La grande peur des technologies de rupture edit

24 July 2026

L’émergence de technologies de rupture a toujours suscité un mélange de fascination et d’effroi. À chaque grande vague d’innovation, une angoisse récurrente s’empare de l’opinion publique : celle de l’obsolescence de l’homme, de la destruction massive des emplois et, in fine, de la fin du travail. Pourtant, l’histoire économique nous enseigne avec constance que ces craintes, bien que légitimes et souvent douloureuses à court terme, se heurtent systématiquement à une réalité plus complexe et fondamentalement créatrice de valeur.  Mieux, l’histoire nous apprend comment identifier les effets indésirables et les risques, et comment les minimiser tout en bénéficiant des apports positifs de la technologie.

L’innovation, facteur d’inquiétude

L’histoire des grandes innovations montre que les craintes concernant la disparition des emplois sont récurrentes, mais rarement confirmées. L’invention de l’imprimerie par Gutenberg au XVe siècle inquiète les moines copistes, qui craignent de perdre leur métier. En 1492, l’abbé Johannes Trithemius rédige ainsi De laude scriptorum (paradoxalement imprimé par la suite), faisant l’apologie des scribes face à l’imprimerie et alertant sur le risque que les moines perdent leur discipline spirituelle liée au travail manuel. Dans les faits, la baisse drastique du coût du livre a provoqué une explosion de la demande liée à l’alphabétisation et démocratisé l’accès à l’information. Si plusieurs milliers de postes de copistes ont disparu, l’imprimerie a jeté les bases de l’économie de la connaissance, augmentant le PIB européen par l’éducation, et engendrant des dizaines de milliers de nouveaux métiers dans la chaîne du livre – qu’il s’agisse d’auteurs ou d’ouvriers du livre.

Par sa puissance et sa vitesse inédite, la révolution industrielle a suscité de nombreuses inquiétudes dans des industries bousculées par les nouvelles manières de produire. Dans le textile, les craintes sur l’emploi furent vives et parfois violentes, avec le luddisme et le « sabotage », qui consistait à détruire une machine en y glissant un sabot. L’automatisation du tissage arrive en France avec le métier Jacquard en 1801 ; les artisans tisserands de la soie y voient la destruction de leur savoir-faire, ce qui conduit à la célèbre Révolte des Canuts à Lyon en 1831. Toutefois, le paradoxe de Jevons, selon lequel la baisse du prix d’un produit peut entraîner une hausse de la demande telle qu’elle induit une hausse de l’activité et du chiffre d’affaires, s’est pleinement appliqué. La machine ayant rendu le textile moins cher, la demande de vêtements a fortement augmenté. Au lieu de détruire un secteur économique, l’industrie a embauché massivement, faisant du textile le premier moteur du PIB français au XIXe siècle. La machine à vapeur et le chemin de fer provoquent aussi des peurs chez les métiers traditionnels, comme les haleurs ou les cochers. En réalité, ils permettent un essor économique sans précédent en facilitant les transports et le développement industriel.

L’électricité a connu un destin similaire. Le syndicat des gaziers a mené de violentes campagnes de dénigrement contre ce développement, et la profession des allumeurs de réverbères, très présente à Paris, multiplie les grèves face à cet « ennemi invisible » accusé de causer des incendies mortels. Tout le monde a oublié les 4000 allumeurs de réverbères parisiens. Ce dont on se souvient, c’est que l’électricité a accompagné la Seconde révolution industrielle et le développement du travail à la chaîne motorisé, ainsi que l’émergence du secteur de l’électroménager qui a permis une révolution de la vie quotidienne. L’éclairage électrique a permis l’allongement du temps de travail et de loisir nocturne. Au total, l’électricité est à l’origine d’une part significative des gains de productivité des Trente Glorieuses.

La révolution numérique a vu les mêmes craintes. Dans les années 1990, des ouvrages comme La Fin du travail de Jeremy Rifkin (1995) prédisent un chômage massif. D’autres craignent la disparition des agents de voyage, des postiers (concurrencés par l’e-mail) ou du petit commerce face à la naissance du e-commerce. Enfin, l’arrivée d’Uber sur le marché du transport se heurte à l’opposition des syndicats de taxi. Mais la disparition de l’emploi n’a pas eu lieu : la France a actuellement un taux de chômage inférieur à 8%, très loin de celui de la fin des années 1990 (proche de 10%), et en valeur absolue le nombre d’emplois a crû de plusieurs millions depuis le début du XXIe siècle. L’impact sur le secteur du transport permet de mieux comprendre comment cela est arrivé : si le nombre de taxis a peu évolué (environ 60.000), on compte 70.000 emplois de VTC en plus, et des situations courantes il y a trente ans (se retrouver à 2 heures du matin au centre de Paris sans pouvoir trouver de taxi) paraissent désormais anachroniques. L’éviction fiscale a changé de nature : avant c’était la machine à carte bleue du taxi qui était étonnamment souvent en panne, désormais les courses sont comptabilisées précisément mais la marge des plateformes fuit hors de portée du fisc français (Luxembourg notamment).

À la fin des années 1980, Robert Solow avait énoncé le paradoxe qui porte son nom : on voyait les ordinateurs partout, sauf dans les statistiques de productivité. Avec le recul, on voit cette productivité : on estime désormais qu’elle représente environ 20 points de PIB, qui ont été gagnés en vingt-cinq ans – soit 0,8% par an. Les changements que l’on imaginait immédiats en 2000 se sont produits, mais plus tardivement, ce qui a rendu l’adaptation de l’emploi et de l’économie plus simple qu’anticipé. Si l’on avait annoncé à n’importe lequel d’entre nous en 2000 qu’il faudrait attendre vingt ans pour que la prise de rendez-vous avec un médecin puisse se faire de façon informatique, personne n’y aurait cru ! Autre phénomène : ce gain de productivité est arrivé à une époque où les autres gains de productivité commençaient à se réduire : loin de provoquer un cataclysme sur l’emploi, la productivité d’internet nous a évité l’affaissement de pouvoir d’achat que nous aurions subi sans cette technologie.

L’IA: choc cognitif et paradoxe de la productivité

L’idée que l’ordinateur puisse reproduire la pensée humaine n’est pas nouvelle et depuis le tout début de l’informatique, l’intelligence artificielle a connu plusieurs phases de développement suivies de déception avant de prendre l’importance qu’on lui connaît actuellement.

Le premier espoir naît dans les années 1950 avec le perceptron de Frank Rosenblatt (1957), premier réseau de neurones artificiels dont les applications concrètes se limitaient à la classification visuelle de formes simples, avant que ses limites ne conduisent au premier « hiver de l’intelligence artificielle ». Il est matérialisé par un ouvrage publié en 1969 par Minsky et Papert, qui démontre l’impossibilité pour le perceptron de réaliser des opérations mathématiques simples.

Une autre approche a été l’intelligence artificielle symbolique et les langages de résolution de clauses comme Prolog (1972), qui permettent de décrire certains types de problèmes et d’en obtenir une solution. On peut également citer le programme ELIZA (Joseph Weizenbaum, 1966), utilisant des reconnaissances de patterns pour simuler un psychothérapeute en service client, ou le système de diagnostic médical MYCIN. Mais passé les premiers espoirs, ces solutions montrent rapidement leurs limites et restent loin du « test de Turing » : confronté à ces « intelligences », tout utilisateur comprend vite qu’il parle à une machine.

Une voie nouvelle s’ouvre en 1989 lorsque Yann LeCun applique avec succès l’algorithme de rétropropagation à des réseaux de neurones convolutifs (CNN) pour la reconnaissance de chiffres manuscrits (tels que les codes postaux sur les enveloppes), une technologie immédiatement déployée dans la vie réelle pour le tri automatisé des chèques bancaires et du courrier postal. Parallèlement, d’autres formes de réseaux de neurones tels que les réseaux de neurones récurrents (RNN) sont développés, et permettent des progrès significatifs au début des années 2000 pour des applications comme la reconnaissance vocale.

Au-delà de ces découvertes de nouvelles techniques, la véritable explosion des performances de l’intelligence artificielle s’explique par la « leçon amère » (The Bitter Lesson) théorisée par Richard Sutton en 2019. Il constate que la méthode la plus efficace pour résoudre un problème est moins de trouver des algorithmes sophistiqués, que d’attendre que les coûts des ordinateurs baissent suffisamment pour pouvoir résoudre ce problème « par la force brute » avec une puissance de calcul massive. C’est une leçon amère, car l’histoire récente de l’intelligence artificielle nous enseigne que la force brute bat l’ingéniosité, et qu’une technologie initialement médiocre (comme l’était chatgpt 2) deviendra rapidement beaucoup plus efficace.

Ainsi le coût d’un TERAFLOP de calcul, c’est-à-dire la réalisation de mille milliards d’opérations mathématiques, est passé de plusieurs millions de dollars il y a trente ans à quelques dizaines de dollars actuellement. Un téléphone mobile haut de gamme peut en faire 6 par seconde et on peut louer une puissance bien supérieure sur le cloud sans rien avoir à investir.

Cette abondance inouïe de calcul abordable a permis l’émergence en 2017 de l’architecture Transformer (publiée par Ashish Vaswani et son équipe chez Google), qui a levé les goulots d’étranglement séquentiels des RNN et servi de fondation directe aux grands modèles de langage (LLM).

Aujourd’hui, le succès des solutions comme ChatGPT-4 d’OpenAI repose sur l’accès à des masses d’informations considérables sur internet (parfois en prenant quelques libertés avec le droit d’auteur, ou en appliquant la version anglo-saxonne de ce droit, plus permissive) sur la capacité à réaliser des volumes de calculs astronomiques à la demande sur le cloud et sur la possibilité de proposer une application à des milliards d’utilisateurs de façon quasi instantanée.

Les investissements mondiaux dans l’IA atteignent désormais des sommets vertigineux : 1000 milliards par an, si l’on additionne le capital-risque, les infrastructures (datacenters, processeurs) des géants technologiques et la transformation des entreprises aux Etats-Unis, en Chine et dans une moindre mesure ailleurs. Pourtant, trois ans après l’irruption de ChatGPT, on n’en voit toujours pas l’impact macroéconomique dans les statistiques de productivité. Une étude de février 2026, portant sur des milliers de dirigeants et pilotée par le très sérieux National Bureau of Economic Research (NBER), ne constate ainsi aucun gain de productivité sur le passé et estime à seulement 1 ou 2 % d’ici trois ans les gains à venir. Si cette tendance se confirme dans les années à venir, on serait sur une courbe comparable à celle d’internet : un impact important sur la productivité, mais plus long à venir que ne l’affirment les gourous de la tech et les consultants à la recherche de la prochaine mission.

Pour l’IA comme dans le cas d’Internet, l’économiste Erik Brynjolfsson explique cette inertie par le temps nécessaire à la réalisation de "co-investissements" : on peut commander un serveur ou souscrire une licence logicielle en un clic, mais il est beaucoup plus long et coûteux de réorganiser les processus de l’entreprise, de former ses équipes ou d’inventer de nouveaux modèles d’affaires. En outre, ces efforts coûtent massivement avant de rapporter, ce qui fait d’abord baisser la productivité avant qu’elle n’augmente.

Ceux qui pilotent aujourd’hui des projets d’IA sur le terrain constatent ces mêmes frictions, et l’enquête de la NBER citée plus haut ne dit pas autre chose. Tout ceci pousse à l’humilité résumée par la loi d’Amara : nous surestimons systématiquement l’impact de la technologie à court terme, mais nous le sous-estimons dramatiquement à long terme.

Naviguer entre confiance et vigilance

En considérant les siècles passés, nous pouvons et nous devons aborder les ruptures technologiques en cours avec une certaine confiance. Car la leçon de l’histoire est sans ambiguïté : malgré les perturbations et les angoisses initiales, toutes les innovations majeures se sont avérées fondamentalement positive pour le développement et la création de richesse collective.

Cependant, cette confiance macroéconomique ne doit pas occulter la brutalité des transitions, et l’existence d’effets indésirables qui méritent d’être régulés. Dans ce contexte, notre attention doit se focaliser sur deux risques critiques.

Le premier risque concerne les secteurs menacés et le « déversement ». La théorie du déversement économique d’Alfred Sauvy stipule que les gains de productivité nécessitent que l’on accompagne le passage des emplois des secteurs où ils sont rendus sans objet par la technologie, vers ceux où ils répondent à de réels besoins. En matière de santé, de justice ou de sécurité, les besoins sont considérables. Et il est préférable pour les Français de payer des emplois qui leur sont utiles plutôt que des tâches largement mécanisables. L’enjeu majeur est d’organiser et de financer la reconversion des professionnels touchés pour éviter une fracture sociale. C’est le vieux sujet, qui a étonnamment peu progressé depuis trente ans, du passage d’un modèle social centré sur la dépense passive (qui utilise ses moyens pour les allouer à ceux qui sont dans une situation de sous-emploi) à un modèle plus proche du modèle « nordique » centré sur la dépense active (qui met des moyens plus importants pour accompagner le passage d’une situation de sous-emploi ou de sous-productivité vers un emploi de meilleure qualité).

Le deuxième risque est le risque du retard technologique. Dans une économie isolée, on peut ralentir le progrès sans que personne n’en prenne conscience. Dans une économie mondialisée, l’hésitation se paie au prix fort et se traduit rapidement en décrochage économique. Une nation ou une entreprise qui tarde à adopter, à intégrer et à co-investir dans la réorganisation de ses processus s’expose à un décrochage fatal face à ses concurrents plus agiles. La question pour la France n’est pas de décider si elle veut vivre dans un monde où l’on n’utilise ni l’intelligence artificielle ni internet. Son seul choix est de décider si elle veut utiliser les opportunités de ce monde et capitaliser sur ses propres forces pour augmenter sa productivité autant que possible – et donc son pouvoir d’achat mais aussi son pouvoir d’influence dans le monde. Et de noter que fermer la porte au progrès, ce serait à la fois appauvrir ceux qui auraient pu en tirer des opportunités, et se priver de la richesse nécessaire pour financer les fameuses politiques actives évoquées plus haut.

L’innovation demeure un moteur incontestable de notre prospérité future. Son succès ne réside pas dans un rejet craintif, mais dans notre capacité collective à en contrôler les risques tout en s’organisant avec pragmatisme pour en extraire la valeur.

Ce texte développe des éléments d’un rapport de l’Observatoire du Long Terme paru au printemps, Le Grand Décrochage : débloquer la productivité pour sauver le modèle français.