L’automatisation par intelligence artificielle (IA) est souvent présentée comme une décision technique : une entreprise repère une tâche répétitive, la confie à un modèle ou un agent, réduit ses coûts et gagne en efficacité. Cependant, une nouvelle étude académique propose une lecture plus problématique pour le secteur technologique : le problème ne résiderait pas dans une mauvaise utilisation de l’IA par les entreprises, mais dans leur utilisation conforme à leurs intérêts à court terme.

L’étude The AI Layoff Trap, réalisée par Brett Hemenway Falk de l’Université de Pennsylvanie et Gerry Tsoukalas de l’Université de Boston, modélise une économie en transition vers l’automatisation par IA. Leur hypothèse est claire : lorsque de nombreuses entreprises substituent simultanément des travailleurs par des systèmes automatisés, chacune récolte le gain, mais aucune n’assume entièrement la demande qu’elle détruit en supprimant des salaires. Cette différence engendre une course à l’automatisation potentiellement rationnelle pour chaque compagnie, mais néfaste pour l’ensemble.»

Le problème ne réside pas dans le modèle, mais dans le marché

Le débat public autour de l’IA et de l’emploi se concentre souvent sur la capacité des modèles à remplacer des tâches humaines. L’article élargit la question : même si l’IA fonctionne, même si elle augmente la productivité et réduit les coûts, une « trap » (piège) peut apparaître si les salariés déplacés ne trouvent pas rapidement de nouvelles sources de revenus.

Dans cette situation, les employés licenciés ne sont pas seulement une ligne de coût supprimée. Ils étaient aussi des consommateurs : achetant des produits, payant des services, souscrivant à des abonnements, voyageant, finançant des hypothèques ou consommant de la technologie. Si une entreprise licencie, l’impact sur la demande se répartit sur tout le marché. Si plusieurs le font simultanément, cette baisse peut devenir systémique.

Ce mécanisme ressemble à un bug d’incitations. Pour une entreprise isolée, automatiser peut être rationnel. Pour toutes, en revanche, cela peut s’avérer destructeur si la croissance de nouvelles tâches et de nouveaux emplois ne suit pas le rythme de l’automatisation. Le modèle montre que connaître cette dynamique ne suffit pas : les entreprises ont encore des incitations fortes à automatiser, car ne pas le faire pourrait leur faire perdre des marges face à la concurrence.

L’importance accrue de l’IA agentique dans ce contexte

L’affirmation devient encore plus pertinente avec l’émergence de l’IA agentique. Si un chatbot classique pouvait aider à rédiger, résumer ou répondre, un agent peut réaliser une série d’actions : lire des référentiels, exécuter des tâches, coordonner des outils, appeler des API, préparer des documents, traiter des tickets, revoir des contrats ou automatiser des flux entiers. La substitution ne concerne plus seulement des tâches isolées, mais des enchaînements complets de travail.

Cela change l’échelle du défi. Alors que l’automatisation était lentement coûteuse et imparfaite, le marché de l’emploi pouvait absorber ces chocs sur le temps. Avec les agents IA, la déploiement peut s’accélérer considérablement. Un fournisseur SaaS peut réduire ses support client, une fintech automatise la révision documentaire, une société de conseil peut produire des livrables avec moins d’analystes, une équipe de développement peut livrer davantage avec moins de profils juniors.

Le rapport ne suggère pas que toute automatisation soit néfaste. Il reconnaît, au contraire, que historiquement, la technologie a permis la création de nouvelles tâches et des emplois. La différence réside dans l’allure du changement : si la vitesse de création de nouveaux emplois est inférieure à celle de l’automatisation, la croissance de la productivité peut s’accompagner d’un affaiblissement de la demande.

Le dilemme du prisonnier pour les entreprises technologiques

La partie la plus critique du modèle apparaît lorsque l’automatisation devient peu coûteuse et facile à déployer. La situation approche alors d’un dilemme du prisonnier. Si toutes les entreprises automatisent, elles peuvent préserver une demande plus forte. Mais chaque société a aussi intérêt à automatiser en premier pour tirer un avantage à court terme.

Si une entreprise choisit de ne pas licencier alors que ses concurrents le font, elle peut être désavantagée en coûts. Si toutes automatisent, aucune n’obtient d’avantage stratégique durable, mais toutes participent à un effritement collectif de la base de consommateurs. Selon le modèle, cela peut conduire à une perte nette où employés et propriétaires sont plus mal lotis qu’en situation de coordination optimale.

La compétition, qui dans de nombreux marchés permet de discipliner les prix et d’améliorer l’efficience, amplifie ici le problème. Plus il y a d’acteurs concurrents, plus la part de demande qu’ils internalisent diminue. En monopolisation, l’entreprise supporterait intégralement la chute de demande qu’elle provoque. Sur un marché fragmenté, chaque société peut croire que sa contribution au déclin est marginale.

Les solutions classiques ne résolvent pas le bon levier

L’étude examine plusieurs mesures connues : revenu de base universel, taxe sur le capital, participation des salariés aux bénéfices, requalification, accords entre entreprises et négociation privée. Elle conclut que beaucoup peuvent atténuer le dommage social, mais ne corrigent pas l’incitation à automatiser excessivement.

Par exemple, la rente de base peut soutenir le revenu et la demande, mais ne modifie pas la décision stratégique de l’entreprise lorsqu’elle remplace une tâche humaine par une IA. Une taxe sur les bénéfices ne modifie pas forcément cette décision, puisqu’elle frappe le résultat global, pas la marge spécifique d’automatisation.

Le seul outil permettant de corriger la distorsion dans le modèle est une taxe pigouvienne sur l’automatisation : une taxe par tâche automatisée équivalente à la part de demande que l’entreprise détruire et qu’elle n’assume pas. La logique s’apparente à celle d’une taxe environnementale : si une décision privée engendre un coût externe, la politique publique doit l’intégrer.

Le défi pratique majeur : mesurer ce qu’est l’automatisation

La proposition est élégante sur le plan conceptuel, mais difficile à mettre en œuvre. Qu’est-ce qui constitue une tâche automatisée ? Un agent qui assiste ou qui remplace ? Un outil qui augmente la productivité ou qui supprime un poste entier ? Comment évaluer la demande perdue si le travailleur trouve un autre emploi après six mois ? Que faire si une entreprise automatise dans un pays et vend dans un autre ?

Ces questions sont cruciales car la véritable automate par IA ne se manifeste pas toujours sous la forme d’un robot visible ou de remplacement direct. Souvent, il s’agit d’une amélioration logicielle, d’une nouvelle fonction SaaS, d’une intégration à un modèle, d’un agent interne ou d’une réduction future de recrutement. Il est plus simple de mesurer les licenciements que de comptabiliser les postes qui n’ont jamais été créés.

C’est pourquoi, plus que comme une recette immédiate, la taxe proposée doit être perçue comme un signal de conception : si les entreprises ne paient pas pour l’externalité de la demande qu’elles génèrent, elles peuvent automatiser au-delà du niveau optimal. La politique pourrait prendre d’autres formes, mais elle devrait agir sur le levier de décision, pas seulement compenser les dommages a posteriori.

Les implications pour le secteur technologique

Pour l’industrie tech, cette analyse pose une question dérangeante : si l’automatisation détruit la narration idéologique du secteur selon laquelle celle-ci crée des nouveaux marchés, de nouveaux emplois et une meilleure productivité, alors que la transition pourrait produire des coûts si elle est trop rapide et sans mécanismes d’insertion.

Le risque est particulièrement élevé dans les domaines où la IA remplace des emplois cognitifs peu qualifiés. Si de nombreux postes juniors en programmation, support, analyse, marketing, opérations ou service client disparaissent rapidement, le marché ne perd pas seulement des emplois. Il peut aussi perdre des voies d’apprentissage, de promotion interne et de renouvellement des talents.

La question pour les entreprises tech n’est pas de savoir si elles doivent utiliser l’IA, mais comment éviter que son adoption ne devienne une course au licenciement sans plan de transition. Chaque automatisation individuelle peut se justifier, mais le problème surgit quand des milliers d’entreprises font la même chose simultanément.

Une mise en garde pour investisseurs et dirigeants

L’étude a aussi une lecture financière. Si une entreprise annonce davantage d’automatisation, le marché peut récompenser cette réduction des coûts. Mais si tout le secteur suit cette voie, la demande globale peut se réduire, créant ainsi un risque pour les investisseurs : confondre amélioration de marges individuelles et croissance durable de l’économie.

Dans les secteurs du logiciel, du commerce, des services numériques ou de consommation, la demande dépend principalement des revenus des ménages. Automatiser peut améliorer l’EBITDA à court terme, mais avec un marché de l’emploi dégradé, les abonnements, achats, renouvellements ou autres formes de consommation peuvent se tarir. La relation entre IA et demande ne se dément pas.

Pour les dirigeants, la recommandation est d’évaluer l’automatisation à travers des indicateurs plus globaux : coût par tâche, qualité, impact client, risque pour la réputation, capacité d’intégration interne et effets sur le talent. Toute réduction de personnel n’est pas forcément synonyme d’efficience durable.

Le modèle ne prédit pas la fin de l’économie

Il convient de préciser que The AI Layoff Trap ne démontre pas que l’économie va s’effondrer inévitablement à cause de l’IA. Il montre qu’une trappe à sur-automatisation peut apparaître sous certains hypothèses. Si les salariés déplacés trouvent de nouveaux emplois de qualité, si l’IA génère de nouvelles tâches, si la croissance des salaires s’équilibre sans appauvrir la majorité ou si des politiques redistributives efficaces sont mises en place, le scénario peut différer.

Mais cette mise en garde doit être prise en considération, car elle dépasse la crainte générique face à la technologie : elle indique que l’automatisation peut détruire une partie de la demande qui soutient même la croissance des entreprises si la transition n’est laissée qu’à des incitations privées.

L’enjeu pour le secteur technologique est donc aussi d’ordre économique : si une technologie permet de produire davantage avec moins d’emplois, qui aura alors assez de revenus pour acheter ce qui est produit ?

L’IA peut être un levier exceptionnel de productivité. Mais la seule productivité sans demande effectue une capacité inutilisée. Le rapport de Falk et Tsoukalas rappelle que l’économie ne se brise pas lorsqu’une entreprise automatise une tâche, mais lorsqu’un grand nombre d’entre elles le font simultanément, en suivant la même logique rationnelle et sans mécanisme pour préserver la base de consommateurs.

Foire aux questions

Qu’y a-t-il dans The AI Layoff Trap ?

Il propose un modèle où, face à une rationalité d’entreprise qui optimise l’automatisation pour réaliser des économies, celles-ci ne prennent en charge qu’une partie de la demande qu’elles détruisent en déplaçant des salariés.

Cela prédit-il un effondrement économique ?

Non. Il s’agit d’un modèle théorique avec des hypothèses précises. Son intérêt est de montrer qu’un risque d’incitation à une sur-automatisation existe si la capacité de réabsorption du marché de l’emploi est dépassée.

Pourquoi la question concerne-t-elle particulièrement l’IA agentique ?

Parce que ces agents peuvent automatiser des flux complets de travail, pas seulement des tâches isolées, ce qui peut accélérer la suppression d’emplois ou réduire la future embauche dans de nombreux secteurs.

Quelle solution le modèle propose-t-il ?

L’instrument théorique est une taxe pigouvienne sur l’automatisation : une taxe par tâche automatisée équivalente à la part de demande qu’elle détruit et qu’elle ne prend pas en charge. La logique est proche d’une taxe environnementale : si une décision privée engendre un coût externe, la politique doit l’intégrer.