Simone Lenzu
Au troisième trimestre 2025, les plus grandes entreprises technologiques américaines ont pour la première fois dépensé plus en investissements en capital que ce qu'elles gagnaient grâce à leurs opérations. Cela implique que l’IA, une technologie susceptible de rendre l’économie plus productive, absorbe, pour l’instant, les ressources plus rapidement qu’elle ne génère de rendements. Cet article explique comment la tension entre les promesses à long terme de l’IA et ses coûts à court terme affecte les perspectives d’inflation, d’activité réelle et de stabilité financière.
Trois canaux, un cadre
En m’appuyant sur mes recherches, je décris trois canaux interdépendants – la dynamique de l’inflation, la transition structurelle et la stabilité financière – par lesquels l’IA influence l’économie (voir la figure ci-dessous).
Trois canaux par lesquels la diffusion de l’IA peut affecter l’économie
Dynamique de l'inflation
À court terme, la diffusion de l’IA peut remodeler la façon dont les taux d’intérêt influencent l’inflation et l’activité réelle. Une opinion largement répandue est que l’IA, en augmentant la productivité, constituera une puissante force désinflationniste. Ce point de vue pourrait finalement s’avérer exact, mais il saute une étape cruciale. Ce qui compte pour l’inflation n’est pas de savoir si l’IA augmente la productivité, mais si elle augmente la productivité plus rapidement qu’elle n’augmente les coûts de son adoption.
Pendant la transition, les entreprises consacrent des ressources substantielles à la réorganisation, à l’infrastructure des données et à l’intégration, ce qui peut temporairement augmenter les coûts de production alors même que la frontière technologique s’étend. Il s’agit de ce qu’on appelle la « courbe en J de productivité », illustrée dans la figure ci-dessous.
La productivité mesurée peut chuter pendant la phase d'adoption
En revanche, les effets sur les prix sont déjà visibles sur les marchés des intrants. En 2025, les principales sociétés d’IA (Google, OpenAI, Anthropic, Meta, Amazon, Oracle) ont consacré environ 300 milliards de dollars à des investissements en capital dans les chaînes d’approvisionnement en semi-conducteurs, les réseaux électriques et la main-d’œuvre spécialisée. Les dépenses d’investissement agressives se sont poursuivies au premier trimestre 2026 et devraient encore augmenter, renforçant les pressions sur les coûts dans l’ensemble de l’économie.
Des données récentes suggèrent que la demande induite par l’IA a fait grimper les prix au cours des deux dernières années, et que ces coûts se répercutent désormais sur les prix de l’électronique grand public. Par exemple, les prix des puces mémoire ont considérablement augmenté. Un rapport récent indique que la consommation et les prix de l’énergie sont également affectés.
Transition structurelle à long terme
L’IA peut modifier les fondamentaux de l’économie : le niveau de production potentielle et le taux d’intérêt naturel. La question cruciale est de savoir si l’IA génère un changement de niveau ponctuel dans la capacité de production ou une accélération durable de la croissance (voir figure ci-dessous). Un changement de niveau augmente temporairement le taux d’intérêt naturel pendant la transition avant que la croissance ne revienne à son niveau de référence, tandis qu’une accélération de la croissance l’augmente de manière permanente.
Une adoption plus rapide de l’IA peut signaler soit que l’économie est en surchauffe, soit qu’elle rattrape son potentiel accru grâce à l’IA
À ce jour, les estimations de l’impact sur la productivité couvrent les deux scénarios, depuis des gains modestes de quelques points de pourcentage du PIB sur une décennie jusqu’à des effets considérablement plus importants si l’IA augmente le processus d’innovation lui-même. L’éventail est large et l’incertitude est aggravée par des forces contraires, notamment une éventuelle augmentation de la concentration du marché et des modifications de l’épargne et des dépenses des ménages.
La concentration est importante parce que l’adoption de l’IA a tendance à être biaisée en faveur des grandes entreprises : si les rentes reviennent à une poignée d’opérateurs historiques, le boom des investissements qui fait monter le taux neutre pourrait s’avérer plus limité que les chiffres globaux ne le suggèrent, et la dynamique du gagnant-gagnant pourrait également ralentir la diversité de la recherche qui soutient la croissance à long terme. Du côté des ménages, la baisse de la consommation chez les travailleurs dont les tâches sont supplantées par l’IA pourrait n’être que partiellement compensée par les gains de celles qu’elle complète. Si ces derniers ont tendance à épargner une part plus importante de leurs revenus, la consommation globale pourrait être plus faible que ne le suggèrent les seuls chiffres de productivité.
Stabilité financière
L’IA est en train de reprogrammer le système financier. Jusqu’à récemment, les grandes sociétés d’IA finançaient presque entièrement leurs investissements à partir des bénéfices non distribués, protégeant ainsi le développement de l’IA des conditions du marché du crédit.
Cela a changé fin 2025 : les dépenses en capital ont commencé à dépasser les flux de trésorerie d’exploitation et les entreprises ont levé plus de 100 milliards de dollars de nouvelles dettes. Derrière ces émissions obligataires majeures se cache une couche plus complexe : des véhicules de financement de projets hors bilan finançant la construction de centres de données, des titrisations adossées à des flux de trésorerie de location et des centaines de milliards d'engagements de location à terme qui n'apparaîtront pas dans les bilans avant des années. Une grande partie de cette dette repose sur des gains de productivité de l’IA qui ne se sont pas encore concrétisés. Si les attentes changent, la correction pourrait se propager rapidement et largement : les mêmes institutions – assureurs, gestionnaires d’actifs, fonds de pension – détiennent des expositions qui se chevauchent entre les obligations d’entreprises, les titrisations et les placements privés, de sorte qu’une vaste réévaluation les frapperait dans plusieurs directions à la fois.
Mettre l'IA en perspective
1. La liaison centrifuge de l'IA
Les trois canaux décrits ci-dessus ne fonctionnent pas indépendamment et leur interaction crée un défi dans le suivi de l’économie. Considérez le scénario suivant. L’adoption de l’IA augmente initialement les coûts sans augmenter la productivité (courbe en J), alors que les entreprises, les consommateurs et les marchés s’attendent déjà à de solides gains à venir. La pression inflationniste s'accentue du côté de l'offre : les coûts de production des entreprises augmentent à mesure que les marchés des intrants se resserrent en raison, par exemple, de la hausse des prix des puces mémoire et de l'énergie. La pression du côté de la demande s’accentue également : les attentes en matière de productivité future soutiennent des valorisations élevées des actifs et soutiennent les dépenses aujourd’hui, avant que les gains de productivité n’arrivent. Et le système financier est exposé : une vague de dépenses en capital financées par la dette repose sur des rendements qui ne se sont pas encore matérialisés.
Le résultat est ce que les physiciens appelleraient un liaison centrifuge: forces tirant vers l’extérieur dans des directions opposées. Une inflation plus élevée pourrait perturber les valorisations des actifs fondées sur des gains de productivité réels mais lointains, déclenchant ainsi des tensions financières précisément alors que les bénéfices du côté de l’offre ne sont pas encore arrivés. Les efforts visant à protéger la stabilité financière permettent d’aggraver les pressions sur les coûts et la demande. Les deux forces sont réelles et remontent au même écart sous-jacent entre ce que l’IA est censée produire à terme et ce qu’elle produit actuellement.
2. Repenser les « décalages longs et variables »
Milton Friedman a observé que la politique fonctionne avec des « décalages longs et variables » : lorsqu’une banque centrale ajuste ses taux, les effets sur l’inflation et l’activité mettent des mois, voire des années, à se matérialiser, et le timing change de manière imprévisible selon les épisodes. Son argument n’était pas seulement que les effets réels de la politique sont lents, mais qu’ils le sont d’une manière qui ne peut être anticipée de manière fiable. L’IA perturbe ce principe de deux manières.
Premièrement, l’IA peut remodeler les délais qui sont longs et ceux qui sont courts. Certains décalages peuvent se réduire : des flux d’informations plus rapides, une tarification algorithmique et des attentes plus élastiques accélèrent la transmission. D’autres retards pourraient s’allonger : les coûts de réorganisation et les frictions sur le marché des facteurs signifient que les ajustements du côté de l’offre peuvent prendre des années et aller dans la mauvaise direction au départ. Le résultat n’est pas un raccourcissement uniforme mais une refonte du timing et de la direction, contrairement à tout ce pour quoi les modèles historiques ont été construits.
Deuxièmement, même si les décalages eux-mêmes ne changent pas, la diffusion rapide de l’IA complique la distinction entre fluctuations cycliques et changements structurels. Lors d'une transition technologique majeure, il devient vraiment difficile de dire si la production augmente parce que la demande est en surchauffe ou parce que la vitesse limite de l'économie augmente. Le problème est que les données semblent identiques selon les deux interprétations, souvent pendant des années.
3. Une mise en garde de l'ère Dot-Com
La révolution informatique des années 1900 constitue un précédent édifiant. Dans les années 1990, le président de la Fed, Alan Greenspan, a résisté aux appels à un resserrement prématuré, pariant que les technologies de l'information augmentaient la capacité productive de l'économie. Il avait raison. Mais le krach Internet qui a suivi a montré que même lorsque le discours du côté de l’offre est globalement correct, les anticipations peuvent générer une dynamique des prix des actifs qui crée des risques indépendants pour la stabilité financière. Suivre la bonne tendance n’a pas protégé contre la bulle.
Le cycle actuel de l’IA présente certaines des mêmes tensions que cet épisode : des effets de productivité incertains, des difficultés à distinguer l’offre de la demande et une dynamique des actifs régie par les attentes. Mais cela se déroule au sein d’un système financier à plusieurs niveaux et à effet de levier. En conséquence, le chemin vers une économie à haute productivité basée sur l’IA pourrait s’avérer semé d’embûches.
Simone Lenzu est économiste de recherche financière au sein du groupe de recherche et de statistiques de la Banque fédérale de réserve de New York.
Comment citer cet article :
Simone Lenzu, « Les défis et promesses macroéconomiques de l'IA », Banque de réserve fédérale de New York Économie de Liberty Street20 mai 2026, https://doi.org/10.59576/lse.20260520
BibTeX : Afficher |
Clause de non-responsabilité
Les opinions exprimées dans cet article sont celles des auteurs et ne reflètent pas nécessairement la position de la Federal Reserve Bank de New York ou du Federal Reserve System. Toute erreur ou omission relève de la responsabilité du ou des auteurs.
