Les leaders technologiques affirment que l’IA réduira les coûts. Mais la lenteur de l’adoption par les entreprises et la construction des centres de données créent des pressions inflationnistes qui compliquent le travail de la Fed.
Les dirigeants de la Silicon Valley, d’Elon Musk au PDG d’OpenAI, Sam Altman, ont vanté les effets déflationnistes du boom de l’intelligence artificielle.
« Une intelligence trop bon marché pour être mesurée est à portée de main », écrivait récemment Altman.
Musk, PDG de Tesla et SpaceX et personne la plus riche du monde, a fait valoir que l’IA et la robotique créeraient une abondance extrême et réduiraient les coûts. Masayoshi Son, de SoftBank, a déclaré qu’il s’attendait à une baisse des prix de 40 % et qu’« un travail inutilement dur, un travail de transpiration, ne serait plus nécessaire ».
Aucun de ces rêves n’est près de se réaliser.
Au lieu de cela, l’IA se heurte à un mur d’inertie des entreprises à mesure qu’elle se propage dans l’économie – provoquant une certaine inflation à court terme et produisant peu de preuves d’un boom durable de la productivité.
L’adoption par les entreprises s’est avérée plus lente que certains des boosters promis. Pendant ce temps, les dépenses de plusieurs milliards de dollars de l’industrie technologique en centres de données et en infrastructures d’IA ont mis à rude épreuve les chaînes d’approvisionnement. Les dépenses consacrées au développement de l’IA font augmenter les prix dans des secteurs comme l’électricité. Les coûts s’accumulent avant que les bénéfices à grande échelle n’arrivent. Cela pose un dilemme à la Réserve fédérale, qui doit prendre des décisions sur la manière de gérer l’inflation.
Certains des coûts immédiats de l’IA sont plus faciles à identifier que les avantages potentiels, a déclaré Ronnie Chatterji, économiste en chef d’OpenAI.
« Pour que cela ait un impact sur l’économie, il doit être adopté par les organisations », a déclaré Chatterji. « Ces organisations doivent réaliser de la valeur. »
Pendant ce temps, Chatterji a reconnu qu ‘ »il faudra encore un peu de temps avant que nous puissions voir clairement les statistiques de productivité ».
Les dépenses en capital consacrées au développement de l’IA devraient atteindre 581 milliards de dollars cette année aux États-Unis et jusqu’à 1 000 milliards de dollars à l’échelle mondiale, a récemment estimé Goldman Sachs Research. Aux États-Unis, les dépenses représentent à elles seules 1,8 % du produit intérieur brut, une part qui, selon les estimations de l’entreprise, atteindra 2,8 % d’ici 2028.
Une enquête du Census Bureau publiée en mai a révélé qu’entre 17 % et 20 % des entreprises américaines déclarent utiliser l’IA, ce qui est beaucoup plus répandu dans les grandes entreprises que dans les petites.
Peter Boockvar de One Point BFG Wealth Partners a comparé l’IA au dernier grand boom de productivité technologique : Internet. Même pendant cette période d’automatisation, les États-Unis n’ont enregistré qu’un gain de productivité de 1,5 % sur une période de 30 ans, a déclaré Boockvar. Si vous effectuez un zoom arrière sur 50 ans, la productivité était en moyenne de 2,5 %.
« Il est difficile de penser que l’IA générative va apporter un tel niveau d’amélioration à l’économie, par rapport à Internet », a déclaré Boockvar. « La technologie a toujours rendu les gens plus productifs. Mais les fonctions en plusieurs étapes de l’IA générative sont-elles plus élevées ? Nous ne le savons tout simplement pas. »
Au sein des entreprises, certains dirigeants qui ont généralisé l’utilisation de l’IA préviennent que les promesses de l’industrie doivent être prises avec des pincettes.
« La réalité est que la technologie existe », a déclaré Julie Averill, ancienne directrice de l’information de Lululemon, qui a supervisé l’adoption de l’IA au sein de l’entreprise. « Le battage médiatique tourne autour de la facilité d’utilisation de la technologie dans une grande organisation. »
Lululemon a utilisé l’IA pour aider les dirigeants à prédire où les produits se vendraient le mieux. C’était beaucoup plus compliqué que d’utiliser un chatbot.
« Les choses qui ont toujours rendu difficile la mise en œuvre dans les grandes entreprises existent toujours, à savoir les personnes », a déclaré Averill. « Amener les gens à changer leurs comportements, les accompagner tout au long du voyage et les amener à faire confiance au modèle, c’est difficile. »
Chatterji a déclaré qu’il avait observé des tendances similaires dans les données d’OpenAI. Il a déclaré que les utilisateurs expérimentés de l’IA la déploient à un rythme huit fois supérieur à celui des entreprises moyennes, mesuré en jetons par utilisateur. L’écart a doublé depuis qu’OpenAI a publié un rapport à ce sujet il y a trois mois.
« L’écart entre les entreprises frontières et les entreprises typiques augmente incroyablement rapidement », a déclaré Chatterji. « Les entreprises qui réorganisent leurs flux de travail autour de l’IA et changent leur façon de travailler autour de l’IA ont plus de succès. »
Les économistes qui étudient l’IA ont un terme pour désigner ce qu’Averill a vécu : les maillons faibles. Cela fait référence à des tâches qui ne peuvent pas être facilement automatisées.
L’IA nous rend plus productifs en automatisant des tâches telles que la lecture d’un examen radiologique – ce que l’IA peut très bien faire. Mais les emplois sont en réalité des ensembles de tâches, certaines plus faciles à automatiser que d’autres, selon le professeur Charles Jones de Stanford, un éminent spécialiste de la manière dont l’IA affectera la croissance. Il est maintenant en congé à Anthropic.
Le technologue Geoffrey Hinton, lauréat du prix Nobel, a prédit en 2016 que les radiologues ne seraient plus nécessaires d’ici cinq à dix ans. Au lieu de cela, leur nombre a continué de croître à mesure que l’IA rendait les radiologues plus précieux pour l’économie.
« Il s’avère que les radiologues font plus que simplement lire des examens, et les outils d’IA complètent ces autres compétences en automatisant une fraction des tâches effectuées par les radiologues », écrit Jones. Les autres choses que font les radiologues – parler aux patients et travailler avec des collègues, par exemple – entrent dans la catégorie des maillons faibles.
L’omniprésence des maillons faibles ne sera évidente que lorsque les entreprises adopteront l’IA à plus grande échelle.
Le mois dernier, le président de la Fed, Kevin Warsh, a nommé Jones à un groupe de travail qui déterminera la manière dont la Fed envisage l’IA et ses effets sur l’économie. Le capital-risqueur Marc Andreessen, dont la société soutient activement les startups d’IA, fait également partie de l’équipe et fait partie de ceux qui prédisent une ère d’« hyper-déflation ».
Lorsque Jones, Andreessen et d’autres rendront leur rapport dans quelques mois, ils se joindront à un débat houleux à la Fed sur l’IA.
La Fed doit relever ses prévisions de croissance pour tenir compte de l’IA, a écrit Warsh en novembre, avant d’être confirmé à son poste le plus élevé.
« L’IA sera une force désinflationniste significative, augmentant la productivité et renforçant la compétitivité américaine », écrit-il. C’est une position qui a contribué à sa position auprès du président Donald Trump, qui fait pression pour une baisse des taux d’intérêt.
Les nouveaux collègues de Warsh ne sont pas convaincus. Les responsables de la Fed ont voté en juillet pour laisser les taux d’intérêt inchangés dans une fourchette comprise entre 3,5 % et 3,75 %. La décision n’a pas été unanime, certains responsables de la Fed s’inquiétant ouvertement de la nécessité de restreindre l’économie pour freiner les augmentations de prix induites par l’IA.
« Les investissements massifs dans les centres de données ont également ajouté un nouvel élément de demande à la forte inflation que connaissent les Américains », a déclaré le président de la Fed de Minneapolis, Neel Kashkari, dans un communiqué expliquant sa décision de s’opposer à un taux d’intérêt plus élevé.
[…] La suite de l’article est à lire sur CNBC via le lien ci-dessous.
Traduit automatiquement de l’anglais. Le texte original fait foi.
Source : CNBC — Lire l’article original
À propos de l'auteur
