Le paradoxe de la productivite revient
En 1987, l’economiste Robert Solow a ecrit une phrase qui est devenue l’une des observations les plus citees dans l’histoire de la technologie et de l’economie. Elle est parue dans un article du New York Times Book Review, presque en passant : “You can see the computer age everywhere but in the productivity statistics.”
L’ordinateur personnel transformait les bureaux du monde developpe. Les tableurs remplacaient les grands livres. Les traitements de texte remplacaient les machines a ecrire. Les bases de donnees remplacaient les classeurs. L’investissement etait enorme, l’enthousiasme sans limites, et les statistiques de productivite obstinement plates. Les ordinateurs etaient partout. Les gains n’etaient nulle part.
En fevrier 2026, une equipe de chercheurs a publie un article par le National Bureau of Economic Research qui formulait la meme observation a propos d’une technologie differente. Ivan Yotzov, Jose Maria Barrero et leurs collegues ont interroge pres de 6 000 PDG et directeurs financiers aux Etats-Unis, au Royaume-Uni, en Allemagne et en Australie. Le constat etait net : plus de 80 pour cent des entreprises ne signalaient aucun impact de l’IA sur l’emploi ou la productivite au cours des trois annees precedentes. Neuf dirigeants sur dix affirmaient que l’IA n’avait rien change.
Le parallele n’est pas une coincidence. Il est structurel. Et comprendre pourquoi il est structurel — plutot que de le rejeter comme un probleme de calendrier ou une erreur de mesure — c’est ce qui distingue les organisations qui finiront par capter la valeur de l’IA de celles qui passeront une decennie de plus a se demander ou sont passes les retours.
Le paradoxe a un schema
Erik Brynjolfsson reflechit a ce probleme depuis plus longtemps que la plupart. En 1993, il a forge le terme “paradoxe de la productivite” dans un article qui a transforme la remarque de Solow en programme de recherche. Trois decennies plus tard, avec Daniel Rock et Chad Syverson, il a propose un cadre qui explique pourquoi les technologies a usage general — celles qui transforment des economies entieres — n’apparaissent systematiquement pas dans les statistiques de productivite lors de leur phase initiale d’adoption.
Ils l’ont appele la Courbe en J de la Productivite.
L’argument est precis. Quand une technologie a usage general arrive, les organisations commencent a realiser d’importants investissements complementaires — nouveaux processus, nouveaux modeles economiques, nouvelles formations, nouvelles structures organisationnelles. Ces investissements sont en grande partie intangibles. Ils n’apparaissent pas dans les comptes nationaux comme formation de capital. Ils apparaissent comme des couts. L’organisation depense de l’argent, du temps et de l’effort cognitif en restructuration, et la restructuration ne produit pas de resultats immediats. La productivite mesuree baisse. La courbe en J descend.
Plus tard — parfois beaucoup plus tard — les investissements intangibles murissent. Les nouveaux processus deviennent routine. Les nouvelles structures deviennent une seconde nature. Les innovations complementaires commencent a produire des resultats. La productivite mesuree monte fortement. La courbe en J remonte.
Brynjolfsson, Rock et Syverson ont publie ce modele dans l’American Economic Journal: Macroeconomics en 2021. Ils ont montre que l’ajustement pour les investissements intangibles lies au materiel et aux logiciels informatiques donnait un niveau de productivite totale des facteurs superieur de 15,9 pour cent aux mesures officielles a la fin de 2017. Les gains de productivite de l’ere informatique etaient reels — ils etaient simplement invisibles pendant des annees, caches dans des investissements que le systeme de mesure ne pouvait pas voir.
La question pour l’IA est de savoir si le meme schema se repete. La reponse, sur la base des donnees disponibles debut 2026, est oui — mais avec une complication que le cadre de la courbe en J ne capte pas a lui seul.
Les donnees disent pas encore
L’etude du NBER n’est pas la seule preuve. Elle fait partie d’une convergence.
La 29e enquete mondiale de PwC aupres des PDG, publiee en janvier 2026 et couvrant 4 454 PDG dans 95 pays, a revele que 56 pour cent ne signalaient aucun benefice financier significatif de leurs investissements en IA. Pas des “gains modestes.” Pas des “retours precoces.” Aucun benefice. Seuls 12 pour cent — un sur huit — declaraient que l’IA avait a la fois augmente les revenus et reduit les couts. Les autres attendaient encore ou avaient deja conclu que l’investissement ne payait pas.
La Reserve federale de San Francisco, dans sa Economic Letter 2026-06, notait que l’investissement lie a l’IA avait depasse la contribution des composantes informatiques a la croissance reelle du PIB lors du boom des dot-com — tant en niveaux absolus qu’en part du PIB. L’argent coule. Les depenses en capital sont reelles. Les industries a forte intensite de connaissances avec une hausse des offres d’emploi liees a l’IA representaient 50 pour cent de la croissance de la production au troisieme trimestre 2025, tout en ne representant qu’un peu plus d’un quart de la production totale. Mais l’evaluation de la Fed etait prudente : la plupart des etudes macroeconomiques sur la croissance de la productivite trouvent des preuves limitees d’un effet significatif de l’IA.
L’investissement est visible. La productivite ne l’est pas. La phrase de Solow, reecrite pour 2026, dirait : on peut voir l’ere de l’IA partout sauf dans les statistiques de productivite.
La question des quatre pour cent
La Banque europeenne d’investissement a ajoute une piece essentielle a ce puzzle. Le document de travail BEI 2026/02 a analyse des donnees croisees de plus de 12 000 entreprises non financieres dans l’Union europeenne et aux Etats-Unis. Le constat : l’adoption de l’IA augmente la productivite du travail de 4 pour cent en moyenne.
Quatre pour cent semble significatif jusqu’a ce qu’on examine la distribution. Les gains se concentrent dans les entreprises moyennes et grandes — celles qui disposent deja de budgets de formation, d’infrastructures de donnees et de la capacite organisationnelle pour absorber une nouvelle technologie. Les petites entreprises — celles qui constituent la grande majorite de l’economie europeenne — voient moins. Les 4 pour cent sont une moyenne qui ne decrit presque personne avec precision.
Plus important encore, la BEI a constate que le gain de productivite ne se materialise que dans les entreprises qui ont realise ce que les chercheurs appellent des “investissements complementaires” — en logiciels, infrastructures de donnees et formation de la main-d’oeuvre. Sans ces investissements, le gain tend vers zero. L’IA en elle-meme ne produit pas les 4 pour cent. L’IA plus la restructuration organisationnelle produit les 4 pour cent. La technologie est une condition necessaire. Elle n’est pas une condition suffisante.
Ce constat s’aligne precisement sur le cadre de la Courbe en J de la Productivite. Les investissements intangibles — la formation, la refonte des flux de travail, la reingenierie des processus — sont le mecanisme par lequel le potentiel de la technologie se transforme en production reelle. Sans les intangibles, la technologie reste inactive. Ou pire : elle reste active mais improductive, generant des resultats que personne n’utilise, automatisant des processus que personne n’a restructures, et creant l’illusion d’une transformation sans la substance.
Les donnees d’Eurostat de decembre 2025 rendent l’ecart concret. Vingt pour cent des entreprises de l’UE comptant 10 salaries ou plus utilisent des technologies d’IA. Mais seulement 17 pour cent des petites entreprises le font, contre 55 pour cent des grandes. L’adoption elle-meme est stratifiee. Et au sein des 20 pour cent qui adoptent, les donnees de la BEI nous disent que seules celles qui font des investissements complementaires captent des retours.
La technologie n’est pas distribuee de maniere uniforme. Les retours le sont encore moins. Et les organisations les plus susceptibles d’adopter l’IA sans les investissements complementaires — les petites et moyennes entreprises qui representent l’epine dorsale de l’economie de l’UE — sont celles qui ont le moins de chances de voir le paradoxe se resoudre en leur faveur.
Le probleme de l’architecture decisionnelle
Ajay Agrawal, Joshua Gans et Avi Goldfarb avaient anticipe cela dans leur livre de 2022, Power and Prediction: The Disruptive Economics of Artificial Intelligence. Leur cadre repose sur une decomposition simple. Chaque decision comporte deux composantes : la prediction — estimer ce qui va se passer — et le jugement — decider quoi faire de cette information. L’IA ameliore considerablement la prediction. Elle reduit le cout de la prevision, de la reconnaissance de schemas et de l’estimation probabiliste vers zero.
Mais la prediction sans jugement reorganise n’est que des donnees moins cheres. La valeur de l’IA ne vient pas uniquement de meilleures predictions, mais de la reorganisation des decisions que ces predictions alimentent. Une entreprise de logistique qui utilise l’IA pour prevoir la demande mais laisse ses decisions de routage, de personnel et de stocks inchangees a ameliore un input d’un processus qu’elle n’a pas restructure. La prediction est meilleure. L’architecture decisionnelle est la meme. Le resultat bouge a peine.
Agrawal, Gans et Goldfarb utilisent un terme qui capte le probleme : “refonte au niveau du systeme.” Les gains d’une technologie a usage general ne proviennent pas de son insertion dans les systemes existants. Ils proviennent de la refonte des systemes autour des capacites de la technologie. La machine a vapeur n’a pas transforme la production industrielle parce qu’elle etait une meilleure source d’energie. Elle a transforme la production parce que les usines ont ete redesignees autour d’une energie centralisee — puis redesignees a nouveau autour de moteurs electriques distribues, ce qui a exige un agencement d’usine entierement different, un flux de travail different, des competences differentes et des structures de gestion differentes.
Les historiens de l’economie l’ont documente. Paul David, dans son article de 1990 “The Dynamo and the Computer,” a montre qu’il avait fallu environ 40 ans entre l’introduction de la dynamo electrique et la realisation de son plein potentiel de productivite — parce que les innovations organisationnelles complementaires avaient mis autant de temps a se developper et a se diffuser. Les usines ont du etre reconstruites. Les travailleurs ont du etre reformes. Les systemes de gestion ont du etre reinventes.
Le parallele avec l’IA est direct. La plupart des organisations ont insere l’IA dans les flux de travail existants. Elles n’ont pas refonde les flux de travail autour des capacites de l’IA. Le moteur de prediction tourne. L’architecture decisionnelle est intacte. Les statistiques de productivite refletent cela avec precision : la technologie fait ce qu’elle fait, mais l’organisation n’a pas change ce qu’elle fait.
Le piege de la mesure
Il y a un probleme plus subtil qui aggrave le probleme structurel : la facon dont nous mesurons la productivite peut etre systematiquement aveugle a la valeur que l’IA cree.
La productivite, dans les comptes nationaux, est la production par unite d’input. Mais qu’est-ce qui compte comme production ? Si une equipe marketing utilise l’IA pour produire cinq brouillons au lieu d’un, et qu’un seul est utilise, la statistique de productivite voit la meme production — un document publie — produit avec le meme input. La contribution de l’IA est invisible. Les quatre brouillons inutilises ne sont pas du gaspillage au sens traditionnel ; ce sont des options. L’equipe a mieux choisi parce qu’elle a pu evaluer cinq alternatives au lieu d’une. La qualite de la decision s’est amelioree. La quantite de la production mesuree, non.
C’est l’hypothese de l’erreur de mesure que Brynjolfsson explore depuis les annees 1990. Quand la technologie ameliore la qualite, la variete ou la prise de decision plutot que la quantite, les statistiques de productivite passent a cote. Le PIB mesure les transactions. Il ne mesure pas la qualite de ces transactions, ni les decisions qui les ont precedees, ni les options qui ont ete evaluees et rejetees.
La mesure du NBER — les ventes par salarie — est revelatrice. Les ventes par salarie captent le volume. Elles ne captent pas si les ventes etaient mieux ciblees, plus rentables par unite, ou necessitaient moins de support apres-vente. Une entreprise qui utilise l’IA pour ameliorer la segmentation client peut vendre le meme volume a des clients mieux adaptes, reduisant l’attrition et augmentant la valeur vie — mais les ventes par salarie restent stables. La statistique de productivite dit : aucun impact. Le compte de resultat, a terme, dit autre chose.
Cela ne signifie pas que le paradoxe est simplement un artefact de mesure. Le constat du NBER selon lequel 80 pour cent des entreprises ne voient aucun impact est trop large pour etre explique par la seule erreur de mesure. Beaucoup d’entreprises ne captent veritablement pas de valeur de l’IA. Mais l’aveuglement du systeme de mesure aux ameliorations qualitatives signifie que meme les entreprises qui reussissent peuvent ne pas apparaitre dans les statistiques — pour l’instant.
Le fosse des attentes des dirigeants
L’etude du NBER a fait emerger un autre constat qui merite attention. Bien qu’ils ne rapportent aucun impact au cours des trois dernieres annees, les memes dirigeants prevoient des effets substantiels de l’IA au cours des trois prochaines annees : une hausse de 1,4 pour cent de la productivite, une augmentation de 0,8 pour cent de la production et une reduction de 0,7 pour cent de l’emploi.
C’est le fosse d’attentes dont le paradoxe de Solow se nourrit. La technologie est perpetuellement sur le point de livrer. Les retours sont toujours a trois ans. L’investissement continue parce que la promesse continue, et la promesse continue parce que la technologie fonctionne demonstrablement au niveau de la tache — elle ecrit l’email, redige le rapport, analyse les donnees plus rapidement. La micropreuve de capacite soutient la macroattente de transformation, meme quand la macropreuve de transformation ne se materialise pas.
Les donnees de PwC affinent cette analyse. Les 12 pour cent de PDG qui rapportent des gains simultanes en couts et en revenus avec l’IA — l‘“avant-garde” — n’utilisent pas une technologie differente. Ils utilisent les memes modeles, les memes outils, les memes plateformes. Ce qui les distingue, selon PwC, c’est qu’ils ont integre l’IA de maniere extensive dans les produits, les services, la generation de demande et la prise de decision strategique. Ils ont etabli des cadres d’IA responsable. Ils ont construit des environnements technologiques qui permettent l’integration a l’echelle de l’entreprise.
En d’autres termes, ils ont fait la refonte au niveau du systeme. Ils ont fait les investissements complementaires. Ils ont reorganise l’architecture decisionnelle. Ils ne sont pas sur la pente descendante de la courbe en J. Ils ont investi a travers et commencent a monter.
Les 88 pour cent restants ont achete le moteur de prediction et laisse le plancher de l’usine inchange. Ils vivent le paradoxe non pas parce que la technologie ne fonctionne pas, mais parce qu’ils n’ont pas fait le travail organisationnel qui permet a la technologie de fonctionner au niveau du systeme.
Le goulet d’etranglement organisationnel
Voici la phrase que je veux retenir, parce qu’elle recadre toute la conversation : la machine n’est pas le goulet d’etranglement. L’organisation l’est.
Les modeles d’IA sont performants. L’infrastructure de calcul est disponible. Les outils sont de plus en plus accessibles. Les barrieres techniques a l’adoption de l’IA ont considerablement baisse. Une entreprise de 200 personnes peut acceder aux memes modeles de langage, aux memes systemes de vision, aux memes outils analytiques qu’une entreprise du Fortune 500 utilise. La technologie a ete democratisee.
Ce qui n’a pas ete democratise, c’est la capacite organisationnelle a absorber la technologie. La capacite a redesigner les flux de travail. La capacite a reformer les travailleurs — non pas a utiliser l’outil, mais a prendre des decisions differemment maintenant que l’outil fournit de meilleures predictions. La capacite a restructurer les incitations pour que le temps que l’IA libere ne soit pas simplement rempli par davantage du meme travail. La capacite a construire le capital intangible que la courbe en J exige.
C’est la que le paradoxe de la productivite devient un probleme de psychologie organisationnelle — mon territoire. Les investissements complementaires que Brynjolfsson decrit ne sont pas des achats de logiciels ou des mises a jour de materiel. Ce sont des changements dans la maniere dont les gens travaillent, dont les decisions sont prises, dont les roles sont definis et dont la performance est mesuree. Chacun de ces changements est un changement humain. Chacun rencontre une resistance humaine. Chacun necessite ce qu’Amy Edmondson appelle la securite psychologique — la conviction que l’on peut essayer quelque chose de nouveau, echouer, et ne pas etre puni pour cela.
Une organisation qui deploie l’IA sans creer les conditions de l’experimentation — sans rendre sur de restructurer, de changer les roles, de redefinir ce que “productif” signifie — est une organisation qui restera sur la pente descendante de la courbe en J. La technologie restera inactive, comme ces machines couvertes sur un plancher d’usine. Les anciens etablis — les processus familiers, les flux de travail connus, les routines confortables — continueront a porter les marques d’un usage intensif.
Le probleme de l’horizon temporel
Les paralleles historiques offrent a la fois du reconfort et un avertissement.
Le reconfort : le paradoxe de la productivite s’est resolu avant. L’ere informatique a fini par apparaitre dans les statistiques. Du milieu des annees 1990 au debut des annees 2000, on a observe une hausse de la productivite mesuree que les economistes ont attribuee, en partie, a la maturation des investissements en TI realises dans les annees 1980. Les innovations complementaires ont rattrape la technologie. La courbe en J est montee. Le paradoxe de Solow s’est dissous — non pas parce que l’observation etait fausse, mais parce que le decalage temporel etait plus long que ce qu’attendaient des dirigeants impatients et des economistes impatients.
L’avertissement : la resolution n’a pas ete automatique. Elle ne s’est pas produite simplement parce que le temps a passe. Elle s’est produite parce que les organisations se sont finalement restructurees. Elles ont refonde les flux de travail. Elles ont reforme les travailleurs. Elles ont change les pratiques de gestion. Et les entreprises qui l’ont fait en premier ont capte des retours disproportionnes, tandis que celles qui ont attendu — ou ne se sont jamais restructurees — sont restees en arriere.
L’estimation de 40 ans de Paul David pour la dynamo electrique donne a reflechir. Mais le calendrier de l’ere informatique a ete plus court — environ 15 a 20 ans entre l’adoption generalisee et les gains de productivite mesures. La question est de savoir si le calendrier de l’IA sera encore plus court, ou si la complexite des changements organisationnels necessaires l’allongera.
Ma lecture des donnees est prudente. L’IA necessite une restructuration organisationnelle plus profonde que l’ordinateur personnel, parce que l’IA affecte les decisions, pas seulement les taches. Le PC a automatise la frappe. L’IA automatise la prediction — et la prediction alimente chaque decision que l’organisation prend. Restructurer autour d’une meilleure frappe etait relativement simple : les memes documents, produits plus rapidement. Restructurer autour d’une meilleure prediction exige de repenser quelles decisions sont prises, par qui et comment. C’est un changement plus fondamental, et les changements fondamentaux prennent plus de temps.
L’integration
Voici la tension que je veux maintenir sans la resoudre, parce que la resoudre serait premature.
Le paradoxe de la productivite est reel. Les donnees sont sans equivoque. Quatre-vingts pour cent des entreprises ne voient aucun impact de l’IA sur la productivite. Cinquante-six pour cent des PDG ne rapportent aucun benefice financier. Les macrostatistiques montrent l’investissement en plein essor et la productivite a plat. Le paradoxe n’est pas un recit. C’est une mesure.
Le paradoxe de la productivite est aussi, potentiellement, temporaire. Le cadre de la courbe en J est bien etaye par les donnees historiques. Les entreprises qui ont fait des investissements complementaires captent des retours. Les 12 pour cent d’avant-garde dans les donnees de PwC n’ont pas eu de chance — ils sont structurellement differents. Ils ont fait le travail organisationnel.
Les deux choses sont vraies simultanement. L’IA ne tient pas encore sa promesse a grande echelle. L’IA a les caracteristiques structurelles d’une technologie qui finira par la tenir. La question n’est pas de savoir si le paradoxe se resout. La question est de savoir qui fait le travail organisationnel pour le resoudre — et qui attend une resolution qui ne viendra pas d’elle-meme.
La machine fonctionne. L’organisation n’a pas change. Les statistiques de productivite ne mentent pas. Elles refletent, avec une precision inconfortable, l’ecart entre la capacite technologique et la readaptation organisationnelle.
Robert Solow pouvait voir l’ere informatique partout. Il ne pouvait pas la voir dans les statistiques de productivite. Les statistiques ne mentaient pas. Elles disaient une verite que les dirigeants ne voulaient pas entendre : la technologie n’est pas la transformation. La transformation est la transformation. La technologie n’est que le catalyseur qui rend la transformation possible — et que le catalyseur produise une reaction depend entierement des conditions dans le recipient.
Le recipient, c’est l’organisation. Les conditions, ce sont la culture, les incitations, l’architecture decisionnelle, la volonte de restructurer. La plupart des recipients ont ajoute le catalyseur sans rien changer d’autre. Le paradoxe en est le resultat previsible.
La question, pour toute organisation qui lit ceci, n’est pas “quand l’IA va-t-elle livrer ?” C’est “qu’avons-nous change pour rendre la livraison possible ?” Si la reponse est “nous avons achete les outils” — ce n’est pas un changement. C’est un achat. Et les achats, sans la refonte organisationnelle pour les absorber, c’est ainsi que les paradoxes se fabriquent.