Nous savons exactement ce que coûte l’IA, mais nous sommes incapables de mesurer ce qu’elle produit. Et c'est un problème sérieux

Nous connaissons très bien le coût du développement de l’IA : les gigantesques centres de données, la consommation électrique qui monte en flèche, les investissements des entreprises technologiques qui explosent… Le problème est qu’il semble que tout cela n’ait pas de retour sur investissement, ou pas assez pour justifier d’énormes investissements. La peur de la bulle est justifiée, mais peut-être avions-nous tort et le problème est autre chose : notre ruban à mesurer est cassé.

Production cachée. Dans une analyse approfondie et approfondie de la newsletter Semianalisys, ils utilisent le terme « production sombre » en référence à la valeur économique que génère l’IA, mais que les systèmes de mesure actuels ne voient pas bien et n’a donc pas d’impact sur le PIB. Cette production cachée présente deux aspects :

Production de substitution cachée : il s’agit de travaux qui étaient auparavant effectués par un humain moyennant un certain prix et qui peuvent désormais être réalisés par l’IA pour une fraction de ce coût. Il existe un exemple très frappant avec la rédaction de testaments, un travail qui coûtait historiquement 400 dollars, qui était tombé à 150 dollars, et en une seule année, l’IA a chuté à 0,50 dollars. Le travail est fait, mais la transaction économique disparaît des données.
Une nouvelle production qui reste cachée : de l’autre côté se trouvent les travaux qui n’ont pas été réalisés parce qu’ils étaient trop chers, mais que l’IA a rendus tellement moins chers qu’ils peuvent désormais être réalisés. L’exemple fourni par Semianalysis sont les revues bibliographiques dont le prix atteignait 2 000 $ et qui en faisaient un service très exclusif. Désormais, grâce à l’IA, vous pouvez effectuer une de ces révisions sur tous les types de projets. Le problème est que la piste économique est inexistante, hormis l’utilisation de tokens ou le paiement d’abonnements.

Pourquoi c’est important. La thèse de l’analyse est que nous ne sommes pas confrontés à une bulle, mais que nous ne mesurons pas bien le rendement que produit l’IA et c’est un problème qui va bien au-delà d’un simple débat statistique. Les données macroéconomiques sont la mesure par laquelle les investisseurs détectent la croissance réelle, les banques centrales ajustent les taux d’intérêt et les entreprises décident d’embaucher ou d’automatiser. Prendre des décisions de ce calibre basées sur des données inexactes peut avoir de graves conséquences.

La difficulté de le mesurer. Les services et le travail intellectuel sont beaucoup plus compliqués à mesurer que les biens physiques. Il est très facile pour une usine de meubles de mesurer si de nouvelles machines lui permettent de fabriquer davantage de chaises en moins de temps. L’IA aide à effectuer des tâches telles que la programmation, la rédaction de documents, leur synthèse ou la création de briefings et la façon dont nous la mesurons correspond aux jetons consommés. Le problème est que consommer davantage de jetons peut entraîner d’énormes avantages pour l’entreprise, mais cela peut également produire du mauvais code et de mauvais résumés. La valeur réside dans la production, dans le résultat, et non dans ce que nous dépensons pour y parvenir.

Des précédents. Quelque chose de similaire s’est produit lors du boom informatique des années 80 et 90. À cette époque, les données macroéconomiques n’étaient pas capables de détecter ce qu’apportait la révolution informatique. La solution n’est arrivée qu’en 2013, lorsque la R&D et les investissements en propriété intellectuelle ont été inclus dans la comptabilité du PIB. Le résultat a été que 3,6 billions de dollars ont été ajoutés rétroactivement, ce qui montre que pour la seule année 2000, cela représentait 30 % du PIB.

L’autre précédent est ce qu’on appelle l’économie des soins, en référence à tous les travaux domestiques et de soins effectués principalement par les femmes sans recevoir de rémunération. L’Organisation internationale du travail a estimé en 2018 que 16,4 milliards d’heures de travail de soins non rémunérées étaient effectuées, ce qui équivaudrait à 11 000 milliards de dollars, soit 9 % du PIB mondial.

Oui, mais. Le fait qu’il soit nécessaire de mettre à jour notre ruban à mesurer n’enlève rien au fait que l’investissement dans les infrastructures d’IA est véritablement vertigineux. En 2025, les grandes entreprises technologiques ont investi 410 milliards de dollars dans l’IA et, en 2026, elles devraient dépasser les 650 milliards de dollars. L’économiste en chef de Golman Sachs a déclaré que la contribution de tous ces investissements insensés au PIB américain était « fondamentalement nulle ». En ce sens, il est aussi risqué de dire que nous sommes confrontés à une bulle sur le point d’éclater en raison de dépenses excessives, que de supposer qu’il existe une immense richesse invisible justifiant chaque dollar investi.

Images | Simseo avec les Gémeaux

À Simseo | « La plus grosse erreur de tous les temps » : Bill Gates a laissé échapper 400 milliards alors que Microsoft n’a pas acheté Android