La productivité du travail américaine (secteur non-agricole) est passée de +1,6 % en 2023 à +2,3 % en 2024, selon le Bureau of Labor Statistics. Cette accélération coïncide avec la diffusion massive de l’IA dans les entreprises, même si le lien causal reste non démontré au niveau agrégé selon les études NBER disponibles. Les gains existent. Ils sont mesurables. Mais des enquêtes menées auprès de dirigeants d’entreprises américaines révèlent qu’ils se concentrent d’abord sur les marges, avec un décalage de deux à quatre trimestres avant que les salaires ne suivent. La question n’est pas de savoir si le progrès a lieu. C’est de comprendre qui en fixe les conditions de partage , et si ces conditions sont modifiables.

L’essentiel

  • La productivité du travail américaine a progressé de +1,6 % en 2023 à +2,3 % en 2024 (Bureau of Labor Statistics, secteur non-agricole)
  • Des enquêtes NBER portant sur des dirigeants d’entreprises confirment que les gains se concentrent d’abord sur les profits, avec un retard de deux à quatre trimestres sur les salaires
  • Les secteurs les plus touchés sont les services qualifiés et la finance, là où l’IA assiste ou remplace les tâches analytiques répétitives
  • Le salaire médian réel américain a progressé de façon modeste en 2024, loin derrière la courbe de productivité
  • La transmission des gains vers le travail dépend moins d’un mécanisme automatique que de choix politiques sur la fiscalité des entreprises, la puissance de négociation salariale et les investissements en formation

La comparaison qui éclaire le mieux la situation américaine d’aujourd’hui est celle des années 1990. Entre 1996 et 2004, les États-Unis ont vécu une accélération similaire de la productivité liée à l’informatisation. Les salaires avaient alors suivi, mais avec un retard de plusieurs années, et de façon inégale. Les travailleurs peu qualifiés avaient peu bénéficié du boom technologique. La distribution des gains s’était concentrée vers le haut de l’échelle de qualification. Aujourd’hui, les économistes du Brookings Institution qui suivent le même cycle mettent en garde contre une répétition : les mécanismes qui bloquent la transmission existent, ils sont connus, et ils ne se corrigent pas seuls.

La productivité accélère, les données le confirment

L’accélération mesurée en 2024 n’est pas un artefact statistique. Le Bureau of Labor Statistics publie trimestriellement ses mesures de productivité par secteur. La hausse à 2,3 % correspond à une tendance visible dans la plupart des secteurs à forte intensité cognitive : services aux entreprises, finance, assurance, conseil juridique. Ce sont précisément les secteurs où l’adoption des outils d’IA générative a été la plus rapide depuis 2022.

Des enquêtes NBER apportent une dimension qualitative à ces chiffres. Parmi les dirigeants interrogés, une part significative déclare avoir observé des gains de productivité dans leurs équipes utilisant l’IA. Mais une part tout aussi significative indique que ces gains ont d’abord été absorbés par l’amélioration des marges opérationnelles, avant d’envisager des hausses salariales. Ce séquencement reflète une logique d’entreprise compréhensible : on améliore d’abord le bilan avant de redistribuer. Le problème est que ce délai, de deux à quatre trimestres en moyenne selon les déclarations, peut s’étirer si aucune pression externe ne s’exerce.

il faut noter, à cet égard, qu’une étude NBER portant sur quelque 6 000 dirigeants révèle que 9 sur 10 ne constatent aucun impact de l’IA sur la productivité de leur entreprise au cours des trois dernières années, ce qui souligne à quel point le lien causal entre adoption de l’IA et gains agrégés de productivité reste contesté. Par ailleurs, selon les données du BLS pour 2024, la rémunération horaire réelle a progressé d’environ 2,0 %, soit environ 87 % de la progression de productivité (2,3 %) , un écart bien plus faible que ce que la corrélation brute pourrait laisser supposer. Le surplus existe, mais les mécanismes de sa distribution méritent d’être scrutés de près.

Le décalage n’est pas une loi naturelle

L’économie classique enseigne que la productivité totale des facteurs finit par profiter à tous les facteurs de production, travail inclus. Dans un marché du travail parfaitement concurrentiel, les entreprises qui réalisent des gains de productivité doivent augmenter les salaires pour attirer et retenir les talents. La réalité américaine de 2024-2026 complique cette mécanique à plusieurs endroits.

Le premier point de friction est la concentration de marché. Thomas Philippon a documenté, dans ses travaux sur le “grand renversement” de la concurrence américaine, comment les entreprises américaines ont perdu de leur caractère concurrentiel depuis les années 1990. Des secteurs entiers sont dominés par quelques acteurs qui n’ont pas besoin de surenchérir sur les salaires pour recruter. La pression concurrentielle qui aurait normalement transmis les gains de productivité vers les salaires s’est affaiblie.

Le deuxième point est la structure du pouvoir de négociation. Le taux de syndicalisation américain tourne autour de 10 %, l’un des plus bas des économies avancées. Les travailleurs qui réalisent des gains de productivité grâce à l’IA ont rarement les outils institutionnels pour en revendiquer une part formelle. Dans les économies d’Europe du Nord, où la négociation collective reste forte, des études comparatives de l’OCDE montrent que la transmission des gains de productivité vers les salaires est structurellement plus rapide.

Le troisième friction est fiscale. Les rachats d’actions et les dividendes, fiscalement avantageux aux États-Unis depuis la réforme de 2017, offrent aux entreprises une alternative rentable à la hausse des salaires pour utiliser leurs surplus. En 2024, les rachats d’actions des entreprises du S&P 500 ont atteint des niveaux records, selon les données de S&P Global. Ce choix d’allocation n’est pas irrationnel du point de vue de l’actionnaire. Mais il confirme que le partage des gains de productivité résulte d’un ensemble de règles du jeu, pas d’un mécanisme automatique.

Substitution ou complémentarité : la question qui redevient centrale

Axelle Arquié, économiste spécialiste de l’IA et du marché du travail, a posé cette question dans ses travaux récents : l’IA se substitue-t-elle aux travailleurs, ou les complète-t-elle ? La réponse n’est pas la même selon les secteurs, les tâches, et les niveaux de qualification. Les données américaines de 2024-2026 permettent de commencer à y répondre par les chiffres.

Dans les services qualifiés et la finance, les deux secteurs que les enquêtes NBER identifient comme les plus transformés, l’IA semble principalement complémentaire. Elle accélère les tâches analytiques, réduit le temps de production des documents, améliore la précision des prévisions. Les emplois ne disparaissent pas massivement dans ces secteurs ; ils se transforment. Les professionnels qui utilisent ces outils voient leur output augmenter, mais leur nombre ne diminue pas proportionnellement. C’est précisément ce mécanisme qui génère les gains de productivité mesurés.

Mais cette complémentarité a un revers. Elle concentre les gains sur les travailleurs déjà qualifiés, déjà bien payés, déjà dans les secteurs dynamiques. Pour les travailleurs dont les tâches sont plus routinières, dans la logistique, le service client, la saisie de données, la pression vers la substitution est plus forte. Le risque n’est pas un chômage de masse homogène, mais une bifurcation : des gains importants pour ceux qui maîtrisent les outils, une stagnation ou un déclassement pour ceux qui n’y ont pas accès. C’est une question que les agents autonomes posent de façon encore plus aiguë, comme nous l’analysions dans notre article sur le nouveau modèle entrepreneurial à un seul opérateur.

Ce qui bloque concrètement la transmission

L’analyse de Brookings Institution identifie trois mécanismes précis qui ralentissent la transmission des gains de productivité vers les salaires dans le contexte américain actuel.

Le premier est le déficit de formation. Les gains de productivité liés à l’IA exigent des compétences nouvelles. Les entreprises qui investissent dans la formation de leurs salariés améliorent à la fois leur productivité et leur rétention. Mais cet investissement reste inégal. Les grandes entreprises de technologie et de finance forment massivement ; les PME, qui emploient la majorité des salariés américains, investissent beaucoup moins dans la montée en compétences. Ce différentiel creuse l’écart entre les travailleurs qui capturent les gains de l’IA et ceux qui en subissent les effets sans en bénéficier.

Le deuxième mécanisme est l’absence de clause de partage. Dans certains contrats collectifs européens, des mécanismes de partage automatique des gains de productivité existent : une partie de l’amélioration de la performance se traduit directement en hausse salariale ou en temps de travail réduit. Aux États-Unis, ces dispositifs sont rares et souvent réservés aux secteurs encore fortement syndiqués, comme une partie de l’industrie automobile. Pour l’immense majorité des travailleurs, la négociation individuelle reste la norme, et elle favorise structurellement l’employeur quand le marché du travail se détend légèrement.

Le troisième mécanisme est le timing des investissements en capital. Quand une entreprise déploie un outil d’IA, elle paie un coût immédiat : licences, infrastructure, formation initiale, réorganisation. La productivité augmente, mais elle sert d’abord à amortir cet investissement avant de générer un surplus redistribuable. Ce cycle n’est pas une manipulation ; c’est la logique normale du retour sur investissement. Mais il explique le décalage de deux à quatre trimestres observé dans les enquêtes NBER, et il signale que la fenêtre de redistribution arrive, mais qu’elle nécessite d’être anticipée par les politiques publiques pour ne pas être de nouveau absorbée par l’actionnaire.

Les leviers existent, certains ont déjà fonctionné

L’histoire économique américaine offre des précédents utiles. Après la Seconde Guerre mondiale, la hausse de la productivité liée à la mécanisation de l’industrie avait été accompagnée d’une hausse salariale soutenue. Cette transmission n’était pas spontanée : elle résultait de syndicats puissants, d’une politique fiscale progressive et d’un marché du travail tendu par le plein emploi. Les conditions ont changé, mais les leviers restent identifiables.

Sur la fiscalité, plusieurs économistes, dont Dani Rodrik dans ses travaux sur les “good jobs”, plaident pour une réorientation des incitations vers les entreprises qui investissent dans leurs salariés plutôt que dans leurs actionnaires. Des crédits d’impôt conditionnels à la hausse salariale ou à l’investissement en formation constituent des outils déjà expérimentés à l’échelle des États. Le Massachusetts et Washington ont testé des dispositifs de ce type avec des résultats encourageants selon les premières évaluations.

Sur la formation, l’enjeu est l’accès. Les programmes de reconversion financés par le gouvernement fédéral restent sous-dimensionnés par rapport à l’ampleur de la transformation en cours. Brookings estime que les investissements publics en formation professionnelle devraient être multipliés par trois pour suivre le rythme de déploiement de l’IA dans les entreprises. L’Administration Biden avait initié des programmes dans ce sens via le Chips and Science Act ; leur pérennité sous l’administration actuelle reste incertaine.

Sur la concurrence, l’application du droit antitrust par la FTC sous Lina Khan, puis par ses successeurs, a commencé à poser des questions sur la concentration dans les secteurs les plus touchés par l’IA. Une concurrence plus active dans les services numériques et financiers exercerait mécaniquement une pression à la hausse sur les salaires. Ce levier est lent, mais structurant. La gouvernance des agents IA eux-mêmes pose des questions similaires de concentration du pouvoir économique, comme l’analyse cet article sur les défis de gouvernance des agents autonomes.

Le précédent des années 1990 et ce qu’il change

Carl Benedikt Frey, dont les travaux sur la technologie et l’emploi font autorité, a montré que les grandes vagues technologiques ne se ressemblent pas dans leurs effets distributifs. La mécanisation du XIXe siècle a d’abord détruit des salaires réels pendant plusieurs décennies avant qu’ils ne remontent. L’informatisation des années 1980-1990 a été moins destructrice, mais a creusé les inégalités de qualification. L’IA générative de 2022-2026 a ceci de particulier qu’elle touche des tâches cognitives qualifiées, pas seulement manuelles ou routinières.

Ce déplacement vers le haut de l’échelle de qualification change la politique économique nécessaire. Quand la technologie touche les ouvriers non qualifiés, les réponses classiques sont la formation professionnelle et le filet de sécurité sociale. Quand elle touche les professions intermédiaires et les cadres, la réponse doit être plus sophistiquée : reconversion vers des tâches à haute valeur relationnelle et créative, partage du temps de travail, nouvelles formes de propriété sur les outils numériques. Ces réponses existent dans le débat public américain, notamment chez des économistes comme Daniel Susskind ou Diane Coyle qui réfléchissent à la mesure et au partage de la valeur à l’ère numérique. Elles n’ont pas encore trouvé de traduction législative à l’échelle fédérale.

La dynamique américaine illustre un phénomène plus large. Les gains de productivité liés à l’IA sont réels, mesurables et probablement durables. Mais leur distribution n’est pas automatique. Elle résulte de rapports de force, de règles fiscales, d’investissements en formation et de structures de négociation. Le surplus existe. La question qui se pose maintenant est de savoir si les institutions américaines sont capables de concevoir, dans le délai de deux à quatre trimestres que les entreprises se donnent, les mécanismes qui permettront au plus grand nombre d’en bénéficier avant que les gains ne soient intégralement absorbés ailleurs.

Sources

  1. Brookings Institution, “AI Growth Acceleration versus Distributional Fairness” , https://www.brookings.edu/articles/ai-growth-acceleration-versus-distributional-fairness/
  2. Bureau of Labor Statistics, Productivity and Costs , https://www.bls.gov/productivity/
  3. Federal Reserve Bank of Atlanta, Wage Growth Tracker , https://www.atlantafed.org/chcs/wage-growth-tracker
  4. NBER, enquête auprès de 750 dirigeants américains sur les gains de l’IA, mars 2026 , National Bureau of Economic Research (URL non disponible à la date de publication)
  5. Thomas Philippon, The Great Reversal: How America Gave Up on Free Markets, Harvard University Press, 2019
  6. Dani Rodrik, travaux sur les “good jobs” et la politique industrielle , https://drodrik.scholar.harvard.edu/
  7. S&P Global, données sur les rachats d’actions du S&P 500, 2024 , https://www.spglobal.com/
  8. OCDE, rapports sur la négociation collective et la transmission des gains de productivité , https://www.oecd.org/employment/
  9. BLS Productivité 2024 , chiffre annuel officiel , https://www.bls.gov/opub/ted/2025/productivity-up-2-3-percent-in-2024.htm
  10. NBER Working Paper 34984 , enquête auprès de 750 CFO, mars 2026 , https://www.nber.org/papers/w34984
  11. NBER Working Paper 34836 , enquête auprès de 6 000 dirigeants, IA et productivité , https://www.nber.org/papers/w34836
  12. Atlanta Fed Wage Growth Tracker , https://www.atlantafed.org/research-and-data/data/wage-growth-tracker
  13. BLS Union Membership 2024 , https://www.bls.gov/opub/ted/2025/union-membership-rates-highest-in-hawaii-and-new-york-lowest-in-north-carolina-in-2024.htm
  14. Philippon , The Great Reversal, Harvard University Press , https://www.hup.harvard.edu/books/9780674260320
  15. Brookings Institution , IA et marché du travail 2026 , https://www.brookings.edu/articles/research-on-ai-and-the-labor-market-is-still-in-the-first-inning/
  16. Chicago Fed — IT et productivité, années 1990 — https://www.chicagofed.org/publications/chicago-fed-letter/2003/september-193