L'intelligence artificielle pose des défis importants à la croissance des revenus, à l'inégalité et au travail significatif. Dans le même temps, l'IA a une importance géopolitique, de nombreux gouvernements nationaux et supranationaux s'éloignant de l'industrie en croissance rapide pour préserver son potentiel pour le leadership économique mondial et le tirer parti entièrement pour la sécurité nationale.
Par conséquent, une poignée d'entreprises sont devenues les seuls acteurs qui sont suffisamment ressources pour rivaliser sur le marché mondial houleux d'IA qui accélère déjà les inégalités à la fois au niveau national et mondial. Alors que ces sociétés technologiques hautement capitalisés banalent le pouvoir perturbateur et le succès futur de l'IA, la question de savoir comment niveler les règles du jeu – que ce soit en tirant parti des régimes d'imposition des sociétés existants ou en introduisant une nouvelle taxe sur l'IA – se présente extrêmement urgente.
Les services alimentés par l'IA sont glissants. Ils peuvent être négociés facilement au-delà des frontières, ce qui rend difficile pour les gouvernements nationaux de s'assurer que les consommateurs, les producteurs, les agences gouvernementales et les travailleurs en bénéficient équitablement. L'émergence de géants numériques multinationaux qui amassent un influence économique et politique importante grâce à leur contrôle des données et des ressources informatiques a augmenté les inégalités sociales. Surtout, la recherche révèle que cette concentration de ressources contribue à une baisse du dynamisme économique et à moins d'innovation – une préoccupation de longue date aux États-Unis et dans le monde.
Sans surprise, les gouvernements, les universitaires et la société civile recherchent donc des approches concrètes pour résoudre le problème des inégalités de l'IA, certains considèrent le code fiscal comme une avenue potentielle de changement. La fiscalité peut redistribuer la richesse et financer les services sociaux, réduire les lacunes de richesse et promouvoir une plus grande capitaux propres économiques dans la société. Par conséquent, si la fiscalité peut aborder les niveaux élevés de concentration dans l'industrie numérique, cela aidera probablement à stimuler une société plus égale, innovante et prospère.
Les avocats fiscaux ont déjà commencé à enquêter sur la façon dont le capitalisme d'informations soi-disant – le rôle croissant des données, des réseaux et des plateformes numériques dans la croissance, les transformations du marché du travail et la distribution des gains du progrès technologique – affectent les États fiscaux des États et contribue potentiellement à la évidence fiscale par les entreprises, y compris les entreprises qui dominent les principales parties clés de la chaîne d'approvisionnement en AI. Dans le même temps, les universitaires et les décideurs politiques ont centré la peur des coûts sociaux provenant d'une automatisation à grande échelle via l'IA en envisageant une «taxe de robot» destinée à désinciper le remplacement des travailleurs par les entreprises par des machines.
Une grande partie de ces discussions ont informé des avancées importantes concernant la fiscalité mondiale des services numériques. La solution à deux pillaires de l'Organisation de coopération économique et de développement, par exemple, est conçue pour lutter contre l'évasion fiscale et harmoniser les règles fiscales internationales en mettant en œuvre un taux d'imposition minimum de 15% pour les entreprises multinationales opérant dans l'économie numérique, quelle que soit l'emplacement de leurs opérations. Pourtant, ce cadre ambitieux ne traite pas explicitement de l'IA, et le succès de sa mise en œuvre et de son application reste à voir.
De plus, l'augmentation des impôts sur les sociétés peut aider à rectifier les inégalités résultant de la taxation des salaires des travailleurs plus que des bénéfices des entreprises, tout en augmentant les impôts sur les revenus des sociétés des risques d'IA réduisant l'innovation numérique – ou, pire, encourageant l'évasion fiscale.
Les services numériques alimentés par l'IA posent également des problèmes spécifiques qui ne sont pas correctement abordés par les approches à large coup jalonnées sur un cadre économique numérique. Premièrement, l'utilisation des systèmes d'IA nécessite des ressources informatiques importantes et coûteuses. Cela crée des obstacles à l'utilisation par des pays ou des entreprises à faible revenu opérant en marge mince, distribuant inégalement les avantages potentiels de l'automatisation et de l'innovation axées sur l'IA.
De plus, les outils d'IA sont formés sur des données électroniques qui sont disponibles gratuitement sur Internet, sans ce que les propriétaires de ces données soient correctement rémunérés. Non seulement les initiateurs de ces données utilisés pour la formation de l'IA ne bénéficient pas financièrement de leurs données utilisées, comme le montrent la grève des récents écrivains dans l'industrie cinématographique américaine, mais également les gouvernements peuvent avoir du mal à les sources de recettes fiscales à partir des données et des services d'IA qui sont intentionnellement basés dans des juridictions qui minimisent les transitoires fiscaux et le dépistage financier.
Taxer les intrants au lieu des résultats, c'est-à-dire taxer la fourniture de données aux développeurs d'IA via des applications mobiles ou l'utilisation de services cloud lorsqu'ils construisent et forment leurs systèmes – ne permettent pas la différenciation entre la contribution réelle de ces données et services aux bénéfices et à la valeur ajoutée des produits et services produits par les systèmes IA. En effet, toutes les données utilisées pour former des outils d'IA ne sont pas évaluées dans la même mesure. La façon dont les entreprises procèdent à ce processus d'évaluation sont inaccessibles aux étrangers, car la divulgation n'est pas requise. Une solution réglementaire – que ce soit par le stress sur le marché ou en accédant aux processus de valorisation des données de formation – est nécessaire d'urgence pour garantir des marchés équitables et concurrentiels.
Le développement, la formation et l'utilisation de l'IA provoquent également des externalités négatives importantes, y compris les coûts environnementaux et sociaux, qui ne sont pas entièrement pris en compte. En effet, les coûts énergétiques élevés et les émissions de carbone connexes produites par les exigences informatiques toujours croissantes pour développer l'IA aident à expliquer la concentration croissante de l'industrie car elle est devenue très coûteuse pour pénétrer dans l'industrie. L'imposition environnementale pourrait fournir une voie pour générer une répartition équitable des revenus dans le domaine de l'IA, mais une telle étape devrait relever les défis des cadres existants, tels que le trading de crédit au carbone. De plus, la taxation des données de données basées sur la consommation d'énergie ne reflète que de manière lâche de la valeur que ces outils créent.
De toute évidence, le champ naissant de l'impôt sur l'IA nécessite à la fois l'expansion et l'approfondissement. Les stratégies concrètes et incrémentielles pour taxer l'IA seront essentielles, notamment:
- Examiner les pratiques d'évaluation et la législation pertinente sur l'IA, y compris les droits de propriété intellectuelle. Il existe des décisions de justice en Europe, aux États-Unis et en Australie qui attribuent une valeur monétaire aux systèmes d'IA, comme dans les cas de responsabilité de la responsabilité des produits, les décisions antitrust ou les cas de réalisation de données qui quantifient les dommages. Ces cas peuvent être instructifs pour réfléchir à la dynamique des bénéfices de l'IA, en particulier l'expropriation des droits de propriété intellectuelle.
- Dessinez l'assiette fiscale internationale de l'IA potentielle et comment elle peut être mesurée. On ne sait pas si et comment l'IA peut être mesuré comme un actif, en tant que revenu ou en tant qu'activité économique, ainsi que ce que les composants devraient être inclus, tels que le modèle, les données, le serveur, les puces, etc. Les réponses à ces questions sont essentielles pour considérer les responsabilités fiscales potentielles, mais nécessiteraient le développement d'un nouveau système comptable pour les communs numériques, aux côtés des mécanismes de conformité (numériques). Fait intéressant, l'IA pourrait potentiellement optimiser les systèmes de taxe, de comptabilité et de conformité, ce qui les rend plus efficaces.
- Étudier les lacunes et les stratégies d'évitement dans les systèmes fiscaux existants. Une telle analyse devrait être couchée par la question de savoir comment le code fiscal incite les principaux acteurs de l'IA et les principales industries adjacentes, et comment les principaux acteurs éluent des régimes d'imposition actuels. Les grandes entreprises technologiques mondiales – notamment celles qui ont des ressources nécessaires pour développer et déployer l'IA – évitent ralentie les impôts en changeant les revenus et les bénéfices par le biais de paradis fiscaux ou de pays à faible impôt, ou de retarder le paiement des impôts. À cet égard, les autorités fiscales devraient elles-mêmes examiner l'utilisation de l'IA pour la détection de fraude et l'évasion fiscale.
- Évaluez la taille et l'impact des externalités négatives de l'IA sur toute sa chaîne de valeur et l'intégrez dans les mécanismes de régulation existants. Il existe déjà des modèles pour attribuer une valeur monétaire aux effets les plus immédiats de l'IA – par exemple, les cadres d'émission de carbone existants peuvent et s'appliquent à l'empreinte environnementale de l'IA. L'évaluation de ces cadres existants pourrait être instructif pour considérer les stratégies de taxation de l'IA.
- Évaluer comment tirer parti des cadres d'imposition de l'IA à la fois pour empêcher une utilisation excessive de l'IA qui peut augmenter travailleur surveillance plutôt que d'améliorer la productivité et d'inciter une utilisation significative de l'IA. De plus en plus, les preuves montent que l'IA ne fournit pas de productivité considérablement améliorée dans tous les secteurs et types d'emplois. Éloigner le fardeau fiscal loin du travail vers le capital (numérique) peut grandement contribuer à empêcher l'automatisation inefficace et renforcer les incitations aux innovations améliorant la productivité.
Dans un monde dans lequel le déploiement rapide de l'IA et les inégalités agressivement accrues entrent en collision, il est temps de trouver des réponses à la question de savoir si un cadre fiscal audacieux peut être la clé pour freiner les inégalités, lutter contre les coûts environnementaux et remodeler la domination non contrôlée des géants de la technologie.
Mona Sloane est professeure adjointe de sciences des données et d'études des médias à l'Université de Virginie. Elle étudie l'intersection de la technologie et de la société, en particulier dans le contexte de la conception, de l'utilisation et de la politique de l'IA. Elle est chef de la faculté dans le laboratoire de technologie numérique et de démocratie de l'Institut de démocratie Karsh de l'UVA, des professeurs affiliés au Département des femmes, du genre et de la sexualité et de la faculté affiliée à la jeunesse prospère dans une initiative de recherche en environnement numérique. Sloane prépare également la série de coopting AI et est la rédactrice en chef de la série de livres de coopting AI à l'Université de California Press, ainsi que le rédacteur en chef de la technologie pour les livres publics. Son groupe de recherche croissant, Sloane Lab, mène des recherches empiriques sur les implications de la technologie pour l'organisation de la vie sociale et se dirige le leadership des sciences sociales dans les travaux appliqués sur l'IA responsable, les bourses publiques et la politique technologique.
Ekkehard Ernst est macroéconomie en chef de l'Organisation internationale du travail, où il est responsable de la compréhension de l'avenir du travail et de l'analyse des chemins alternatifs pour les emplois et les gains pour améliorer les tendances actuelles. Son travail aide les décideurs à comprendre les développements des compétences et des coûts de main-d'œuvre dans le monde, leur fournissant les renseignements nécessaires pour prendre des décisions efficaces à long terme. Avant de rejoindre l'OIT en 2008, il a travaillé à l'Organisation pour la coopération et le développement économiques et la Banque centrale européenne. Il a largement publié dans le domaine des tendances et des réformes du marché du travail et l'impact des marchés financiers sur les emplois. Ernst a étudié à Mannheim, Saarbrücken et Paris et tient un doctorat. De l'école des Hautes études en sciences sociales.
Avez-vous trouvé ce contenu informatif et engageant?
Obtenez des mises à jour et restez en phase avec les inégalités et la croissance économiques américaines!
