Les gains d’efficacité arrivent vite. La transformation des organisations, beaucoup moins. Au Moyen-Orient, selon Deloitte, 66 % des organisations interrogées déclarent des gains de productivité et d’efficacité grâce à l’IA, mais 84 % n’ont pas repensé les postes ni les flux de travail qui les portent. Ce décalage entre adoption et réorganisation révèle des trajectoires divergentes entre les organisations.

L’essentiel

  • L’enquête Deloitte observe des degrés distincts de transformation déclarée avec l’IA : adoption sans réorganisation des postes ni des flux, ou adoption accompagnée de refonte de produits, processus ou modèles économiques.
  • Au Moyen-Orient, 66 % des organisations interrogées déclarent des gains d’efficacité et de productivité grâce à l’IA, mais seulement 34 % ont refondu leurs produits, processus ou modèles économiques (Deloitte Middle East, 2026).
  • Les trois approches déclarées, y compris l’usage superficiel, sont associées à des gains d’efficacité et de productivité ; l’enquête ne permet pas d’établir une causalité ni une chronologie de refonte, tandis que la réinvention de l’entreprise caractérise surtout le groupe transformant profondément ses activités.
  • Le FMI estime que l’IA offre une opportunité de gains de productivité aux économies du Golfe, à condition d’accompagner les risques de déplacement, de compétences et de réallocation du travail par des politiques actives du marché du travail, de la formation et une protection sociale ciblée.
  • La répartition des gains et les modalités de décision avant l’adoption restent à définir explicitement.

84 % d’organisations qui adoptent sans transformer

Les chiffres Deloitte ne décrivent pas un retard. Ils décrivent une architecture de déploiement. Les organisations du Moyen-Orient ont massivement basculé des pilotes vers le déploiement à grande échelle : c’est précisément ce que mesure l’édition 2026 du rapport. Mais dans 84 % des cas, ce déploiement s’est fait sans repenser les postes ni les flux de travail. L’IA s’est greffée sur l’organisation existante.

Ce choix, délibéré ou par défaut, produit un type de gain précis : l’efficacité dans l’exécution des tâches existantes. Un analyste gère plus de dossiers, un juriste rédige plus vite, un chargé de clientèle traite plus de tickets. La vitesse augmente. La structure de l’organisation, elle, reste intacte.

Les 34 % d’organisations qui ont refondu leurs produits, leurs processus ou leur modèle économique poursuivent une transformation d’une autre nature que l’adoption superficielle. La source distingue les approches de transformation et publie des gains déclarés, sans comparer leurs trajectoires respectives.

La Corée du Sud a vécu une version antérieure de ce clivage avec l’automatisation industrielle : le pays affichait une densité de robots plus de sept fois supérieure à la moyenne mondiale en 2020, mais les études consultées ne permettent pas d’établir un lien direct entre cette automatisation et la stagnation des salaires. Le Moyen-Orient présente une dynamique similaire : la technologie sans réorganisation tend à concentrer les gains plutôt que de les diffuser largement.

La pré-distribution corrige ce que la négociation salariale ne peut pas atteindre

L’économiste Mariana Mazzucato a posé une distinction qui éclaire directement ce décalage. Dans ses travaux récents sur l’économie du bien commun, elle défend l’idée que la redistribution fiscale, augmenter les impôts sur les entreprises qui captent les gains, financer des formations pour les travailleurs déplacés, arrive trop tard. Elle est nécessaire, mais elle corrige après coup une répartition qui s’est déjà fixée en amont.

La « pré-distribution » consiste à redessiner les règles de création de valeur avant le partage. Le contrôle des données produites par les salariés utilisant l’IA, le choix des tâches automatisées en premier et l’affectation du temps libéré par l’outil doivent être tranchés avant le déploiement, car ces arbitrages influencent la répartition des gains entre les entreprises et les travailleurs. Posées après le déploiement, ces questions ne trouvent plus de réponse utile.

Elles doivent être posées avant, inscrites dans les conditions même de l’adoption.

Les données Deloitte documentent une faible refonte des emplois autour de l’IA : dans 84 % des organisations, les postes n’avaient pas été redessinés autour des capacités de l’IA. Les postes n’ont pas été repensés. Les flux n’ont pas été redessinés. Les gains d’efficacité se concentrent dans les organisations et les fonctions capables de les capturer rapidement.

Une lecture concurrente existe, portée notamment par des économistes proches de l’analyse schumpétérienne de la croissance. Philippe Aghion et les travaux sur la destruction créatrice avancent que la réorganisation suit naturellement l’adoption : les entreprises qui capturent des gains d’efficacité réinvestissent, créent de nouveaux postes, et la diffusion technologique finit par élever l’ensemble du marché du travail. La temporalité est différente, pas le résultat.

Cette lecture n’est pas fausse. Elle décrit bien ce qui se passe quand les marchés fonctionnent de façon fluide, quand la mobilité professionnelle est élevée, et quand les entreprises se font concurrence sur les talents. Mais dans les économies du Golfe, ces conditions sont partiellement absentes. Les marchés du travail y sont segmentés entre nationaux et travailleurs expatriés, les mobilités sectorielles restent limitées, et les grandes entreprises publiques, qui pèsent lourd dans l’adoption de l’IA, n’ont pas les mêmes incitations que des firmes exposées à la concurrence. L’argument schumpétérien demande des conditions structurelles que le Golfe n’a pas encore construites.

La tension entre les deux lectures ne se résout donc pas dans l’abstrait. Elle se joue dans les institutions et les incitations que les gouvernements de la région vont, ou non, mettre en place.

Les 34 % qui ont transformé : un levier, pas une exception

Les organisations qui ont refondu leurs processus et leurs modèles économiques ne sont pas des outliers. Elles sont un indicateur. Elles montrent que la transformation est possible à court terme, dans le même contexte réglementaire, avec les mêmes contraintes de marché.

Deloitte observe que certaines entreprises font évoluer ensemble systèmes et organisation du travail, et recommande d’anticiper les contraintes opérationnelles dès la conception du déploiement. Les 34 % correspondent aux organisations déclarant utiliser l’IA pour transformer profondément produits, processus ou modèles économiques.

Cette distinction a une implication directe pour les politiques publiques. Les États du Golfe, Arabie saoudite avec Vision 2030, Émirats avec leur stratégie nationale d’IA, investissent massivement pour accélérer l’adoption. Ces investissements sont réels et les résultats en termes de déploiement sont mesurables. Mais si les incitations ne distinguent pas entre adoption simple et adoption accompagnée de réorganisation, les fonds publics favorisent principalement la première.

Le FMI, dans son évaluation 2026 des perspectives d’IA pour le Moyen-Orient et l’Asie centrale, souligne que la région dispose d’une opportunité de gains de productivité, à condition d’accompagner les risques de déplacement, de compétences et de réallocation du travail par des politiques actives du marché du travail, de la formation et une protection sociale ciblée.

La stagnation de productivité qui frappe des économies plus matures, comme l’Australie, où le renouvellement insuffisant des entreprises bloque la diffusion des gains technologiques, montre ce que coûte l’absence de ce type de signal sur le long terme. La technologie diffuse, mais la productivité agrégée ne suit pas, parce que les organisations qui captent les gains et celles qui stagent ne se renouvellent pas au même rythme.

Les décisions que le Golfe peut encore prendre

L’IA transforme déjà le travail dans les économies du Golfe : 66 % des organisations y déclarent des gains d’efficacité. La question porte sur les bénéficiaires de cette transformation et sur ses modalités.

Deux trajectoires sont plausibles à l’horizon de dix ans, et les données actuelles permettent de les distinguer sans les hiérarchiser comme prévisions.

Dans la première, les 84 % d’organisations qui n’ont pas repensé leurs postes continuent sur cette trajectoire. Les gains d’efficacité se concentrent dans les entreprises déjà performantes. Les travailleurs, notamment les expatriés peu qualifiés qui représentent une part importante de la main-d’œuvre dans le secteur privé du Golfe, restent cantonnés aux mêmes tâches, sans trajectory visible vers des fonctions redéfinies par l’IA. L’adoption est rapide, la mobilité professionnelle reste faible. L’écart entre les organisations qui savent transformer et celles qui savent adopter se creuse jusqu’à devenir un clivage de marché.

Dans la seconde, les gouvernements de la région conditionnent une partie des aides et incitations fiscales liées à l’IA à la production d’un plan de transformation des postes et des flux. Les 34 % qui ont déjà transformé leurs processus deviennent un modèle documenté, dont les pratiques peuvent être examinées, comparées et diffusées. Des observatoires nationaux mesurent la mobilité professionnelle réelle dans les secteurs à forte adoption, rendant visible l’écart entre les gains déclarés et les emplois effectivement créés ou requalifiés. Le signal devient lisible pour les entreprises comme pour les travailleurs.

L’écart entre les deux trajectoires dépend à la fois des incitations et mesures publiques, ainsi que des capacités organisationnelles, des compétences et des actifs complémentaires nécessaires à l’adoption productive de l’IA. Conditionner une partie des aides et incitations publiques à des critères de transformation documentée et de suivi de la mobilité professionnelle pourrait contribuer à aligner les incitations publiques sur ces objectifs. Une aide à l’adoption qui ne distingue pas entre réorganisation et déploiement technique risque de financer des approches sans transformation de structure.

Les signaux à suivre sont précis. La part de 34 % correspond aux organisations qui commencent à utiliser l’IA pour transformer profondément produits, services, processus centraux ou modèles économiques ; elle constitue un indicateur à suivre. L’évolution du taux de mobilité professionnelle ascendante dans les secteurs à forte adoption dira, dans trois à cinq ans, si les gains d’efficacité se sont traduits en trajectoires individuelles ou seulement en marges d’entreprise.

Les besoins collectifs que l’adoption seule ne couvre pas

Les deux scénarios partagent un déficit commun : les travailleurs ont besoin d’accéder à des formations qui correspondent aux tâches redéfinies par l’IA, et ces formations doivent être disponibles avant que la réorganisation soit achevée, pas après. Attendre que les postes soient redéfinis pour former les salariés revient à les laisser en dehors du processus de décision sur leur propre travail.

Le second besoin collectif touche au partage des gains. Les organisations qui déclarent des gains d’efficacité publient rarement les règles selon lesquelles ces gains se distribuent entre actionnaires, dirigeants et salariés. Sans règles explicites, la répartition tend à suivre les rapports de force existants. C’est exactement ce que la pré-distribution cherche à éviter.

Ces deux besoins, formation anticipée et règles de partage visibles, ne se remplissent pas par l’adoption de l’IA elle-même. Ils exigent des décisions collectives, publiques ou négociées, qui précèdent ou accompagnent le déploiement.

Les Émirats et l’Arabie saoudite ont la capacité institutionnelle de poser ces conditions. Ils ont les ressources financières pour financer les formations, et les leviers réglementaires pour conditionner les incitations. La fenêtre décrite par le FMI est réelle. Elle dure le temps que les organisations figent leurs modèles d’adoption. Dans les économies qui ont déjà traversé une vague d’automatisation, comme l’achat public en France, où l’innovation reste bloquée faute d’incitations structurelles, le moment de décision institutionnelle se referme vite.

La mesure comme condition de la mobilité

Une remarque de méthode mérite d’être posée clairement. Les données disponibles mesurent les gains d’efficacité déclarés et la part des organisations ayant transformé leurs processus, mais pas encore la mobilité professionnelle réelle qui en découle.

C’est précisément pourquoi les observatoires nationaux de mobilité dans les secteurs à forte adoption constituent une piste concrète, et non une suggestion rhétorique. L’absence de mesure de la mobilité professionnelle limite l’évaluation des effets réels de l’adoption sur les carrières individuelles. Les 66 % de gains déclarés seront présentés comme un succès dans les deux cas. Observer la différence entre une adoption créant de la mobilité et une adoption concentrant les gains exige une mesure systématique de la mobilité professionnelle dans les secteurs à forte adoption.

Les gouvernements du Golfe ont investi dans des stratégies d’IA ambitieuses. L’étape suivante est de décider ce qu’ils veulent mesurer, et donc ce qu’ils veulent encourager.


Sources

  1. Deloitte Middle East, State of AI in the Enterprise 2026, communiqué de presse
  2. Mariana Mazzucato, The Common Good Economy: a new compass, Substack, 2024
  3. FMI, Harnessing Artificial Intelligence’s Potential in the Middle East and Central Asia, 2026 (sans lien, rapport disponible sur le site du FMI)
  4. Philippe Aghion, travaux sur la croissance schumpétérienne et destruction créatrice (référence de corpus, sans URL unique)