Paradoxe de Jevons et IA : pourquoi une intelligence moins chère crée plus d’emplois

> L’essentiel : Le Forum economique mondial prevoit 170 millions de nouveaux emplois d’ici 2030 contre 92 millions supprimes — un gain net de 78 millions de postes — a mesure que l’IA rend l’intelligence moins chere et libere une demande qui n’existait pas auparavant.

Le recit dominant autour de l’IA se concentre sur la destruction d’emplois — combien de postes disparaitront, combien de travailleurs seront remplaces. Mais ce cadrage considere le volume total de travail comme fixe. L’histoire economique raconte une tout autre histoire a travers un principe appele paradoxe de Jevons : lorsque le cout d’une ressource chute de maniere spectaculaire, la consommation totale ne diminue pas. Elle explose.

L’IA comprime le cout du travail cognitif a une vitesse sans precedent. Les travailleurs utilisant des outils d’IA rapportent des gains de productivite de 66 %, et le nombre de postes exigeant une maitrise de l’IA a ete multiplie par sept en seulement deux ans, passant d’environ un million en 2023 a pres de sept millions en 2025. Si le paradoxe se confirme — et les indicateurs structurels suggerent fortement que oui — la demande totale de jugement humain, de creativite et d’expertise metier est sur le point de bondir, pas de s’effondrer.

Le schéma : des ressources moins chères creent des marchés plus vastes

En 1865, l’economiste anglais William Stanley Jevons a publie The Coal Question, observant que la machine a vapeur plus efficace de James Watt n’avait pas reduit la consommation de charbon de la Grande-Bretagne. Elle l’avait acceleree, car une energie moins chere rendait viables de nouvelles applications industrielles auparavant trop couteuses.

Le schéma s’est repete avec l’informatique. Les premiers ordinateurs etaient des machines de la taille d’une piece, delivrant des calculs lents a un cout enorme. Les processeurs modernes fournissent environ mille milliards de fois plus de puissance de calcul par unite d’energie. Pourtant, la consommation energetique totale de l’informatique a explose, car un calcul bon marche a cree l’informatique personnelle, Internet, les plateformes mobiles et l’infrastructure cloud — des industries entierement nouvelles employant des centaines de millions de personnes.

Meme la prediction du bureau sans papier a echoue de la meme maniere. Dans les annees 1980, les experts prevoyaient que les ordinateurs elimineraient le papier. Au lieu de cela, parce que les outils numeriques rendaient la creation de documents sans effort, la consommation mondiale de papier a triple entre 1980 et 2000.

Le mecanisme est constant : les gains d’efficacite ne retrecissent pas les marches. Ils les élargissent en rendant economiquement viables des applications qui ne l’etaient pas.

L’IA suit la meme trajectoire

Le PDG de Microsoft, Satya Nadella, a invoque directement le paradoxe de Jevons en janvier 2025, reagissant au modele efficient R1 de DeepSeek en declarant que l’utilisation d’une IA moins chere allait « monter en fleche ». Les premieres donnees lui donnent raison.

GitHub Copilot compte desormais plus de 20 millions d’utilisateurs et genere 46 % du code ecrit par les developpeurs sur la plateforme. Les utilisateurs accomplissent leurs taches 55 % plus vite, les cycles de pull request passant de 9,6 jours a 2,4 jours. Pourtant, l’adoption de Copilot est associee a une legere hausse des embauches en ingenierie logicielle, car une production de code moins chere rend davantage de projets logiciels economiquement viables.

Le Bureau of Labor Statistics (BLS) prevoit toujours une croissance d’environ 15 % des emplois en developpement logiciel entre 2024 et 2034. Le marche du developpement logiciel pourrait croitre de 20 % par an pour atteindre 61 milliards de dollars d’ici 2029. Cependant, le tableau n’est pas uniformement positif : l’emploi des developpeurs ages de 22 a 25 ans a chute de pres de 20 % entre 2022 et 2025, suggerant que l’expansion profite aux travailleurs experimentes tandis que les parcours d’entree evoluent.

La mauvaise question vs. la bonne question

La plupart des discussions en comite de direction posent la question : « De combien de personnes en moins avons-nous besoin ? » Cela suppose un volume de travail fixe et optimise la capture d’economies. C’est la mauvaise question.

La bonne question est : « Que pouvons-nous faire maintenant qui etait auparavant impossible ? » Cela suppose que l’opportunite totale etait artificiellement limitee par le cout d’execution. Supprimer cette contrainte cree un marche plus vaste que toute reduction d’effectifs ne pourrait generer.

Une enquete d’EY-Parthenon de janvier 2026 a revele que 69 % des PDG estimaient que les investissements dans l’IA maintiendraient ou augmenteraient les effectifs. Une etude de fevrier 2026 portant sur 12 000 entreprises europeennes a montre que les adopteurs de l’IA ont enregistre des gains de productivite de 4 % sans reduire le personnel. Les entreprises traitant l’IA comme un moteur de croissance, et non comme un outil de reduction des couts, prennent de l’avance.

Le goulot d’etranglement se deplace vers les capacites humaines

Lorsque le cout d’execution chute de plusieurs ordres de grandeur, le goulot d’etranglement passe de « peut-on le construire ? » a « devrait-on le construire ? » — une question fondamentalement humaine. Plusieurs capacites deviennent nettement plus precieuses :

• Generation d’hypotheses — reperer les opportunites et formuler les bonnes experiences
• Intuition client — comprendre ce dont les utilisateurs ont reellement besoin versus ce qu’ils disent vouloir
• Expertise metier — le medecin, l’ingenieur ou le responsable logistique qui sait quel logiciel son monde necessite
• Vision creative — imaginer des produits et des experiences qui n’existent pas encore
• Jugement contrarian — voir ce que tout le monde rate

Aujourd’hui, les personnes dotees de ces competences consacrent l’essentiel de leur energie a porter un seul projet au sein de l’organisation. Dans le nouveau paradigme, elles generent et evaluent dix projets par semaine. Le role humain n’est pas plus petit — il est plus grand et qualitativement different.

Les problemes non resolus sont enormes

La preuve la plus solide du paradoxe de Jevons applique a l’IA reside dans l’ampleur des problemes que le monde n’a pas encore resolus :

• Education personnalisee — chaque eleve apprenant a son rythme avec un programme adaptatif, encore largement irrealise malgre des decennies de recherche
• Aide a la decision clinique — des outils au niveau du patient individuel integrant antecedents medicaux, genomique et recherche actuelle, encore couteux et fragmentes
• Inclusion financiere — le rapport Global Findex 2025 de la Banque mondiale indique que 1,4 milliard d’adultes restent non bancarises, exclus du systeme financier formel
• Logiciels de niche — d’innombrables industries fonctionnent encore sur des tableurs parce que les logiciels sur mesure n’etaient jamais economiquement viables

Ce ne sont pas des problemes techniques non resolus. Ce sont des problemes economiques non resolus. Le cout de construction des solutions a simplement ete trop eleve. Cette contrainte est en train de disparaitre, et le Forum economique mondial prevoit que 170 millions de nouveaux emplois emergeront d’ici 2030 a mesure que ces marches s’ouvriront — un gain net de 78 millions de postes apres prise en compte des 92 millions de roles supprimes.

Ce que cela signifie pour les entreprises

Ceux qui reduisent les couts vs. ceux qui construisent

Les entreprises se divisent en deux camps. Ceux qui reduisent les couts empochent les economies d’efficacite de l’IA — moins de personnes effectuant le meme travail. Ceux qui construisent utilisent la meme efficacite pour elargir le champ des possibles — les memes personnes, ou davantage, effectuant un travail radicalement different.

Le verdict de l’histoire sur cette division est sans ambiguite. Dans chaque revolution de l’efficacite precedente, les constructeurs ont gagne et les reducteurs ont perdu leur position sur le marche. McKinsey Global Institute estime que les agents alimentes par l’IA pourraient degager environ 2 900 milliards de dollars de valeur economique annuelle aux Etats-Unis seulement d’ici 2030 — mais uniquement si les organisations repensent le travail autour de partenariats humain-IA plutot que d’automatiser des taches isolement.

L’imperatif de montee en competences

Le defi le plus difficile n’est pas technique. Il s’agit de redefinir ce que signifie la montee en competences lorsque le travail n’est plus « faire la meme chose plus vite » mais « faire quelque chose que vous n’avez jamais ete invite a faire ». Le WEF (World Economic Forum) rapporte que 40 % des competences professionnelles devraient changer d’ici 2030, 63 % des employeurs citant le deficit de competences comme leur principal obstacle a la transformation.

Les organisations qui reussiront auront besoin de dirigeants qui autorisent l’experimentation, d’equipes qui adoptent l’iteration rapide, d’individus qui élargissent leur sens du possible, et de structures d’incitation qui recompensent l’ambition autant que l’efficacite.

Conclusion

Le deplacement se produira dans des roles et des industries specifiques — cette realite ne doit pas etre minimisee. Le marche de l’ingenierie logicielle debutante se contracte deja alors que le secteur global croit. Mais l’effet net, si 160 ans d’histoire economique et les donnees actuelles servent de guide, sera l’expansion. Les entreprises, les equipes et les individus qui comprennent le paradoxe de Jevons et se positionnent pour le gateau agrandi definiront la prochaine decennie. Ceux qui restent bloques dans le cadre de reduction des couts se demanderont ce qui s’est passe.

Questions Fréquemment Posées

Sources et lectures complémentaires

• Future of Jobs Report 2025 — Forum economique mondial
• Why the AI World Is Suddenly Obsessed with Jevons Paradox — NPR Planet Money
• AI in Software Development: Creating Jobs and Redefining Roles — Morgan Stanley
• Research: How AI Is Changing the Labor Market — Harvard Business Review
• Generative AI and the Future of Work in America — McKinsey Global Institute
• Evaluating the Impact of AI on the Labor Market — Yale Budget Lab
• What Is Jevons Paradox? And Why It May or May Not Predict AI’s Future — Northeastern University
• Global Findex Database 2025 — Banque mondiale