📈 économie

AI and the Productivity-Income Gap: A Theory of Demand Decoupling

Cet article présente un modèle théorique soutenant que l'intelligence artificielle pourrait créer un « écart de productivité-revenu » en réduisant la part du travail dans le revenu d'une manière qui dépasse la croissance de la consommation globale en raison de propensions marginales à consommer divergentes, tout en précisant que les données actuelles ne font qu'illustrer ce schéma sans prouver de causalité et en soulignant que les institutions historiques pourraient éventuellement — mais pas nécessairement rapidement — rétablir l'équilibre.

Auteurs originaux : Ahmad Alamgir Khan

Publié 2026-09-30

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Ahmad Alamgir Khan

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Pendant la majeure partie de l'ère économique moderne, une règle simple semblait se tenir : lorsqu'un pays devenait meilleur pour fabriquer des choses, sa population s'enrichissait. Si les usines devenaient plus efficaces ou si les travailleurs apprenaient de nouvelles compétences, la valeur supplémentaire créée ne s'évaporait pas ; elle coulait dans les salaires, permettant aux familles d'acheter plus de biens et de services. Ce cycle de production et de pouvoir d'achat maintenait le moteur de l'économie en marche de manière fluide. Cependant, une nouvelle question a émergé alors que l'intelligence artificielle commence à remodeler la façon dont le travail est effectué. Serait-il possible qu'une société devienne nettement plus productive tout en voyant ses habitants, en moyenne, disposer de moins d'argent à dépenser ? C'est le puzzle central auquel les économistes sont confrontés aujourd'hui : si les machines et les logiciels peuvent produire davantage avec moins d'heures humaines, qui capture la valeur de cette production supplémentaire, et cette nouvelle richesse finit-elle entre les mains des personnes qui en ont besoin pour faire tourner l'économie ?

Un chercheur chez Honeywell, Ahmad Alamgir Khan, a construit un modèle théorique pour explorer cette possibilité, qu'il appelle le « Écart de Productivité-Revenu » (Productivity-Income Gap). La théorie ne soutient pas que l'intelligence artificielle causera nécessairement un chômage de masse ou que les gens perdront totalement leur emploi. Elle suggère plutôt qu'un problème plus subtil pourrait survenir même si tout le monde reste employé. L'idée centrale repose sur la manière dont le revenu est partagé entre les travailleurs et les propriétaires des machines ou des logiciels qu'ils utilisent. Dans une économie standard, lorsque la productivité augmente, les salaires augmentent généralement avec elle. Mais si l'intelligence artificielle permet aux entreprises de produire nettement plus tout en versant une part plus faible du revenu total aux travailleurs, l'équilibre bascule. L'argent va alors aux propriétaires de la technologie, qui sont généralement plus riches.

C'est ici que le mécanisme devient critique. Les personnes ayant des revenus plus faibles ont tendance à dépenser presque chaque dollar supplémentaire gagné pour la nourriture, le logement et les besoins quotidiens. Les individus plus riches, qui reçoivent la majeure partie du revenu lorsque la part du travail diminue, ont tendance à épargner une plus grande partie de leur argent plutôt que de le dépenser immédiatement. Si l'économie produit une énorme quantité de biens mais que les personnes qui disposent de le plus d'argent choisissent d'épargner plutôt que d'acheter, et que les personnes qui achèteraient ces biens ont moins d'argent, la demande totale pour ces biens peut alors stagner derrière la capacité de production. L'usine peut produire plus, mais les clients n'ont pas les moyens de tout acheter. Cela crée un écart où la capacité de production de l'économie dépasse la capacité d'achat du public.

L'article ne prétend pas que cet écart est déjà pleinement arrivé ou que l'intelligence artificielle est la seule cause des tendances économiques actuelles. Au lieu de cela, l'auteur utilise les données du premier trimestre 2026 aux États-Unis comme une illustration hypothétique de ce à quoi ce scénario ressemblerait s'il était en train de se produire. Dans ce cliché spécifique, la productivité du travail — la quantité de biens et services produits par heure — a augmenté de 2,8 %. Au même moment, le salaire horaire réel des travailleurs n'a augmenté que de 0,6 %. De plus, la part du revenu total des entreprises revenant aux travailleurs est tombée à 53,7 %, le niveau le plus bas enregistré depuis -1947. Ces chiffres correspondent au schéma décrit par la théorie : la production croît beaucoup plus vite que les salaires, et la part du revenu revenant aux travailleurs rétrécit.

Cependant, l'auteur précise avec prudence que ces chiffres seuls ne prouvent pas que l'intelligence artificielle a provoqué ce changement. D'autres facteurs pourraient expliquer le même schéma, tels que les changements dans les prix de l'énergie, les mutations dans les secteurs en croissance ou les effets des politiques de taux d'intérêt. Les données servent de carte de ce à quoi ressemble la condition théorique dans le monde réel, et non de verdict sur sa cause. Le modèle suggère que pour que cet écart devienne un problème durable, deux choses doivent se produire simultanément : l'intelligence artificielle doit réduire la part de revenu revenant aux travailleurs, et les personnes qui reçoivent ce revenu (les propriétaires fortunés) doivent dépenser moins de celui-ci que ne l'auraient fait les travailleurs.

La recherche examine également la manière dont l'économie pourrait se corriger. L'histoire montre que lorsque la production et le pouvoir d'achat se sont séparés par le passé, des institutions telles que les syndicats, les politiques fiscales et les filets de sécurité sociale sont finalement intervenues pour réduire l'écart. Ce processus prend toutefois des décennies et nécessite un effort politique important. L'article suggère que la création de nouveaux emplois pourrait également combler l'écart, mais seulement si ces nouveaux emplois paient suffisamment pour restaurer le pouvoir d'achat de la main-d'œuvre. Tant que ces ajustements n'ont pas lieu, l'économie risque de se retrouver dans une situation où elle est capable de produire plus qu'elle ne peut vendre, entraînant un ralentissement de la croissance non pas par manque de technologie, mais par manque d'acheteurs.

En fin de compte, l'article propose un avertissement conditionnel plutôt qu'une prédiction. Il ne dit pas que l'avenir est condamné, mais il précise les conditions exactes dans lesquelles un problème pourrait émerger. Si l'intelligence artificielle continue de stimuler la production tout en concentrant les revenus entre les mains de ceux qui épargnent plutôt que de dépenser, et si aucune nouvelle création d'emplois ou politique ne voit le jour pour redistribuer cette richesse, l'économie pourrait faire face à un déficit persistant de la demande. La question fondamentale soulevée n'est pas de savoir si nous pouvons produire plus, mais si les gains de cette production seront partagés assez largement pour soutenir la demande nécessaire au maintien du système. La réponse dépend moins de la technologie elle-même que de la manière dont la société choisit de distribuer la richesse qu'elle crée.

Résumé Technique : L'IA et l'écart productivité-revenu : Une théorie du découplage de la demande

Énoncé du problème
Le document traite d'un risque macroéconomique spécifique associé à l'adoption de l'intelligence artificielle (IA) : le potentiel d'un « écart productivité-revenu ». Celui-ci est défini comme un scénario où la croissance de la productivité tirée par l'IA ( $g_A$ ) surpasse la croissance de la demande globale ( $g_{AD}$ ), même dans une économie opérant au plein emploi. Contrairement aux récits traditionnels axés sur le chômage technologique (un manque d'emplois), ce cadre postule un « échec de la transmission distributive ». Le problème central est de savoir si les gains issus de l'augmentation de la production sont distribués de manière à soutenir le pouvoir d'achat nécessaire pour absorber cette production. Plus précisément, le document examine les conditions sous lesquelles l'IA réduit la part du travail dans le revenu ( $\lambda$ ) alors que la propension marginale à consommer (PMC) issue du revenu du travail ( $c_L$ ) est supérieure à celle issue du revenu du capital ( $c_K$ ).

Méthodologie
Le document utilise un modèle macroéconomique théorique fondé sur la distribution fonctionnelle des revenus et les fonctions de consommation standards, plutôt que sur des tests empiriques causaux des effets de l'IA.

Cadre théorique : Le modèle étend l'équation standard de la demande globale ( $AD = C + I + G + NX$ ) en décomposant explicitement la consommation ( $C$ ) en revenu du travail ( $Y_L$ ) et revenu du capital ( $Y_K$ ).
- $C = c_L Y_L + c_K Y_K$
- La part du travail est définie par $\lambda = Y_L / Y$ .
- Le modèle dérive le taux de croissance de la consommation ( $g_C$ ) en fonction de la croissance de la production ( $g_Y$ ) et du taux de croissance de la part du travail ( $g_\lambda$ ).
- La dérivation critique (Éq. 5a) montre que si $g_\lambda < 0$ (la part du travail diminue) et que $c_L > c_K$ , alors $g_C < g_Y$ .
Condition formelle : L'« écart productivité-revenu » est formellement défini comme l'état où $g_A > g_Y \geq g_{AD}$ . Cette condition ne se réalise que lorsque deux critères simultanés sont remplis :
- L'IA réduit la part du travail dans le revenu ( $\lambda$ ).
- La propension marginale à consommer issue du revenu du travail est strictement supérieure à celle issue du revenu du capital ( $c_L > c_K$ ).
Approche empirique : Le document utilise des données américaines du premier trimestre 2026 (T1 2026) strictement comme étude de cas illustrative pour démontrer à quoi ressemble la condition théorique dans des données réelles. L'auteur précise explicitement que ce seul trimestre de données n'établit pas de causalité. L'analyse reconnaît de multiples facteurs de confusion (resserrement monétaire, chocs de prix de l'énergie, changements sectoriels post-pandémie, retards de mesure) qui pourraient expliquer la divergence observée entre la productivité et la rémunération.

Résultats clés et propositions
Le document formalise cinq propositions dérivées du modèle :

IA et dépendance au travail : L'IA augmente la productivité tout en réduisant la dépendance marginale au travail, toutes choses égales par ailleurs.
La condition de l'écart : Un écart productivité-revenu existe lorsque $g_A > g_Y \geq g_{AD}$ . Cela émerge spécifiquement quand $g_\lambda < 0$ et $c_L > c_K$ .
Médiation : La distribution des revenus médie le lien entre la productivité tirée par l'IA et la demande globale.
Risque de concentration : La probabilité que l'écart s'ouvre augmente avec la concentration des gains générés par l'IA, car une plus grande concentration implique une baisse plus marquée de $\lambda$ pour une augmentation donnée de la productivité.
Atténuation institutionnelle : Les institutions qui augmentent $\lambda$ (ex. : négociation collective, partage des bénéfices) ou qui élargissent la propriété du capital (ex. : fonds de pension, actionnariat salarié) réduisent la probabilité que l'écart persiste.

Preuve illustrative (T1 2026)
Le document présente les données américaines du T1 2026 comme un « test de résistance » de la condition théorique :

Part du travail : Est tombée à 53,7 %, le niveau le plus bas depuis 1947.
Productivité vs Rémunération : La productivité du travail a crû de 2,8 % en glissement annuel, tandis que la rémunération horaire réelle n'a crû que de 0,6 %.
Profits des entreprises : Les bénéfices après impôts ont atteint 12,4 % du PIB, et les marges bénéficiaires ont atteint des records.
Concentration de la consommation : Des données privées suggèrent que la quasi-totalité de la croissance des dépenses de détail réelles depuis 2023 provient de ménages gagnant plus de 125 000 $, ce qui est cohérent avec l'hypothèse que les agents à hauts revenus ont une PMC plus faible.

L'auteur souligne que, bien que ces chiffres soient cohérents avec la condition théorique, ils ne prouvent pas que l'IA en est la cause. D'autres explications, telles que le resserrement de la politique monétaire et le dénouement des chocs énergétiques, restent plausibles.

Signification et affirmations
La principale contribution du document est la formalisation d'une « contrainte du côté de la demande » sur la croissance, induite par des changements de distribution plutôt que par le chômage.

Distinction par rapport au chômage : Le cadre clarifie qu'un déficit de demande peut survenir même au plein emploi si les revenus se concentrent parmi les agents (propriétaires de capital) qui épargnent plutôt que de consommer.
Distinction par rapport à la stagnation séculaire : Bien que lié à la littérature sur la stagnation séculaire, le mécanisme proposé est distributif (qui capte les gains) plutôt que démographique ou lié à une baisse du taux naturel d'intérêt.
Pertinence politique : Le modèle suggère que si l'écart s'ouvre, les forces du marché seules pourraient ne pas suffire à le combler rapidement. Les précédents historiques (ex. : le New Deal) suggèrent que des ajustements institutionnels (négociation, fiscalité, protection sociale) sont nécessaires pour réduire l'écart, mais que ces processus sont lents et politiquement contestés.
Modestie des affirmations : Le document évite explicitement de prédire que l'IA causera un écart. Au lieu de cela, il fournit un cadre précis pour identifier quand la pression pour un tel écart apparaît. Il note que la création de nouveaux emplois, la négociation salariale et l'adaptation du marché pourraient combler l'écart avant qu'il ne devienne économiquement significatif. Le modèle suppose un régime « tiré par les salaires » pour les États-Unis (où la demande est stimulée par les salaires), une classification qui reste une hypothèse sujette à débat empirique.

Limites et omissions
L'auteur reconnaît plusieurs canaux omis du modèle statique qui pourraient compenser l'écart :

Politique monétaire : Les baisses de taux des banques centrales pourraient stimuler la demande, bien que les contraintes d'inflation limitent cet outil.
Compensation par l'investissement : Des bénéfices plus élevés pourraient stimuler l'investissement ( $I$ ), mais les dépenses de capital actuelles liées à l'IA (environ 0,8 % du PIB) semblent insuffisantes pour compenser totalement les déficits de consommation par rapport aux cycles technologiques historiques.
Effets de richesse et dette : Le modèle exclut les effets de richesse provenant de la hausse du prix des actifs et la consommation financée par la dette, qui pourraient soutenir temporairement les dépenses malgré la baisse des parts du travail.
Ajustements de prix : Le modèle suppose que la répercussion des prix est incomplète ; si l'IA fait baisser les prix de manière significative, les revenus réels pourraient augmenter même si les salaires nominaux stagnent.

En conclusion, le document ne prétend pas que l'IA a déjà déconnecté la productivité de la demande, mais propose un cadre théorique rigoureux pour surveiller les conditions de distribution spécifiques ( $g_\lambda < 0$ et $c_L > c_K$ ) sous lesquelles un tel découplage devient un risque macroéconomique.

Articles similaires