Il s’agit d’un article traduit par une machine. La version originale est disponible en anglais.
Dernière mise à jour : · 19 min de lecture
En bref
Robert Solow a écrit en 1987 que l’ère informatique se voyait partout, sauf dans les statistiques de productivité. Près de quarante ans plus tard, la même phrase ressert pour l’IA. Les biens numériques gratuits qui échappent au PIB ne peuvent expliquer le ralentissement, car leur valeur est bien trop faible. La vraie leçon vient de l’électricité. Les usines n’ont connu aucun bond de productivité pendant une quarantaine d’années, jusqu’à ce que de nouvelles usines soient conçues autour du moteur électrique. Pour que l’IA brise la boucle, les entreprises devraient se reconstruire autour d’elle au lieu de faire un peu plus vite leur travail d’avant.
Sommaire
« On voit l’ère de l’informatique partout, sauf dans les statistiques de productivité. » Robert Solow a écrit cette phrase en 1987, presque en passant, au détour d’un compte rendu de livre pour la New York Times Book Review. Elle est devenue l’une des phrases les plus citées de la science économique, l’acte fondateur de ce qu’on appelle toujours le paradoxe de la productivité de Solow.
En août 2024, trois chercheurs de la Fed de Richmond ont ouvert une note sur l’IA et le monde du travail en citant mot pour mot la phrase de Solow, pour l’appliquer à l’intelligence artificielle. Début 2026, l’économiste en chef d’Apollo, Torsten Slok, l’a dit plus crûment encore : « L’IA est partout, sauf dans les données macroéconomiques qui nous parviennent. » Près de quarante ans plus tard, la même phrase resservait pour une technologie entièrement différente.
Quelle que soit la cause du paradoxe initial, elle n’a jamais été élucidée. L’ère de l’informatique a fini par apparaître dans les statistiques, brièvement, entre 1996 et 2004, avant d’en disparaître à nouveau. Aujourd’hui, une nouvelle technologie refait la même chose : elle transforme la vie quotidienne sous nos yeux, tandis que les chiffres de la productivité refusent de bouger.
Par deux fois, une technologie de rupture a ouvert le même écart entre ce que l’on voit et ce qu’enregistrent les données. Cet écart naît d’une confusion précise entre la prouesse technologique et la réorganisation structurelle qui porte la croissance d’ensemble, une confusion que nous répétons parce que nous ne l’avons jamais vraiment diagnostiquée.
Les chiffres
On sous-estime facilement l’ampleur du ralentissement, parce que les pourcentages masquent l’effet cumulatif. Aux États-Unis, la productivité du secteur marchand privé non agricole, c’est-à-dire la production par heure travaillée, a progressé d’environ 2,9 % par an de 1948 à 1973. Après 1973, elle a plutôt tourné autour de 1,8 % en moyenne et, hormis une poussée entre le milieu des années 1990 et 2004, elle n’a jamais retrouvé l’ancien rythme. Si le taux d’avant 1973 s’était maintenu, la production horaire américaine serait aujourd’hui supérieure d’environ 75 % à son niveau actuel, un écart qui représente chaque année des milliers de milliards de dollars de production.
Robert Gordon y voit la fin d’un « siècle exceptionnel » : la production horaire a crû de 2,82 % par an de 1920 à 1970, contre environ 1,5 % dans les décennies antérieures à 1920 et environ 1,6 % après 1970. La croissance de la productivité totale des facteurs (PTF), mesure plus profonde qui fait abstraction de l’accumulation du capital, a été durant cette période centrale presque trois fois plus rapide qu’avant 1920 et qu’après 1970. Dans cette lecture, les décennies écoulées depuis 1970 marquent un retour au rythme plus lent d’autrefois.
Les données les plus récentes ne changent guère ce tableau. La productivité du travail du secteur marchand privé non agricole américain a progressé de 3,0 % en 2024, un rebond conjoncturel, puis de 2,2 % en 2025, et la productivité du secteur marchand non agricole croissait encore de 2,2 % en glissement annuel à la mi-2026 : honorable, mais toujours en deçà du rythme de l’après-guerre. Dans l’ensemble de l’OCDE, la productivité du travail a augmenté d’environ 1,2 % en 2024, mieux que l’année précédente.
Les explications évidentes tombent vite. Le problème n’est pas propre aux États-Unis : le ralentissement s’observe dans les économies développées en général. Il n’est pas non plus une réplique de la crise financière de 2008 : le ralentissement a commencé en 1973, et la décélération d’après 2004 précède la crise de quatre ans.
Il n’est pas davantage passager, car cinquante ans dépassent de loin la durée d’un cycle économique. Ce n’est pas non plus un simple effet de composition lié au basculement vers les services, puisque le ralentissement a frappé l’industrie manufacturière comme les services.
Productivité du travail et productivité totale des facteurs
La productivité du travail, soit la production par heure travaillée, peut augmenter simplement parce que les entreprises investissent dans des équipements plus nombreux ou meilleurs par salarié. Une usine qui offre à chaque ouvrier une machine plus rapide accroît sa production horaire sans devenir le moins du monde plus efficace. La productivité totale des facteurs fait abstraction de cet approfondissement du capital et isole le résidu : combien de production supplémentaire l'économie tire des mêmes facteurs. Les économistes considèrent la PTF comme la mesure fondamentale du potentiel de croissance à long terme, car lorsqu'elle stagne, l'accumulation du capital ne peut à elle seule entretenir la croissance indéfiniment.
L’échappatoire de la mesure
L’explication la plus confortable veut que le ralentissement soit une illusion statistique. Le PIB mesure des transactions marchandes. Les biens numériques gratuits, comme Google Maps, Wikipédia ou les réseaux sociaux gratuits, apportent à leurs utilisateurs bien plus de valeur que tout ce qu’ils paient, et le PIB, qui compte ce qui est payé, passe à côté de l’essentiel de cette valeur. Selon cette thèse, nous sommes plus riches que ne le dit le PIB, et la crise de la productivité n’est qu’une crise de la mesure déguisée.
Erik Brynjolfsson et ses coauteurs ont tenté de chiffrer cette valeur manquante. Ils ont construit un cadre appelé GDP-B pour estimer le surplus du consommateur tiré des biens numériques gratuits, en demandant aux gens ce qu’ils accepteraient en échange de l’abandon d’un service.
L’utilisateur médian de Facebook aux États-Unis, ont-ils constaté, exigerait environ 42 dollars par mois pour renoncer à y accéder. Rien de ce surplus n’apparaît dans le PIB.
Chad Syverson a montré que l’erreur de mesure ne peut pas suffire à tout expliquer. Sa démonstration empirique tient en quatre volets. Commençons par la géographie : le ralentissement de la productivité est un phénomène international, et son ampleur est sans rapport avec l’intensité d’utilisation des technologies de l’information et de la communication (TIC) dans chaque pays. Si le ralentissement était un artefact de mesure propre aux économies numériques, il devrait être le plus marqué dans les plus numériques d’entre elles, et ce n’est pas le cas. La croissance de la productivité du travail a ralenti dans 29 des 30 pays de l’OCDE qu’il a étudiés, de 1,2 point de pourcentage par an en moyenne, qu’ils soient ou non de gros utilisateurs ou producteurs de technologies numériques.
Vient ensuite l’échelle. La « production manquante » totale qu’implique le ralentissement de la productivité d’après 2004, c’est-à-dire l’écart entre ce qu’aurait été le PIB en suivant la tendance de 1995–2004 et ce qu’il a effectivement été, atteignait environ 3 000 milliards de dollars par an en 2015. Toutes les estimations du surplus du consommateur tiré des biens numériques de l’ère d’Internet examinées par Syverson ne couvrent qu’une petite fraction de cet écart. Les travaux ultérieurs ne font qu’enfoncer le clou : selon les estimations GDP-B, la prise en compte de la valeur non mesurée de Facebook ajoute de 0,05 à 0,11 point de pourcentage par an à la croissance, alors que le ralentissement lui-même a retranché environ 1,5 point de pourcentage par an à la croissance de la productivité du travail.
Les données sectorielles ne vont pas non plus dans ce sens. Pour que l’erreur de mesure explique ne serait-ce qu’une part modeste de la production manquante, il aurait fallu que les industries productrices de TIC et celles qui en font un usage intensif connaissent des taux de croissance de la productivité non mesurés plusieurs fois supérieurs à leurs taux mesurés. Les données interindustrielles ne vont pas dans ce sens. Les secteurs les plus susceptibles de produire une valeur numérique non mesurée ne présentent aucun écart anormal de ce type entre leur productivité mesurée et leur productivité implicite.
Et dans la décennie qui a suivi 2004, le revenu intérieur brut a légèrement devancé le produit intérieur brut — exactement ce que l’on attendrait si des salariés étaient payés pour fabriquer des choses distribuées gratuitement. Mais le RIB a commencé à dépasser le PIB dès 1998, en plein boom de la productivité, et le surcroît de revenu est allé aux profits plutôt qu’aux salaires. Ni le calendrier ni la répartition ne cadrent avec l’hypothèse d’une production cachée.
Syverson ne nie pas que les biens numériques recèlent une valeur non mesurée. Il soutient que cette valeur est d’un ordre de grandeur trop faible pour expliquer ce qui s’est passé. Et l’hypothèse de l’erreur de mesure n’a pas de réponse aux données internationales.
Comment fonctionne GDP-B
Pour estimer le surplus du consommateur, GDP-B recourt à des expériences de choix discrets incitatives : les personnes interrogées choisissent entre conserver un service et recevoir un paiement en espèces, avec de l'argent réel en jeu. Les estimations sont parlantes mais bruitées, puisqu'elles captent ce que les gens disent qu'ils accepteraient, dans des conditions conçues pour obtenir des réponses sincères. Un gain de bien-être d'environ 42 dollars par mois et par utilisateur de Facebook, même additionné sur l'ensemble des Américains présents sur la plateforme, n'approche pas les 3 000 milliards de dollars de production annuelle manquante.
Ce qui rendait le siècle exceptionnel
Si la mesure n’explique pas le ralentissement, la question se déplace : qu’est-ce qui a porté ces cinquante ans de croissance que nous n’avons pas su reproduire ? Le résumé courant de la thèse de Gordon, « l’informatique est surestimée », passe à côté de l’argument structurel qui la sous-tend.
Les inventions des années 1870 à 1940 ont aboli des corvées entières. Avant l’eau courante, le foyer américain moyen trimballait quelque 9 000 gallons d’eau par an : il fallait la rapporter, la chauffer sur le fourneau, puis la ressortir ; la plomberie intérieure a mis fin à cette corvée purement et simplement. La réfrigération a rendu inutile toute une catégorie de travail domestique : la glacière avait déjà réduit les pertes, mais la réfrigération mécanique a supprimé les courses quotidiennes qu’imposaient les denrées périssables. L’électrification a transformé la lessive. Pour une fermière interrogée en 1945–1946, une lessive de 38 livres qui demandait environ quatre heures à l’ancienne en prenait 41 minutes une fois le foyer équipé d’un lave-linge et d’un sèche-linge électriques, de l’eau courante et d’un chauffe-eau.
Chaque invention a supprimé, une fois pour toutes, une activité qui dévorait une large part du temps domestique. Si les femmes sont entrées en masse dans le travail rémunéré, c’est en partie parce que le travail domestique qui les en tenait éloignées a été pris en charge par des machines.
La comparaison que fait Gordon avec l’informatique repose sur la différence entre améliorer une tâche supportable et éliminer une tâche insupportable. Le courrier électronique a accéléré la correspondance, mais la correspondance n’a jamais été un goulet d’étranglement à l’échelle de l’économie : personne ne passait des heures par jour à écrire des lettres comme les ménages en passaient autrefois à charrier l’eau et à frotter le linge à la main. Les moteurs de recherche ont accéléré l’accès à l’information aux marges du travail intellectuel, et trouver l’information n’a jamais limité l’économie comme l’ont fait la conservation des aliments et les transports.
Tyler Cowen élargit le cadre. Selon lui, la croissance des années 1880 à 1970 reposait sur trois sortes de fruits à portée de main. La première était la terre gratuite : la frontière continentale, prise aux nations autochtones qui y vivaient, et en grande partie cédée aux colons contre de simples frais d’enregistrement, à condition qu’ils habitent la terre, y construisent un logement et la cultivent. La deuxième était la traduction rapide de la science des XVIIIe et XIXe siècles en technologies opérationnelles : la science fondamentale de la thermodynamique, de l’électromagnétisme et de la théorie microbienne, accumulée au fil des siècles, s’est convertie en électricité, en moteurs à combustion interne et en systèmes d’assainissement modernes dans une poussée concentrée entre 1880 et 1940. La troisième était le rendement élevé de l’instruction de populations jusque-là non scolarisées, qui a fait de l’achèvement des études secondaires, autrefois une rareté, une norme presque universelle, chaque année de scolarité supplémentaire rapportant beaucoup parce que le point de départ était si bas.
Ces trois conditions ne pouvaient se présenter qu’une fois, et non se renouveler comme des traits permanents des économies industrielles : on ne découvre pas deux fois des terres gratuites, et on ne passe pas une seconde fois de l’analphabétisme de masse à l’alphabétisation de masse. Internet, soutenait Cowen, procure un plaisir immense, souvent gratuit, mais « en matière de revenus et d’emplois, Internet n’a pas apporté autant de valeur que la plupart des gens le pensent ». Au moment où il écrivait, Twitter employait environ 300 personnes et Google environ 20 000, des effectifs qui auraient relevé de l’erreur d’arrondi à l’âge de l’automobile.
Gordon et Cowen divergent sur le degré de fermeture de l’avenir — Gordon plus pessimiste quant à un retour de l’innovation transformatrice, Cowen laissant la porte ouverte. Mais ils s’accordent sur le diagnostic : le ralentissement d’après 1970 est structurel, enraciné dans l’économie elle-même plutôt que dans le cycle conjoncturel ou dans les statistiques.
Leur accord soulève une question plus large que celle de la déception informatique : que faudrait-il qu’une technologie, quelle qu’elle soit, accomplisse pour égaler le siècle exceptionnel ?
Les vents contraires selon Gordon
Indépendamment de la question de l'innovation, Gordon identifie quatre freins structurels qui pèsent sur la croissance : la montée des inégalités, qui concentre les gains de productivité sur une étroite élite au lieu d'élever le revenu médian ; le plafonnement du niveau d'instruction après des décennies d'expansion ; le vieillissement démographique, qui réduit la part de la population en âge de travailler ; et la hausse du ratio dette publique/PIB, qui restreint les marges budgétaires. Ensemble, ils freineraient la progression du niveau de vie typique même si l'innovation repartait. La question technologique est de savoir si la productivité peut encore accélérer, tout simplement.
L’embellie de 1996–2004
Entre 1996 et 2004, le ralentissement a semblé s’inverser : la production horaire du secteur marchand non agricole a progressé d’environ 3 % par an, soit le rythme d’avant 1970. Les optimistes de l’informatique y voient la preuve que la technologie peut porter la croissance, et sur ce point ils ont raison. Reste à savoir quelle technologie a produit ces gains, et par quels secteurs.
L’accélération s’est concentrée dans une poignée de secteurs : sur la période 1995–2000, six secteurs sur 59, emmenés par le commerce de gros et de détail, les semi-conducteurs et la fabrication d’ordinateurs, en ont fourni la quasi-totalité. Deux mécanismes se détachent. Le premier tenait à la fabrication de semi-conducteurs, où la loi de Moore a entraîné une déflation rapide et continue des prix du matériel informatique, rendant chaque unité de puissance de calcul moins chère à un rythme qui gonflait directement la production horaire mesurée du secteur. Le second tenait à la logistique du commerce de gros et de détail. La révolution de la gestion des stocks chez Walmart, fondée sur la lecture des codes-barres, l’échange de données informatisé et la coordination en temps réel de la chaîne d’approvisionnement, a produit d’importants gains d’efficacité mesurés dans la distribution, et ses concurrents ont passé les années suivantes à les copier. L’Internet grand public, celui des sites web, du commerce en ligne et du courrier électronique, y a contribué, mais nettement moins que le matériel et la logistique.
L’embellie a pris fin vers 2004. La baisse mesurée des prix des semi-conducteurs a fortement ralenti dans les statistiques officielles, en partie parce qu’Intel a modifié sa manière de fixer le prix de ses puces. Les puces elles-mêmes continuaient de progresser vite ; les statistiques officielles de prix n’en saisissaient qu’une fraction. Le secteur producteur de technologies de l’information a cessé d’ajouter grand-chose à la croissance mesurée.
Puis sont arrivés Facebook en 2004, YouTube en 2005 et l’iPhone en 2007. L’informatique en nuage a changé d’échelle à la fin des années 2000, le haut débit s’est diffusé, et les réseaux sociaux se sont répandus dans la vie quotidienne. Le changement technologique visible s’est brusquement accéléré au moment même où la croissance mesurée de la productivité retombait, et les deux suivent depuis des chemins séparés.
Le problème de la dynamo
Cette divergence offre un moyen de juger l’IA. S’agit-il du semi-conducteur, structurellement transformateur d’une manière qui se lit dans la production, ou de l’Internet grand public, impressionnant et omniprésent mais économiquement marginal ? Le plaidoyer le plus solide en faveur d’une reprise portée par l’IA est celui qui précise exactement quelles conditions doivent être remplies.
L’historien de l’économie Paul David a repéré ce schéma dans l’électricité. Les premières centrales électriques ont ouvert au début des années 1880, mais l’entraînement électrique s’est diffusé lentement dans les usines américaines, et la productivité manufacturière n’a accéléré que dans les années 1920, une quarantaine d’années plus tard. Les directeurs d’usine qui remplaçaient les machines à vapeur par des dynamos avaient conservé l’agencement physique existant : une source d’énergie centrale entraînant les machines par des arbres de transmission et des courroies. Les gains d’efficacité des moteurs électriques individuels étaient en grande partie perdus, parce que l’usine restait organisée autour des contraintes de la transmission mécanique de l’énergie.
La percée est venue à mesure que les vieilles fabriques s’usaient et que de nouvelles usines, dont beaucoup ont été construites pendant le boom de l’investissement des années 1920, étaient conçues dès l’origine autour de l’entraînement individuel, avec un moteur sur chaque machine. Cela a permis des usines de plain-pied dont le plan suivait le flux des matières et du travail, avec des séquences de production ordonnées par la logique plutôt que par la proximité d’un arbre de transmission. C’est cette réorganisation, davantage que les moteurs eux-mêmes, qui a produit le bond de productivité des années 1920.
Les économistes appellent la version moderne la courbe en J de la productivité : les technologies à usage général exigent d’importants investissements immatériels complémentaires, comme la refonte des processus de travail, la reconversion des salariés et la restructuration des organisations, avant que les gains de productivité ne se concrétisent, et cette phase d’investissement déprime la PTF mesurée avant l’apparition des gains. Pour l’IA, la question est de savoir si les entreprises font encore tourner de nouveaux moteurs sur le vieil arbre de transmission, en greffant l’IA sur des processus inchangés, ou si elles ont commencé à bâtir de nouvelles organisations autour d’elle.
À l’échelle des tâches individuelles, les preuves sont solides. Parmi plus de 5 000 agents du service client d’une entreprise, l’accès à un outil d’IA a augmenté d’environ 15 % en moyenne le nombre de demandes résolues par heure, avec des gains bien plus importants pour les débutants. Des développeurs équipés de GitHub Copilot ont accompli une tâche de programmation standard environ 56 % plus vite qu’un groupe témoin.
Que ces gains s’additionnent à l’échelle de l’économie est une autre question. Un gain de 15 % au service client d’une entreprise, ou une accélération de 56 % sur une tâche de programmation contrôlée, ne fait pas bouger le PIB à lui seul. Pour inverser la stagnation, le temps gagné doit se traduire, dans toute l’économie, par davantage de production avec les mêmes heures, ou par la même production avec moins d’heures rémunérées.
Cette traduction dépend de l’endroit où se trouve le goulet d’étranglement. Faire gagner à un développeur des heures chaque semaine n’augmente la production de l’entreprise que si le temps des développeurs est ce qui freine l’entreprise. Si les décisions produit, l’infrastructure de test ou les chaînes de déploiement donnent le rythme, le gain se perd en temps morts : des déjeuners plus longs et des après-midi plus lents pour les mêmes heures payées, qu’aucune statistique n’enregistre comme de la productivité. La même logique vaut pour tous les secteurs : un gestionnaire de sinistres plus rapide ne produit davantage que si la capacité d’examen était le goulet d’étranglement, et non le flux des dossiers ou l’approbation réglementaire. Un juriste documentaliste plus rapide ne produit davantage de travail facturable que si le cabinet facture la rapidité plutôt que les heures. L’analogie de la dynamo dit ce qu’il faut chercher : des entreprises organisées autrement autour de la technologie.
Technologies à usage général
La définition classique d'une technologie à usage général repose sur trois critères : la diffusion dans l'ensemble des secteurs, l'amélioration technique continue et l'apparition d'innovations complémentaires. La vapeur, l'électricité et l'informatique répondent toutes à ces critères. Que l'IA actuelle satisfasse les trois critères, ou seulement les deux premiers, reste une question ouverte. Sa diffusion est manifeste et ses progrès techniques sont rapides. La question ouverte porte sur le troisième : les progrès de l'IA augmentent-ils la productivité de l'innovation dans les secteurs qui l'utilisent, en faisant naître de nouveaux procédés et de nouveaux produits bâtis sur elle ? Les indices en ce sens restent anecdotiques plutôt que systématiques.
Ce que montrent les données
Les données disponibles se rangent en trois catégories, et elles ne vont pas dans le même sens.
Les chiffres les plus solides sont les chiffres officiels. La croissance de la productivité du travail aux États-Unis est restée honorable depuis son rebond conjoncturel de 2024, tandis que celle de la productivité totale des facteurs dans le secteur marchand non agricole privé a ralenti à 0,8 % en 2025, après 1,5 % en 2024. Aucune série de données agrégées jusqu’à la mi-2026 ne montre de rupture structurelle compatible avec une accélération de toute l’économie portée par l’IA.
Les enquêtes auprès des travailleurs sont plus encourageantes. Fin 2024, le temps que les utilisateurs de l’IA disaient gagner représentait 1,4 % de l’ensemble des heures travaillées, de quoi relever la productivité agrégée d’environ 1,1 % si ce temps gagné devenait de la production supplémentaire plutôt que d’être absorbé en temps morts. À l’été 2025, plus d’un tiers des travailleurs américains utilisaient l’IA générative au travail, une adoption plus rapide que celle de l’ordinateur personnel au même stade de sa diffusion, et elle représentait 5,7 % de l’ensemble des heures travaillées aux États-Unis.
Le temps gagné et le temps passé sont deux mesures différentes, et aucune ne mesure directement la production. Les économistes qui mènent ces enquêtes perçoivent bien des premiers signes dans les chiffres agrégés : entre la sortie de ChatGPT et la mi-2025, la croissance cumulée de la productivité a dépassé d’environ 1,9 point de pourcentage sa tendance d’avant la pandémie, et les industries qui déclaraient les gains de temps les plus importants avaient tendance à croître plus vite que leur tendance. Ils insistent sur le fait que ce lien ne peut pas être lu comme causal, et les statistiques officielles jusqu’à la mi-2026 n’ont pas établi de rupture structurelle due à l’IA.
Les prévisions sont les moins certaines. Le Penn Wharton Budget Model estime la contribution de l’IA à la croissance de la PTF à environ 0,01 point de pourcentage en 2025, une contribution minime parce que la plupart des entreprises n’ont pas encore déployé d’outils d’IA à grande échelle. Il projette une contribution en hausse dans les dernières années de la décennie 2020, culminant au début des années 2030, mais ce sont là des résultats de modèle fondés sur des hypothèses précises, et non des observations.
Deux lectures s’accordent avec ce tableau. La première est celle de la courbe en J : le coût de la mise en œuvre de l’IA et de la réorganisation qu’elle exige freine la productivité pendant un temps, comme ce fut le cas avec l’électrification, et le bénéfice vient plus tard. La seconde veut que le temps libéré soit absorbé en temps morts, si bien que la technologie aide les salariés individuellement sans que l’économie transforme jamais leurs gains en production.
Les données ne permettent pas encore de les départager. Des salariés qui achèvent leurs tâches plus vite et des sondés qui déclarent gagner du temps ne trancheront pas la question, car on observerait les deux dans le scénario optimiste, une courbe en J avant le décollage, comme dans le scénario pessimiste, où les gains au niveau des tâches ne s’additionnent jamais.
L’histoire de l’électrification dit à quoi ressemblerait un succès. Les gains de PTF seraient durables dans les secteurs où l’adoption de l’IA a au moins trois ans de maturité. Les améliorations de la productivité se maintiendraient sur plusieurs phases du cycle économique au lieu de refléter des variations conjoncturelles. Et les entreprises repenseraient le travail, les équipes et les produits autour de l’IA à grande échelle, au lieu d’empiler des outils sur des structures inchangées. Pour reprendre l’image de la dynamo, les entreprises construiraient l’usine de plain-pied au lieu de boulonner le moteur électrique sur l’arbre existant. Les études de cas d’entreprises qui s’y emploient se multiplient, mais elles restent des exemples isolés, et la tendance à l’échelle de l’économie ne s’est pas manifestée.
La boucle
Le siècle exceptionnel n’a jamais posé l’énigme de Solow. Il a si profondément refaçonné la vie économique quotidienne qu’un voyageur temporel venu de 1870 n’aurait pas reconnu 1940, et personne n’avait besoin de mesures sophistiquées pour le voir. Les ordinateurs ont posé l’énigme, et l’IA l’a posée à nouveau.
Pour que l’IA brise la boucle, il faudrait que les entreprises fassent ce que firent les bâtisseurs d’usines des années 1920 : se reconstruire autour de la technologie et abandonner des catégories entières de travail, au lieu d’accomplir un peu plus vite le travail existant. Chaque fois qu’une telle réorganisation a eu lieu, pendant le siècle exceptionnel puis lors de l’embellie de 1996–2004, elle s’est vue clairement dans les chiffres. Si le tour de l’IA vient, personne n’aura besoin de citer Solow.
Articles connexes
- Le développement économique du Japon d’après-guerre
- Qui porte la dette de l’essor de l’IA ?
- Qui paie le réseau dont les centres de données ont besoin ?
Pour aller plus loin
En tant que Partenaire Amazon, Eikleaf réalise un bénéfice sur les achats remplissant les conditions requises. Les liens vers les livres ci-dessous sont des liens affiliés : si vous achetez par leur intermédiaire, nous pouvons percevoir une petite commission, sans frais supplémentaires pour vous.
The Rise and Fall of American Growth: The U.S. Standard of Living Since the Civil WarL’ouvrage montre comment l’électricité, l’assainissement, les transports et les inventions domestiques ont transformé la productivité, et pourquoi les innovations ultérieures ont apporté des gains plus faibles.Growth: A History and a ReckoningGrowth: A History and a ReckoningL’ouvrage explique les sources de la croissance économique, son ralentissement récent et les propositions pour susciter de nouvelles idées, tout en évaluant les coûts plus larges de la croissance.
How Progress Ends: Technology, Innovation, and the Fate of NationsL’ouvrage s’appuie sur des exemples historiques d’innovation et de stagnation pour expliquer pourquoi les institutions doivent s’adapter avant que les avancées technologiques puissent soutenir la croissance économique.
Power and Prediction: The Disruptive Economics of Artificial IntelligenceL’ouvrage explique, par des exemples d’entreprises, pourquoi les bénéfices majeurs de l’IA exigent de repenser des décisions et des processus de travail interdépendants, rejoignant l’argument de l’article sur la réorganisation.Vidéos recommandées
4:44La stagnation séculaire – Philippe AghionPhilippe Aghion résume le débat sur la stagnation séculaire et le ralentissement de la croissance.
11:53Comprendre les causes de la stagnation séculaire [Gilles Dufrénot]Un économiste détaille les causes avancées pour expliquer le ralentissement durable de la croissance.
6:27La productivité du travail est-elle vouée à la stagnation ? [Michel Fouquin]La productivité du travail est-elle condamnée à stagner ? Analyse des chiffres et des explications possibles.Citer cet article
Lena Martin. “La grande stagnation : pourquoi la croissance de la productivité a ralenti et si elle peut repartir.” Eikleaf, 10 mai 2026, mis à jour 2 novembre 2026. https://www.eikleaf.com/fr/the-great-stagnation-why-productivity-growth-slowed-and-whether-it-can-recover/
Avertissement relatif à l’IA générative
Certains contenus de cette page ont été générés et/ou édités avec l’aide d’une IA générative.
Médias
Principales sources et références
Robert Solow, « We’d Better Watch Out, » New York Times Book Review, July 12, 1987, p. 36.
Erin Henry, Pierre-Daniel Sarte, and Jack Taylor, « The Productivity Puzzle: AI, Technology Adoption and the Workforce, » Federal Reserve Bank of Richmond Economic Brief No. 24-25, August 2024. https://www.richmondfed.org/publications/research/economic_brief/2024/eb_24-25
Sasha Rogelberg, « Thousands of CEOs admit AI had no impact on employment or productivity—and it has economists resurrecting a paradox from 40 years ago, » Fortune, February 17, 2026. https://fortune.com/2026/02/17/ai-productivity-paradox-ceo-study-robert-solow-information-technology-age/
Robert J. Gordon, The Rise and Fall of American Growth: The U.S. Standard of Living Since the Civil War, Princeton University Press, 2016.
Tyler Cowen, The Great Stagnation: How America Ate All the Low-Hanging Fruit of Modern History, Got Sick, and Will (Eventually) Feel Better, Dutton/Penguin, 2011.
U.S. Bureau of Labor Statistics, Productivity and Costs news releases, 2024–2026, including « Total Factor Productivity — 2025 » (March 19, 2026) and « Productivity and Costs, Second Quarter 2026, Revised » (September 3, 2026). https://www.bls.gov/productivity/ · https://www.bls.gov/news.release/prod3.nr0.htm · https://www.bls.gov/news.release/prod2.nr0.htm
OECD, Compendium of Productivity Indicators 2026, June 2026. https://www.oecd.org/en/publications/2026/06/oecd-compendium-of-productivity-indicators-2026_04e21c23.html
Erik Brynjolfsson, Avinash Collis, W. Erwin Diewert, Felix Eggers, and Kevin J. Fox, « GDP-B: Accounting for the Value of New and Free Goods in the Digital Economy, » NBER Working Paper 25695, 2019. https://www.nber.org/papers/w25695
Chad Syverson, « Challenges to Mismeasurement Explanations for the US Productivity Slowdown, » Journal of Economic Perspectives, vol. 31, no. 2, Spring 2017, pp. 165–186. https://www.aeaweb.org/articles?id=10.1257/jep.31.2.165 · https://www.nber.org/system/files/working_papers/w21974/w21974.pdf
Paul A. David, « The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox, » American Economic Review: Papers and Proceedings, vol. 80, no. 2, May 1990, pp. 355–361.
Erik Brynjolfsson, Daniel Rock, and Chad Syverson, « The Productivity J-Curve: How Intangibles Complement General Purpose Technologies, » American Economic Journal: Macroeconomics, vol. 13, no. 1, January 2021, pp. 333–372. https://www.aeaweb.org/articles?id=10.1257/mac.20180386
Erik Brynjolfsson, Danielle Li, and Lindsey Raymond, « Generative AI at Work, » Quarterly Journal of Economics, vol. 140, no. 2, 2025, pp. 889–942. https://academic.oup.com/qje/article/140/2/889/7990658
Sida Peng, Eirini Kalliamvakou, Peter Cihon, and Mert Demirer, « The Impact of AI on Developer Productivity: Evidence from GitHub Copilot, » arXiv:2302.06590, February 2023. https://arxiv.org/abs/2302.06590
Alexander Bick, Adam Blandin, and David Deming, « The Impact of Generative AI on Work Productivity, » Federal Reserve Bank of St. Louis, On the Economy blog, February 27, 2025. https://www.stlouisfed.org/on-the-economy/2025/feb/impact-generative-ai-work-productivity
Alexander Bick, Adam Blandin, and David Deming, « The State of Generative AI Adoption in 2025, » Federal Reserve Bank of St. Louis, On the Economy blog, November 13, 2025. https://www.stlouisfed.org/on-the-economy/2025/nov/state-generative-ai-adoption-2025
Penn Wharton Budget Model, « The Projected Impact of Generative AI on Future Productivity Growth, » September 8, 2025. https://budgetmodel.wharton.upenn.edu/issues/2025/9/8/projected-impact-of-generative-ai-on-future-productivity-growth
Congressional Budget Office, « Labor Productivity: Developments Since 1995, » March 2007. https://www.cbo.gov/sites/default/files/110th-congress-2007-2008/reports/03-26-labor.pdf
Timothy F. Bresnahan and M. Trajtenberg, « General Purpose Technologies: ‘Engines of Growth’? » Journal of Econometrics, vol. 65, no. 1, January 1995, pp. 83–108. https://doi.org/10.1016/0304-4076(94)01598-T
Robert J. Gordon, « Off Its Pinnacle, » Finance & Development, IMF, vol. 53, no. 2, June 2016. https://www.imf.org/external/pubs/ft/fandd/2016/06/gordon.htm
« The Great Stagnation: Why Hasn’t Recent Technology Created More Jobs? » (interview with Tyler Cowen), PBS NewsHour, 2011. https://www.pbs.org/newshour/show/the-great-stagnation-why-hasn-t-recent-technology-created-more-jobs
Jeremy Greenwood, Ananth Seshadri, and Mehmet Yorukoglu, « Engines of Liberation, » Review of Economic Studies, vol. 72, no. 1, 2005, pp. 109–133. https://users.ssc.wisc.edu/~aseshadr/Publications/engines.pdf
Brink Lindsey, « Not So Stagnant, » Reason, April 15, 2011. https://reason.com/2011/04/15/not-so-stagnant/
Shawn Sprague, « Contributions to labor productivity growth, private nonfarm business, 1948–2018, » Monthly Labor Review, U.S. Bureau of Labor Statistics, 2021. https://www.bls.gov/opub/mlr/2021/highcharts/data/sprague-fig2.stm
McKinsey Global Institute, « US Productivity Growth 1995–2000, » October 2001. https://www.mckinsey.com/featured-insights/americas/us-productivity-growth-1995-2000
David M. Byrne, Stephen D. Oliner, and Daniel E. Sichel, « How Fast Are Semiconductor Prices Falling? » NBER Working Paper 21074, 2015. https://www.nber.org/papers/w21074
National Park Service, « About the Homestead Act, » Homestead National Historical Park. https://www.nps.gov/home/learn/historyculture/abouthomesteadactlaw.htm












