IA : patrimoines colossaux face à la menace de plans sociaux

Un avertissement venu des sommets de la finance

Le PDG de BlackRock, Larry Fink, a récemment exprimé une inquiétude claire : l’essor de l’IA risque de créer une catégorie de perdants dans l’économie. Cette alerte rejoint celle d’Isabelle Chaperon, chroniqueuse au service Économie du Monde, qui voit dans la technologie le risque d’industrialiser les inégalités. Exemple concret : lorsque des systèmes automatisés prennent en charge des tâches de back-office, certaines fonctions administrative ou de saisie de données deviennent superflues, tandis que la valeur se concentre sur ceux qui conçoivent, entraînent et possèdent les algorithmes.

L’IA : opportunité de productivité et facteur d’écarts

L’IA peut accroître la productivité et créer de la valeur, mais ses bénéfices ne sont pas distribués uniformément. Dans des secteurs comme la finance, la publicité ou la logistique, les gains se traduisent souvent par des revenus supplémentaires pour les grandes plateformes et les actionnaires, plutôt que par une hausse proportionnelle des salaires. Exemples précis :

• Automatisation des centres d’appels : réduction des emplois de première ligne.
• Algorithmes financiers : rendements accrus pour les gestionnaires de capitaux mais pression sur les PME.
• Systèmes de recommandation : augmentation des parts de marché pour quelques acteurs dominants.

Qui risque d’appartenir à la catégorie des « perdants » ?

Plusieurs groupes sont particulièrement exposés au risque d’exclusion économique provoqué par l’IA. Parmi eux :

• Travailleurs peu qualifiés dont les tâches sont routinières (ex. opérateurs de saisie, caissiers automatisés).
• PME incapables d’accéder aux données ou aux talents nécessaires pour intégrer l’IA.
• Régions éloignées sans infrastructures numériques (ex. zones rurales dépourvues de connexions haut débit).
• Pays en développement dépendant d’activités transférables qui peuvent être automatisées à grande distance.

Ces exemples montrent que le risque n’est pas abstrait : il s’observe déjà dans des industries précises comme le transport routier face aux véhicules autonomes, ou l’imagerie médicale où certains outils assistent voire supplantent des tâches diagnostiques.

Les mécanismes par lesquels l’IA « industrialise » les inégalités

Plusieurs dynamiques expliquent comment l’IA peut transformer un avantage technologique en inégalités structurées :

• Concentration des données : les grandes entreprises accumulent les datasets nécessaires pour améliorer les modèles.
• Effets d’échelle : un modèle performant se réplique facilement, amplifiant les parts de marché des leaders.
• Biais algorithmique : des systèmes entraînés sur des données incomplètes peuvent renforcer des discriminations existantes.
• Barrières à l’entrée : coûts d’infrastructure et expertise limitent l’accès des petites structures.

Exemples : les plateformes de crédit qui utilisent des scores algorithmiques peuvent plus rapidement refuser l’accès au financement à certains profils ; les outils de recrutement automatisés peuvent perpétuer des biais si les jeux de données ne sont pas diversifiés.

Mesures pour limiter les dégâts et répartir les gains

Il existe des réponses publiques et privées pour atténuer la création de perdants et favoriser un partage équitable des bénéfices :

• Formation et reconversion : programmes d’upskilling (ex. initiatives nationales comme SkillsFuture à Singapour) pour adapter les compétences.
• Régulation des plateformes : règles de transparence, audits d’algorithmes, et encadrement des monopoles de données (ex. législation européenne sur l’IA et la concurrence).
• Politiques redistributives : fiscalité progressive, aides ciblées aux secteurs sinistrés, mécanismes de partage de la valeur (participation des travailleurs, droits à la formation).
• Partenariats public-privé : soutien aux PME pour l’accès aux outils et aux compétences.

Ces leviers peuvent être illustrés par des cas concrets : entreprises qui cofinancent des centres de formation locaux, ou collectivités qui subventionnent l’accès à des clouds et datasets partagés.

Vers un usage de l’IA plus inclusif et maitrisé

Pour transformer l’IA en vecteur d’émancipation plutôt que d’exclusion, il faut une stratégie coordonnée entre acteurs publics, entreprises et société civile. Des actions possibles incluent la normalisation d’audits éthiques, des politiques d’accès aux données garantissant une concurrence loyale, et des investissements massifs dans l’éducation tout au long de la vie. Exemples prometteurs : la mise en place d’observatoires sectoriels pour suivre l’impact social des technologies, ou des fonds régionaux dédiés à la transition numérique des PME. Si ces voies sont empruntées, l’IA peut être redéployée comme un levier d’innovation inclusive, limitant la formation d’une catégorie persistante de perdants.