The Reverse Big Push: Generative AI and Self-Fulfilling Automation

Dans l'économie moderne, la manière dont les entreprises gagnent de l'argent dépend souvent d'un équilibre délicat entre ce qu'elles dépensent pour fonctionner et l'argent qui revient des clients. Lorsqu'une entreprise embauche des travailleurs, elle leur verse des salaires. Ces travailleurs dépensent ensuite leurs chèques de paie dans d'autres entreprises locales, créant un cycle de demande qui maintient l'ensemble de l'économie en mouvement. Ce cycle est une partie fondamentale du fonctionnement des marchés locaux. Depuis des décennies, les économistes étudient comment les nouvelles technologies modifient cet équilibre. Parfois, une nouvelle machine est si coûteuse à l'achat que seules quelques entreprises peuvent se l'offrir, et ces entreprises doivent travailler dur pour trouver suffisamment de clients pour payer la machine. C'est l'idée classique du « grand élan » (big push), où des coûts élevés forcent un groupe d'entreprises à croître ensemble pour survivre.

Cependant, l'essor de l'intelligence artificielle générative a inversé ce scénario. Aujourd'hui, la partie la plus coûteuse de l'utilisation de l'IA avancée — le coût de l'entraînement du système informatique — est payée par l'entreprise qui l'a construit, et non par l'entreprise qui l'utilise. Un cabinet d'avocats ou un studio de design peut simplement louer la puissance de l'IA à l'heure, au fur et à mesure de l'obtention de nouveaux contrats. Cela fait de l'automatisation une dépense opérationnelle flexible plutôt qu'un investissement initial lourd. Mais il y a un piège. Si une entreprise décide d'utiliser cette IA pour remplacer son équipe humaine, elle cesse de verser ces salaires. Si beaucoup d'entreprises font cela en même temps, les travailleurs qui perdent leurs emplois cessent de dépenser de l'argent dans l'économie locale. Cela réduit le marché pour tous les autres, rendant la survie des entreprises restantes plus difficile. La question que se posent les chercheurs est de savoir si ce changement crée un piège où les entreprises, agissant selon leur propre intérêt, détruisent accidentellement le marché sur lequel elles comptent.

Une équipe d'économistes chinois a construit un modèle pour explorer cette dynamique spécifique, en se concentrant sur la manière dont le choix entre utiliser l'IA avec l'aide humaine et utiliser l'IA pour remplacer les humains se joue dans une économie de services locale. Ils ont découvert que l'économie peut rester bloquée dans deux états très différents, selon ce que les entreprises prévoient de se passer ensuite. Dans un état, les entreprises conservent leurs équipes humaines, les salaires restent élevés et l'économie locale est dynamique. Dans l'autre, les entreprises réduisent leurs équipes pour économiser de l'argent, les salaires chutent, l'économie locale rétrécit et les entreprises réduisent encore plus leurs équipes pour survivre. Les chercheurs appellent cela un « reverse big push » (un grand élan inversé). Contrairement au modèle ancien où les coûts élevés forçaient la croissance, ici, la capacité de réduire facilement les coûts peut déclencher un effondrement auto-réalisateur.

La découverte centrale de ces chercheurs est que la décision d'automatiser ne dépend pas seulement de l'efficacité de la technologie ; elle dépend de ce que font les autres entreprises. Si une entreprise croit que la plupart des autres entreprises garderont leurs équipes humaines, il est logique pour elle de garder aussi son équipe, car l'économie locale sera assez forte pour supporter ces salaires plus élevés. Mais si une entreprise croit que tout le monde remplace les humains par l'IA, il devient plus judicieux pour elle de licencier ses travailleurs aussi, car l'économie locale sera trop faible pour supporter une équipe complète. Cela crée une situation où l'économie peut s'installer dans un équilibre de « faible demande » où l'automatisation est le seul choix, même si un équilibre de « haute demande », où l'humain et l'IA travaillent ensemble, serait meilleur pour tout le monde.

Les chercheurs montrent que ce problème ne disparaît pas même si les salaires sont autorisés à baisser. Dans un marché normal, si la demande chute, les salaires chutent, ce qui rend l'embauche de personnes moins coûteuse. Le modèle confirme que la baisse des salaires rend effectivement l'embauche moins chère, mais cela signifie aussi que les travailleurs ont moins d'argent à dépenser. L'étude conclut que si la perte de pouvoir d'achat est supérieure aux économies réalisées grâce à la baisse des salaires, le cycle de déclin continue. L'économie reste bloquée dans un état de bas salaires et de faible emploi, car la chute de la demande est trop sévère pour être corrigée par de simples coûts de main-d'œuvre moindres. Cela signifie que laisser simplement le marché ajuster les salages ne suffit pas à prévenir un effondrement si les entreprises perdent confiance en l'avenir.

Pour comprendre comment cela se produit, les auteurs ont examiné comment les entreprises prennent des décisions au fil du temps. Ils ont imaginé un scénario où les entreprises ont la possibilité de changer de stratégie à différents moments. Si une entreprise est pessimiste et prévoit que les autres vont automatiser, elle automatisera en premier, validant ainsi le pessimisme de l'entreprise suivante, créant une cascade de licenciements. Si une entreprise est optimiste et prévoit que les autres garderont leurs équipes, elle gardera son équipe, encourageant les autres à faire de même. Le point de départ importe, mais l'attente aussi. Les chercheurs ont trouvé qu'il existe une plage spécifique de conditions où les deux résultats sont possibles. Dans cette plage, l'économie n'est pas déterminée par la technologie elle-même, mais par le moral collectif de la communauté des affaires.

L'étude a également examiné ce qui se passe lorsqu'un choc public, comme un changement soudain de la santé globale de l'économie, survient. Ils ont découvert que si l'économie se trouve dans ce milieu incertain, un choc fondamental capable d'atteindre les deux régions de dominance peut sélectionner une voie unique. Si l'économie penche déjà vers l'automatisation, un choc négatif peut la pousser vers un effondrement total. Inversement, si elle penche vers la coopération humain-IA, un choc positif peut sécuriser cette voie. Les chercheurs ont utilisé le concept de « dominance du risque » pour prédire quel état est le plus susceptible d'être choisi lorsque l'avenir est incertain. Ils ont trouvé que si le point de bascule statique pour la coopération humain-IA se situe en dessous de la moitié, l'économie choisira probablement la voie coopérative. Mais si le point de bascule est au-dessus de la moitié, l'économie choisira probablement la voie de l'automatisation, même si la voie coopérative aurait été meilleure pour la société dans son ensemble.

Les auteurs ont ensuite examiné ce que cela signifie pour les politiques publiques. Ils ont calculé que dans de nombreux secteurs de services professionnels, les conditions de cet « échec de coordination » sont réelles. En utilisant des données des États-Unis, ils ont estimé que pour certains types de tâches de haute autonomie gérées par l'IA, l'économie pourrait facilement tomber dans le mauvais équilibre. Ils ont trouvé que l'écart entre l'état « bon » et l'état « mauvais » n'est pas énorme, mais qu'il est assez large pour compter. Dans leurs simulations, un changement dans la capacité de l'IA à effectuer des tâches sans aide humaine peut faire passer l'économie d'un état stable où l'homme et la machine travaillent ensemble à un état où les machines remplacent entièrement les humains, simplement parce que le marché s'est trop rétréci pour supporter les équipes.

Les chercheurs soutiennent que la solution n'est pas d'interdire l'IA ou de forcer les entreprises à garder des travailleurs. Au lieu de cela, ils suggèrent qu'une intervention gouvernementale temporaire pourrait aider l'économie à franchir le fossé. Si l'économie est bloquée dans l'état de faible demande, un petit subside temporaire ou une taxe sur l'automatation pure pourrait servir de pont. Ce pont donnerait aux entreprises la confiance nécessaire pour conserver leurs équipes humaines jusqu'à ce que l'économie devienne assez grande pour les soutenir d'elle-même. Une fois que l'économie atteint une certaine taille, le subside pourrait être supprimé, et le modèle humain-IA deviendrait le choix naturel et auto-entretenu. La clé est que ce soutien doit être temporaire et ciblé ; il ne s'agit pas de sauver chaque emploi pour toujours, mais d'empêvolver l'économie de rester bloquée dans un mauvais état où tout le monde est moins bien loti.

L'article précise également que ce problème est spécifique à certains types de travail. Il s'applique plus fortement à l'automatisation « défensive », où les entreprises utilisent l'IA pour réduire les coûts parce qu'elles craignent que le marché ne rétrécisse. Il est moins probable de se produire avec l'automatisation « offensive », où l'IA crée de nouveaux produits qui développent le marché. Dans le cas défensif, la peur d'un marché en contraction pousse à la décision de réduire les coûts, ce qui, en retour, réduit le marché. Les chercheurs montrent que si une entreprise réduit ses coûts parce qu'elle prévoit que le marché va rétrécir, il est souvent préférable pour l'ensemble de l'économie que cette entreprise conserve ses travailleurs, car leurs salaires aideront à maintenir le marché en vie.

Dans leur analyse finale, les auteurs ont utilisé des chiffres réels pour montrer à quel point ce système est sensible. Ils ont examiné le ratio entre les revenus et la masse salariale dans les services professionnels et ont constaté que, dans de nombreux cas, l'économie est juste sur le bord de la région de coordination. Un petit changement dans le coût de l'IA ou dans la capacité de l'IA à accomplir des tâches peut faire basculer l'équilibre. Ils ont trouvé que les ajustements salariaux, bien qu'utiles, compriment la plage où cet échec de coordination peut se produire, mais qu'ils ne l'éliminent pas. L'étude conclut que l'avenir du travail à l'ère de l'IA générative dépend moins de la puissance brute de la technologie que de la confiance collective des entreprises qui l'utilisent. Si les entreprises peuvent se coordonner pour garder leurs équipes humaines, l'économie peut prospérer. Si elles ne le peuvent pas, elles risquent un effondrement auto-réalisateur où les outils mêmes censés les aider finissent par nuire au marché qu'ils servent.

Le travail fournit un avertissement clair que la transition vers une économie pilotée par l'IA n'est pas automatique. Elle nécessite de naviguer sur un chemin étroit où les attentes et la réalité se renforcent mutuellement. Les chercheurs montrent que sans mécanisme pour briser le cycle du pessimisme, l'économie peut s'installer dans un état stable mais inefficace, où tout le monde est plus pauvre qu'il ne pourrait l'être. La solution réside dans la compréhension que le choix de la technologie n'est pas seulement une décision technique, mais une décision sociale qui dépend de la santé de l'ensemble de l'économie locale. En reconnaissant cela, les décideurs politiques peuvent concevoir des interventions qui aident l'économie à trouver la meilleure issue, garantissant que les bénéfices de l'IA soient partagés plutôt que perdus dans un cycle de déclin.