Michael Barr appelle à préparer le marché du travail américain aux effets de l’IA
À Yale, le gouverneur de la Réserve fédérale examine comment la concurrence et l’accès à l’IA pourraient modifier la répartition de ses gains.
Michael S. Barr a invité les États-Unis à se préparer à de possibles perturbations du marché du travail liées à l’IA. Le gouverneur de la Réserve fédérale s’exprimait le 12 novembre à Yale. Il examine à quelles conditions la technologie peut aider les salariés à produire davantage et à quelles conditions les gains peuvent surtout bénéficier aux détenteurs du capital. Il présente des scénarios économiques et n’annonce aucune décision de la banque centrale. Discours du 12 novembre publié par la Réserve fédérale
Une hausse de la productivité pose aussi une question de répartition
Barr s’appuie sur l’enquête patrimoniale américaine menée par la Fed en 2025. Dans cette enquête, les 10 % de ménages les plus aisés en patrimoine détiennent près des trois quarts de la richesse. La moitié du bas de la distribution en détient environ 2 %. Il rappelle aussi que les ménages du milieu de la distribution dépendent davantage de leur salaire que de leurs revenus financiers.
Ces données décrivent la structure du patrimoine américain. Elles ne mesurent pas un effet de l’IA sur cette distribution. Barr les utilise pour expliquer pourquoi des gains économiques peuvent modifier les revenus de manière inégale selon qu’ils passent par une hausse des salaires ou par les profits d’entreprises. En juillet, il avait déjà comparé des scénarios de diffusion large et de concentration des gains. Discours de juillet sur l’IA et les niveaux de vie
La concurrence change les possibilités pour les petites entreprises
Dans un scénario de diffusion large, plusieurs fournisseurs se font concurrence et les outils deviennent accessibles à faible coût. Les petites entreprises peuvent alors accéder à des capacités auparavant coûteuses. Elles peuvent aussi proposer de nouveaux services ou donner plus de moyens à leurs salariés pour accomplir certaines tâches.
Dans un scénario plus concentré, quelques acteurs détiennent une grande part des ressources nécessaires au développement et à la diffusion de l’IA. Ils peuvent alors capter une part plus importante des revenus générés. L’accès aux outils et à leurs améliorations devient un facteur qui sépare les entreprises capables d’en profiter des autres. Barr évoque les deux trajectoires sans dire laquelle va s’imposer.
Le calendrier d’adoption compte pour les salariés
Une adoption rapide laisse moins de temps pour se former et rejoindre des métiers qui recrutent. Le discours mentionne des signes de substitution dans certains secteurs et chez des travailleurs moins expérimentés. Barr souligne aussi que le déploiement reste limité et que les effets à l’échelle de l’économie ne sont pas connus. Reuters a replacé ces propos dans le débat sur l’emploi aux États-Unis. Compte rendu de Reuters
L’enjeu varie aussi selon le contenu du poste. Une activité répétitive dont le résultat se vérifie facilement peut être automatisée plus vite qu’une tâche de coordination ou de relation avec des clients. Un même métier rassemble souvent ces deux catégories. On peut donc voir changer les missions et les conditions de recrutement avant de pouvoir mesurer un effet net sur le nombre d’emplois.
Suivre les transitions au lieu de déduire un chiffre global
Barr invite à réfléchir dès maintenant aux moyens de relier les travailleurs à de nouveaux emplois et à soutenir la formation. Son discours ne chiffre pas le nombre de postes qui disparaîtraient. Il pose une question sur la capacité des entreprises et des institutions à accompagner les transitions si le déploiement s’accélère.
Pour observer le travail au niveau des activités plutôt que des emplois entiers, on peut lire les données d’OpenAI sur les usages de ChatGPT au travail. Ces données d’usage éclairent la nature des tâches confiées à un assistant et ne mesurent pas les pertes d’emplois.
Crédit de couverture. Portrait officiel de Michael S. Barr, Board of Governors of the Federal Reserve System, juillet 2022. Archive du domaine public aux États-Unis. Photomontage avec détourage et adaptation graphique.