Le paradoxe de Solow revient, et cette fois il s'adresse à l'IA
Il existe un schéma silencieux que l'histoire économique a répété au moins deux fois avec clarté avant l'ère de l'intelligence artificielle. D'abord avec l'électrification industrielle, puis avec les ordinateurs personnels. Dans les deux cas, la technologie est arrivée des décennies avant que son impact n'apparaisse dans les statistiques de productivité. Dans les deux cas, la période où « rien ne se passait » était précisément le moment où tout était en train d'être reconfiguré en profondeur.
L'économiste Robert Solow l'a capturé dans une formule qui n'était pas conçue pour faire rire : « On peut voir l'ère des ordinateurs partout, sauf dans les statistiques de productivité. » C'était en 1987. Les PC proliféraient dans les bureaux des entreprises, les mainframes traitaient des transactions à des vitesses impensables une décennie auparavant, et l'embryon de ce qui allait devenir internet existait déjà. Pourtant, la productivité agrégée de l'économie américaine ne bougeait pas. Ce phénomène a été enregistré sous le nom de Paradoxe de Solow, et sa résolution a mis près de dix ans à arriver.
Ce qui se passe aujourd'hui avec l'intelligence artificielle présente une géométrie presque identique. Et l'accumulation de données récentes, aussi bien issues d'enquêtes massives que de rapports de grandes plateformes technologiques, suggère que le point d'inflexion qui a mis une décennie à se manifester pour les ordinateurs pourrait être en train de se matérialiser en ce moment même pour l'IA.
---
Quand 90 % disent « rien n'a changé » et que le marché dit le contraire
En février de cette année, une enquête réalisée auprès de 6 000 dirigeants d'entreprises a livré un résultat qui, à première vue, semblerait dévastateur pour les arguments de ceux qui promettent depuis des années la révolution de l'IA : 90 % des personnes interrogées ont déclaré que l'adoption de l'intelligence artificielle n'avait eu aucun impact mesurable sur l'emploi ou la productivité dans leurs entreprises. Dans le même temps, 63 % d'entre elles déclaraient avoir adopté l'IA sous une forme ou une autre.
C'est exactement le portrait de 1987. Une technologie omniprésente dans le discours, adoptée par la majorité, mais sans empreinte visible dans l'économie réelle telle que la mesurent les instruments conventionnels.
Mais il existe un autre chiffre dans cette même image qui change le cadrage. Une analyse de la Banque de réserve fédérale de Saint-Louis a révélé que l'IA générative a produit une amélioration de 5,4 % de la productivité des travailleurs qui l'ont utilisée. Ce n'est pas un chiffre qui justifie les valorisations actuelles des entreprises d'IA. Il n'est pas non plus négligeable. C'est, en termes historiques, le type de signal faible qui précède généralement un mouvement structurel plus profond.
La distance entre les 90 % qui ne voient aucun changement et les 5,4 % qui mesurent une amélioration réelle n'est pas une contradiction. C'est la différence entre adopter un outil et repenser l'intégralité du processus autour de lui. Les usines du XIXe siècle qui ont installé des moteurs électriques sur les mêmes systèmes d'arbres et de poulies à vapeur n'ont pas obtenu de gains d'efficacité. Celles qui ont démoli l'architecture physique de leurs installations et ont tout reconstruit depuis zéro autour du moteur individuel par poste de travail les ont bien obtenus, mais ce processus a pris quarante ans depuis qu'Edison a allumé sa première centrale électrique en 1882.
L'analyse de Deloitte sur l'adoption de l'IA générative ajoute un autre fragment au puzzle : la majorité des entreprises ayant adopté l'IA font état d'un retour positif, et près de 25 % des adoptants signalent des gains de productivité ou des bénéfices financiers supérieurs à 30 %. Ce quart d'entreprises ne dispose pas d'outils différents de ceux des 75 % restants. Il opère selon une logique organisationnelle différente, ce qui constitue exactement le type de variable qui n'apparaît pas dans les enquêtes sur l'adoption technologique, mais qui détermine où la valeur va se concentrer au cours des cinq prochaines années.
---
Ce que les résultats d'Alphabet et de Microsoft révèlent que l'enquête ne voit pas
Alors que la majorité des entreprises font état d'un impact nul, deux sociétés occupant des positions dominantes dans l'infrastructure technologique publient des chiffres qui ne s'inscrivent pas dans ce récit. Et la différence ne tient pas au fait qu'elles disposeraient d'une IA supérieure, mais au fait qu'elles contrôlent le canal de distribution par lequel des millions d'organisations y accèdent.
Alphabet a annoncé pour son dernier trimestre une croissance de 19 % de ses revenus issus de la recherche, attribuant une partie de cette hausse directement à l'intégration de l'IA dans son produit de recherche principal. Sa division Google Cloud a enregistré une croissance de 63 % en glissement annuel, et la société a précisé que les grands clients entreprises ayant adopté ses services d'IA avaient généré des revenus en croissance de 800 % par rapport à l'année précédente. Ce dernier chiffre n'est pas un indicateur de volume absolu, mais il constitue bien un signal de vitesse d'adoption au sein du segment des grandes entreprises, qui est historiquement le plus lent à évoluer.
Microsoft, de son côté, a annoncé que son activité IA fonctionne actuellement à un rythme de revenus annualisés de 37 milliards de dollars. Pour mettre ce chiffre en perspective : OpenAI, l'entreprise qui concentre le plus de couverture médiatique dans l'espace de l'IA et qui opère avec des revenus annualisés d'environ 20 milliards de dollars, reste plus petite en volume que Microsoft dans son seul segment IA.
Le schéma qui se dégage n'est pas celui d'une technologie défaillante en attente de validation. C'est celui d'une technologie dont la captation de valeur économique se concentre, pour l'instant, dans les plateformes qui contrôlent l'infrastructure et les canaux de distribution vers le client entreprise : Alphabet, Microsoft, et dans une moindre mesure Salesforce, ServiceNow et Databricks, qui ont également fait état d'une monétisation croissante de leurs capacités d'IA intégrées.
Cela reproduit fidèlement ce qui s'est passé dans les années 1990 avec l'informatique. Intel, Microsoft, Cisco et les opérateurs de télécommunications ont capturé la majeure partie de la valeur économique de la révolution numérique bien avant que l'impact de cette révolution ne soit visible dans les statistiques agrégées de productivité. Les entreprises utilisatrices de cette technologie ont mis encore plusieurs années à traduire l'investissement en gains opérationnels réels.
---
Le retard que personne ne mesure se situe dans l'architecture organisationnelle
Il existe une friction spécifique qui explique pourquoi la distance entre adoption et productivité ne s'effondre pas automatiquement, et cette friction apparaît rarement dans les analyses de marché. Il s'agit de la vitesse de refonte organisationnelle, qui est de plusieurs ordres de grandeur plus lente que la vitesse d'adoption technologique.
Lorsqu'une entreprise intègre un outil d'IA générative dans le flux de travail de son équipe chargée du contenu ou du service client, le gain initial est marginal. Le travailleur apprend à utiliser l'outil, mais le processus dans lequel cet outil s'insère conserve les mêmes goulots d'étranglement, les mêmes couches de validation, la même conception des rôles qui existait avant l'IA. Les 5,4 % d'amélioration mesurés par la Banque de réserve fédérale correspondent, en grande partie, à l'impact de l'outil sur le processus existant.
Le saut qui a transformé l'électrification d'un fait technique en une révolution de la productivité n'a pas consisté à installer le moteur. Il a consisté à supprimer l'arbre central et à distribuer l'énergie de manière décentralisée dans toute l'usine, ce qui a impliqué de démolir physiquement l'infrastructure antérieure et de la reconstruire. L'équivalent en termes d'IA n'est pas « déployer un copilote ». C'est repenser quels processus existent, lesquels disparaissent, quels rôles ont un sens et quelles décisions peuvent être prises sans intervention humaine directe.
Les entreprises du quartile supérieur dans l'analyse de Deloitte — les 25 % qui déclarent des gains supérieurs à 30 % — font quelque chose de différent que d'installer des outils. Elles repensent des flux de travail complets autour de capacités qui n'existaient pas auparavant. C'est une opération qui requiert une tolérance au chaos transitoire, une disposition à abandonner des processus qui fonctionnaient, et surtout une lecture honnête de ce que le client final valorise et de quelle partie du processus interne ne génère aucune valeur pour personne, si ce n'est pour celui qui l'a conçu.
Cette refonte est lente, politiquement coûteuse au sein des organisations et difficile à mesurer à court terme. C'est pourquoi elle n'apparaît pas dans l'enquête auprès des 6 000 dirigeants comme un impact visible. Mais c'est précisément ce qui, lorsqu'il atteint une masse critique dans suffisamment de secteurs et d'entreprises, produit le type de mouvement dans les statistiques de productivité que les économistes décrivent rétrospectivement comme un point d'inflexion.
---
Ce que le paradoxe de Solow ne peut pas résoudre à lui seul
L'analogie historique a une valeur analytique, mais elle a aussi une limite qu'il convient de nommer avec précision. La période de latence entre adoption technologique et productivité mesurable dans les années 1980 et 1990 s'est produite dans un contexte de moindre vitesse d'itération technologique. Les modèles de langage qui existent aujourd'hui seront des versions primitives de ceux qui existeront dans trois ans. La pression concurrentielle sur les entreprises pour adopter et repenser leurs processus est aujourd'hui plus intense que celle qu'ont connue les organisations lors de la transition vers le PC.
Cela ne raccourcit pas mécaniquement la période de retard organisationnel, car ce retard dépend de facteurs humains et institutionnels qui ne s'accélèrent pas au même rythme que la technologie. Mais cela signifie bien que la distribution des bénéfices entre les entreprises qui reconfigurent en profondeur et celles qui se contentent d'installer sans repenser deviendra visible dans les bilans financiers avec une rapidité plus grande que lors de la révolution du PC.
Les 25 % d'adoptants enregistrant des gains supérieurs à 30 % signalés par Deloitte ne constituent pas une curiosité statistique. C'est la première preuve que la séparation entre les deux groupes est déjà en cours. Si le schéma historique se confirme, ce différentiel s'élargira avant même que les statistiques macroéconomiques ne l'enregistrent clairement. Au moment où les indices de productivité montreront le saut que Solow espérait observer depuis 1987, l'avantage concurrentiel de ceux qui ont reconfiguré leurs processus plutôt que de simplement adopter sera déjà structurellement difficile à rattraper.
La question que le paradoxe de Solow laisse toujours sans réponse est invariablement la même : combien de temps une organisation dispose-t-elle pour passer du statut d'utilisatrice de l'outil à celui de conceptrice des processus que cet outil rend possibles ? Dans les années 1990, cette marge était de près d'une décennie. Cette fois, la géométrie du marché suggère qu'elle sera considérablement plus courte.
