Intelligence artificielle : une productivité polysémique qui sème la confusion ? (2023-2026)

Que mesure-t-on quand on parle de productivité ?

Parler de la productivité de l’intelligence artificielle suppose d’abord de s’accorder sur le sens du mot. Dans le langage courant, être plus productif revient souvent à faire plus vite. Un courriel rédigé en cinq minutes au lieu de vingt, un rapport résumé en quelques secondes ou encore des lignes de codes écrites en une vitesse record. Cette acception ne coïncide pas avec celle des économistes, ni même avec la question que se posent les dirigeants : ce temps gagné produit-il quelque chose de plus utile ? Souvent employées comme des synonymes, les notions de productivité, d’efficience et d’efficacité permettent de démêler le débat.

Pour les statisticiens, la productivité est un simple rapport : ce qui est produit, divisé par ce qu’il a fallu mobiliser pour le produire¹Paul Schreyer, Manuel de l’OCDE : Mesurer la productivité, Paris, OCDE, 2001. . On parle de productivité du travail lorsqu’on mesure la quantité produite par heure travaillée. La productivité globale des facteurs (PGF) désigne quant à elle l’augmentation de la production sans utiliser plus de travailleurs ni de machines, grâce au progrès technique ou à une meilleure organisation du travail. Ce calcul tient compte de la qualité de ce qui est produit, mais seulement lorsque cette production se vend, c’est-à-dire lorsqu’elle a un prix. Il reste donc muet sur les activités qui échappent au marché et sur l’utilité réelle de ce qui est produit puisqu’il ne dit pas si un rapport rédigé en deux fois moins de temps servira à quelqu’un.

Cette limite renvoie à une distinction ancienne du management. L’efficience consiste à bien faire une chose, c’est-à-dire à y consacrer le moins de ressources possible ; l’efficacité consiste à faire la bonne chose, celle qui sert réellement l’objectif poursuivi. Peter Drucker, figure fondatrice de la théorie des organisations, en tirait une mise en garde : il est inutile de faire avec une grande efficience ce qui ne devrait pas être fait²Peter F. Drucker, « Managing for Business Effectiveness », Harvard Business Review, 1963 ; Management : Tasks, Responsibilities, Practices, New York, Harper & Row, 1974. .

Un troisième couple de notions vient compliquer le tableau. La valeur ajoutée, au sens statistique, est la production diminuée des consommations intermédiaires : elle mesure ce qu’une activité ajoute, en prix, à ce qu’elle consomme. La tradition de l’économie politique, depuis Adam Smith, distingue pourtant la valeur d’usage, qui renvoie à l’utilité d’un bien, de la valeur d’échange, qui renvoie à ce qu’il permet d’obtenir en contrepartie³Adam Smith, Recherches sur la nature et les causes de la richesse des nations, 1776, livre I, chap. IV. . Un livrable peut donc être produit rapidement, vendu au prix du marché et n’apporter aucune utilité à son destinataire, ou même l’inverse.

Deux définitions de la productivité se dégagent, et leur confusion alimente le débat. La première rapporte un résultat constant à un temps réduit : produire la même chose en moins de temps. La seconde rapporte une valeur créée au temps consacré : V/T. Dans la première, l’intelligence artificielle est productive dès qu’elle raccourcit une tâche. Dans la seconde, la formule impose la conséquence mathématique élémentaire suivante : si la valeur V d’une tâche est nulle, la diviser par trois ne la modifie pas. Zéro divisé par trois fera toujours zéro. Le gain de temps n’est réel que si le temps libéré est réaffecté à une activité qui crée de la valeur, et il peut même devenir négatif si la tâche accélérée produit un résultat qui doit être corrigé ou qui encombre son destinataire.

Des gains de temps réels, mais sur des tâches isolées

Les premières mesures de l’impact de l’IA portent sur ce qu’il est le plus simple d’observer, à savoir le temps nécessaire pour accomplir une tâche donnée. Elles relèvent donc de l’efficience, au sens défini plus haut. Reste à savoir si ce temps gagné se traduit par une meilleure production, puis par une valeur supplémentaire. Une expérience conduite sur des tâches de rédaction professionnelle permet de poser concrètement le problème.

Une expérience fréquemment citée en la matière a été conduite par Shakked Noy et Whitney Zhang, économistes du Massachusetts Institute of Technology, auprès de 453 professionnels diplômés, chargés de rédiger des documents d’affaires. L’usage d’un assistant IA a réduit le temps de rédaction d’environ 40 % et amélioré de 18 % la qualité évaluée par des relecteurs⁴Shakked Noy et Whitney Zhang, « Experimental evidence on the productivity effects of generative artificial intelligence », Science, 2023. . Le protocole porte toutefois sur des tâches courtes, réalisées en ligne, dont la qualité est jugée par des évaluateurs et non par un destinataire réel.

Un second résultat tempère le premier. Le METR (Model Evaluation and Threat Research), organisation à but non lucratif, basée en Californie et spécialisée dans l’évaluation des capacités des systèmes d’IA, a suivi seize développeurs expérimentés intervenant sur leurs propres projets libres. Sur 246 tâches, le recours à l’assistant a allongé le temps d’exécution de 19 %, alors que les participants anticipaient un gain de 24 % et estimaient, après coup, qu’ils en gagneraient 20 %. Bien qu’il concerne un échantillon réduit et un contexte précis, ces observations remettent en question les croyances et les idées reçues sur l’IA. Une mise à jour de février 2026 reconnaît cependant que l’étude de 2025 est datée, et que le suivi qui l’accompagne souffre d’un biais de sélection et d’un protocole modifié. Sa portée vaut surtout pour les métiers du numérique et du développement web : elle y montre que le temps perçu et le temps mesuré peuvent diverger, ce qui fragilise toute mesure fondée sur la seule déclaration.

Sur 246 tâches, le recours à l’assistant a allongé le temps d’exécution de 19 %, alors que les participants anticipaient un gain de 24 % et estimaient, après coup, qu’ils en gagneraient 20 %

Toujours en Californie, une enquête ethnographique, c’est-à-dire fondée sur l’observation prolongée d’une organisation, et menée pendant huit mois dans une entreprise technologique d’environ deux cents personnes, décrit enfin un autre effet. Ses auteurs, Aruna Ranganathan et Xingqi Maggie Ye, de la Haas School of Business de l’université de Californie à Berkeley, observent que les tâches s’étendent, que les frontières entre les postes s’estompent et que les activités se multiplient simultanément⁵Ranganathan et Ye, Harvard Business Review, février 2026. . L’étude conclut alors notamment que le temps gagné sur une tâche y est réinvesti dans davantage de tâches qui n’ont pas la garantie de créer davantage de valeur.

Des estimations prudentes à l’échelle de l’économie

Les premières mesures d’ensemble reposent sur des enquêtes. Alexander Bick de la Réserve fédérale de Saint-Louis, Adam Blandin de la Vanderbilt University et David Deming de Harvard, ont cherché à mesurer l’adoption de l’IA générative dans la population active américaine et le temps qu’elle fait gagner. Leur étude s’appuie sur la Real-Time Population Survey, une enquête en ligne auprès d’adultes de 18 à 64 ans, calquée sur l’enquête officielle américaine sur l’emploi⁶Alexander Bick, Adam Blandin et David Deming, « The Rapid Adoption of Generative AI », NBER Working Paper n° 32966, septembre 2024, rév. février 2025. . Fin 2024, 27 % des travailleurs interrogés déclaraient utiliser l’IA générative chaque semaine ; le temps économisé représentait environ 1,4 % des heures de travail, soit un gain de productivité agrégé de l’ordre de 1,1 % sur un panel de plus de 10 000 répondants.

Ces valeurs reposent sur des réponses déclaratives. Or l’expérience menée auprès des développeurs a montré combien la perception d’un gain peut s’écarter de la réalité : ils estimaient avoir gagné 20 % de temps alors qu’ils en avaient perdu 19 %. Elles supposent en outre que le temps économisé est effectivement transformé en production, alors que les auteurs relèvent qu’il peut aussi servir à travailler moins intensément.

Les projections sont plus incertaines encore. Simon Bunel et Philippe Aghion, économiste français lauréat du prix Nobel d’économie 2025, estiment que l’IA pourrait augmenter la croissance annuelle de quelques dixièmes de point à un peu plus d’un point⁷Philippe Aghion et Simon Bunel, « AI and Growth : Where Do We Stand ? », 2024 ; Philippe Aghion, Simon Bunel et Xavier Jaravel, 2025. . La commission présidée par Philippe Aghion et Anne Bouverot en déduit, pour la France, un revenu national supplémentaire de 250 à 400 milliards d’euros après dix ans⁸Commission de l’intelligence artificielle (Philippe Aghion et Anne Bouverot), IA : notre ambition pour la France, mars 2024. .

Ces estimations reposent sur des hypothèses plutôt que sur des observations. Elles consistent à repérer les tâches que l’IA pourrait réaliser, puis à supposer dans quelle proportion et à quelle vitesse les entreprises les lui confieront et en tireront un gain. Chacun de ces paramètres est incertain, et l’écart entre les résultats selon la méthode est considérable. Une fourchette aussi large montre qu’il s’agit davantage d’une estimation que d’une mesure précise, car elle dépend du nombre d’emplois concernés, de la rapidité avec laquelle les outils se développent et des gains de productivité réellement obtenus. Elle rappelle aussi que l’exposition d’un métier à l’IA, ce que l’outil pourrait techniquement faire, n’indique pas son usage réel.

Les données d’entreprises permettent justement de confronter ces projections à l’usage réel. La Banque de France a interrogé environ 7 000 entreprises entre février et avril 2026 : 67 % des entreprises de vingt salariés ou plus déclarent utiliser l’IA générative, le plus souvent de façon limitée ou expérimentale, et les effets observés demeurent limités. À trois ans, les entreprises anticipent des gains de productivité plus importants : 60 % de celles qui utilisent ou prévoient d’utiliser l’IA en attendent un effet positif sur leur productivité. Elles anticipent aussi un « effet modérément négatif sur l’emploi », c’est-à-dire une éventuelle baisse d’effectifs prévue par environ une entreprise sur cinq⁹Véronique Genre et Léo Parpais, Banque de France, « L’IA s’installe dans les entreprises françaises : une diffusion rapide mais des gains de productivité », Bulletin n° 266, septembre-octobre 2026, https://www.banque-france.fr/fr/publications-et-statistiques/publications/lia-sinstalle-dans-les-entreprises-francaises-une-diffusion-rapide-mais-des-gains-de-productivite. . Ces gains sont donc attendus plus qu’observés : ils reposent sur ce que déclarent des dirigeants dans un sondage, non sur des résultats mesurés.

Du temps gagné à la valeur créée

Les résultats peuvent ainsi être classés dans trois registres que la communication courante semble pourtant interpréter à travers la même grille de lecture.

Le premier est celui du temps : combien de minutes une tâche demande-t-elle avec ou sans l’outil ? C’est le registre le mieux mesuré, mais dans des conditions contrôlées et sur de courtes périodes. Le deuxième est celui de la production : combien de documents, de pages ou de lignes de code une équipe livre-t-elle ? Il se situe au niveau de l’organisation, où le temps gagné rencontre le phénomène décrit par les enquêtes de terrain, celui d’une multiplication des tâches. Le troisième est celui de la valeur : ce que le résultat apporte réellement à celui qui le reçoit, qu’il soit le client, un collègue ou un citoyen. Ce résultat dépend de l’usage qui est fait du livrable et demeure le moins observé. Le passage de l’un à l’autre n’a rien d’automatique : gagner du temps ne garantit pas de produire davantage, et produire davantage ne garantit pas de créer plus de valeur.

Gagner du temps ne garantit pas de produire davantage, et produire davantage ne garantit pas de créer plus de valeur.

L’impact de l’IA alimente particulièrement les débats autour de l’évolution des métiers du numérique. Lorsqu’un site web peut être produit en une fraction du temps, la production augmente ; reste à savoir si le client y gagne véritablement en valeur d’usage. Aucune des études mobilisées ici ne mesure la valeur d’un livrable pour son destinataire, et l’hypothèse d’une valeur diluée par l’abondance relève, en l’état, de l’interprétation.

Les travaux disponibles établissent des gains de temps réels sur des tâches délimitées, des effets d’ensemble encore modestes ou seulement anticipés, et des mesures qui reposent largement sur des déclarations, des sondages ou des modèles probabilistes. Ils éclairent l’efficience de l’IA, c’est-à-dire sa capacité à faire plus vite, mais laissent en suspens son efficacité, celle de faire ce qui compte. Aucun ne mesure la valeur créée par unité de temps, et c’est pourtant à cette condition que le gain annoncé cesse d’être une promesse pour devenir une productivité.

Notes

1. Paul Schreyer, Manuel de l’OCDE : Mesurer la productivité, Paris, OCDE, 2001. ↩

2. Peter F. Drucker, « Managing for Business Effectiveness », Harvard Business Review, 1963 ; Management : Tasks, Responsibilities, Practices, New York, Harper & Row, 1974. ↩

3. Adam Smith, Recherches sur la nature et les causes de la richesse des nations, 1776, livre I, chap. IV. ↩

4. Shakked Noy et Whitney Zhang, « Experimental evidence on the productivity effects of generative artificial intelligence », Science, 2023. ↩

5. Ranganathan et Ye, Harvard Business Review, février 2026. ↩

6. Alexander Bick, Adam Blandin et David Deming, « The Rapid Adoption of Generative AI », NBER Working Paper n° 32966, septembre 2024, rév. février 2025. ↩

7. Philippe Aghion et Simon Bunel, « AI and Growth : Where Do We Stand ? », 2024 ; Philippe Aghion, Simon Bunel et Xavier Jaravel, 2025. ↩

8. Commission de l’intelligence artificielle (Philippe Aghion et Anne Bouverot), IA : notre ambition pour la France, mars 2024. ↩

9. Véronique Genre et Léo Parpais, Banque de France, « L’IA s’installe dans les entreprises françaises : une diffusion rapide mais des gains de productivité », Bulletin n° 266, septembre-octobre 2026, https://www.banque-france.fr/fr/publications-et-statistiques/publications/lia-sinstalle-dans-les-entreprises-francaises-une-diffusion-rapide-mais-des-gains-de-productivite. ↩