Sur 122 pilotes menés dans 33 États entre 2017 et 2025, les quatre études les plus rigoureuses montrent un recul moyen de 3,2 points de l’emploi. Cette donnée révèle un paradoxe méthodologique troublant : les petites expérimentations flattent la thèse du revenu universel tandis que les grandes la démentent.
L’analyse exhaustive menée par l’American Enterprise Institute recense 122 pilotes qui ont distribué 481,4 millions de dollars à plus de 40 000 bénéficiaires sur huit ans. Loin de valider l’instrument présenté comme parachute face à l’automatisation IA, ces résultats révèlent une fragilité empirique qui pourrait remettre en cause l’un des projets sociaux les plus ambitieux de la décennie.
L’essentiel
- Parmi les quatre études avec au moins 500 participants, représentant 55% de tous les bénéficiaires, l’effet moyen sur l’emploi est de -3,2 points de pourcentage
- Seules 52 des 122 expérimentations ont publié leurs résultats, 35 utilisent des méthodes randomisées et 30 mesurent les effets sur l’emploi
- La taille moyenne des groupes de traitement n’est que de 359 personnes, avec un taux d’abandon moyen de 37%
- L’élasticité moyenne du revenu estimée à -0,18 confirme la théorie économique standard : plus de revenus non gagnés, moins de travail à la marge
L’effet de taille révèle les limites méthodologiques
Les 30 pilotes randomisés avec résultats publiés affichent en moyenne une hausse de 0,8 point de pourcentage de l’emploi. Ce chiffre, brandi par les défenseurs du revenu universel, masque une réalité plus nuancée. La taille moyenne des groupes de traitement atteint seulement 359 personnes, avec une médiane de 151. Cette fragmentation méthodologique n’offre qu’une base fragile pour repenser l’État-providence américain.
Parmi les 122 pilotes uniques, 30 comptent moins de 100 participants dans le groupe de traitement et 18 en comptent moins de 50. Cette miniaturisation contraste avec les prétentions universalistes du projet. Plus préoccupant encore, le taux d’abandon moyen de 37% parmi les 26 pilotes pour lesquels cette donnée est mesurable signale des biais potentiels majeurs dans l’interprétation des résultats.
La méthodologie révèle ses propres contradictions. Presque tous les pilotes qui suivent les résultats s’appuient exclusivement sur des données d’enquête, les exposant à des biais de déclaration et de non-réponse. Cette dépendance aux auto-évaluations fragilise la robustesse scientifique des conclusions.
Les grandes études contredisent la moyenne optimiste
L’analyse de l’American Enterprise Institute révèle une corrélation inversée entre la taille de l’échantillon et les résultats positifs. L’étude OpenResearch financée par Sam Altman, avec 1 000 bénéficiaires recevant 1 000 dollars mensuels pendant trois ans, montre une baisse de 1 800 dollars du revenu annuel individuel (hors transferts) et une diminution de 4,1 points de pourcentage de la participation au marché du travail.
Cette expérimentation, l’une des plus rigoureuses méthodologiquement, confirme les prédictions de la théorie économique standard. Les participants ont réduit leurs heures de travail de 1 à 2 heures par semaine et leurs partenaires ont diminué leurs heures dans une proportion comparable. L’augmentation la plus importante générée par le transfert concernait le temps consacré aux loisirs.
L’expérimentation dans 19 comtés du Texas et de l’Illinois, avec des versements de 1 000 dollars mensuels sur trois ans, rapporte que “les participants travaillent de moins en moins au cours de l’étude”. Moins de travail signifiait moins de revenus. Les bénéficiaires ont subi une réduction moyenne de 2 500 dollars de leur revenu annuel du ménage, transfers exclus.
La déconnexion entre espoirs théoriques et réalités empiriques
Les défenseurs du revenu universel misaient sur l’effet “trampoline” : les chercheurs s’attendaient à ce que les participants gagnent finalement des salaires plus élevés en acceptant un travail mieux payé, mais ce scénario ne s’est pas concrétisé. “Mais nous ne trouvons aucun effet sur la qualité de l’emploi”, conclut Eva Vivalt, professeure assistant d’économie à l’Université de Toronto et principale chercheuse de l’étude.
Cette déconnexion révèle une erreur d’analyse fondamentale. Les bénéficiaires ont principalement consacré plus de temps aux activités de loisirs, pas à la poursuite d’études, à des emplois de meilleure qualité ou aux soins familiaux. “Il est intéressant de noter que nous n’observons pas que ceux qui ont des enfants passent plus ou moins de temps à s’occuper des enfants à la suite des transferts.”
L’absence d’effet sur l’entrepreneuriat confirme cette tendance. Bien que les chercheurs trouvent que les gens prétendent avoir plus d’intentions entrepreneuriales, cela ne se traduit pas par une activité entrepreneuriale réelle. Cette divergence entre intentions déclarées et comportements effectifs souligne les limites des méthodologies basées sur les enquêtes.
Le biais de publication favorable déforme le débat
Les pilotes montrant des bénéfices obtiennent une couverture médiatique, des publications académiques, une attention politique. Les pilotes ne montrant aucun effet ou des dommages sont moins susceptibles d’être publiés ou remarqués. Cela crée un biais systématique dans notre compréhension - nous pourrions surestimer les bénéfices du revenu universel.
Ce phénomène, documenté par la littérature académique, explique en partie pourquoi seulement 52 des 122 pilotes ont publié leurs résultats. Les expérimentations aux résultats neutres ou négatifs disparaissent dans ce que les chercheurs appellent le “file drawer effect”, faussant l’évaluation globale de l’efficacité du revenu universel.
L’exemple de Stockton illustre cette asymétrie. L’étude sur un an a montré que les transferts inconditionnels ont augmenté l’emploi à temps plein des bénéficiaires de 12 points de pourcentage et diminué leurs sentiments mesurables d’anxiété et de dépression. Ces résultats, largement médiatisés, contrastent avec la discrétion entourant les résultats plus nuancés des études de plus grande envergure.
L’IA comme nouveau prétexte pour une vieille idée
Les politiques actuelles du revenu universel ne concernent pas vraiment la réduction de l’État. Elles concernent surtout son expansion parce que les élites craignent l’IA. Cette peur de l’automatisation justifie aujourd’hui la résurrection d’un concept économique ancien, malgré l’accumulation de preuves empiriques contradictoires.
L’intelligence artificielle est devenue la dernière excuse pour raviver l’une des plus mauvaises idées de la politique économique : un revenu universel de base. Des articles récents dans Newsweek, le LSE Business Review et Fortune ont tous contribué à pousser l’idée que l’IA pourrait bientôt supprimer tant d’emplois que Washington devrait envoyer un chèque à tout le monde.
Cette instrumentalisation de l’anxiété technologique détourne l’attention des enjeux réels de transformation du travail par l’IA, qui montrent que l’automatisation stimule souvent la créativité humaine plutôt qu’elle ne la remplace.
Les contraintes budgétaires et politiques ignorées
Le revenu universel se heurte aussi à la contrainte budgétaire. Comme l’a noté Max Gulker à The Daily Economy, le revenu universel est souvent vendu à travers de petits pilotes et un langage moral vague, mais l’arithmétique nationale est laide. La dette nationale approche rapidement les 40 000 milliards de dollars.
L’illusion de la simplicité administrative masque une réalité politique complexe. En théorie, les partisans du revenu universel imaginent parfois remplacer l’État-providence par un simple transfert d’argent. En réalité, les programmes gouvernementaux disparaissent rarement. Les bureaucraties se défendent. Les groupes d’intérêt protègent leurs privilèges.
Cette dynamique institutionnelle suggère qu’un revenu universel s’ajouterait probablement aux dispositifs existants plutôt qu’il ne les remplacerait, aggravant le défi budgétaire initial. Les 122 expérimentations américaines, malgré leur ampleur collective, ne fournissent aucune réponse à cette question politique fondamentale.
La fragilité empirique d’un projet de société
Les conclusions de l’AEI sont appropriées dans leur prudence : ces résultats ne se généralisent peut-être pas à un revenu universel permanent, universel et national dans des conditions actuelles ou futures. Cette réserve méthodologique devrait tempérer l’enthousiasme politique.
Après 122 expériences locales, l’argument en faveur du revenu universel reste faible. Les meilleures preuves ne montrent pas une renaissance de l’emploi. Les études les plus importantes montrent des déclins de l’emploi.
L’accumulation de données contradictoires révèle un paradoxe : plus les expérimentations se multiplient, plus elles fragilisent leur objet d’étude. Les 481,4 millions de dollars distribués sur huit ans ont produit une leçon involontaire sur les limites des politiques publiques fondées sur l’optimisme théorique plutôt que sur l’observation empirique. Face aux défis économiques que posera l’IA, cette leçon pourrait s’avérer plus précieuse que les transferts monétaires eux-mêmes.
Sources
- What 122 Universal Basic Income Experiments Actually Show
- The Employment Effects of a Guaranteed Income: Experimental Evidence from Two U.S. States | NBER
- Stockton’s Universal Basic Income Experiment Increased Employment And Well-Being : NPR
- Universal Basic Income—Not the Panacea It’s Advertised As | The Heritage Foundation
- Here’s what a Sam Altman-backed basic income experiment found - CBS News