IA : pour les USA, c'est la nouvelle « grande divergence

« L'intelligence artificielle et la grande divergence », tel est le titre d'un livre blanc publié sur le site de la Maison Blanche le 21 janvier. « Avec la révolution industrielle, une 'grande divergence' s'est produite qui a conduit les pays industrialisés à accélérer leur croissance par rapport au reste du monde. L'intelligence artificielle est une technologie potentiellement révolutionnaire qui est souvent comparée à la révolution industrielle », lit-on dans la présentation de l'étude.

« L'administration Trump jette les bases de la domination américaine dans le domaine de l'IA en accélérant l'innovation, le développement des infrastructures et la déréglementation, tout en établissant une domination mondiale grâce aux exportations de technologies. Si la révolution de l'IA est aussi transformatrice que la révolution industrielle, nous devrions nous attendre à ce qu'elle conduise à une seconde grande divergence? Bien sûr, l’impact futur de l’IA est incertain, c’est pourquoi dans cet article nous nous concentrons sur les données empiriques qui peuvent être observées et mesurées aujourd’hui. »

Commençons notre examen du livre blanc en examinant l’analyse du potentiel de croissance économique tirée par l’IA.

De « l’IA étroite » à la superintelligence : la taxonomie du progrès

L'intelligence artificielle n'est pas un bloc monolithique, mais un écosystème en évolution rapide qui s'étend sur des systèmes de jeu historiques tels que Bleu profond à une IA générative capable de créer des textes, des images et des vidéos. Au cœur de cette révolution se trouvent les grands modèles de langage (LLM), caractérisés par des milliards de paramètres et entraînés sur de grandes quantités de langage naturel. Une frontière émergente est l’IA agentique, un sous-ensemble d’outils génératifs conçus pour effectuer des actions autonomes pour atteindre des objectifs spécifiques. Actuellement, les systèmes fonctionnent dans une phase d’intelligence « spécialisée » ou étroite, dépassant les capacités humaines dans des tâches uniques (telles que le calcul rapide), mais sans posséder la polyvalence de l’esprit humain.

Cependant, des géants comme OpenAI, Méta et Google ils visent explicitement la création d’une intelligence générale artificielle (AGI) – capable d’accomplir n’importe quelle tâche intellectuelle humaine – voire d’une superintelligence (ASI) qui surpasserait l’humain dans tous les domaines.

Les « lois d’échelle » et le rythme effréné de l’innovation

Les progrès de l'IA sont pilotés par des relations empiriques appelées « lois d'échelle » : les performances des modèles augmentent proportionnellement à l'augmentation du nombre de paramètres, de la taille des ensembles de données et de la puissance de calcul utilisée. Depuis 2012, la puissance de calcul utilisée pour la formation a été multipliée par plus d’un milliard. Les mesures du changement sont stupéfiantes : la puissance de calcul dédiée aux modèles frontières augmente d’environ 4 à 5 fois chaque année.

En guise de réflexion, les coûts du matériel de formation et de l’énergie ont augmenté à un rythme moyen de 2,4 fois par an depuis 2016 ; il suffit de penser que le modèle Grok 4, sorti en juillet 2025, a coûté environ 490 millions de dollars rien que pour la formation. Malgré ces coûts croissants, les investissements se poursuivent puisque les capacités des modèles doublent tous les quelques mois.

Performance et adoption : l’effondrement des coûts et la saturation des benchmarks

Les capacités de l'IA sont mesurées au moyen de « benchmarks », c'est-à-dire de tests standardisés sur le raisonnement, la programmation et la compréhension du langage. Nous assistons à une saturation rapide : par exemple, les performances du benchmark de programmation SWE-bench ont bondi de 4 % à 72 % entre 2023 et 2024. En parallèle, la durée des projets complexes que l’IA peut gérer de manière autonome a doublé tous les 7 mois au cours des 6 dernières années.

L’un des principaux facteurs d’une adoption généralisée est l’effondrement du « coût par jeton » (l’unité d’entrée de base du langage), qui diminue à un rythme compris entre 9 et 900 fois par an selon le modèle, grâce à des logiciels plus efficaces et à un matériel amélioré.

Cela a conduit 78 % des organisations à utiliser l’IA en 2024, et environ 40 % des travailleurs américains emploient aujourd’hui l’IA générative sur leur lieu de travail.

Le moteur économique : PIB, productivité et paradoxe de Jevons

Les économistes prédisent que l’IA sera le principal moteur de la croissance à long terme grâce à l’augmentation de la productivité totale des facteurs (PTF). Les estimations de l’impact sur le PIB varient considérablement en raison de l’incertitude technologique : allant de prévisions prudentes de 1 % à des scénarios explosifs qui supposent une augmentation de 45 % si l’IA parvient à remplacer complètement le travail humain. Au cours du seul premier semestre 2025, les investissements liés à l’IA ont contribué à la croissance du PIB américain à un taux annualisé de 1,3 %, une échelle comparable aux investissements ferroviaires de la révolution industrielle.

Quant à l’emploi, même si l’efficacité peut initialement réduire le besoin de main-d’œuvre, l’histoire suggère le « paradoxe de Jevons » : augmenter l’efficacité d’une ressource peut paradoxalement augmenter sa consommation totale en créant de nouvelles applications et de nouveaux métiers auparavant inimaginables.

Géopolitique de l’IA : le leadership américain et le défi des infrastructures

Il existe actuellement une hiérarchie mondiale claire : les États-Unis occupent la première place en matière d’investissement et d’innovation, suivis par la Chine et, de loin, par l’Union européenne. En 2024, les investissements privés dans l’IA aux États-Unis ont atteint 109 milliards de dollars, contre seulement 9 milliards de dollars en Chine. Les États-Unis abritent également 74 % de la capacité informatique mondiale (clusters GPU), et presque tous les modèles chinois sont formés sur du matériel d'origine américaine. Pour conserver cet avantage, l’administration Trump a lancé en 2025 le Plan d’action IA, qui vise à accélérer la construction de centres de données grâce à la déréglementation et à assurer la neutralité idéologique des modèles.

Le principal défi reste l’énergie : les centres de données devraient consommer jusqu’à 12 % de l’électricité américaine d’ici 2028, ce qui incite le gouvernement à identifier des sites fédéraux pour des infrastructures énergétiques rapides et à soutenir l’énergie nucléaire avancée.