L’essor de l’intelligence artificielle dans les entreprises, promettue comme un levier majeur de progrès, montre ses limites en matière de productivité globale, selon la plus vaste étude menée par Microsoft Research et Harvard. Si l’IA améliore nettement l’efficacité individuelle de certains salariés, ses effets s’estompent à l’échelle de l’organisation, confrontée à la rigidité de ses structures internes.
Sur un panel de 7 137 cadres issus de 56 grandes entreprises, une frange équipée de l’assistant Copilot a constaté une réduction de 3,6 heures par semaine sur les tâches liées aux courriels, soit un gain de temps de 31 %. Pourtant, ces heures libérées n’ont eu aucune incidence sur le volume de production ou la fréquence des réunions. Cette dissipation des gains illustre une problématique désormais reconnue par les économistes : l’accélération technologique peut bénéficier à l’individu sans transformer la performance collective.
Ce phénomène n’est pas isolé. Aux États-Unis, alors même que l’adoption de l’IA explose—50 % des adultes salariés y recouraient dès 2025—la hausse de la productivité du travail reste ancrée à 2,1 %, dans la droite ligne du rythme moyen observé depuis 1947. Les progrès offerts par l’IA, mesurés sur des tâches spécifiques, peinent à franchir les digues organisationnelles dressées par la complexité des entreprises : lisibilité inégale des processus, faible modularité, inertie des mécanismes de coordination et réticence à transformer la gouvernance hiérarchique.
Le manque de lisibilité—ou de traçabilité—des tâches constitue un premier frein. Si les métiers du numérique offrent un historique transparent et modélisable, permettant à l’IA d’intervenir en précision, d’autres fonctions, mobilisant des savoirs informels et une capitalisation relationnelle non-documentée, demeurent imperméables à l’automatisation rapide. Ce cloisonnement organisationnel cause une inégalité d’impact entre métiers : certains sont structurellement aptes à incorporer l’IA, d’autres bien moins.
La modularité, autre obstacle, est inhérente à la chaîne de valeur des grandes organisations. Quand l’IA multiplie la cadence d’un développeur informatique, les étapes périphériques (conception, validation, relation client) ne suivent pas la même accélération, limitant le profit global généré. L’effet « goulot d’étranglement » décrit que la performance systémiquement engrangée dépend du maillon le plus lent, et non d’une moyenne des gains réalisés.
La coordination en entreprise, particulièrement dans les structures pyramidales, demeure une entrave majeure. Plus la chaîne hiérarchique compte d’échelons, plus les processus décisionnels deviennent opaques, complexifiant la synchronisation des équipes. Ainsi, le temps dégagé par l’IA se dilue souvent dans de nouvelles tâches de coordination, négociations ou reformulations, plutôt que dans le cœur productif.
Enfin, la capacité à repenser la gouvernance constitue le dernier verrou, rarement franchi en dehors de groupes particulièrement flexibles. Si certains dirigeants de la tech, à l’image de Jack Dorsey et de Block, n’hésitent pas à réorganiser en profondeur, la majorité des entreprises, soumises à des obligations réglementaires et sociales strictes, progressent par ajustement à la marge.
Cet ensemble de freins met en lumière la « plasticité » supérieure des start-up par rapport aux entreprises historiques : leur souplesse structurelle leur permet d’absorber rapidement les ruptures technologiques, là où la rigidité est la règle dans l’économie réelle. En conséquence, les effets macroéconomiques de l’IA sur la productivité demeurent partiels et polarisés.
Pour les investisseurs et les ménages, cette dynamique souligne la nécessité d’une vigilance accrue en matière de gestion de patrimoine. Dans un contexte où la transformation numérique prometteuse ne se traduit pas systématiquement par une croissance homogène, la diversification patrimoniale s’impose plus que jamais. Face aux incertitudes des performances sur les marchés financiers, et alors que l’inflation et la politique monétaire incitent à une gestion attentive de l’épargne, l’intérêt pour les actifs tangibles – tels que l’or, les biens immobiliers, les objets de collection ou encore les vins rares – a regagné en vigueur. Cette appétence pour la matérialisation de l’épargne se fait d’autant plus forte que la confiance dans la capacité des entreprises à valoriser rapidement les apports de l’IA demeure mesurée.
En définitive, la révolution de l’IA interroge autant la performance des organisations que la protection des patrimoines individuels face à un paysage économique en transformation lente. À l’heure où le ralentissement des gains de productivité se conjugue à la montée des risques structurels, adapter sa stratégie de détention de valeur reste une préoccupation majeure pour les acteurs économiques.
