750 dirigeants américains anticipent des gains de productivité de 3,0% grâce à l’intelligence artificielle, mais les statistiques nationales ne captent toujours aucun effet mesurable. Trois ans après ChatGPT, l’économie américaine rejoue le paradoxe de Solow : “On voit l’IA partout, sauf dans les chiffres de la productivité.”
Cette dissonance entre perceptions et mesures n’est pas inédite. Entre 1987 et 2000, l’informatique personnelle avait créé la même énigme avant de déclencher le boom de productivité des années 1990. L’IA suit une trajectoire similaire, mais avec une concentration sectorielle plus marquée qui retarde sa visibilité macroéconomique.
L’essentiel
- Les dirigeants américains anticipent 3,0% de gains de productivité annuels grâce à l’IA, concentrés dans la finance et les services qualifiés
- Aucun effet mesurable n’apparaît encore dans les statistiques agrégées du Bureau of Labor Statistics
- L’IA présente un taux d’adoption de 78% pondéré par l’emploi, tandis que les dirigeants prévoient une baisse de 0,7% de l’emploi
- Le phénomène reproduit le “paradoxe de Solow” informatique des années 1980-1990, résolu seulement après 15 ans de diffusion
Les dirigeants voient ce que les statistiques ne mesurent pas encore
L’enquête menée par la Federal Reserve Bank of Atlanta auprès de 750 dirigeants d’entreprises américaines révèle un fossé spectaculaire entre attentes et réalité mesurable. 67% des dirigeants déclarent observer des gains de productivité liés à l’IA dans leur organisation, avec une moyenne de 3,0% d’amélioration annuelle. Les secteurs de la finance (4,2% de gains anticipés) et des services professionnels (3,7%) mènent cette transformation.
Pourtant, les données agrégées du Bureau of Labor Statistics ne détectent aucune accélération significative de la productivité du travail américaine depuis 2023. La croissance annuelle de la productivité reste coincée autour de 1,2%, soit son niveau d’avant la révolution numérique.
Cette contradiction s’explique par la nature encore émergente des déploiements d’IA. “Les gains se concentrent dans des activités spécifiques — rédaction de code, analyse de données, service client automatisé — qui représentent des fractions limitées de l’activité économique totale”, explique l’étude de la Fed d’Atlanta. Un programmeur qui code 40% plus vite grâce à Copilot ne génère des gains macroéconomiques que si cette efficacité se diffuse au-delà de son poste de travail.
L’IA transforme le travail dans un contexte d’ajustement de l’emploi
L’adoption de l’IA atteint désormais 78% lorsqu’elle est pondérée par l’emploi, illustrant sa diffusion massive dans l’économie américaine. Cependant, cette transformation s’accompagne d’ajustements : les dirigeants anticipent une réduction de 0,7% de l’emploi dans leurs organisations.
Les données détaillées montrent que 82% des gains de productivité proviennent de l’amélioration des performances existantes, tandis que seulement 18% résultent d’automatisations complètes de tâches. Un analyste financier équipé d’IA peut traiter 60% de dossiers supplémentaires, un développeur produit du code 35% plus rapidement, un service client résout 25% de requêtes en plus.
L’énergie nécessaire aux centres de données illustre cette expansion technologique : plus d’IA signifie plus d’infrastructures, donc plus d’emplois techniques pour les construire et les maintenir.
Le paradoxe de Solow se répète avec 40 ans d’avance
“On voit l’IA partout, sauf dans les chiffres de la productivité.” Cette reformulation du célèbre paradoxe énoncé par l’économiste Robert Solow en 1987 à propos de l’informatique capture parfaitement la situation actuelle. Solow avait observé que l’informatique personnelle, omniprésente dans les bureaux américains, ne générait aucun gain de productivité mesurable au niveau national.
Il avait fallu attendre 1995-2000 pour que l’informatique déclenche une accélération spectaculaire de la productivité américaine, passant de 1,4% annuel dans les années 1980 à 2,9% dans la seconde moitié des années 1990. Cette résolution du paradoxe avait nécessité trois conditions : des investissements massifs en infrastructure, une réorganisation des processus de travail, et la formation de millions de travailleurs aux nouveaux outils.
L’IA suit une trajectoire similaire mais accélérée. Les investissements en IA ont atteint 191 milliards de dollars aux États-Unis en 2025, soit l’équivalent de toute la décennie informatique des années 1980 condensée en une seule année. Microsoft, Google et Amazon redéfinissent leurs processus internes autour de l’IA générative. Les universités intègrent massivement l’IA dans leurs cursus.
La différence cruciale : là où l’informatique avait mis 15 ans pour résoudre son paradoxe de productivité, l’IA pourrait le faire en 5-7 ans selon les projections de la Fed d’Atlanta.
La concentration sectorielle retarde l’effet d’entraînement
L’invisibilité macroéconomique de l’IA s’explique largement par sa concentration dans des secteurs à haute valeur ajoutée mais représentant une fraction limitée de l’emploi total. Les services financiers, l’informatique et les services professionnels — qui captent 70% des gains de productivité observés — emploient seulement 18% de la main-d’œuvre américaine.
À l’inverse, les secteurs à forte intensité d’emploi (commerce de détail, restauration, transport, santé) adoptent l’IA plus lentement. Un serveur, un chauffeur-livreur ou une infirmière voient leur quotidien peu transformé par ChatGPT ou Claude. Ces métiers “ancrés physiquement” représentent 52% de l’emploi américain mais ne captent que 12% des gains de productivité liés à l’IA.
Cette géographie de l’adoption crée un effet d’ombre statistique. Même des gains de 5-6% dans la finance ou l’informatique se diluent dans la moyenne nationale dominée par des secteurs moins touchés. Le Bureau of Labor Statistics estime qu’il faudrait des gains de productivité de 8-10% dans les secteurs technologiques pour générer un impact détectable de 0,5 point au niveau agrégé.
Les signaux d’accélération se multiplient
Plusieurs indicateurs suggèrent que l’effet macroéconomique pourrait émerger plus rapidement que prévu. Le nombre d’entreprises déclarant utiliser l’IA dans leurs processus est passé de 23% en janvier 2024 à 47% en décembre 2025 selon l’enquête de la Fed d’Atlanta. Cette diffusion s’accélère au-delà des pure players technologiques.
Les investissements en formation IA des entreprises ont bondi de 340% en 2025. General Motors forme 120 000 employés à l’IA générative. JPMorgan a déployé 60 000 licences Copilot. Walmart teste l’IA conversationnelle dans 2 800 magasins. Cette massification transforme progressivement des pans entiers de l’économie.
Plus significativement, 34% des dirigeants interrogés prévoient d’étendre l’usage de l’IA à des fonctions opérationnelles (logistique, production, maintenance) d’ici 2027. Cette transition des “cols blancs” vers les “cols bleus” pourrait déclencher l’effet d’entraînement manquant.
Les premiers signaux macroéconomiques émergent déjà. La productivité du secteur “Professional and Business Services” a progressé de 4,1% en 2025, soit son meilleur niveau depuis 2001. L’informatique et les télécommunications affichent +5,7%. Ces performances sectorielles commencent à peser suffisamment pour influencer les agrégats nationaux.
L’économie américaine semble au seuil de résoudre son paradoxe de productivité de l’IA. La question n’est plus de savoir si les gains apparaîtront dans les statistiques, mais quand cette transformation deviendra visible à l’échelle de toute l’économie.