L'IA apparaît partout, sauf dans la productivité

L'ordinateur démarre. L'écran d'accueil indique qu'une mise à jour informatique a été effectuée dans toute l'entreprise pendant la nuit. Un changement de système informatique a généralement une conséquence: le désordre. Les collaborateurs mettent plus de temps à accomplir leurs tâches, les interfaces ne fonctionnent pas encore sans heurts et l'habitude fait défaut.

Après un ou deux mois, la situation s'est calmée: dans le meilleur des cas, les employés travaillent de manière plus efficace et plus productive avec le nouveau système. L’économie mondiale traverse aujourd’hui une réorientation d’ampleur avec l’essor de l’intelligence artificielle.

Les chiffres sont clairs: selon le cabinet de conseil Gartner, 2,5 billions de dollars seront investis cette année dans l'IA au niveau mondial. Le rendement de ces investissements? Décevant. Selon un récent sondage de PWC, seules 21% des entreprises suisses ont indiqué avoir réduit leurs coûts grâce à l'IA, contre 26% au niveau mondial.

En ce qui concerne le chiffre d'affaires, la situation est encore plus maigre: 15% des entreprises en Suisse ont pu l'augmenter à l'aide de l'IA, contre 30% au niveau mondial. Dans son étude, le Boston Consulting Group arrive à un résultat encore plus drastique: 60% des entreprises interrogées ne voient aucun succès mesurable de l'IA. Beaucoup de bruit pour rien?

«De nombreuses entreprises suisses ne sont tout simplement pas prêtes», déclare Gustav Baldinger, CEO de PWC Suisse. La base technologique fait défaut: les entreprises ne sont pas prêtes pour le cloud, elles n'ont pas d'infrastructure de données stable. Sans ces bases, l'IA ne peut pas évoluer. A cela s'ajoute le fait que les entreprises suisses lancent moins de projets que la moyenne internationale. Et que l'on s'y accroche plus longtemps, même s'ils ne fonctionnent pas.

Gustav Baldinger explique le fait que les entreprises suisses misent d'abord sur l'efficacité plutôt que sur la croissance par la structure du paysage économique suisse: «Lorsque les coûts salariaux sont élevés, il est naturel de miser d'abord sur l'efficacité, dit-il. Mais ce n'est pas le but de l'IA. La technologie doit générer de la croissance: dans l'interaction avec les clients, dans la vente, dans les innovations de produits.»

Ça coince au niveau du C-Level

Dalith Steiger-Gablinger, cofondatrice et associée directrice de Swisscognitive, estime que le fait que la productivité de l'IA ne soit pas à la hauteur des attentes se situe tout en haut, au niveau de la direction. Il y a un manque de stratégie et de compétences en matière d'IA au sein de la direction et du conseil d'administration. «L'IA ne peut pas réparer les processus cassés, elle les rend seulement visibles.» Ceux qui n’ont pas correctement mené leur numérisation en subissent aujourd’hui les conséquences.

«La gestion du changement est le véritable défi, pas la technologie», dit-elle. Il n'y a pas besoin d'un document stratégique supplémentaire pour l'IA, mais le niveau de direction devrait ancrer l'IA dans la stratégie générale. Le succès de l'IA ne dépend pas des modèles ou des outils choisis, mais de l'environnement de direction. Sans une vision et une compréhension communes de l'utilisation, de la valeur ajoutée et du risque de l'IA, les projets d'IA s'étouffent. En d'autres termes, si la culture n'est pas adaptée, la technologie n'apporte aucun progrès.

Les données révèlent justement un problème dans ce domaine: selon l'étude de PWC, les CEO suisses se préoccupent davantage de thèmes à court terme que la moyenne mondiale. C'est inquiétant, car cela freine les innovations et les investissements à long terme.

D'abord les coûts, ensuite les bénéfices

Pourquoi les entreprises innovent-elles? Elles ne le font pas pour le plaisir. Les entreprises s'équipent en nouvelles technologies et en compétences complémentaires afin de devenir plus productives et compétitives, estime Martin Wörter, responsable du domaine de l'économie de l'innovation à l'institut KOF. Selon lui, l'absence actuelle de bénéfice net est une caractéristique typique du cycle: «L'intégration d'une nouvelle technologie dans les systèmes existants entraîne souvent dans un premier temps une augmentation des coûts avant que la productivité n'augmente.»

Le cycle se déroule toujours de manière similaire: à court terme, il y a souvent une augmentation des coûts, à moyen terme, de nouveaux domaines d'activité apparaissent, et à long terme, cela se traduit par un gain net de productivité. «Mais il pourrait en être autrement avec l'IA», avertit Martin Wörter. Car il existe ici ce que l'on appelle un problème de diffusion.

Des modèles comme Chat GPT, Claude et Gemini présentent une application fréquente dans la société, ils sont rapidement accessibles et faciles à utiliser. Mais le taux d'adoption de l'IA dans le cœur de métier de l'entreprise est actuellement encore nettement inférieur à 100%: selon l'étude du marché du travail des PME d'Axa, en 2025, seules 11% des trois cents PME interrogées ont délibérément intégré l'intelligence artificielle dans tous leurs domaines d'activité et 22% dans certains projets. «Si la transformation est trop rapide, les mécanismes de compensation de l'économie nationale pourraient moins bien fonctionner à court terme.»

Le paradoxe macroéconomique

La situation devient intéressante si l'on change de perspective. Car même si toutes les entreprises implémentaient parfaitement l'IA, l'effet serait encore à peine mesurable dans l'économie globale. Cela n'étonne guère les économistes, car le même effet a déjà été observé lors de précédentes révolutions technologiques.

David Dorn, professeur à l’Université de Zurich, titulaire de la chaire UBS en mondialisation et marchés du travail, renvoie au paradoxe de Solow de 1987: malgré la prolifération des ordinateurs, les gains de productivité restent difficiles à mesurer. Ce modèle s'est répété plusieurs fois depuis et se manifeste à nouveau aujourd'hui. Il y a plusieurs raisons à cela. D'une part, les gains d'efficacité ne peuvent pas être automatiquement déduits des données économiques: «Celui qui écrit des e-mails plus rapidement et qui quitte le travail plus tôt ne crée pas automatiquement plus de valeur.»

D'autre part, la technologie a besoin de temps. Il est tout simplement trop tôt pour rechercher les effets de l'IA dans les données macroéconomiques. Ce qui est déjà visible, c'est une activité accrue dans les domaines qui sont implicitement concernés par l'IA. David Dorn cite par exemple l'extrême activité de construction dans le domaine des centres de calcul, nécessaire pour mettre à disposition la puissance de calcul de l'IA. «Les investissements et l'activité de construction soutiennent actuellement l'économie américaine», dit-il.

Combien de temps faudra-t-il pour que l'IA ait un impact réel? Internet, qui a vu le jour dès les années 60, et la révolution du web à la fin des années 90 ont mis près d'une décennie avant d'apporter des gains de productivité mesurables. Oliver Gassmann de l'université de Saint-Gall affirme que «l'IA suit un schéma similaire». Son pronostic sur la date à partir de laquelle l'économie verra des effets mesurables de l'IA: «Probablement pas avant 2027, dès que l'IA sera systématiquement intégrée dans les processus et pas seulement utilisée de manière ponctuelle.»

La comparaison fait inévitablement penser à la bulle dotcom. A la fin des années 90, on a investi massivement dans tout ce qui contenait les abréviations «www» et «.com». Jusqu'à l'éclatement de la bulle en mars 2000. Les entreprises ont essuyé de lourdes pertes, plus de la moitié des projets ont été abandonnés. Et le marché boursier s'est effondré. La question de savoir si les investissements dans l'IA suivent un modèle similaire est controversée parmi les experts. Alors qu'Oliver Gassmann voit une bulle et s'attend à ce qu'elle éclate, David Dorn relativise le risque avec les caractéristiques des entreprises: «Google, Amazon et Nvidia sont très rentables. Pendant la bulle dotcom, on a investi dans des entreprises qui n'avaient même pas de produit.»

Google et Amazon sont considérés comme les grands gagnants de la bulle dotcom, les deux groupes ont été fondés dans les années 90. Mais chez eux non plus, aucun gain de productivité n'a été perceptible dans un premier temps. Google Maps a rendu les gens plus efficaces en matière de navigation, mais sur le plan économique, il a entraîné un effondrement des ventes de cartes et d'atlas. Même chose chez Amazon: les clients commandaient désormais leurs livres via la plateforme de commerce électronique et de nombreuses petites librairies n'ont pas pu résister à cette pression. Dans les données économiques, ces effets se compensent mutuellement. Certaines entreprises ont toutefois pu en profiter massivement. C'est précisément ce qui fait actuellement bouger les marchés boursiers.

Qui sera le prochain Amazon et Google?

Il est difficile d'anticiper qui sera le Google ou l'Amazon du monde de l'IA. La bourse semble partir du principe que les fournisseurs d'IA, de matériel et de cloud supplanteront les fournisseurs de logiciels classiques.

Lorsque l'entreprise d'IA et concurrente de l'Open AI Anthropic a annoncé la semaine dernière que sa plateforme Claude Cowork pouvait désormais traiter des cas juridiques, les entreprises de logiciels dans ce domaine ont perdu environ 300 milliards de dollars en valeur boursière. Et Anthropic a remis une couche: l'extension de l'offre à l'analyse financière a suivi peu après. La bourse a de nouveau réagi immédiatement.

Les entreprises de logiciels sont-elles les premières victimes de l'IA? Peut-être bien. L'économiste David Dorn établit un parallèle avec Google: «Il y a un an, le cours s'est effondré parce que beaucoup pensaient qu'Open AI rendrait redondant le modèle commercial de la recherche sur internet.» Mais il en a été autrement: Google a présenté un modèle d'IA compétitif avec sa plateforme Gemini et a convaincu les actionnaires. D'avril 2025 à fin janvier 2026, le cours de l'action de la maison mère Alphabet a grimpé d'environ 145 dollars à 340 dollars. «Les fournisseurs de logiciels ont encore la possibilité de rendre leur modèle commercial à nouveau compétitif», déclare David Dorn.

L'écart de productivité est réel. La phase de réorientation, d'investissements élevés et de bénéfices encore invisibles est typique des transformations. L'histoire nous apprend que chaque disruption technique est suivie à long terme d'un bond de productivité. L'essentiel n'est donc pas de savoir si l'IA va transformer l'économie, mais quand et à quelle vitesse.