Économie de l'IA 8 min de lecture

Investissement dans l’IA et productivité mesurée : ce que disent les données publiées en août 2026

L’Office for National Statistics britannique a publié le 24 août 2026 une refonte de sa mesure de l’investissement en infrastructures numériques. L’exercice est technique, mais il touche une question que tout comité de direction se pose : l’argent engagé dans l’intelligence artificielle produit-il un effet visible dans les comptes ? Rapprochée de deux travaux de recherche récents, cette publication dessine un tableau moins tranché que les discours de marché, et plus utile pour décider.

Ce que l’ONS a publié le 24 août

Une redéfinition de la mesure avant une révision des chiffres

Le document s’intitule « Redefining investment in digital infrastructure in the UK: 2026 ». Il porte un statut explicite : official statistics in development, c’est-à-dire des statistiques officielles encore en développement. L’ONS assortit la publication d’un avertissement sans ambiguïté — ces données « should not be used for policy- or decision-making » et appellent à la prudence. C’est une précaution à reprendre, et non un motif d’écarter le travail.

Le point de départ est un problème de comptabilité nationale. La mesure usuelle de l’investissement en infrastructures numériques ne capte qu’une partie des dépenses réelles, parce qu’elle laisse de côté des actifs qui pèsent aujourd’hui lourd : bâtiments et structures accueillant des centres de données, logiciels et bases de données, licences d’utilisation du spectre radioélectrique. L’ONS propose une définition élargie intégrant les activités de télécommunications et de traitement de données, et remonte la série jusqu’à 1997.

Ce que montrent les chiffres

L’écart entre les deux méthodes est considérable. Pour 2025, la définition élargie aboutit à environ 11,2 milliards de livres d’investissement en infrastructures numériques, contre 3,6 milliards selon la méthodologie actuelle. Sur la période 2020-2025, 77,6 % de cet investissement se concentre sur deux postes seulement : logiciels et bases de données d’une part, autres bâtiments et structures et coûts de transfert d’autre part. Cette seconde classe d’actifs — qui regroupe notamment les bâtiments de centres de données, la fibre optique et les stations de base — est la plus importante de toutes, à 5,6 milliards de livres en 2025, et l’ONS relève qu’elle a progressé de 83,8 % depuis le début de la pandémie de 2020. L’institut ne publie pas de taux de croissance isolé pour les seuls centres de données.

Reprenant les mêmes données, le quotidien économique City A.M. du 24 août souligne que l’investissement en infrastructures numériques est passé d’environ 6,3 milliards de livres en 2019 à près de 11,6 milliards en 2024 selon la définition élargie — un quasi-doublement en cinq ans. Deux précautions s’imposent toutefois : ce chiffre de 2019 n’est pas énoncé tel quel dans l’article de l’ONS, et le total 2025 (11,2 milliards) est légèrement inférieur à celui de 2024. La trajectoire de fond est très nettement ascendante, mais elle n’est pas linéaire.

Deux enseignements en découlent pour un dirigeant. D’abord, la vague d’investissement dans l’infrastructure de l’IA est réelle et massive, y compris en Europe, et pas seulement aux États-Unis. Ensuite, une part importante de cet effort n’apparaissait pas dans les statistiques usuelles : les comparaisons internationales d’effort d’investissement numérique publiées avant cette révision sont à manier avec prudence.

Le décalage avec la productivité mesurée

Ce que déclarent près de 6 000 dirigeants

Le contraste apparaît lorsqu’on regarde ce que les entreprises constatent. Le document de travail Firm Data on AI (NBER Working Paper 34836, février 2026, révisé en mars 2026), signé notamment par Nicholas Bloom et Steven J. Davis (Stanford), Jose Maria Barrero (ITAM), Ivan Yotzov et Philip Bunn (Bank of England) et plusieurs économistes de la Réserve fédérale d’Atlanta, agrège quatre enquêtes d’entreprises : la Survey of Business Uncertainty aux États-Unis (novembre 2025), le Decision Maker Panel au Royaume-Uni (fin 2025 et début 2026), le Bundesbank Online Panel-Firms en Allemagne (janvier 2026) et la Business Outlook Scenarios Survey en Australie (décembre 2025). Au total, près de 6 000 dirigeants d’entreprise.

Les résultats sont nets. L’adoption est déjà large : 69 % des entreprises utilisent activement l’IA — 78 % aux États-Unis, 71 % au Royaume-Uni, 65 % en Allemagne, 59 % en Australie — et 75 % prévoient de le faire d’ici trois ans. Mais l’effet mesuré sur les trois années écoulées est faible : les auteurs estiment le gain moyen de productivité à 0,29 % et jugent l’effet sur l’emploi « pour l’essentiel nul », les estimations nationales s’échelonnant de -0,14 % au Royaume-Uni à +0,32 % en Australie. Plus précisément, 89 % des répondants déclarent aucun impact de l’IA sur la productivité du travail dans leur propre entreprise, et plus de 90 % aucun impact sur leurs effectifs au cours des trois dernières années.

Ce chiffre de 89 à 90 % circule beaucoup depuis quelques semaines sous une formulation approximative — « 90 % des dirigeants estiment que l’IA n’a pas amélioré la productivité ». La nuance importe : il s’agit d’un constat rétrospectif sur trois ans, non d’un pronostic. Les mêmes dirigeants anticipent en effet, pour les trois années à venir, un gain de productivité de 1,4 %, une hausse de production de 0,8 % et une baisse d’effectifs de 0,7 %.

Des économistes en désaccord sur l’ampleur de l’effet

Cette prudence se retrouve dans le débat macroéconomique britannique rapporté par City A.M. Les estimations divergent fortement : la Resolution Foundation évalue la croissance de la productivité à 1,1 % par an depuis la fin 2024, quand l’ONS retient 0,2 % ; Morgan Stanley mesure 1,8 % sur douze mois pour le secteur privé au deuxième trimestre 2026. Le cabinet Pantheon Macroeconomics, sous la plume de Rob Wood et Elliott Jordan-Doak, se montre le plus réservé et estime qu’il existe « peu de preuves » que l’IA augmente la production par heure travaillée, en s’appuyant précisément sur le fait que la majorité des entreprises déclarent l’absence d’impact matériel sur leurs effectifs.

Un écart de un à neuf entre estimations sérieuses sur la même économie et la même période dit quelque chose d’important : à ce stade, l’effet de l’IA sur la productivité agrégée n’est pas mesuré de façon fiable. Toute affirmation catégorique dans un sens ou dans l’autre — « l’IA transforme déjà la productivité » comme « l’IA ne produit rien » — dépasse ce que les données autorisent.

Le coût social du raccourci « investissement IA donc réduction d’effectifs »

Un troisième travail éclaire le versant humain. Yuye Ding et Mark (Shuai) Ma (Katz Graduate School of Business, University of Pittsburgh), Jun Wu (Michigan State University) et Yucheng Yang (Chinese University of Hong Kong) ont analysé, dans une étude mise en ligne en mai 2026 et révisée le 11 juin 2026, de larges corpus d’avis de salariés publiés sur Glassdoor, de déclarations de dirigeants en conférences de résultats, de profils LinkedIn et d’offres d’emploi, sur la période 2021-2025.

Leurs constats principaux : le sentiment des salariés à l’égard de l’IA est nettement plus pessimiste que leur appréciation générale de leur entreprise, la crainte pour la sécurité de l’emploi dominant les commentaires négatifs ; il existe une association marquée entre ce sentiment et la productivité de l’entreprise ; l’optimisme affiché par les directions en conférences de résultats, lui, ne se traduit pas dans les performances constatées. Les auteurs relèvent également que les salariés dotés de compétences en IA bénéficient d’une prime salariale et d’une progression de carrière plus rapide, mais que les entreprises comptant davantage de salariés dotés de compétences en IA connaissent un turnover plus élevé, un taux d’embauche plus faible et une croissance des effectifs plus lente.

Dans une tribune publiée le 12 août 2026 sur The Conversation, et largement republiée depuis, Mark Ma tire de ces travaux une conclusion managériale : présenter des suppressions de postes comme la conséquence d’un investissement dans l’IA dégrade le sentiment des équipes restantes et, par ce canal, la productivité que l’investissement était censé produire. Il note par ailleurs que la réaction boursière aux annonces de licenciements justifiés par l’IA est proche de zéro — le marché ne récompense pas le geste.

Cette tribune est un texte d’opinion signé par l’un des auteurs de l’étude, et non une confirmation indépendante. Ses nombreuses reprises dans la presse économique, jusqu’à Fortune le 22 août, sont des republications du même texte sous licence Creative Commons et non des analyses distinctes. La tribune vaut pour l’interprétation qu’elle propose, pas comme preuve supplémentaire.

Ce qu’il faut faire

Pour un dirigeant ou un DRH français, quatre orientations se dégagent de ces publications.

Instrumenter la mesure avant d’annoncer des gains. Les trois quarts des dirigeants interrogés prévoient d’utiliser l’IA d’ici trois ans, mais la quasi-totalité ne constate rien à ce jour. La différence entre les entreprises qui sauront le dire et celles qui ne sauront pas tient à la définition, en amont du déploiement, d’un petit nombre d’indicateurs mesurables : temps de traitement d’un dossier, taux de reprise, délai de réponse, volume traité à effectif constant. Sans point de départ, il n’y aura pas de démonstration de retour sur investissement — seulement des affirmations.

Dissocier explicitement le plan IA du plan d’effectifs. L’étude de Pittsburgh donne un argument documenté à opposer en comité de direction au raccourci « nous investissons dans l’IA, donc nous réduisons les effectifs ». Si une réorganisation est nécessaire, elle mérite d’être motivée pour elle-même ; l’adosser à l’IA fragilise l’adhésion des équipes qui restent, et donc le rendement de l’outil.

Traiter le sentiment des équipes comme une variable de performance. La corrélation relevée entre attitude des salariés vis-à-vis de l’IA et productivité de l’entreprise justifie d’inclure une mesure de perception dans le pilotage du déploiement, au même titre que les indicateurs d’usage. Une adoption forcée sur des équipes inquiètes coûte plus cher qu’elle ne rapporte.

Réviser les hypothèses de coût des business cases. L’ampleur de l’investissement en infrastructure que révèle l’ONS rappelle que le coût unitaire de l’IA dépend d’une chaîne physique — centres de données, capacité de calcul, énergie — dont rien ne garantit qu’elle continuera de faire baisser les prix. Un business case construit sur l’hypothèse d’une déflation continue du coût d’usage mérite d’être testé avec une hypothèse alternative.

Enfin, ces arbitrages économiques se prennent dans un cadre juridique qui, lui, se durcit dès à présent sur les usages RH : voir à ce sujet notre analyse de la sanction de 825 millions d’euros prononcée contre Uber pour des décisions automatisées, publiée sur carriereweb.fr/.

Sources

Sources primaires

Analyses secondaires

Belinda Tempier
Fondatrice de Carrière Web — BT Communication

Accompagne les TPE et PME dans l'intégration de l'intelligence artificielle : diagnostic, déploiement, mesure des gains. Anime également les formations en communication et marketing digital du catalogue.

À lire ensuite

Dans la même veine.

Un premier échange de 30 minutes.

Sans engagement, sans diaporama. On regarde où vous en êtes, et je vous dis franchement si nous sommes le bon interlocuteur.

Réserver un créneau