Acemoglu et l'IA : seulement 1,5 % de PIB en dix ans

Microsoft a ouvert l'un de ses propres blogs à une prévision bien en deçà de l'optimisme habituel du secteur. Daron Acemoglu, économiste lauréat du prix Nobel, s'attend à ce que l'intelligence artificielle fasse progresser le PIB d'environ 1,5 % sur une période de dix ans. Il estime aussi que l'IA ne remplacera pas plus de 5 % des emplois.

Ces deux chiffres sont très loin de ce qu'annoncent certains laboratoires d'IA. Acemoglu apporte une réserve : le rythme de développement de l'IA est difficile à prévoir, et ses estimations dépendent de cette incertitude.

Un chiffre modeste, à dessein

Le chiffre phare n'est pas de 1,5 % par an. C'est 1,5 % au total sur une décennie. Pour un secteur qui présente souvent l'IA comme une force capable de transformer l'économie mondiale en quelques années, c'est une estimation sobre.

Le chiffre sur l'emploi est tout aussi mesuré. Au plus 5 % des emplois remplacés, c'est un effet réel, mais on est loin des scénarios de suppressions massives qui ont largement nourri le débat public.

Acemoglu ne soutient pas que la technologie est faible. Son argument porte sur la lenteur avec laquelle les organisations l'absorbent.

Le goulot d'étranglement, ce sont les humains, pas les modèles

Selon Acemoglu, le principal frein à la croissance tirée par l'IA est la nature humaine. Avant que le moindre gain de productivité n'apparaisse, les entreprises doivent accomplir trois choses difficiles :

1. Redistribuer les tâches. Le travail doit être réparti à nouveau entre les personnes et les logiciels.
2. Former les salariés. Les employés ont besoin de nouvelles compétences pour bien utiliser ces outils.
3. Se restructurer. Les organisations doivent changer leur façon d'être construites et de fonctionner.

Il prévient que ce processus pourrait prendre plus de temps que l'électrification. La comparaison historique compte. L'électricité était une technologie à usage général dont les retombées économiques ne sont arrivées qu'une fois les usines et les méthodes de travail repensées autour d'elle.

Sur la question de l'échelle, il est direct : des modèles plus gros ne régleront pas ce problème. Davantage de paramètres et de meilleurs scores aux benchmarks ne réorganisent pas une entreprise. Ce qui manque, selon lui, ce sont des applications faciles à déployer et qui changent réellement la manière dont les biens et les services sont produits.

Cela rejoint une tendance observée ailleurs. Les données sur l'usage de l'IA en entreprise suggèrent que l'adoption et l'impact économique réel n'avancent pas toujours de concert.

Augmenter plutôt qu'automatiser

Le second volet de la démonstration d'Acemoglu porte sur le type d'IA qui rapporte. Il soutient qu'une IA qui prolonge les compétences humaines apportera plus de productivité que l'automatisation complète.

Son raisonnement est pragmatique. Même une précision de 99 % ne suffit souvent pas, une fois pris en compte les problèmes du dernier kilomètre et les besoins réels des utilisateurs. Dans beaucoup de tâches concrètes, c'est dans le 1 % restant que se logent le coût, le risque ou la réclamation du client. Un système qui passe la main à un humain pour cette dernière étape peut être plus utile qu'un système qui tente de tout boucler seul et échoue de temps en temps.

Cette position s'inscrit dans un courant plus large du débat. Google DeepMind, par exemple, a plaidé pour un modèle symbiotique entre humains et IA plutôt que pour une prise de pouvoir façon singularité.

Pourquoi Microsoft est un hôte bien commode

Le lieu de publication mérite qu'on s'y arrête. Le texte est paru dans "The Humanist Review of AI", un blog d'entreprise atypique tenu par Microsoft, où les auteurs signent leurs articles à la main.

La thèse arrange aussi les affaires de Microsoft. Si l'augmentation l'emporte sur l'automatisation, alors ajouter des fonctions d'IA à des produits existants est une stratégie solide. Microsoft peut continuer à intégrer l'IA dans des logiciels que les gens utilisent déjà, sans avoir à parier sur l'automatisation à grande échelle de catégories entières de métiers.

Cela ne rend pas l'argument d'Acemoglu faux. Mais les lecteurs doivent garder à l'esprit que l'éditeur tire profit de la conclusion.

Vue d'ensemble

Pour les lecteurs de CyrioX, l'intérêt principal de cette prévision n'est pas le chiffre de 1,5 % en lui-même. C'est l'affirmation sur l'endroit où se situent les frictions. Si Acemoglu a raison, le facteur limitant de l'impact économique de l'IA est le changement organisationnel, pas la capacité des modèles. Cela déplace l'attention de la course aux benchmarks vers des questions plus lentes : qui repense les méthodes de travail, qui forme le personnel, et qui construit les applications simples et déployables qui, selon lui, font défaut.

On devine là une tension discrète avec l'orientation actuelle du secteur. De nombreux laboratoires misent fortement sur des agents autonomes conçus pour mener des tâches entières de bout en bout. L'argument du dernier kilomètre d'Acemoglu implique que, pour de nombreux usages, ces agents auront besoin d'un humain dans la boucle plus longtemps que ne le laisse entendre leur marketing. Les informations sur des entreprises comme Microsoft qui réduisent leur usage interne de certains outils d'IA montrent que le déploiement au sein des grandes organisations suit rarement une ligne droite.

Il faut aussi garder le cadrage en tête. Qu'un grand fournisseur d'IA publie une prévision prudente est inhabituel, mais la conclusion conforte sa stratégie consistant à ajouter de l'IA à des produits existants. Les prévisions des laboratoires qui vendent de l'automatisation, comme celles des fournisseurs qui vendent de l'augmentation, doivent être lues en ayant leur modèle économique à l'esprit.

À surveiller désormais : si d'autres économistes ou laboratoires répondent avec des estimations concurrentes, si les données de productivité commencent à refléter l'adoption lente et progressive que décrit Acemoglu, et si les applications "faciles à déployer", plutôt que des modèles plus gros, deviennent le principal argument de vente de l'IA en entreprise. Acemoglu admet lui-même que le rythme de l'IA est difficile à prévoir : ses chiffres sont donc à prendre comme un point de référence raisonné, pas comme une réponse définitive.