Les craintes suscitées par les robots ne datent pas de ces dernières décennies. On aime bien rappeler la révolte des luddites en Angleterre au début du dix-neuvième siècle : des ouvriers et artisans s’attaquèrent aux machines qui avaient été introduites dans l’industrie textile et qu’ils accusèrent de détruire leur emploi. Comme d’autres économistes de grande renommée, Keynes évoquait l’apparition d’un véritable « chômage technologique ». Alors qu’elles avaient fait leur apparition dans les années cinquante (notamment à travers les travaux d’Herbert Simon), ce sont aujourd’hui les intelligences artificielles qui suscitent de profondes inquiétudes. A la différence des simples robots, les intelligences artificielles désignent aussi bien des machines que des logiciels ou algorithmes, dont le point commun est qu’elles cherchent à reconnaître leur environnement et à interagir avec ce dernier en accumulant de l’expérience (à travers le « machine learning ») et en se la partageant (notamment via les « clouds »). Alors que les robots ont surtout suscité des craintes pour l’emploi des travailleurs peu qualifiés réalisant des tâches routinières manuelles, les intelligences artificielles promettent de concurrencer de plus en plus les travailleurs qualifiés pour la réalisation de tâches abstraites.
Jusqu’à présent, ces craintes ne se sont pas concrétisées, du moins pas au niveau agrégé, puisqu’à long terme l’emploi a continué de progresser. Mais rien n’assure que l’avenir sera à l’image du passé. Certains doutent que la présente révolution information et les futures innovations aient les mêmes effets que les précédentes vagues d’innovation. Alors que Robert Gordon (2012) craint que l’innovation s’essouffle et étouffe ainsi la croissance économique, Erik Brynjolfsson et Andrew McAfee (2014) craignent plutôt de leur côté un « deuxième âge des machines » où les innovations tendraient au contraire à s’accélérer et à faire disparaître l’emploi, le nombre de tâches réalisées par les travailleurs étant susceptible d’augmenter rapidement. Dans une étude dont les conclusions furent largement reprises par les médias, Carl Benedikt Frey et Michael Osborne (2013) estimaient que 47 % des emplois actuellement occupés par des travailleurs américains étaient susceptibles d’être automatisés ; la Banque mondiale (2016) estime quant à elle que 57 % des emplois dans les pays de l’OCDE sont susceptibles de l’être. Ces études négligent souvent deux choses : d’une part, ce n’est pas parce qu’une technologie est disponible qu’elle sera forcément adoptée par les entreprises, puisque cette adoption dépendra du coût de cette substitution ; d’autre part, la diffusion de nouvelles technologies dans un secteur a souvent des effets dans le reste de l’économie.
Beaucoup d’analyses partent de l’hypothèse qu’une innovation de procédé vise à accroître la productivité, c’est-à-dire la valeur ajoutée par travailleur. Si c’est le cas, la diffusion de cette innovation tend à augmenter la demande de travail, ce qui stimule l’emploi et pousse les salaires à la hausse. Certes, dans la mesure où les travailleurs sont différents les uns des autres et, notamment, ne possèdent pas les mêmes qualifications, cette innovation peut profiter davantage à certains travailleurs plutôt qu’à d’autres et peut-être détruire des emplois dans certains secteurs. Mais l’on considère que les créations d’emploi qu’elle entraîne compensent les destructions d’emploi qu’elle peut occasionner.
L’hypothèse à la base de ce raisonnement est discutable. Plusieurs nouvelles technologies, que Daron Acemoglu et Pascual Restrepo (2019) qualifient de « technologies d’automatisation », ne visent pas vraiment à accroître la productivité du travail, mais explicitement à substituer à ce dernier des machines moins chères dans un large éventail de tâches réalisées par les êtres humaines. Via leur adoption, elles se substituent à ces derniers, donc réduisent la demande de travail et détruisent des emplois : c’est l’« effet de déplacement » (displacement effect). En conséquence de la diffusion de telles technologies, la productivité tend à augmenter plus vite que les salaires et le partage de la valeur ajoutée tend à se déformer au détriment du travail [Acemoglu et Restrepo, 2018a]. Les données confirment un tel scénario. Par exemple, en étudiant les marchés du travail locaux des Etats-Unis entre 1990 et 2007, Acemoglu et Restrepo (2018b) notent que les secteurs qui adoptent le plus de robots industriels tendent à connaître les plus fortes baisses de demande de travail et les plus fortes baisses de la part de la valeur ajoutée rémunérant le travail. De plus, ces effets pervers sont bien plus prononcés pour les travailleurs peu qualifiés que pour les travailleurs qualifiés, ce qui contribue d'ailleurs à creuser les inégalités salariales. Le maintien de l’économie sur une trajectoire de croissance équilibrée est donc loin d’être évident [Acemoglu et Restrepo, 2018a].
Mais si la part du travail a pu rester assez stable à long terme et si les salaires ont pu augmenter peu ou prou au même rythme que la productivité sur l’essentiel de ces deux derniers siècles, cela signifie que d’autres facteurs ont contribué à neutraliser les effets pervers des technologies d’automatisation. Il est probable que ces dernières puissent accroître la demande de travail via d’autres canaux. Tout d’abord, la substitution de travailleurs par des machines moins chères provoque un « effet de productivité » (productivity effect) : comme le coût de production des tâches automatisées diminue, l’économie croît, ce qui accroît la demande de travail pour les tâches non automatisées. Peut notamment se produire un phénomène de déversement [Sauvy, 1980] : la mécanisation détruit peut-être des emplois dans les secteurs où elle s’opère, mais les gains de productivité qu’elle entraîne augmentent le pouvoir d’achat, via une baisse des prix dont profitent les consommateurs et/ou via une hausse des salaires dont profitent les travailleurs toujours employés, rendus plus efficaces par les machines ; ce supplément de pouvoir d’achat sera dépensé, si bien que des emplois sont créés dans d’autres secteurs de l’économie.
Ensuite, l’automatisation entraîne une « accumulation du capital », qui accroît certes la demande de capital, mais augmente aussi la demande de travail. De plus, l’automatisation ne se contente pas de remplacer des tâches réalisées précédemment par des travailleurs : elle augmente la productivité des machines dans les tâches qui ont déjà été automatisées, ce qui se traduit par un « approfondissement de l’automatisation » et génère à nouveau un effet de productivité. Enfin, il faut garder à l’esprit qu’il y a différents types d’innovation contribuant à la croissance de la productivité. Au cours du temps, lorsque des technologies d’automatisation furent introduites, d’autres innovations permirent parallèlement de créer des tâches pour lesquelles les travailleurs présentaient un avantage compétitif. Et c’est cette création de nouvelles tâches qui constitue la force la plus puissante pour contrecarrer l’effet de déplacement. Acemoglu et Restrepo (2018a) notaient ainsi qu’entre 1980 et 2010, l’introduction et le développement de nouvelles tâches et nouveaux intitulés de poste expliquent environ la moitié de la croissance de l’emploi aux Etats-Unis.
L’intelligence artificielle offre de nouvelles opportunités pour automatiser davantage de tâches. C’est le cas avec la reconnaissance d’image, la reconnaissance vocale, la traduction, la comptabilité, les systèmes de recommandation et l’assistance à la clientèle. Ce choix n’est pas sans conséquences pour la distribution des revenus et la croissance de la productivité. D’une part, si les intelligences artificielles continuent à être utilisées à des fins d’automatisation sans qu’en parallèle soient introduites des innovations capables de créer de nouvelles tâches, alors leur diffusion nuira à l’emploi, déformera davantage le partage de la valeur ajoutée au détriment du travail et alimentera les inégalités de revenu. D’autre part, pour l’heure, les intelligences artificielles ont surtout conduit à une automatisation de tâches pour lesquelles elles s’avèrent moins productives que les travailleurs (pensons à la reconnaissance d'image). Si cela se poursuit ainsi, leur diffusion ne se traduira pas par de réels gains de productivité. Et pourtant, l’intelligence artificielle pourrait être utilisée pour créer de nouvelles tâches, au lieu de se contenter d’automatiser celles existantes. Acemoglu et Restrepo (2019) pensent que de telles opportunités existent par exemple dans les secteurs de l’éducation et de la santé ou un domaine comme la réalité augmentée.
Les économistes se disent souvent confiants dans la capacité des marchés à allouer les ressources à leur usage le plus productif. Pourtant, il existe plusieurs situations où ce n’est pas le cas. Et de telles défaillances de marché sont particulièrement prégnantes dans le cas de l’innovation. En effet, les marchés dysfonctionnent lorsqu’il existe plusieurs paradigmes technologiques en concurrence. Il suffit que l’un de ces paradigmes soit plus développé que les autres pour que les chercheurs et entreprises le développent et délaissent celles-ci, même si elles auraient pu être plus productifs. Il y a en outre des phénomènes de dépendance au sentier : dès lors qu’un paradigme est développé, il est difficile de revenir en arrière et de tirer profit d’un autre paradigme, ne serait-ce parce que les clients se sont familiarisés avec le premier paradigme et que son développement a impliqué d’énormes coûts fixes [Nelson et Winter, 1977 ; Acemoglu, 2012].
Références
BANQUE MONDIALE (2016), World Development Report 2016: Digital Dividends.
BRYNJOLFSSON, Erik, & Andrew MCAFEE (2014), The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies, W. W. Norton & Company.
SAUVY, Alfred (1980), La Machine et le Chômage. Le Progrès technique et l’Emploi, Dunod.
/image%2F1455320%2F20241006%2Fob_135000_illusio-image7.jpg)