New Yorker : Le dilemme de la rentabilité de l'intelligence artificielle et les leçons de l'histoire Auteur : John Cassidy En 1987, le lauréat du prix Nobel d'économie, Robert Solow du Massachusetts Institute of Technology (M.I.T.), a commenté dans un article du Times Literary Supplement : « L'ère des ordinateurs est omniprésente, sauf dans les statistiques de productivité. » Bien que la puissance de calcul ait considérablement augmenté à l'époque et que les ordinateurs personnels soient devenus de plus en plus courants, les données gouvernementales montraient que l'un des indicateurs clés mesurant les salaires et le niveau de vie — la production totale par travailleur — stagnait depuis plus de dix ans. C'est ce qu'on appelle plus tard le « paradoxe de la productivité ». Ce paradoxe a persisté jusqu'aux années 90 et même au-delà, suscitant de nombreuses recherches académiques contradictoires. Certains économistes l'ont attribué à une mauvaise gestion des nouvelles technologies ; d'autres ont estimé que, par rapport aux premières inventions comme la machine à vapeur et l'électricité, l'importance économique des ordinateurs était négligeable ; d'autres encore ont blâmé des erreurs dans les statistiques, affirmant que le paradoxe disparaîtrait une fois les données corrigées. Près de 40 ans après la publication de l'article de Solow, depuis qu'OpenAI a lancé le chatbot ChatGPT il y a presque trois ans, nous sommes peut-être confrontés à un nouveau paradoxe économique, cette fois avec l'intelligence artificielle générative. Selon une enquête récente menée par des économistes de l'Université de Stanford, de l'Université de Clemson et de la Banque mondiale, près de la moitié des travailleurs (précisément 45,6 %) utilisaient des outils d'IA en juin et juillet de cette année. Cependant, une nouvelle étude d'une équipe du Media Lab du M.I.T. a rapporté un résultat surprenant : « Bien que les entreprises aient investi entre 30 et 40 milliards de dollars dans l'IA générative, ce rapport révèle que 95 % des organisations n'ont obtenu aucun retour. » Les auteurs de l'étude ont examiné plus de 300 projets et annonces d'IA publics et ont interviewé plus de cinquante dirigeants d'entreprises. Ils définissent un « investissement réussi en IA » comme un projet qui a dépassé la phase pilote et a été déployé en pratique, produisant un retour financier mesurable ou une amélioration significative de la productivité dans les six mois. Ils ont écrit : « Seuls 5 % des projets pilotes d'IA intégrés avec succès créent des millions de dollars de valeur, tandis que la grande majorité des projets stagnent, n'ayant aucun impact mesurable sur le P&L (c'est-à-dire le compte de résultat). » Les interviews menées dans le cadre de l'enquête ont suscité une série de réponses, dont certaines étaient empreintes de scepticisme. « Sur LinkedIn, tout le monde en parle comme si tout avait changé, mais dans notre fonctionnement réel, rien de fondamental n'a changé », a déclaré le directeur des opérations d'une entreprise de taille moyenne aux chercheurs. « Nous traitons les contrats un peu plus rapidement, mais c'est tout. » Un autre interviewé a commenté : « Nous avons assisté à des dizaines de démonstrations cette année. Peut-être une ou deux étaient réellement utiles. Les autres étaient soit des 'wrappers' (c'est-à-dire simplement des emballages de technologies existantes sans innovation substantielle), soit des 'projets scientifiques' (c'est-à-dire des explorations technologiques encore loin d'une application commerciale réelle). » Pour être juste, le rapport note également qu'il y a effectivement des entreprises qui ont réalisé des investissements réussis en IA. Par exemple, le rapport souligne l'efficacité des outils personnalisés pour les opérations de back-office et indique : « Ces premiers résultats montrent que des systèmes capables d'apprentissage, lorsqu'ils sont ciblés sur des processus spécifiques, peuvent réellement apporter de la valeur, même sans nécessiter de réajustements organisationnels majeurs. » L'enquête mentionne également que certaines entreprises rapportent avoir « amélioré la fidélisation des clients et le taux de conversion des ventes grâce à l'automatisation des systèmes de suivi et de suivi intelligent », ce qui indique que les systèmes d'IA peuvent être utiles pour le marketing. Cependant, l'idée que « de nombreuses entreprises ont du mal à obtenir des retours substantiels » coïncide avec une autre enquête récente de la société de conseil multinationale Akkodis. Après avoir contacté plus de 2000 dirigeants d'entreprises, la société a découvert que le pourcentage de PDG ayant « une grande confiance » dans la stratégie d'IA de leur entreprise avait chuté de 82 % en 2024 à 49 % cette année. La confiance des directeurs techniques des entreprises a également diminué, bien que dans une moindre mesure. L'enquête d'Akkodis indique que ces changements « pourraient refléter des résultats décevants antérieurs dans des projets de numérisation ou d'IA, des retards ou des échecs dans la mise en œuvre, ainsi que des préoccupations concernant la scalabilité. » La semaine dernière, les médias ont rapporté sur l'étude du Media Lab du M.I.T. au moment où les actions liées à l'IA de haute valorisation, comme Nvidia, Meta et Palantir, ont chuté. Bien sûr, la corrélation n'implique pas la causalité, et les récents commentaires du PDG d'OpenAI, Sam Altman, ont peut-être joué un rôle plus important dans cette vente (étant donné l'augmentation récente des prix, une vente était inévitable). Selon CNBC, Altman a déclaré lors d'un dîner avec des journalistes que l'évaluation actuelle était « folle » (insane) et a utilisé le terme « bulle » (bubble) trois fois en 15 secondes. Néanmoins, cette étude du M.I.T. a attiré beaucoup d'attention. Après un premier tour de reportages, des informations ont circulé selon lesquelles le Media Lab, en lien avec de nombreuses entreprises technologiques, limitait discrètement l'accès à ce rapport. Les messages que j'ai laissés au bureau des relations publiques de l'organisation et à deux des auteurs du rapport sont restés sans réponse. Bien que ce rapport soit plus nuancé que ce que certains articles de presse ont décrit, il remet sans aucun doute en question le grand récit économique qui a soutenu la prospérité technologique depuis le lancement de ChatGPT par OpenAI en novembre 2022. La version simplifiée de ce récit est la suivante : la large diffusion de l'IA générative est défavorable aux travailleurs (en particulier aux travailleurs du savoir), mais extrêmement bénéfique pour les entreprises et leurs actionnaires, car elle entraînera un bond de productivité énorme, et donc des profits substantiels. Pourquoi cette scène ne semble-t-elle pas encore se réaliser ? Une raison possible rappelle un point de vue des années 80 et 90, selon lequel des erreurs de gestion ont limité les bénéfices de productivité apportés par les ordinateurs. L'étude du Media Lab a révélé que certains des investissements en IA les plus réussis ont été réalisés par des startups qui ont utilisé des outils hautement personnalisés dans des domaines étroits de flux de travail. En revanche, de l'autre côté du « fossé de l'IA générative » (GenAI Divide), ces startups moins réussies « construisent soit des outils génériques, soit tentent de développer des capacités en interne ». Le rapport indique plus généralement que la distinction entre succès et échec « ne semble pas être déterminée par la qualité du modèle ou la réglementation, mais par la méthode (de mise en œuvre). » On peut imaginer que la nouveauté et la complexité de l'IA générative peuvent dissuader certaines entreprises. Une étude récente de Gartner a révélé que moins de la moitié des PDG croyaient que leur directeur des systèmes d'information était « compétent en IA ». Mais pour le bilan décevant mis en avant dans le rapport du Media Lab, il existe une autre explication possible : pour de nombreuses entreprises établies, l'IA générative (du moins dans sa forme actuelle) n'est pas aussi miraculeuse qu'on le prétend. « Elle excelle dans le brainstorming et la rédaction de brouillons, mais elle ne se souvient pas des préférences des clients et n'apprend pas des révisions précédentes », a déclaré un participant à l'enquête du Media Lab. « Elle répète les mêmes erreurs, chaque session nécessitant une grande quantité de contexte (context) à entrer. Pour un travail à haut risque, j'ai besoin d'un système capable d'accumuler des connaissances et de s'améliorer continuellement. » Bien sûr, beaucoup de gens trouvent l'IA très utile, et il existe des preuves académiques pour le soutenir : en 2023, deux économistes du M.I.T. ont découvert que dans une expérience aléatoire, les participants ayant accès à ChatGPT pouvaient accomplir plus rapidement des « tâches d'écriture professionnelle », et la qualité de l'écriture s'est également améliorée. La même année, d'autres équipes de recherche ont également constaté que les programmeurs utilisant Copilot de Github (un assistant de programmation IA) et les agents de support client utilisant des outils d'IA propriétaires avaient tous bénéficié d'une augmentation de productivité. Les chercheurs du Media Lab ont découvert que de nombreux employés utilisaient leurs outils personnels au travail, comme GPT ou Claude ; le rapport a qualifié ce phénomène d'« économie de l'IA fantôme » (shadow AI economy) et a commenté que « le retour sur investissement (ROI) qu'elle génère » est souvent supérieur à celui des projets lancés par les employeurs. Mais la question demeure, et c'est certainement une question que les dirigeants d'entreprise poseront de plus en plus souvent : pourquoi plus d'entreprises ne voient-elles pas ces bénéfices se refléter dans les profits finaux (de l'entreprise) ? Une partie du problème pourrait être que, bien que l'IA générative soit frappante, son application dans de nombreux domaines de l'économie est limitée. Les secteurs des loisirs et de l'hôtellerie, du commerce de détail, de la construction, de l'immobilier et des soins (pour les enfants, les personnes âgées ou les personnes fragiles) — ces secteurs emploient environ cinquante millions de personnes aux États-Unis, mais ils ne semblent pas être des candidats directs pour une transformation par l'IA. ...