L'IA excelle aux tests complexes mais la croissance économique tarde à suivre
« Combien de tendons appariés sont soutenus par l'os sésamoïde de la queue du colibri ? Pouvez-vous traduire cette inscription funéraire en écriture palmyréenne ? Identifier les syllabes fermées d'un psaume en hébreu biblique ? » Ces questions, qui pourraient occuper des spécialistes pendant des heures et dont les réponses ne se trouvent pas facilement sur Internet, constituent désormais le « dernier examen de l'humanité » (Humanity's Last Exam) utilisé pour tester les capacités des intelligences artificielles.
Les IA réussissent ces défis de mieux en mieux, démontrant des compétences qui dépassent souvent l'entendement. Dans le secteur technologique, le lancement de « Claude Code » et la mise à jour de son concurrent Codex, des agents capables de modifier directement des fichiers et d'exécuter du code sur l'ordinateur de l'utilisateur, ont créé une véritable onde de choc. Des ingénieurs expérimentés se contentent désormais de « vibe-coding », et un consensus émerge pour affirmer que l'IA surpasse maintenant les meilleurs informaticiens humains.
Des capacités stupéfiantes accessibles à tous
Pour seulement 200 € par mois, chacun peut désormais accéder à un assistant d'une intelligence redoutable : coder un jeu vidéo complet en une heure, analyser une comptabilité complexe, trier des centaines de courriels, résumer des réunions exhaustives ou reproduire les simulations d'un article académique pointu. Les capacités de ces modèles d'intelligence artificielle sont véritablement stupéfiantes et semblent repousser chaque jour les limites du possible.
Et pourtant, une question fondamentale persiste : où est la croissance économique promise ? Le produit intérieur brut américain n'a pas augmenté de plus de 2 % en 2025. En France, la croissance s'est limitée à seulement 0,9 %. Peut-être que l'intelligence artificielle a protégé ces économies de l'incertitude politique ambiante, mais ces chiffres restent décevants au regard des investissements colossaux. Certains analystes suggèrent que nous sommes peut-être trop impatients : ces modèles sont jeunes, après tout. À moins qu'il ne s'agisse d'un blocage plus fondamental et structurel.
Le piège du maillon faible : quand l'humain reste indispensable
L'intelligence artificielle se substitue déjà parfaitement à l'humain pour de nombreuses tâches dont on n'imaginait pas qu'elles seraient un jour automatisées. Il arrive certes à ces systèmes d'halluciner ou de produire des informations erronées, mais cela arrive aussi aux humains, et les systèmes payants vérifient généralement leurs informations aux sources disponibles. Pourtant, même sur les métiers bureautiques ou informatiques, le remplacement reste imparfait : il manque à l'IA une intelligence de long terme – la capacité de maintenir ses objectifs en tête sur la durée – ou celle de vérifier physiquement certaines informations dans le monde réel.
La théorie économique qui explique le paradoxe
La théorie du « maillon faible » développée par Chad Jones, s'appuyant sur les modèles de Daron Acemoglu et Juan Restrepo, montre que ce blocage, en apparence anodin, peut jouer un rôle central dans la limitation de la croissance. L'intelligence artificielle exécute parfaitement beaucoup de tâches autrefois dévolues à un ingénieur qualifié. Mais pas toutes. L'ingénieur humain devient alors le goulot d'étranglement. Or, dans une économie complexe où de nombreuses tâches doivent être exécutées en parallèle pour créer de la valeur, ce sont précisément ces maillons faibles qui déterminent le rythme de la croissance globale.
Imaginons deux usines sans concurrentes : l'une fabrique exclusivement des chaussures gauches, l'autre des chaussures droites. Si l'usine des chaussures gauches est entièrement automatisée, elle devient beaucoup plus productive et voit sa production se démultiplier de manière exponentielle. Mais pour vendre une paire complète au consommateur bipède, il faut impérativement une chaussure de chaque pied. Produites en surnombre, les chaussures gauches perdent mécaniquement de leur valeur ; celle-ci se concentre alors dans la chaussure droite, celle que produisent encore des humains. Le maillon faible – le laborieux salarié humain – continue d'accaparer le gros de la valeur créée.
Des résultats aussi impressionnants que ceux de l'intelligence artificielle peuvent donc aboutir à une croissance économique modeste : la machine a beau être infiniment plus productive sur certains segments, la productivité globale de l'économie, celle qui compte réellement pour le PIB, n'a été multipliée, au mieux, que par deux, puisque deux fois plus de salariés travaillent désormais sur la chaussure droite – ce qui représente déjà une amélioration significative, mais au prix d'investissements technologiques lourds et massifs.
Une leçon venue de l'histoire industrielle : l'exemple de l'électricité
Ce problème économique s'est déjà posé de manière similaire lors de l'introduction massive de l'électricité dans l'industrie. Remplacer du travail humain par des machines électriques fut l'un des progrès majeurs de l'économie moderne. Mais un blocage sur la fiabilité du réseau électrique pouvait empêcher les investissements : sans garantie solide que les pannes seraient rarissimes, les industriels s'exposaient à des risques majeurs d'interruption de production. Les générateurs de secours limitaient partiellement ces risques, mais les pannes fréquentes pesaient lourdement sur l'adoption des machines tant que le réseau n'était pas suffisamment fiable, comme le montre encore aujourd'hui l'exemple de l'Inde et de ses défis énergétiques.
Le cas AlphaFold : succès technique mais limites pratiques
Le problème se pose pour l'intelligence artificielle jusque dans ses plus grands succès retentissants. Demis Hassabis, directeur général de Google DeepMind, a obtenu le prix Nobel de chimie en 2024 pour AlphaFold, un modèle capable de prédire avec une grande précision la structure tridimensionnelle des protéines. On peut désormais mieux comprendre les interactions complexes entre protéines, concevoir des antigènes plus efficaces, et rêver à des objectifs aussi ambitieux que celui de Dario Amodei, dirigeant d'Anthropic et ancien biologiste : guérir définitivement le cancer.
Cependant, même dans ce cas d'école, l'intelligence artificielle ne simplifie qu'une partie du processus de recherche médicale. Un vaccin qui a d'excellentes raisons théoriques de fonctionner peut se révéler totalement inefficace en pratique ; il faut alors impérativement procéder à des essais cliniques en double aveugle rigoureux, ce qui entraîne des coûts financiers et temporels significatifs. Quand bien même l'IA surpasserait tous les chercheurs en biologie médicale du monde, il faudra toujours dépenser des ressources économiques considérables pour administrer et suivre méticuleusement les expérimentations. Les laborantins humains ne disparaîtront pas : ils effectueront simplement des tâches différentes, plus spécialisées et complémentaires.
La robotique : prochaine étape pour dépasser le blocage ?
Une grande étape technologique qui permettrait potentiellement de dépasser ce blocage structurel serait le développement massif de la robotique avancée, domaine dans lequel s'est lancé Yann Le Cun avec AMI labs. Avec une compréhension physique approfondie du monde et de notre langue naturelle, les robots pourraient remplacer les humains sur les tâches physiques « non-routinières », celles que ne réalisent pas encore les robots industriels traditionnels : repeindre un mur avec précision, casser une cloison de manière contrôlée, installer un échafaudage en toute sécurité. Le jour où ces maillons faibles pourront, eux aussi, être automatisés de manière fiable et économique, la promesse de croissance exponentielle de l'intelligence artificielle pourra enfin se réaliser pleinement – à moins que l'on ne découvre entretemps de nouveaux blocages insoupçonnés !
