Synthèse
La réponse courte est : oui au niveau micro, pas encore pleinement démontré au niveau macro.
L’étude Generative AI at Work de Brynjolfsson, Li et Raymond analyse 5 172 agents de support client. L’accès à un assistant d’IA générative a augmenté la productivité, mesurée par le nombre de problèmes résolus par heure, d’environ 15 % en moyenne. Les gains les plus importants concernent les travailleurs moins expérimentés ou moins performants au départ.
Les FEDS Notes de la Réserve fédérale montrent que l’adoption n’est plus marginale : environ 18 % des entreprises utilisaient l’IA fin 2025 ; environ 41 % des travailleurs déclaraient utiliser la GenAI au travail ; et, pondéré par l’emploi, environ 78 % des travailleurs étaient dans des entreprises ayant adopté l’IA, et 54 % dans des entreprises utilisant des LLM.
La Fed de Kansas City apporte la prudence nécessaire. La productivité du travail américaine dépasse sa tendance d’avant-pandémie depuis fin 2022, mais l’amélioration n’est pas encore large. Les secteurs où l’adoption de l’IA est plus forte affichent une croissance de productivité plus rapide, mais l’IA explique encore peu du déplacement agrégé.
Comment les quatre sources s’assemblent
| Source | Niveau | Question | Réponse |
|---|---|---|---|
| Generative AI at Work | Tâche réelle | L’IA augmente-t-elle la productivité ? | Oui, dans certains flux de travail |
| FEDS Notes | Adoption | L’IA est-elle largement utilisée ? | Oui, mais de façon inégale |
| Fed de Kansas City | Productivité sectorielle | Le gain macro vient-il de l’IA ? | Corrélation, preuve incomplète |
| Fed de San Francisco | Politique | Que faut-il surveiller ? | Données micro et sectorielles |
Le signal micro est réel
L’IA n’a pas seulement accéléré la rédaction. Elle a surtout réduit les écarts de compétence. Les employés moins expérimentés ont appris plus vite, ont communiqué davantage comme les meilleurs agents et ont obtenu de meilleurs retours clients.
Cela suggère que l’IA diffuse une partie du savoir tacite de l’organisation. Le premier effet n’est pas nécessairement la suppression du travail humain, mais l’élévation de la productivité moyenne.
L’adoption est déjà significative
Les chiffres semblent différents parce qu’ils mesurent des unités différentes : entreprises, individus et travailleurs pondérés par l’emploi. L’adoption par les grandes entreprises touche rapidement une grande part de la main-d’œuvre.
La finance et les services professionnels sont en tête. Cela signifie que la première vague d’IA se concentre sur le travail cognitif à forte valeur ajoutée : recherche, analyse, conformité, comptabilité, conseil, code et relation client.
Le macro reste incomplet
La Fed de Kansas City montre que la productivité s’est améliorée, mais que les gains sont concentrés. Ce n’est pas une réfutation de l’IA. C’est un schéma classique de diffusion précoce.
gain par tâche
→ redesign des processus
→ diffusion sectorielle
→ statistiques macro
L’économie se trouve encore au milieu de cette chaîne.
Lecture pour l’investisseur
Les dépenses d’infrastructure IA peuvent encore être justifiées, mais plus seulement par la qualité des modèles. Il faut des preuves de productivité dans les processus de travail.
Pour la Corée, cela soutient la thèse de long terme sur HBM, DRAM serveur, eSSD, réseaux, équipements électriques, centres de données, cloud IA et logiciels d’entreprise. Mais le seuil de preuve monte : les entreprises doivent démontrer une productivité répétable, pas seulement une narration IA.
Conclusion
La productivité de l’IA est réelle au niveau des tâches. L’adoption est assez élevée pour compter. Mais la révolution macro de productivité n’est pas encore entièrement prouvée.
La prochaine phase du cycle IA dépendra de la diffusion : l’IA changera-t-elle les processus, les marges, la production par travailleur et finalement les statistiques nationales de productivité ?