Le Mensonge du 'Fossé de Production' de l'IA Révélé

La Silicon Valley ne cesse de poser la même question troublante : si l'IA est si puissante, où sont les gains de 10x en PIB, salaires et niveaux de vie ? Des trillions de dollars ont été investis dans des modèles comme GPT-3 et des accélérateurs d'IA sur mesure, pourtant la croissance de la productivité aux États-Unis demeure autour de 1 à 1,5 % par an, à peine au-dessus de sa tendance d'avant l'IA.

Dwarkesh Patel est devenu l'un des narrateurs les plus aiguisés de cette énigme. Dans son podcast, il interroge les fondateurs, les économistes et les chercheurs en IA sur les raisons pour lesquelles des modèles plus intelligents ne se traduisent pas automatiquement par des comptes nationaux plus importants ou des loyers moins chers.

La réponse récurrente de Patel tourne autour des goulots d'étranglement institutionnels. Il évoque des politiques de logement qui bloquent les nouvelles constructions, des règles énergétiques qui ralentissent le développement nucléaire, et des règlements complexes qui freinent tout, des nouveaux médicaments aux nouvelles usines de chips.

Écoutez suffisamment de ces interviews et une histoire cohérente émerge. Nous vivons soi-disant dans un monde où la technologie peut presque tout faire, mais les systèmes humains—les conseils de zonage, les bureaux de permis, les régulateurs médicaux—gardent les bénéfices enfermés.

Cette histoire a maintenant un nom dans la vallée : le écart de production. Pas la version macroéconomique des manuels sur les récessions, mais un mème culturel qui dit que notre PIB actuel est bien en dessous de ce que l'IA, la robotique et les logiciels de niveau divin pourraient déjà offrir.

Dans ce récit, les laboratoires d'IA ont efficacement résolu le problème des "idées". Ce qui reste à faire, c'est un travail de nettoyage : déréglementer, construire davantage, simplifier les approbations, et le barrage se brisera, libérant une croissance exponentielle que les statistiques actuelles ne parviennent pas à saisir.

Le récit flatte tout le monde impliqué. Les ingénieurs peuvent croire qu'ils ont déjà construit le futur, les fondateurs ont un méchant en la "lourdeur bureaucratique", et les décideurs obtiennent une liste de tâches technocratiques : réduire les frictions, combler le fossé, récolter le surplus.

Mais que se passe-t-il si ce diagnostic passe à côté de la véritable contrainte ? Que se passe-t-il si la limite contraignante n'est pas des bureaucrates endormis, mais des questions plus profondes sur le pouvoir, la propriété et sur qui bénéficie réellement lorsque les logiciels commencent à faire la majorité du travail ?

Traiter l'énigme économique de l'IA comme un simple écart de production peut sembler réconfortant. Cela implique que nous avons seulement besoin d'un tuyau plus grand, et non d'un système différent—et cette hypothèse pourrait être dangereusement, historiquement fausse.

L'écart de production peut sembler être un jargon financier, mais les macroéconomistes l'utilisent d'une manière très spécifique. Le FMI définit l'écart de production comme le pourcentage de différence entre le PIB réel d'un pays et son PIB potentiel—ce que l'économie pourrait produire si les usines, les travailleurs et les machines fonctionnaient à pleine capacité de manière durable. La Réserve Fédérale utilise un langage presque identique et le suit comme un indicateur clé de "margin de manœuvre" économique.

Les banques centrales s'appuient sur l'écart de production pour orienter les cycles économiques. Lorsque le PIB réel est inférieur de 1 à 3 % au potentiel, les décideurs politiques constatent une capacité non utilisée et un chômage accru ; ils abaissent les taux ou déploient des stimuli pour stimuler la demande. Lorsque le PIB dépasse le potentiel, ils s'inquiètent d'un surchauffe inflationniste et resserrent la politique pour tempérer la situation.

C'est un outil de gestion des fluctuations cycliques, pas une expérience de pensée de science-fiction sur des robots infinis. Le concept repose sur une économie de travail et de capital où la principale contrainte est de savoir dans quelle mesure les humains et leur équipement sont utilisés. Le terme "marge" désigne des travailleurs inactifs, des usines sous-utilisées et des voies de transport calmes, et non une superintelligence manquante.

Le PIB potentiel, l'ancre du déficit de production, provient de modèles qui estiment l'offre à long terme. Des institutions telles que le Bureau du budget du Congrès et le FMI mélangent généralement : - L'offre de travail : population, taux de participation à la force de travail, heures travaillées - Productivité du travail : production par travailleur ou par heure - Stock de capital et tendance de la productivité totale des facteurs

Selon ces méthodes, le PIB potentiel augmente lorsque plus de personnes travaillent, lorsque chaque travailleur produit plus par heure, ou lorsque de meilleures machines et processus améliorent l'efficacité. Une main-d'œuvre en déclin ou une productivité stagnante tirent le potentiel vers le bas, réduisant l'espace pour une croissance non inflationniste. Tout tourne autour du travail humain en tant que principal facteur et contrainte, c'est exactement pourquoi la réutilisation du terme « écart de production » pour un récit post-travail et piloté par l'IA modifie discrètement ce que le terme était censé décrire.

La nouvelle génération d'optimistes de l'IA de Silicon Valley a pris un terme poussiéreux de la macroéconomie et l'a transformé en slogan civilisationnel. Dwarkesh Patel et son entourage parlent de l'écart de production non pas comme d'une mesure à court terme pour les banquiers centraux, mais comme d'un grand diagnostic expliquant pourquoi l'IA n'a pas encore rendu tout le monde riche.

Dans la macroéconomie standard, le PIB potentiel découle de modèles de travail, de capital et de productivité, tandis que le PIB réel fluctue autour de celui-ci avec des récessions et des booms. La version de Patel remplace discrètement cela : la production potentielle devient « tout ce qu'une économie avec une AGI et des robots pourrait réaliser », tandis que la production réelle est ce que nos « institutions sclérosées » permettent à contrecœur.

Selon cette réinterprétation, la frontière n'est pas une estimation soigneuse du Bureau du budget du Congrès ou de la Réserve fédérale. C'est un monde imaginaire où des systèmes de niveau GPT-3 se transforment en ingénieurs, médecins et gestionnaires surhumains, et où le capital physique et l'énergie s'étendent presque sans friction.

L'histoire que Patel et d'autres racontent est simple et séduisante : l'IA nous offre déjà un travail cognitif presque illimité, donc la seule raison pour laquelle le PIB n'explose pas est que nous nous entravons nous-mêmes. Chaque retard, chaque permis et chaque réunion de comité deviennent la preuve d'un écart de production artificiellement énorme.

Des méchants communs apparaissent encore et encore. Les partisans de l'IA soulignent : - Des lois de permis byzantines qui peuvent retarder l'approbation d'une ligne de transmission pendant 10 à 15 ans - Des coûts de santé incontrôlables qui absorbent près de 18 % du PIB américain - Un développement de l'infrastructure glaciaire, où les grands projets ferroviaires ou de métro prennent régulièrement une décennie et dépassent les budgets

Repliquées ensemble, celles-ci deviennent une sorte de fan fiction macro. Si les régulateurs approuvaient les centrales nucléaires en quelques mois, si le zonage permettait un habitat dense, si les hôpitaux automatisaient la paperasse, soutient la foule de Patel, l'IA pourrait se traduire par une croissance de la productivité à deux chiffres chaque année.

Les références aux définitions traditionnelles, comme Qu'est-ce que l'écart de production ? - FMI Finances & Développement (Retour aux bases), disparaissent principalement dans ce discours. Au lieu de cela, « l'écart de production » devient un mème moral : nous pourrions tous être inimaginablement riches si nous cessons de nous mettre des bâtons dans les roues et laissons la technologie s'épanouir.

David Shapiro aborde ce débat sous un angle différent de celui de Dwarkesh Patel. Se décrivant comme un futuriste et un évangéliste de l'économie post-travail, Shapiro anime une chaîne YouTube qui considère l'IA non pas comme un outil de productivité, mais comme un solvant pour l'idée même de travail. Sa critique du cadre du manque de production de Patel découle de ce postulat plus radical.

Là où Patel parle encore de rendre les travailleurs plus productifs, Shapiro soutient que l'automatisation avancée rend le travail humain économiquement optionnel pour une grande part des tâches. Il cite les modèles de langage avancés, l'automatisation des processus robotiques et les véhicules autonomes comme des avertissements précoces que la "part du travail" n'est pas une loi de la nature. Pour lui, l'IA n'est pas un meilleur outil pour les travailleurs ; elle remplace les travailleurs en tant qu'élément économique central.

Shapiro s'appuie fortement sur des projections conventionnelles pour affirmer que ceci n'est pas de la science-fiction. McKinsey a estimé que l'automatisation pourrait remplacer ou transformer des activités professionnelles équivalentes à 400 à 800 millions d'emplois dans le monde d'ici 2030. Goldman Sachs prévoit que l'IA générative à elle seule pourrait automatiser jusqu'à 25 % des tâches professionnelles dans les économies avancées au cours de la prochaine décennie.

Ces chiffres alimentent ce que Shapiro appelle « Le Grand Découplage. » Historiquement, le PIB, l'emploi et les salaires médians évoluaient ensemble, du moins de manière vague. À mesure que les systèmes d'IA prennent en charge des tâches cognitives et manuelles, il s'attend à ce que le PIB continue de grimper tandis que le revenu total du travail stagne ou diminue en proportion de la production.

Dans ce cadre, les propos de Patel sur un « écart de production lié à l'IA » passent à côté de la réalité. Le véritable problème n'est pas un PIB non réalisé en raison de règles de zonage ou de retards de délivrance de permis. Le problème est que même un PIB pleinement réalisé peut ne plus se traduire par des salaires pour la plupart des humains.

Le prisme post-travail de Shapiro considère l'IA comme un choc de capital, et non comme un ajustement de productivité. Une fois que les entreprises peuvent déployer des travailleurs numériques à un coût marginal proche de zéro, le pouvoir de négociation penche de manière décisive en faveur des propriétaires de capital et de code. La véritable histoire macroéconomique devient celle de la distribution, et non celle de la production.

Utiliser un graphique de l'écart de production pour analyser l'IA, soutient David Shapiro, c'est comme utiliser un tournevis sur une poutre de pont. Vous pouvez faire tourner quelque chose, mais pas ce qui compte vraiment. Patel emprunte un outil conçu pour des cycles économiques de 2 à 8 ans et essaie de l'étendre sur un choc d'automatisation de 50 à 100 ans.

Les macroéconomistes définissent l'écart de production comme la différence à court terme entre le PIB réel et le PIB potentiel, généralement sous des hypothèses telles qu'une main-d'œuvre stable et un changement technologique modeste. Les banques centrales l'utilisent pour décider d'augmenter les taux, non pour prévoir la fin du travail salarié. Le point de Shapiro : cet ensemble d'outils suppose que le monde reste essentiellement centré sur le travail humain.

Une fois que les systèmes d'IA s'occupent de la plupart des tâches cognitives et que les robots gèrent la plupart des tâches physiques, Shapiro déclare que le « potentiel de production » cesse d'avoir un sens cohérent. Si vous pouvez déployer un million d'agents d'IA ou de travailleurs robots dans le cloud, quelle est exactement la contrainte de « potentiel » ? Le silicium, l'énergie et la bande passante comptent ; le taux de chômage humain ne compte pas.

Dans ce monde, l'ancienne fonction de production—la production comme une combinaison de travail et de capital—s'effondre en quelque chose comme « capital plus encore plus de capital. » La contribution marginale du travail tend vers zéro pour de nombreux secteurs. Parler d'un écart de production lorsque l'un des intrants a une offre effectivement infinie ressemble à une erreur de catégorie.

Les modèles d'écart de production supposent discrètement qu'après un choc, l'économie dérive de nouveau vers un équilibre où les travailleurs humains ancrent la production et les salaires ancrent la demande. Shapiro conteste entièrement cette destination. Pour lui, l'IA n'est pas une déviation par rapport à la tendance ; c'est un changement de régime qui efface la ligne de tendance.

Le cadrage de Patel implique un avenir où nous pourrions simplement « débloquer » du PIB supplémentaire en résolvant les goulets d'étranglement dans : - Les permis de construire - Les lignes de transmission - La régulation de la santé - La politique d'immigration

Shapiro répond qu même si vous veniez à résoudre ces goulets d'étranglement, l'histoire principale reste le découplage de la production des salaires humains. Le PIB agrégé pourrait être multiplié par 10 tandis que les salaires médians stagnent ou chutent.

Ainsi, l'argument devient moins une question de slack mal mesuré et davantage un échec d'imagination. Les économistes continuent de tracer de nouvelles encoches sur une vieille carte, supposant que la côte s'étend juste au-delà du bord. Shapiro insiste sur le fait que la côte se termine ; au-delà se trouve une économie automatisée qui nécessite de nouvelles coordonnées, et non un écart de production simplement re-nommé.

Les débats sur les résultats se focalisent généralement sur l’augmentation du PIB ; Shapiro s’intéresse à qui le découpe. Son approche post-travail part de la distribution, et non de la production : si l'IA et les robots effectuent la majorité des tâches, alors les salaires cessent de jouer le rôle principal qui relie la production à la vie des gens ordinaires.

Selon la vision de Shapiro, la question clé devient la propriété : qui contrôle le capital AI et robotique qui générera la richesse du XXIe siècle ? Si une poignée d'entreprises possède des modèles fondamentaux, des centres de données et des flottes de robots, elles peuvent capter la majeure partie du surplus, même si le PIB double ou triple.

L'histoire économique offre déjà un avertissement. De 1979 à 2020, la productivité du travail aux États-Unis a augmenté d'environ 70%, tandis que la rémunération horaire médiane n'a grimpé que d'environ 17%, signe que les gains peuvent se détacher des rémunérations. Shapiro soutient que l'hyper-automatisation, associée à une concentration de la propriété de l'IA, pourrait amplifier cette divergence.

Imagine un monde où l'écart de production, dans le sens classique, se situe près de zéro : les usines fonctionnent à pleine capacité, les réseaux logistiques tournent comme une horloge, les systèmes d'IA conçoivent et optimisent tout. Vous pouvez avoir une pleine utilisation de la capacité productive et néanmoins enfermer des dizaines ou des centaines de millions de personnes dans un pouvoir économique réduit si elles n'ont pas de droits sur le capital qui réalise le travail.

La critique de Shapiro à l'égard de Dwarkesh Patel se concentre ici : se concentrer sur "le comblement de l'écart de production" ressemble à un problème d'optimisation technocratique, et non à un combat sur la politique économique. Il soutient que ce que Patel appelle des "goulots d'étranglement" fonctionnent souvent comme des structures de pouvoir délibérées qui protègent les acteurs en place plutôt que comme des frictions neutres à éliminer par l'ingénierie.

Le logement, les soins de santé et l'éducation aux États-Unis illustrent bien ce fonctionnement. Les commissions de zonage, les cartels de licences médicales et les organismes d'accréditation ne ralentissent pas seulement la croissance ; ils préservent le pouvoir de négociation et la valeur des actifs des initiés. Dans un monde post-travail, des gardiens similaires pourraient se former autour du calcul d'IA, de l'accès aux données et des droits de déploiement.

Shapiro avertit que le capitalisme de l'IA pourrait se transformer en un petit club qui possède les poids des modèles, les usines et les plateformes cloud, tandis que tout le monde louerait l'accès selon leurs conditions. Dans ce régime, les statistiques de production pourraient sembler excellentes, mais le pouvoir politique et la sécurité économique se concentreraient dans une tranche étroite d'actionnaires et de dirigeants.

Pour les lecteurs qui souhaitent la base orthodoxe sur laquelle Patel s'appuie, Comprendre le PIB potentiel et l'écart de production – Banque de la Réserve fédérale de St. Louis explique comment les macroéconomistes utilisent normalement ce concept. Le point de Shapiro est que même si vous maîtrisez cette mesure, vous pouvez toujours échouer vis-à-vis de la société si vous ignorez à qui appartiennent les machines.

L'optimisme techno-optimiste de la lutte contre les goulets d'étranglement semble concret : déréglementer l'énergie, augmenter la densité du logement, rasé les règles "NIMBY", et regarder la prospérité de l'ère de l'IA déborder sur tout le monde. Cette histoire suppose un monde où la plupart des gens gagnent encore leur vie en vendant leur travail sur les marchés. David Shapiro soutient que cette hypothèse s'effondre au moment où l'automatisation engloutit l'essentiel du travail rémunéré.

Éliminez les réglementations de zonage et les études environnementales, et les centrales à fusion gérées par l'IA et les modèles d'optimisation de réseau pourraient inonder le système de puissance bon marché. Assouplissez les codes de construction et les permis, et des nuées de robots de construction peuvent imprimer des tours d'appartements à une fraction du coût actuel. Pourtant, rien de tout cela ne garantit que les non-propriétaires obtiennent quoi que ce soit au-delà de quelques prix légèrement inférieurs.

Le point de Shapiro est clair : sans nouveaux mécanismes de distribution, les gains de productivité s'accumulent là où se trouve la propriété. Si le capital possède la terre, les robots, les ensembles de données et les modèles, le capital capte presque tout le surplus. La déréglementation n'accélère que le transfert de valeur vers une part de plus en plus mince des bilans.

Imaginez une ville où les systèmes de construction par IA réduisent les coûts de construction de 80 %. Les promoteurs déploient des équipes de robots, génèrent des conceptions paramétriques avec des modèles de classe GPT-4, et terminent les tours en quelques semaines, et non en plusieurs années. Les loyers suivent toujours ce que le marché peut supporter, car les locataires n'ont aucun pouvoir de négociation et pas d'alternative.

Poussez ce scénario plus loin dans une économie post-travail. Supposons que 40 à 60 % des emplois actuels disparaissent en raison de l'automatisation, et que les salaires médians stagnent ou chutent. Même si les coûts du logement par unité s'effondrent, des millions de personnes avec peu ou pas de revenus ne peuvent pas payer les loyers du marché à un prix qui satisfasse les rendements requis par les investisseurs.

À ce moment-là, le problème passe de l'offre à la demande et l'accès. Vous pouvez avoir un surplus de logements, d'énergie et de biens, pourtant des unités vides, une capacité inoccupée et une classe sociale défavorisée définitivement exclue en raison de ses soldes bancaires. Les marchés ne traduisent pas automatiquement l'abondance technique en utilisation universelle lorsque le pouvoir d'achat se concentre.

Se concentrer sur les "frictions" telles que le zonage ou les permis traite la crise comme un problème de plomberie, et non comme un problème constitutionnel. Shapiro soutient qu'un monde post-travail, guidé par l'IA, exige un nouveau contrat social—participations publiques, dividendes universels ou autres systèmes qui déconnectent l'accès de base des salaires—plutôt que de simples moyens plus rapides d'enrichir les détenteurs d'actifs.

Shapiro ne se contente pas de rejeter l'histoire du déficit de production de Dwarkesh Patel ; il remplace par un autre système d'exploitation. Sa économie post-travail postule qu'à la moitié du siècle, l'automatisation et les agents d'IA accomplissent la plupart des travaux économiquement valorisables, détachant la production des emplois et des salaires humains. Une fois cela arrivé, il soutient que les leviers traditionnels comme les politiques du marché du travail ou les ajustements fiscaux marginaux cessent de gouverner le navire.

Au lieu de se concentrer sur le PIB, Shapiro se penche sur la question de savoir si les gens peuvent accéder de manière fiable à ce qu'il appelle les « prérequis matériels pour l'épanouissement humain. » Il suppose que l'IA avancée, la robotique et l'énergie abondante peuvent rendre la nourriture, le logement et les services peu coûteux à l'unité. La partie difficile consiste à intégrer ces capacités dans un système qui ne laisse pas les humains à l'écart de la production automatisée.

Sa réponse commence par la Pyramide de la Prospérité, une architecture en couches pour un filet de sécurité post-travail. À la base se trouvent des services publics universels : accès garanti au logement, à la nourriture, aux soins de santé, à l'éducation et à la connectivité, fournis par des prestataires publics ou coopératifs hautement automatisés. Au-dessus de cela, des actifs détenus collectivement — fonds souverains, trusts de données publiques, modèles d'IA nationaux — capturent les rentes d'automatisation.

À la couche supérieure, Shapiro place des flux semblables à des liquidités : un revenu de base universel et des dividendes sociaux financés par ces actifs partagés. Au lieu d'une aide sociale soumise à des conditions de ressources, tout le monde reçoit une part des retours provenant de l'IA, des robots, des terres et des infrastructures qui nécessitent de moins en moins de travail humain. Il cite le fonds pétrolier de la Norvège et le dividende du fonds permanent d'Alaska comme une preuve primitive mais réelle que la propriété d'actifs à l'échelle nationale peut générer des chèques annuels.

La prospérité à elle seule ne résout pas le pouvoir, il l'associe donc à une Pyramide de Pouvoir visant à bloquer la capture par l'élite. À la base : une transparence radicale pour les institutions publiques et les grands systèmes d'IA, y compris des journaux ouverts, des données d'entraînement auditées et des pipelines de décision explicables. Il souhaite des chiens de garde automatisés : des systèmes d'IA qui surveillent en permanence la corruption, la collusion et la capture réglementaire.

Au-dessus de cela, Shapiro esquissera les outils de démocratie directe et de démocratie liquide : le vote cryptographiquement sécurisé, les assemblées citoyennes, et les référendums contraignants sur les décisions majeures concernant l'IA et les infrastructures. Au sommet, se trouvent des contraintes constitutionnelles sur la concentration de la propriété et l'infrastructure critique à code source fermé, appliquées à la fois par des tribunaux humains et des agents de conformité automatisés.

Empilées, ces pyramides ressemblent à tout sauf au modèle de « libération de la production » de Patel, qui consiste à déréglementer le logement, l'énergie et la biotechnologie pour laisser le PIB s'envoler. Shapiro soutient que dans un monde où l'IA peut déjà écrire du code, concevoir des médicaments et gérer des usines, une production accrue sans nouveaux mécanismes de propriété et de gouvernance ne fait qu'accélérer l'inégalité.

Deux futurs radicalement différents se profilent derrière ce débat pointu sur l'écart de production. Dwarkesh Patel imagine une économie qui semble globalement familière : les gens ont toujours des emplois, les entreprises continuent d'embaucher, et l'IA agit comme un multiplicateur de force qui augmente la productivité dans des secteurs allant des logiciels à la logistique en passant par la biotechnologie.

Dans le cadre de Patel, le problème est le frottement. Les règles de zonage freinent le logement, l'examen environnemental ralentit les projets énergétiques, la réglementation sanitaire bloque la télémédecine et les lois sur les licences obsolètes limitent la mobilité du travail. En éliminant ces goulets d'étranglement, une main-d'œuvre propulsée par GPT-3, ainsi que les futurs modèles de pointe, pourrait rapprocher le PIB réel de son PIB « potentiel », dans le sens classique du terme écart de production – Wikipédia.

David Shapiro soutient que le récit sous-estime gravement ce que l'automatisation accomplit réellement. Dans sa perspective d'économie post-travail, l'IA et la robotique ne se contentent pas d'augmenter la production par travailleur ; elles effacent progressivement le besoin de travailleurs dans des domaines tels que la conduite, le support client, la rédaction de code, et même dans des secteurs créatifs.

Une fois que les machines exécutent la plupart des tâches économiquement précieuses, le lien étroit entre travail et survie se rompt. Le PIB peut augmenter de 50 %, 100 % ou 500 % tandis que les salaires médians stagnent ou chutent, car les propriétaires de capitaux captent presque tous les bénéfices et des millions de travailleurs déplacés manquent de pouvoir de négociation sur tout marché du travail qui existe encore.

Cet avenir exige de nouvelles institutions, pas seulement une déréglementation. Shapiro évoque des mécanismes tels que : - Un revenu de base universel ou conditionnel - Des fonds souverains détenant des participations dans l'intelligence artificielle et la robotique - La propriété publique ou coopérative des infrastructures automatisées clés

Le cadre que vous adoptez détermine silencieusement ce que vous considérez comme le "vrai" problème. Si vous adhérez à la vision de Patel, vous privilégiez des autorisations plus rapides, une énergie moins chère et des règles de logement assouplies pour débloquer la croissance. Si vous adoptez celle de Shapiro, vous priorisez le pouvoir, la propriété et la distribution, car sans cela, combler tout écart de production ne fait que créer une économie plus riche dans laquelle la plupart des gens ne peuvent pas se permettre de vivre.

Le discours sur l'écart de production peut sembler technique et sérieux, mais il élude la seule question qui compte dans un monde riche en IA : qui possède les machines qui effectuent le travail. Le cadrage de Dwarkesh Patel sur l'écart de production se focalise sur un PIB non réalisé, comme si la tragédie de l'IA était que nous laissons quelques points de pourcentage de croissance sur la table. Le propos de David Shapiro va plus loin : si l'IA peut presque tout faire, le combat ne porte pas sur la production, mais sur la propriété.

Commencez par les questions de base que Shapiro continue de poser. Si un ensemble de modèles de pointe et de robotique bon marché peut, en principe, générer 5 à 10 fois le PIB actuel, le problème actuel devient : qui capte cet excédent ? L'histoire suggère une réponse : au cours des 40 dernières années, la part des revenus du travail aux États-Unis est passée d'environ 65 % à environ 57 %, tandis que la productivité et les bénéfices ont grimpé en flèche.

Le cadre de Shapiro pose trois questions plus difficiles qui rendent les graphiques de l'écart de production presque désuets :

• 1Comment allons-nous distribuer l'abondance lorsque les salaires ne seront plus le point d'ancrage des revenus de la plupart des gens ?
• 2Qui conçoit, possède et régule les algorithmes qui attribuent le crédit, les emplois, le logement et l'attention politique ?
• 3Qu'est-ce qui devient la base de la valeur humaine lorsque "que faites-vous ?" cesse de signifier "pour quoi êtes-vous payé ?" ?

La distribution signifie plus que de simplement saupoudrer un revenu de base universel. Les systèmes d'IA comme GPT-4, Midjourney et Claude compressent déjà l'ensemble des marchés du travail créatifs et analytiques en appels API détenus par quelques entreprises. Sans de nouveaux mécanismes—fiducies de données publiques, fonds de richesse sociale ou participations obligatoires—ces API deviennent des collecteurs d'impôts privés sur tout ce qui est automatisé.

La gouvernance ne peut pas non plus rester une réflexion après coup. Les moteurs de recommandation façonnent déjà les élections et la santé mentale ; les modèles de base formés sur des milliards de documents recueillis codifient discrètement les structures de pouvoir de 1950 à 2020. Confier cet ensemble à quelques conseils d'administration et fonds de capital-risque tout en discutant d'un écart de production hypothétique de 3 % frôle la négligence.

La critique de Shapiro n'est pas une simple correction macro pédante ; c'est une sonnette d'alarme. Continuez à parler de « combler l'écart de production » et vous normalisez un avenir où l'IA génère l'abondance que la plupart des gens vivent uniquement comme de la précarité et du contrôle. Modifiez la question en termes de propriété, sinon quelqu'un d'autre y répondra pour vous.

Quel est le "écart de production" dans le contexte du débat sur l'IA ?

Dans les discussions sur l'IA, l'« écart de production » fait référence à la différence entre le potentiel GDP immense que l'IA avancée pourrait créer et le GDP réel, plus bas, que nous atteignons en raison de goulots d'étranglement tels que la réglementation, l'infrastructure et le frein institutionnel.

Pourquoi David Shapiro critique-t-il ce cadrage ?

Shapiro soutient que l'« écart de production » est un outil macroéconomique à court terme inadapté pour analyser le changement structurel à long terme vers une économie post-travail. Il estime qu'il détourne l'attention des problèmes fondamentaux de répartition de la richesse et de concentration du pouvoir dans un monde automatisé.

Qu'est-ce que l'économie post-travail ?

L'économie post-travail est un cadre d'analyse d'une économie où le travail humain n'est plus le principal moyen de production ou de distribution des revenus. Elle se concentre sur de nouveaux systèmes tels que le revenu de base inconditionnel, la propriété des biens publics et la gouvernance pour une société d'abondance automatisée.

Que propose Shapiro au lieu de se concentrer sur l'écart de production ?

Il propose de déplacer l'attention de la maximisation de la production globale vers la redéfinition des structures sociales. Cela comprend la mise en place d'un revenu de base/un dividende universel, la création d'actifs détenus collectivement, et le développement de nouvelles formes de gouvernance démocratique pour gérer le capital automatisé.