Il y a plus de 2 000 ans, Aristote a formulé l’une des expériences de pensée les plus remarquables de l’histoire : que se passerait-il si les outils pouvaient accomplir un travail de manière entièrement autonome ?
Traduction de How Aristotle Anticipated The AI Era par Philipp Humm, le 5 novembre 2026. Une référence de Sentiers.
Philipp Humm est un artiste et auteur vivant à Milan. Il a auparavant occupé le poste de PDG de T-Mobile, Vodafone et Amazon.de.

« Si chaque instrument pouvait accomplir son propre travail, en obéissant ou en anticipant la volonté d’autrui », écrivait Aristote dans « La Politique » vers 350 avant notre ère, « si la navette tissait et si le plectre touchait la lyre sans qu’une main ne les guide, les chefs d’atelier n’auraient pas besoin de serviteurs, ni les maîtres d’esclaves. »
Pendant des siècles, ce passage a été principalement interprété comme une allégorie philosophique. Aujourd’hui, ce qui frappe, ce n’est pas l’imagination technique d’Aristote, mais son imagination politique. Il s’intéressait davantage aux conséquences sociales des machines autonomes qu’à leur faisabilité.
L’intelligence artificielle nous oblige à nous pencher à nouveau sur cette question : que deviendra une société dont l’économie, la raison d’être et l’État-providence reposent sur le travail salarié si ce dernier perd ce rôle fondamental ? Peut-être que la véritable révolution de l’IA commencera dans notre conception de ce que signifie être humain, et non pas dans les centres de données de la Silicon Valley.
Plus ou moins ?
Qu’est-ce qui est préférable : plus de personnes ou moins de travail pour les humains ? Peu de contradictions résument aussi précisément notre époque. Jamais auparavant une société n’avait à la fois dépensé autant d’argent pour tenter de compenser les pénuries de main-d’œuvre tout en investissant autant dans des technologies conçues pour éliminer complètement le travail.
Si les taux de fécondité actuels se maintiennent et que le solde migratoire tombe à zéro, les projections des Nations unies suggèrent que de nombreuses populations occidentales diminueront d’environ 30 % d’ici la fin de ce siècle. Dans des pays comme l’Italie, ce déclin avoisine les 40 % à 50 %. Les gouvernements ont réagi en mettant en place de généreuses aides familiales et des programmes d’immigration à grande échelle, mais n’ont obtenu qu’un succès économique limité. Des recherches suggèrent que la contribution budgétaire de l’immigration dépend fortement du niveau d’éducation, de l’emploi, de l’âge à l’arrivée et des motivations migratoires. Les migrants hautement qualifiés, qui constituent une minorité, ont tendance à générer des gains économiques nets, tandis que l’immigration peu qualifiée, qui représente la majorité, peut peser sur les finances publiques des États-providence avancés.
En Grande-Bretagne, la baisse de la fécondité, le vieillissement de la population et l’immigration sont devenus des thèmes indissociables. Les débats parlementaires présentent souvent les taux de natalité comme un problème de croissance à long terme. Parallèlement, le gouvernement cherche à réduire la dépendance vis-à-vis de la main-d’œuvre immigrée en développant les programmes de formation nationaux. Aux États-Unis, des arguments similaires sont avancés par le camp opposé : les économistes avertissent que la main-d’œuvre native est en déclin et que l’immigration assure désormais une grande partie de la croissance de la main-d’œuvre américaine. Par ailleurs, un nouveau mouvement en faveur de la natalité a vu le jour dans la Silicon Valley. Elon Musk, Peter Thiel et d’autres leaders du secteur technologique avertissent que l’effondrement des taux de natalité menace la civilisation, alors même que leurs entreprises développent des systèmes destinés à réduire la dépendance de l’économie à l’égard du travail humain.
Outre leurs efforts pour stabiliser la taille de leur main-d’œuvre, les gouvernements investissent massivement dans l’intelligence artificielle afin de rester compétitifs à l’échelle internationale. Le remplacement de la main-d’œuvre que ces technologies finiront par entraîner est souvent ignoré ou balayé d’un revers de main par des promesses rassurantes selon lesquelles de nouveaux emplois émergeront inévitablement, comme cela a toujours été le cas par le passé.
« Peut-être que la véritable révolution de l’IA commencera par notre conception de ce que signifie être humain. »
La gestion de cette contradiction est encore plus frappante en Asie de l’Est.
La Corée du Sud, avec un taux de fécondité d’environ 0,75 enfant par femme, connaît un effondrement démographique sans précédent en temps de paix. Le gouvernement consacre chaque année des dizaines de milliards à des mesures d’incitation à la natalité et à la famille, ainsi qu’à des programmes de logement destinés à inverser la tendance. Jusqu’à présent, le succès est mitigé. Parallèlement, la Corée du Sud est devenue l’économie la plus « robotisée » au monde, avec plus de 1 000 robots industriels pour 10 000 travailleurs du secteur manufacturier.
Le Japon présente un tableau similaire. Sa population en âge de travailler est en déclin depuis plus de deux décennies, et le pays a réagi en mettant en œuvre l’une des stratégies d’automatisation et de robotique les plus ambitieuses au monde. Aujourd’hui, le Japon possède l’une des plus fortes densités de robots industriels, avec plus de 400 pour 10 000 ouvriers du secteur manufacturier, contre une moyenne mondiale d’environ 120 à 150.
La Corée du Sud et le Japon offrent un aperçu de l’économie de l’intelligence. Leurs gouvernements investissent dans l’automatisation pour compenser la diminution de la main-d’œuvre tout en essayant d’enrayer le déclin démographique afin de préserver la demande intérieure et les fondements budgétaires de leurs États-providence. Ces deux politiques ont leur raison d’être dans le cadre de l’économie industrielle. Mais que se passera-t-il lorsque l’IA et la robotique réduiront la dépendance de l’économie vis-à-vis du travail humain ? Le déclin démographique et l’automatisation pourraient-ils finir par devenir des forces complémentaires plutôt qu’opposées ?
L’invention de l’Homo faber
La société du travail telle que nous la connaissons aujourd’hui n’est pas une constante anthropologique. Pendant la majeure partie de l’histoire humaine, les individus n’étaient pas avant tout des Homo faber — ces individus productifs qui tirent leur valeur sociale du travail économique. Ils ne le sont devenus qu’avec l’avènement de la modernité, et surtout grâce à la Révolution industrielle.
Dans l’Antiquité classique et pendant la majeure partie du Moyen Âge européen, le travail manuel était considéré comme une nécessité, principalement accomplie par les esclaves et les classes inférieures. Les classes privilégiées se consacraient à la politique, à la philosophie, à la religion, à la guerre, aux arts et aux loisirs. Comme l’a observé Hannah Arendt dans *La Condition de l’homme* (1958), la modernité a radicalement bouleversé la hiérarchie classique des activités humaines. Le travail, autrefois considéré comme une nécessité de la vie plutôt que comme sa finalité, est devenu de plus en plus le principe organisateur de la société.
Adam Smith a fourni le fondement économique et intellectuel de cette transformation. Dans « La Richesse des nations » (1776), il a soutenu que la véritable richesse d’une nation réside dans le travail productif total de son peuple, et non dans l’or, la terre ou les excédents commerciaux.
Vers 1800, environ 75 % des Américains travaillaient dans l’agriculture. Aujourd’hui, ils sont moins de 2 %. La transformation industrielle des États-Unis a donné naissance à une logique économique entièrement nouvelle, symbolisée par la célèbre augmentation de salaire accordée par Henry Ford en 1914. Ford avait compris que ses ouvriers devaient fabriquer des automobiles et gagner suffisamment pour pouvoir les acheter. Cette intuition incarnait le génie du capitalisme industriel : production, salaires et demande étaient indissociables.
« Si l’intelligence artificielle prend en charge une part croissante du travail productif, la société devra trouver des réponses pour permettre à chacun de mener une vie qui reste pleine de sens en dehors de l’emploi. »
Ce modèle a été au cœur des démocraties occidentales tout au long du XXe siècle. Les salaires finançaient la fiscalité, les systèmes de protection sociale et les retraites. Parallèlement, ils généraient des revenus qui soutenaient la consommation et constituaient le principal mécanisme d’intégration sociale. En chiffres, le travail représente jusqu’à 60 % du PIB et la consommation privée près de 70 % dans les pays de l’OCDE.
L’importance des salaires s’étend bien au-delà des heures que les gens passent au travail. Chaque heure productive finance environ neuf heures de vie en dehors du travail : les années d’enfance, d’études et de retraite ; les soirées, les week-ends et les périodes de maladie. On peut également considérer que chaque heure de travail rémunéré soutient ces heures de vie en dehors du travail dans l’ensemble de la société, y compris le temps libre des travailleurs eux-mêmes ainsi que celui des enfants, des étudiants, des retraités, des personnes au foyer et des autres personnes à charge. Historiquement, ces ratios ont augmenté, principalement sous l’effet de la réduction du temps de travail et de l’allongement de l’espérance de vie.
Lorsque les emplois se font plus rares ou que les salaires perdent leur pouvoir de négociation économique, cette architecture commence à se fissurer. Cela exerce une pression immense sur les finances publiques : les enfants, les retraités, les étudiants, les malades et une grande partie des dépenses publiques dépendent en fin de compte des salaires de la population active.
Le problème économique déterminant de notre siècle, jusqu’à présent, a été le suivant : Comment une société finance-t-elle des années de vie toujours plus longues avec des années de travail toujours plus courtes ? Pendant des décennies, les économies avancées ont réussi à répondre à cette question grâce à une combinaison fragile de croissance économique et d’augmentation de la dette publique. Mais que se passe-t-il lorsque l’intelligence artificielle commence à ébranler le marché du travail sur lequel repose cette réponse ?
Quand l’intelligence devient bon marché
Chaque grande révolution technologique a transformé un facteur de production rare en un facteur abondant. La révolution industrielle a considérablement réduit le coût de l’énergie mécanique grâce aux combustibles fossiles. La mondialisation des années 1990 et 2000 a fait baisser le coût du travail physique en intégrant la Chine et d’autres économies émergentes dans les réseaux de production mondiaux. La révolution de l’IA pourrait désormais faire de même avec l’intelligence. La cognition, la coordination, la reconnaissance de formes et de nombreuses formes de prise de décision pourraient devenir des ressources abondantes plutôt que rares.
John Maynard Keynes avait anticipé cette possibilité il y a près d’un siècle. Dans son essai de 1930 intitulé « Les perspectives économiques pour nos petits-enfants », il mettait en garde contre ce qu’il appelait le chômage technologique : la possibilité que l’humanité découvre des moyens d’économiser de la main-d’œuvre plus rapidement qu’elle ne parvienne à lui trouver de nouvelles utilisations.
Pendant des décennies, les économistes ont largement écarté cette préoccupation de deux manières. La première était la théorie de la destruction créatrice de Joseph Schumpeter. Le progrès technologique détruit les métiers existants, mais il crée également de nouvelles industries, de nouvelles professions et, en fin de compte, des formes d’emploi plus productives. La seconde était l’expérience historique. Toutes les révolutions technologiques précédentes avaient finalement généré davantage d’emplois, et non un chômage de masse.
Avec l’IA, ce mécanisme d’ajustement historique pourrait ne plus être applicable.
L’économiste de Stanford Erik Brynjolfsson a qualifié cette possibilité de « piège de Turing ». Les générations précédentes de machines remplaçaient principalement le travail physique dans quelques tâches routinières bien définies. Les êtres humains restaient un cran au-dessus des machines, devenant leurs planificateurs ou leurs solutionneurs de problèmes. Cet amortisseur historique est désormais en train de s’amenuiser. L’IA effectue de plus en plus d’activités cognitives qui permettaient autrefois aux travailleurs de gravir les échelons de la chaîne de valeur.
Daron Acemoglu, du MIT, est parvenu à une conclusion similaire en partant d’un angle différent. Il soutient que la question clé réside dans la manière dont les entreprises choisissent de déployer l’IA. Si les entreprises utilisent l’IA principalement pour remplacer des travailleurs plutôt que pour accroître leur productivité, le schéma historique selon lequel le progrès technologique crée plus d’emplois qu’il n’en détruit pourrait ne plus s’appliquer. La structure de l’économie émergente de l’IA reflète déjà cette logique. Bon nombre des entreprises d’IA les plus valorisées aujourd’hui génèrent une valeur de marché extraordinaire avec des effectifs remarquablement réduits.
L’IA agentique accélère encore ce processus. Les agents n’automatisent plus des tâches isolées ; ils prennent de plus en plus en charge des flux de travail complets : analyser des informations, corriger des erreurs, adapter des stratégies et coordonner des processus complexes avec une intervention humaine minimale.
« Pour la première fois depuis la Révolution industrielle, la main-d’œuvre pourrait cesser d’être le facteur de production le plus rare de l’économie. »
Pour les entreprises, la question décisive est simple : l’IA peut-elle effectuer des tâches économiquement utiles à un coût nettement inférieur à celui des humains ? De plus en plus, pour de nombreux postes, la réponse est oui.
Le remplacement de la main-d’œuvre par des machines se déroule en deux vagues.
La première touche les emplois de bureau. Un analyste financier junior, un avocat, un consultant en gestion ou un ingénieur logiciel à Londres ou à New York peut coûter à un employeur entre 80 et 100 par heure. Les modèles linguistiques modernes sont déjà capables d’effectuer bon nombre de leurs tâches pour une fraction de centime. Ces systèmes possèdent un autre avantage structurel. Alors que les connaissances accumulées par un employé ne se diffusent que progressivement au sein d’une organisation et disparaissent souvent lorsque cet employé quitte l’entreprise, les améliorations apportées par les logiciels sont conservées et déployées instantanément et à grande échelle dans l’ensemble du système.
La deuxième vague touche désormais l’économie réelle et la main-d’œuvre manuelle. Les robots humanoïdes développés par des entreprises telles que Tesla et la société chinoise Unitree apprennent des mouvements de plus en plus complexes par l’observation et la simulation. Leurs fabricants espèrent à terme réduire les coûts d’exploitation à moins de 2 dollars de l’heure. Cela contraste fortement avec les 30 à 50 de l’heure perçus par un salarié américain moyen.
Une étude du Fonds monétaire international suggère que près de 60 % des emplois dans les économies avancées seront affectés par l’intelligence artificielle, près de la moitié d’entre eux étant exposés à des perturbations importantes ou à un remplacement. Dans ce contexte, une réduction d’environ 30 % de l’emploi total au cours des prochaines décennies ne semble plus invraisemblable. Que le chiffre final soit de 20 % ou de 40 % n’a, en fin de compte, qu’une importance secondaire.
Ce qui importe, c’est que, pour la première fois depuis la Révolution industrielle, le travail pourrait cesser d’être le facteur de production le plus rare de l’économie. Si cela s’avère vrai, les conséquences s’étendent bien au-delà du marché du travail. Elles nous obligent à remettre en question l’un des postulat les plus fondamentaux de l’ère industrielle.
La diminution des riches
C’est précisément à ce stade qu’émerge une possibilité qui reste presque impensable dans le discours actuel : le déclin démographique, présenté presque exclusivement comme une catastrophe économique, pourrait s’avérer être un correctif essentiel au cours de la révolution de l’intelligence. J’appelle cela l’équilibre 30/30.
L’idée est simple. Imaginons une économie avancée dont la population diminue progressivement d’environ 30 % sur plusieurs décennies, tandis que l’intelligence artificielle et la robotique réduisent la demande de main-d’œuvre dans une proportion similaire. Ces évolutions ne se produiront pas simultanément ni au même rythme, mais, à terme, elles pourraient globalement se compenser mutuellement. Moins de personnes nécessitent moins d’emplois. En conséquence, le rapport historique entre la main-d’œuvre productive et la population totale pourrait rester remarquablement stable sans imposer de charge supplémentaire aux finances publiques.
L’équilibre 30/30 est avant tout une théorie de stabilisation macroéconomique dans laquelle le déclin démographique cesse d’être une catastrophe économique et s’inscrit dans le mécanisme d’ajustement. Cependant, il ne crée pas la prospérité.
Le fait qu’une société en déclin devienne également plus riche dépend d’une deuxième variable : l’intensification du capital. Comme le démontre le modèle de croissance de Solow-Swan, la prospérité à long terme dépend moins de la taille de la population active que de la quantité et de la productivité du capital dont dispose chaque travailleur. Si l’IA et la robotique augmentent le capital productif plus rapidement que la population active ne se contracte, la production par personne continue d’augmenter même si la main-d’œuvre totale diminue.
Si nous voulons que le PIB d’une économie se stabilise, nous avons besoin d’un accélérateur. Une baisse de 30 % de la population active devrait être compensée par une augmentation d’environ 45 % de la productivité du capital. Cela ferait progresser le PIB par habitant de plus de 40 %. Compte tenu des courbes d’apprentissage déjà observées dans les domaines des semi-conducteurs, de la puissance de calcul, de l’intelligence artificielle et de la robotique, ainsi que de l’avantage croissant en termes de coûts de l’intelligence artificielle par rapport au travail humain, de tels gains de productivité ne semblent plus particulièrement ambitieux.
Supposons maintenant que la population reste constante tandis que le capital productif augmente de ce même 45 %. La production totale augmenterait alors d’environ 20 %. L’économie conventionnelle saluerait cela comme le meilleur scénario possible.
William Stanley Jevons avait observé au XIXe siècle que des machines à vapeur plus efficaces ne réduisaient pas la consommation de charbon en Grande-Bretagne. Au contraire, elles l’augmentaient. À mesure que l’énergie devenait moins chère, de nouvelles applications voyaient le jour, ce qui faisait encore croître la demande.
L’efficacité a engendré l’abondance, mais l’abondance a également entraîné une utilisation accrue des ressources. La même dynamique pourrait désormais s’appliquer à l’intelligence. À mesure que l’IA deviendra moins coûteuse, nous en consommerons très certainement beaucoup plus. Cela vaut aussi bien pour le travail cognitif que pour la robotique. La Silicon Valley présente cet avenir comme une « abondance ». Pourtant, l’abondance n’est pas nécessairement durable sur le plan environnemental. Chaque produit supplémentaire fabriqué et consommé à une fraction du coût et du prix actuels consomme tout de même de l’énergie et laisse une empreinte écologique négative. De plus, les systèmes d’IA nécessitent d’importantes quantités d’électricité, une infrastructure informatique, des matériaux rares et du matériel informatique. L’abondance a un coût élevé pour le monde physique.
« Pour la première fois dans l’histoire, nous pourrions être en mesure de voir notre population diminuer sans pour autant devenir plus pauvres. Nous pourrions même devenir plus riches tout en allégeant la pression exercée sur le monde naturel. »
D’un point de vue environnemental, laisser la population diminuer naturellement tout en augmentant la prospérité par personne pourrait donc représenter un équilibre optimal. Pour la première fois depuis la Révolution industrielle, l’économie de l’intelligence nous offre la possibilité de choisir un tel équilibre.
Cela nécessite d’abandonner deux hypothèses héritées de l’ère industrielle.
La première est d’ordre financier. Les économies modernes s’articulent autour de la dette, de la création monétaire et de l’évaluation des actifs, qui dépendent toutes d’une expansion continue. L’économie de demain doit être plus importante que celle d’aujourd’hui, car les obligations d’hier doivent être remboursées. Une « économie riche en déclin » pourrait en fin de compte nécessiter un système monétaire et financier tirant sa stabilité moins d’une dette en expansion constante que de la productivité croissante du capital.
La seconde hypothèse est géopolitique. « Big is beautiful » (la taille fait la force) appartenait à une époque où la puissance économique et militaire dépendait directement de l’échelle. Des populations plus nombreuses signifiaient plus de travailleurs, plus de consommateurs, plus d’inventeurs, des armées plus importantes, des marchés plus vastes et une plus grande influence géopolitique. L’économie de l’intelligence bouleverse cette logique. L’intelligence humaine est rare, mais l’intelligence artificielle élargit l’intelligence exploitable à un rythme et à un coût extraordinaires, ce qui en fait une ressource abondante. De plus, des technologies telles que les drones autonomes érodent de plus en plus les avantages militaires traditionnels liés à l’échelle. Il en va de même pour l’influence économique.
L’écologie offre un cadre utile. L’écologiste Eugene Odum a établi une distinction entre les écosystèmes pionniers et les écosystèmes de climax. Les jeunes forêts poussent de manière agressive, consomment des ressources et privilégient la vitesse au détriment de la durabilité. Les forêts matures poussent peu, mais possèdent une biomasse, une complexité, une stabilité et une résilience bien supérieures à celles des systèmes pionniers dont elles sont issues.
La civilisation humaine n’est peut-être pas fondamentalement différente. L’économie des combustibles fossiles a constitué la phase pionnière de l’humanité. Son succès reposait sur l’expansion : plus de population, plus d’énergie, plus de production et plus de consommation. L’intelligence artificielle, combinée au déclin démographique, pourrait permettre aux sociétés avancées d’entrer dans une phase différente de développement. Des technologies telles que le recyclage robotisé, la fermentation de précision gérée par l’IA et les circuits fermés de matières premières indiquent déjà la voie vers une économie capable de créer davantage de prospérité avec moins d’intrants matériels.
La société de climax qui en résulterait ne serait pas une société de sacrifice. Ce serait une société qui aurait appris à distinguer la croissance de la prospérité. Pour la première fois dans l’histoire, nous pourrions être moins nombreux sans pour autant devenir plus pauvres. Nous pourrions même devenir plus riches tout en allégeant la pression sur le monde naturel.
L’ambition du XXIe siècle ne devrait plus être de maximiser la croissance, mais de maximiser la prospérité : « rétrécir en s’enrichissant ».
À qui revient le métier à tisser ?
Si l’économie de l’intelligence apporte les gains de productivité escomptés par ses défenseurs, elle générera une richesse sans précédent. Cela soulève la question politique centrale de l’ère post-travail : à qui revient le surplus ?
Dans l’ordre économique actuel, la réponse est claire. Les gains reviendront principalement aux détenteurs de capitaux, et non à la main-d’œuvre, car c’est la propriété qui détermine qui a droit à la production. Si l’IA et la robotique remplacent le travail en tant que force productive déterminante, alors les revenus se détourneront des salaires pour aller vers ceux qui possèdent les machines, les modèles, les centres de données, les systèmes énergétiques et les plateformes grâce auxquels la nouvelle économie fonctionne.
Cela pose un problème, même pour les détenteurs de capitaux. Henry Ford avait compris que les travailleurs étaient à la fois producteurs et consommateurs. Ils devaient percevoir des salaires suffisants pour acheter les voitures qu’ils fabriquaient. La même logique s’applique à l’économie de l’intelligence, mais sous une forme plus instable. Si les machines produisent des biens tandis que les êtres humains perdent les salaires qui leur permettraient de les acheter, la demande économique s’affaiblit. Même l’économie de l’IA la plus productive dépend en fin de compte de clients qui ont les moyens d’acheter ce qu’elle produit.
La réponse privilégiée par la Silicon Valley à ce problème est le revenu de base universel (RBU). L’idée est simple. L’État garantit aux citoyens un revenu minimum financé par une hausse des impôts, un accroissement de la dette publique ou des prélèvements sur la production automatisée. À court terme, une forme de revenu minimum pourrait bien s’avérer nécessaire. Elle permettrait de stabiliser la demande face au déclin démographique et d’amortir le choc social lié au remplacement par la technologie.
Mais en tant que solution permanente, le RBI risque de devenir un pharmakon : à la fois remède et poison.
S’il est financé par la dette publique, le RBI injecte de l’argent et du pouvoir d’achat supplémentaires dans l’économie sans augmenter l’offre d’actifs productifs, ce qui crée une pression inflationniste qui érode une partie des gains de productivité liés à l’IA. S’il est financé par une taxation de la production, les entreprises finiront par récupérer une grande partie du surcoût en augmentant leurs prix, avec un effet similaire. Dans les deux cas, une part significative des gains de productivité est dissipée au lieu d’être convertie en une amélioration du niveau de vie réel.
L’histoire économique nous met en garde. En 1795, les magistrats anglais ont mis en place le système de Speenhamland, un complément de salaire destiné à protéger les travailleurs ruraux de la pauvreté. Il s’agissait d’une mesure d’aide. Dans la pratique, il a subventionné les employeurs qui pouvaient ainsi continuer à verser de faibles salaires tandis que les deniers publics comblaient la différence. Il a également ancré la dépendance des pauvres vis-à-vis des autorités locales.
L’analogie n’est pas exacte, mais la leçon est importante. L’aide au revenu peut faciliter la transition, mais elle a peu de chances de fournir une base durable à une économie post-travail.
« Quel genre d’êtres humains souhaitons-nous devenir ? »
Le défi consiste donc à répartir les gains de productivité de l’économie de l’intelligence sans les éroder. Cela nécessite un mécanisme de financement qui ne repose ni sur l’endettement ni sur une taxe sur la production.
C’est là que Karl Marx retrouve toute sa pertinence, bien que ce ne soit peut-être pas pour les raisons que l’on suppose habituellement. Dans les « Grundrisse », il imaginait un avenir où la richesse ne dépendrait plus principalement du temps de travail immédiat, mais de l’appropriation technologique de ce qu’il appelait l’« intellect général » : le savoir accumulé, la science et l’intelligence coopérative de la société. La vision la plus contemporaine de Marx était sa reconnaissance du fait que le savoir deviendrait la force productive décisive.
L’intelligence artificielle donne à cette idée une forme technologique littérale. Les modèles d’IA ne sont pas créés dans le vide. Ils sont entraînés à partir de l’héritage intellectuel accumulé de l’humanité : livres, articles scientifiques, entrées Wikipédia, discussions sur des forums, bibliothèques logicielles, images, archives publiques, code open source et innombrables traces de communication humaine. Ils dépendent également de la recherche financée par des fonds publics, des infrastructures énergétiques, des universités, des réseaux de télécommunications, des routes, des réseaux d’adduction d’eau et des protections juridiques. L’économie de l’intelligence est construite à la fois par des entreprises privées et par un patrimoine commun de la civilisation.
Par conséquent, les bénéfices tirés de ces systèmes doivent-ils revenir exclusivement aux propriétaires privés, ou la société doit-elle conserver un droit sur l’infrastructure productive issue de son savoir collectif ?
Le XXe siècle a résolu le problème de la demande grâce aux salaires. La Silicon Valley propose de le résoudre par des transferts. L’économie de l’intelligence pourrait finalement le résoudre par la propriété.
Le droit de la société à un dividende universel du capital, plutôt qu’à un revenu universel de base (RUB), pourrait prendre la forme d’une propriété, dans le cadre de laquelle les gouvernements détiendraient des participations, des parts publiques ou des droits de richesse souveraine dans les infrastructures d’IA dont le fonctionnement dépend des ressources publiques, des données publiques et des marchés publics. Les recettes ne seraient pas versées dans les budgets généraux, mais seraient distribuées directement aux citoyens sous la forme d’un dividende universel.
La propriété fonctionne différemment sur le plan économique et n’est pas inflationniste. Elle répartit les gains de productivité directement à la source, préservant ainsi l’intégralité des gains d’efficacité de l’automatisation tout en élargissant la participation à la richesse qu’elle crée.
L’ancienne couturière salariée deviendrait actionnaire du métier à tisser plutôt qu’une personne dépendante de l’État. Aristote imaginait un monde dans lequel le métier à tisser autonome abolirait la nécessité du travail. L’économie de l’intelligence nous offre l’opportunité de décider qui en héritera.
Le diable au paradis
Supposons que nous réussissions. Imaginons que l’intelligence artificielle effectue la majeure partie du travail productif, que le déclin démographique amortisse l’ajustement, qu’un nouveau modèle de propriété distribue les gains de l’automatisation sans sacrifier la productivité et que les sociétés avancées vivent à nouveau dans les limites écologiques. L’humanité se rapprocherait remarquablement de la vision d’Aristote du métier à tisser autonome. Nous pourrions enfin devenir des Homo curans.
Même dans ce cas, deux défis plus profonds subsistent. Le premier concerne le sens. Il y a plus de 70 ans, Arendt mettait en garde contre le danger de ce qu’elle appelait le « manque de monde ». Une société organisée autour du travail ne devient pas automatiquement une société de citoyens libres dès lors que le travail disparaît. Au contraire, les individus risquent de perdre la sphère publique partagée dans laquelle ils font l’expérience de la responsabilité, du jugement et d’un sens à leur vie. La crise la plus profonde de l’ère post-travail pourrait donc ne pas être le chômage, mais l’absence de sens.
L’anthropologue David Graeber est parvenu à une conclusion similaire en partant d’une perspective différente. Son analyse des « emplois bidons » suggère qu’une grande partie de l’emploi contemporain ne survit pas parce qu’il est socialement indispensable, mais parce que les sociétés modernes ont oublié comment donner du sens en dehors du travail rémunéré.
Si l’intelligence artificielle prend en charge une part croissante du travail productif, la société devra trouver des réponses pour cultiver des vies qui restent pleines de sens en dehors de l’emploi.
Le deuxième défi a une portée encore plus vaste. À mesure que le monde devient plus complexe, nous déléguons de plus en plus de décisions à l’intelligence artificielle. Au début, l’IA se contente d’assister le jugement humain. Puis, elle formule des recommandations. Finalement, elle prend les décisions. Toute délégation commence par une question de commodité et peut aboutir à une dépendance. Le jugement humain s’atrophie progressivement par manque d’usage.
Ce processus est déjà visible. Nous déléguons la navigation à des algorithmes, la communication à des systèmes de recommandation, la recherche d’informations à des moteurs de recherche, les décisions financières à des modèles automatisés, le choix d’un partenaire à des applications de mise en relation et, de plus en plus, même les décisions juridiques et administratives à des systèmes assistés par l’IA. Chaque délégation prise isolément semble rationnelle. Ensemble, elles transforment la relation entre les êtres humains et le jugement lui-même.
La logique des machines intelligentes n’est pas identique à celle des êtres humains. Leur objectif est l’optimisation. Le nôtre est le jugement. Confondre les deux pourrait bien s’avérer, en fin de compte, être le problème d’alignement le plus profond de tous.
À mesure que ces systèmes nous surpassent de plus en plus dans des domaines spécialisés, le risque n’est pas tant qu’ils deviennent humains que de voir les humains renoncer progressivement à leur propre capacité de jugement. Nous risquons de découvrir trop tard que nous sommes devenus des décideurs de seconde zone dans un monde optimisé par les machines : l’Homo algorithmus.
Il y a plus de 2 000 ans, Aristote s’est demandé ce qui se passerait si le navette pouvait tisser toute seule. Aujourd’hui, c’est une réalité. Mais ce métier à tisser autonome nous amène à nous interroger : quel genre d’êtres humains souhaitons-nous devenir ? Ce n’est pas la technologie qui décidera si l’économie de l’intelligence donnera naissance à l’Homo curans ou à l’Homo algorithmus, mais bien nous-mêmes.
Les traductions par Gilles en vrac (.xlsx ou .html)
Les caractères gras dans le texte sont de Gilles.
