans les modèles de pointe. En réponse, Pékin a massivement augmenté ses investissements publics dans la recherche en semi-conducteurs et dans les architectures d’IA alternatives moins dépendantes des ressources de calcul brutes.
Cette compétition entraîne une fragmentation progressive de l’écosystème technologique mondial. La Chine développe ses propres standards, ses modèles domestiques (Ernie de Baidu, Tongyi de Alibaba) et son infrastructure cloud autonome. L’Union européenne tente une troisième voie avec l’IA Act, privilégiant la régulation par les risques et la protection des droits fondamentaux. Le risque ? L’émergence de « sphères numériques » incompatibles, augmentant les coûts de transaction pour les entreprises multinationales et ralentissant la diffusion des innovations.
Les enjeux de sécurité ajoutent une dimension explosive. L’IA peut accélérer la conception d’armes autonomes, faciliter la désinformation à grande échelle, ou démultiplier les capacités de cyberattaque. Face à ces risques, les institutions multilatérales (ONU, OCDE) tentent péniblement de construire des cadres de gouvernance partagés, mais se heurtent aux divergences d’intérêts géopolitiques fondamentaux.
Trois trajectoires possibles pour notre futur
L’avenir de l’économie de l’IA n’est pas écrit. Les décisions politiques et institutionnelles prises dans les cinq prochaines années détermineront laquelle de ces trois trajectoires se concrétisera.
Scénario 1 : Concentration extrême. Faute de régulation efficace, cinq à dix entreprises technologiques globales consolident leur domination. Elles contrôlent l’infrastructure de calcul, les modèles fondamentaux et les données stratégiques. Les profits colossaux générés bénéficient principalement aux actionnaires et aux talents les plus recherchés. Les tensions sociales s’accentuent, alimentant populismes et instabilité politique. L’innovation ralentit faute de biodiversité entrepreneuriale.
Scénario 2 : Gouvernance corrective. Les États déploient des régulations antitrust adaptées, investissent massivement dans des infrastructures publiques de calcul et de données (« communs numériques »), et mettent en place des politiques actives du marché du travail incluant formation accélérée et revenus de transition. La valeur créée par l’IA est partiellement redistribuée via la fiscalité. Un écosystème compétitif diversifié émerge, combinant géants établis, scale-ups spécialisées et acteurs publics.
Scénario 3 : Fragmentation géopolitique. La rivalité sino-américaine se durcit en guerre technologique ouverte. Des blocs concurrents émergent (américain, chinois, possiblement européen), chacun avec ses standards, ses modèles et ses infrastructures cloisonnées. Une course aux armements numériques absorbe des ressources considérables. L’efficience globale chute en raison des duplications et des incompatibilités, ralentissant le progrès scientifique et économique mondial.
Pour éviter les scénarios les plus sombres, les décideurs doivent surveiller plusieurs indicateurs clés : la part de marché cumulée des cinq premiers fournisseurs d’IA générative (au-delà de 80%, le risque de monopole devient critique), la concentration géographique du compute (actuellement 70% aux États-Unis et en Chine), les investissements publics en R&D rapportés au PIB, les taux de participation à la formation continue, et l’évolution du salaire médian réel.
Que faire ? Les leviers d’action prioritaires
Face à cette transformation radicale, quatre axes d’intervention apparaissent prioritaires.
Réguler la concentration. Les autorités de concurrence doivent adapter leurs grilles d’analyse aux spécificités de l’IA : surveiller les acquisitions de start-ups prometteuses par les géants, contrôler l’accès aux capacités de calcul stratégiques, et sanctionner les pratiques anticoncurrentielles dans les écosystèmes d’API et de services dérivés.
Créer des communs numériques. Investir dans des infrastructures publiques ou régulées : clouds de recherche accessibles aux laboratoires universitaires, datasets partagés respectant la vie privée, modèles open-source soutenus publiquement pour garantir l’existence d’alternatives aux solutions propriétaires.
Protéger les travailleurs et investir dans les compétences. Généraliser les dispositifs de formation accélérée et de certification des compétences émergentes. Expérimenter des revenus de transition pour accompagner les reconversions. Utiliser la fiscalité pour encourager l’augmentation plutôt que le remplacement pur : crédits d’impôt pour les entreprises qui investissent dans la formation de leurs employés à l’utilisation d’outils d’IA.
Construire une gouvernance internationale. Négocier des accords multilatéraux sur les contrôles d’exportation, les standards de sécurité et de transparence, et le partage équitable des bénéfices économiques de l’IA. Sans coordination internationale, la course vers le bas réglementaire et la militarisation de la technologie deviennent inévitables.
L’intelligence artificielle promet une transformation économique comparable aux grandes révolutions technologiques de l’histoire. Mais contrairement à la machine à vapeur ou à l’électricité, son déploiement s’effectue à une vitesse inédite, dans un contexte d’incertitude radicale qui rend les ajustements spontanés du marché insuffisants. Les choix politiques et institutionnels des prochaines années détermineront si cette révolution élargit ou concentre les opportunités, renforce ou fragilise les démocraties, pacifie ou exacerbe les rivalités géopolitiques. Le temps de l’action n’est plus demain : c’est maintenant.
