Faut-il encore investir dans l'IA ? Ce que disent les sceptiques

Moins de 0,66% de gain de productivité cumulé en dix ans : c’est l’estimation de Daron Acemoglu, prix Nobel d’économie 2024, pour l’IA à l’échelle de l’économie américaine. Goldman Sachs met en doute mille milliards de dollars d’infrastructure. Djtal a lu ces travaux de près : leur arithmétique, ramenée à l’échelle d’une entreprise, fonde une méthode d’investissement saine, tâche par tâche.

Ce que les sceptiques disent

Mai 2024, National Bureau of Economic Research : Daron Acemoglu (MIT) publie « The Simple Macroeconomics of AI » (working paper 32487). Son estimation : moins de 0,66% de gain de productivité totale des facteurs, cumulé sur dix ans, pour l’économie américaine. En retirant les tâches difficiles à apprendre, elle descend sous 0,53%. Un ordre de grandeur en dessous des projections des banques d’affaires et des cabinets de conseil.

Juin 2024 : Jim Covello, responsable mondial de la recherche actions de Goldman Sachs, publie « Gen AI: too much spend, too little benefit? ». Mille milliards de dollars d’infrastructure annoncés pour une technologie qu’il juge mal taillée pour les problèmes complexes qui justifieraient la facture. Deux ans plus tard, il maintient sa position (Fortune, mai 2026). Robert Gordon (Northwestern) complète le tableau : l’IA touche une partie des tâches de bureau, là où l’électricité avait transformé l’usine entière, jusqu’aux foyers.

La lecture rapide de ces travaux : rangez les budgets. Leurs propres calculs disent autre chose.

L’arithmétique derrière le chiffre

L’estimation d’Acemoglu repose sur deux facteurs : la part des tâches qu’une IA peut prendre en charge, multipliée par l’économie réalisée sur chacune. Sa prudence vient du premier facteur : à l’échelle d’un pays, la part des tâches exposées reste modeste. Le second facteur, lui, tient bon : sur une tâche bien choisie, l’économie est réelle et mesurable.

Ce cadre décide de tout : le gain de l’IA est une somme de tâches, bien avant d’être un pourcentage national.

À l’échelle de votre entreprise, le premier facteur vous appartient

À l’échelle macroéconomique, la part des tâches automatisables se subit. À l’échelle d’une PME, elle se choisit. Une administration qui répète chaque jour les mêmes saisies, les mêmes relances et les mêmes rapprochements dans son ERP concentre précisément les tâches qu’une IA prend bien.

Le chiffre national plafonne parce qu’il moyenne les métiers exposés et les métiers épargnés. Votre entreprise a le droit de choisir son côté de la moyenne.

La méthode d’investissement qui en découle

1. Inventorier les travaux répétitifs, là où ils vivent : ERP, CRM, boîtes mail partagées.
2. Chiffrer ce que chacun coûte par mois : heures passées multipliées par le taux chargé.
3. Automatiser d’abord ceux qui se remboursent en quelques mois, sur les systèmes déjà en place.
4. Mesurer le gain constaté, en heures et en francs, avant tout élargissement.
5. Élargir tâche par tâche, au rythme des remboursements constatés.

Les 95% de pilotes sans retour mesurable (MIT, 2025) ont presque tous fait l’inverse : acheté la révolution, sans avoir compté les tâches. Le fossé entre leurs attentes et leurs résultats reproduit exactement l’écart entre les projections des cabinets et le calcul d’Acemoglu.

Le débat académique peut continuer sans vous

Avant votre prochain budget IA : la liste de vos tâches, leur coût, ce qu’elles rapporteraient automatisées. Ce document d’une page vaut davantage que toutes les projections de croissance du marché, dans un sens comme dans l’autre.

---

Vous voulez cet inventaire pour votre entreprise ? L’audit stratégique IA de Djtal le produit en 24 heures de travail réparties sur deux semaines, avec le chiffrage de chaque tâche. Échangeons.