Par VaclavHavel le 16 mars 2026

Résumé:

L’IA va-t-elle tuer le salariat ? 🤖📉

L’intelligence artificielle ne transforme pas seulement le travail, elle menace de briser la boucle « Salaire-Consommation » qui soutient notre économie. Voici l’essentiel de cette mutation :

1️⃣ Une accélération invisible : Les modèles d’IA pro progressent de 20 % par trimestre. On est loin du simple « gadget » de rédaction. 2️⃣ Un choc immédiat : Le secteur intellectuel (Droit, Finance, IT) peut être automatisé en un seul cycle budgétaire, sans délai d’adaptation. 3️⃣ Le paradoxe de la consommation : Si les machines remplacent les travailleurs, qui aura encore les revenus pour acheter les produits ? 4️⃣ L’équilibre forcé : Le Revenu Universel de Base (RUB) devient une nécessité mécanique, et non plus un choix politique, pour éviter l’effondrement du marché.

En bref : Nous passons d’une crise de l’emploi à un changement de civilisation. Le système doit choisir entre redistribution ou disparition.

📌 Sommes-nous prêts à décorréler revenu et travail ?

#IA #FuturDuTravail #Economie #RevenuUniversel #Salariat

Nous regardons l’océan depuis le rivage en concluant qu’il est peu profond, alors que l’abîme se creuse déjà sous nos pieds. Tandis que la majorité des actifs s’amuse avec des versions gratuites et obsolètes de l’IA , l’automatisation silencieuse démantèle méthodiquement les fondations de notre modèle de société.

Ce n’est plus une question de “si” les machines remplaceront l’humain, mais de savoir comment survivra un système qui détruit mécaniquement ses propres consommateurs.

I. Une accélération que personne ne regarde en face

Aujourd’hui, bien trop peu de gens se rendent compte des avancées exponentielles en matière d’intelligence artificielle. Il est vrai que la moitié de la population active utilise désormais l’IA dans son travail, mais cette utilisation se limite le plus souvent à des tâches basiques — rédaction d’emails, reformulation de textes, requêtes simples.

Trop de gens restent sur une expérience datant de quelques mois avec une IA gratuite, sans percevoir l’abîme colossal entre modèles payants et gratuits. Pourtant, 62,7 % des personnes utilisant l’IA au travail n’ont accès qu’à un modèle gratuit. Ces modèles légers, optimisés pour la rapidité et l’économie de ressources, donnent une image radicalement tronquée de l’état réel de la technologie. Obtenir un code fonctionnel de plus de cent lignes y relève déjà du défi.

Avec un plan payant, les derniers modèles de pointe peuvent travailler plusieurs heures de façon autonome et livrer une application complète de plus de dix mille lignes. En trois mois, un modèle gagne entre 15 et 20 % sur les benchmarks de référence — et la fréquence de ces améliorations est elle-même croissante.

En 2023, GPT-4 échouait au test élémentaire « Qui est le père du fils de Paul ? ». Aujourd’hui, les meilleurs modèles créent des sites web complets, écrivent des workflows automatisés, naviguent sur des interfaces graphiques, composent et corrigent du code complexe, tout en gérant des chaînes de raisonnement approfondies — un ensemble de tâches professionnelles de bout en bout qui pouvaient mobiliser des équipes entières pendant des semaines. Le dernier modèle d’Anthropic a été en partie conçu grâce à son prédécesseur. À chaque génération, la part humaine dans la conception du suivant diminue.

Baser son jugement sur une IA gratuite ou sur une expérience datant de plus de six mois n’est pas une évaluation objective. C’est regarder l’océan depuis le rivage et conclure qu’il est peu profond.

II. Une intelligence fondée sur les mêmes bases que la nôtre

Beaucoup affirment que l’IA ne pourra jamais les remplacer dans leur travail, car elle manquerait de souplesse, de créativité, de bon sens. Cet argument repose sur une incompréhension fondamentale de ce qu’est l’intelligence — humaine ou artificielle.

L’IA, comme notre cerveau, apprend à partir de données, en déduit des patterns, des règles abstraites. Son savoir n’est pas codé en dur ; il est acquis par déduction et inférence. Ce n’est pas du tout différent du fonctionnement neuronal : le cerveau humain est lui aussi un système de reconnaissance de patterns appris, opérant sur une base probabiliste. Il s’en distingue par certaines subtilités — des raccourcis heuristiques, un apprentissage en peu d’exemples, une intégration sensorielle incarnée — mais le socle computationnel est identique.

Or ces subtilités s’effacent à mesure que les modèles grandissent. La souplesse contextuelle, jadis inaccessible aux machines, est aujourd’hui leur terrain naturel. Cela conduit à une conclusion inévitable : tout ce que l’humain peut accomplir à partir de données, de patterns, de langage et de raisonnement — c’est-à-dire la quasi-totalité des travaux intellectuels — l’IA pourra le faire. Et mieux. Si un plafond existe, nous ne l’avons pas encore approché, et il serait scientifiquement irresponsable de parier qu’il se trouve à portée de main.

III. Les deux phases de l’automatisation

L’automatisation du travail ne se produira pas en une vague uniforme. Elle s’articulera en deux phases majeures, distinctes par leur nature, leur rythme et leurs impacts sociaux.

Phase 1 — L’automatisation du travail intellectuel : rapide, brutale, imminente

Les secteurs en première ligne

La première phase est déjà engagée. Elle concerne l’ensemble des travaux de traitement de l’information : le droit (rédaction de contrats, analyse juridique, recherche de jurisprudence), la finance (audit, comptabilité, analyse de marchés), le journalisme et la production de contenu, la programmation informatique, la traduction, la médecine diagnostique, le marketing et le service client. Ces domaines partagent une caractéristique structurelle décisive : ils opèrent déjà sur des infrastructures numériques. Aucun investissement matériel n’est à déployer, aucune chaîne de production à reconvertir. L’intégration de l’IA s’y fait par simple abonnement logiciel. C’est précisément ce qui rend cette phase à la fois la plus rapide et la plus dangereuse.

Une disruption sans précédent historique

Les révolutions industrielles précédentes ont détruit des métiers en quelques décennies, laissant le temps aux générations de s’adapter et aux institutions de se réorganiser. La première révolution industrielle a mis quatre-vingts ans à transformer structurellement le marché du travail. La révolution informatique des années 1980-2000 a étalé ses effets sur deux décennies.

L’automatisation par l’IA générative opère sur une échelle temporelle radicalement différente. Un cabinet juridique peut réduire de 60 % ses besoins en jeunes associés en l’espace d’un seul cycle budgétaire. Un département de traduction peut être dissous en quelques mois. Ces mutations ne prennent pas une génération — elles prennent une décision de direction.

Là où l’industrialisation a donné aux sociétés le temps de souffrir et de s’adapter, l’IA leur donnera le temps de souffrir, sans celui de s’adapter.

Le double facteur de brutalité

Cette première phase sera particulièrement violente pour deux raisons qui se renforcent mutuellement. D’abord, personne ne s’y attend réellement. La réaction dominante reste le déni ou la minimisation, fondée sur une expérience des outils gratuits et obsolètes. Cette sous-estimation collective retarde la préparation individuelle et institutionnelle. Ensuite, aucun système politique n’anticipe ce changement. Les gouvernements actuels consacrent leurs débats à la réforme des retraites, à la transition énergétique, aux tensions géopolitiques. On prépare minutieusement la guerre ; on ignore superbement le changement de civilisation.

Phase 2 — L’automatisation du travail physique : profonde, étalée, inéluctable

Un déploiement contraint mais inévitable

La seconde phase concerne l’automatisation des tâches manuelles et physiques : agriculture, logistique, construction, transport, restauration, soins à la personne. Elle est déjà amorcée dans certains secteurs, mais son déploiement massif est contraint par trois verrous majeurs.

Le premier est le coût d’investissement initial : remplacer un ouvrier par un robot implique de repenser les espaces de production, adapter les processus, former les techniciens de maintenance. Pour les PME, ce saut reste considérable.

Le second est la robustesse en environnement non structuré : un robot performant dans un entrepôt calibré devient nettement moins fiable sur un chantier de construction ou dans la chambre d’un patient.

Le troisième est réglementaire et culturel — certains secteurs bénéficieront temporairement d’une protection non pas technique mais politique.

Ces freins signifient que la transformation sera plus progressive — pas qu’elle sera évitée. Sur un horizon de vingt à trente ans, la conjugaison des progrès de la robotique, de la réduction des coûts et de l’accumulation d’expérience en conditions réelles rendra le déploiement massif économiquement rationnel dans la quasi-totalité des secteurs physiques. Cette seconde phase offrira davantage de temps pour des transitions négociées — si et seulement si la première phase a permis de construire les infrastructures politiques et sociales nécessaires. Dans le cas contraire, elle arrivera sur un terrain déjà dévasté.

IV. L’effondrement économique structurel — logique et inévitable

L’automatisation progressive de l’ensemble du travail humain entraîne une contradiction fondamentale au cœur du modèle économique contemporain. Cette contradiction n’est pas un risque théorique ; c’est une conséquence logique déductible des principes premiers du système.

La boucle production-consommation brisée

Le système économique actuel repose sur une boucle simple et robuste : les individus vendent leur travail contre un salaire ; ce salaire leur permet d’acheter des biens et services produits par d’autres individus rémunérés pour leur travail. La production nourrit la consommation, et la consommation finance la production.

L’automatisation rompt cette boucle à son point d’origine. Lorsque le travail humain est remplacé par des machines, les revenus distribués aux travailleurs disparaissent, mais les biens continuent d’être produits — voire en plus grande quantité. On se retrouve alors dans une situation structurelle de surproduction relative : les usines tournent, les serveurs traitent, les algorithmes génèrent, mais de moins en moins de personnes disposent des revenus nécessaires pour acheter ce qui est produit.

Le paradoxe de l’automatisation totale

La logique peut être formulée simplement : plus une économie automatise, moins elle peut vendre ce qu’elle produit. Une économie à 100 % automatisée — dans laquelle aucun être humain ne travaille — est une économie dans laquelle personne ne dispose de revenus issus du travail. Sauf redistribution extérieure des profits de l’automatisation, cette économie ne trouve plus d’acheteurs solvables.

Les propriétaires des systèmes automatisés concentrent des richesses sans précédent, mais leur consommation individuelle, aussi extravagante soit-elle, ne peut absorber la totalité de la production d’une économie de masse. Le marché de masse — fondement du modèle industriel depuis Ford — disparaît avec les revenus de la masse.

Une économie qui automatise sans redistribuer creuse sa propre tombe : elle détruit les consommateurs dont elle a besoin pour exister.

V. Le Revenu Universel de Base — non pas une solution, mais l’équilibre vers lequel le système tend

Le Revenu Universel de Base (RUB) est presque toujours présenté comme une proposition idéologique : généreuse pour certains, irresponsable pour d’autres. Ce cadrage est un contresens complet. Le RUB n’est pas une solution qu’une société choisirait d’adopter par idéal de justice. C’est l’état d’équilibre vers lequel toute économie suffisamment automatisée sera mécaniquement contrainte de converger — parce que c’est la seule configuration dans laquelle elle peut continuer à fonctionner. C’est une loi économique, pas un programme électoral.

La boucle achat-vente et son point de rupture

Toute économie de marché repose sur une boucle d’une simplicité absolue : des entités produisent des biens et des services ; d’autres entités les achètent ; les revenus tirés de ces ventes permettent de produire de nouveau. Ce cycle ne peut tourner qu’à une condition sine qua non : que les acheteurs existent, c’est-à-dire qu’une masse suffisante de la population dispose du pouvoir d’achat nécessaire pour écouler la production.

Or le salaire est, dans le modèle actuel, le mécanisme central par lequel ce pouvoir d’achat est distribué à la population. C’est en travaillant que les individus obtiennent les revenus qui leur permettent de consommer. L’entreprise verse des salaires ; ses salariés dépensent ; d’autres entreprises encaissent ; et le cycle se perpétue. Retirer le travail de cette équation, c’est retirer le mécanisme de distribution lui-même.

C’est exactement ce que fait l’automatisation. À mesure que les machines remplacent les travailleurs, la masse salariale distribuée par les entreprises à leur personnel se contracte. La production, elle, ne se contracte pas — elle augmente, car les machines produisent plus vite, sans arrêt, à coût marginal décroissant. On arrive à une contradiction structurelle irréductible : une économie dont la capacité de production croît, mais dont la capacité d’absorption — le pouvoir d’achat de la population — décroît simultanément.

La spirale de régression

La mécanique qui s’ensuit est arithmétique, non politique. Les stocks s’accumulent faute d’acheteurs solvables. Pour écouler les invendus, les entreprises baissent leurs prix. Les marges s’effondrent. Pour restaurer la rentabilité, elles réduisent leurs coûts — ce qui signifie réduire leur production ou accélérer encore l’automatisation, aggravant le chômage. La demande se contracte davantage. De nouveaux secteurs perdent leurs débouchés. L’État, privé d’assiette fiscale par la disparition des salaires, voit ses recettes s’effondrer et ne peut plus amortir le choc. La spirale est auto-entretenue.

Ce n’est pas une projection catastrophiste : c’est la description du mécanisme classique d’une crise de surproduction, amplifié à une échelle et à une vitesse sans précédent par l’automatisation généralisée. John Maynard Keynes en avait posé les bases théoriques dans les années 1930 en montrant qu’une économie peut se stabiliser à un niveau d’équilibre bas, bien en dessous de son potentiel de production, si la demande effective est insuffisante. L’automatisation totale pousse cette logique à son terme absolu.

Une économie qui automatise sans redistribuer ne détruit pas seulement des emplois — elle détruit ses propres acheteurs. Et une économie sans acheteurs ne produit plus. Elle régresse.

Le RUB comme point d’équilibre forcé

C’est dans ce cadre qu’il faut comprendre le RUB — non pas comme une intervention bienveillante de l’État, mais comme le mécanisme de correction que le système lui-même appelle pour ne pas s’auto-détruire. Si le salaire ne peut plus assumer la fonction de distribution du pouvoir d’achat, quelque chose d’autre doit la remplir. Dans une économie automatisée, ce quelque chose ne peut provenir que d’une redistribution des gains de la production automatisée elle-même vers ceux qui en sont exclus — mais qui demeurent les acheteurs sans lesquels la production n’a aucune raison d’être.

L’économie tend vers cet équilibre par deux chemins.

Soit de manière organisée et anticipée : un RUB financé par les gains de l’automatisation reconstitue le pouvoir d’achat de la population, permettant aux machines de continuer à produire pour des acheteurs qui peuvent consommer.

Soit de manière désordonnée : l’effondrement successif des débouchés entraîne des crises économiques majeures, des tensions sociales extrêmes, et finalement des réponses politiques d’urgence imposées sous contrainte dans des conditions infiniment moins favorables.

Dans les deux cas, l’équilibre final est identique : une forme de redistribution du produit de l’automatisation vers la population, pour que la production trouve preneur et que le cycle économique puisse se perpétuer. La seule variable est le niveau de destruction sociale subi avant d’y parvenir.

Vers une société du loisir — une transition anthropologique

Si l’automatisation libère l’humain de la contrainte du travail productif, elle pose une question que l’économie seule ne peut résoudre : à quoi une société consacre-t-elle son temps lorsque ce temps n’est plus contraint par la nécessité de subsistance ? Keynes lui-même anticipait, dès 1930, que les gains de productivité conduiraient ses petits-enfants à ne travailler que quinze heures par semaine, libérant le reste au profit de la culture, du lien social et de l’épanouissement personnel. L’automatisation par l’IA rend cette perspective non plus graduelle mais abrupte.

Une société organisée autour du loisir n’est pas une société oisive. Elle est une société dans laquelle la valeur n’est plus exclusivement définie par la productivité marchande, mais par la création, le soin, la transmission et la vie commune — des activités que les machines peuvent assister mais jamais remplacer dans leur dimension humaine. Le revenu universel n’est alors pas seulement un mécanisme économique de stabilisation : il est aussi la condition matérielle d’une recomposition du sens collectif, dans un monde où le labeur n’est plus le centre de gravité de l’existence.

Cette transition anthropologique est à la fois la plus nécessaire et la moins préparée. Aucun système éducatif, aucun discours politique, aucune institution culturelle ne prépare aujourd’hui les sociétés à habiter un monde post-travail. C’est pourtant vers ce monde que nous nous dirigeons — lentement ou brutalement, selon les choix que nous ferons dans les années qui viennent.

Le financement : l’État gestionnaire de la production

La question du financement du RUB est souvent présentée comme l’obstacle dirimant. Elle est en réalité la moins complexe des questions, car la richesse produite par l’automatisation existe et croît — le problème est uniquement sa distribution.

Le modèle le plus cohérent avec la logique décrite ci-dessus est celui de l’État gestionnaire de la production automatisée. À mesure que les machines remplacent les travailleurs, la question de la propriété des systèmes productifs devient centrale : si une usine entièrement robotisée n’emploie plus personne, qui perçoit ses bénéfices ? Dans le modèle actuel, exclusivement ses actionnaires. Mais ce modèle devient économiquement insoutenable dès lors que la masse des exclus du travail représente une fraction significative de la population — car cette même masse constitue le marché dont dépend la survie de l’entreprise.

L’évolution logique est celle d’une copropriété collective, partielle, des infrastructures de production automatisées. L’État — agissant comme gestionnaire au nom de l’ensemble des citoyens — prend position dans le capital des systèmes productifs déployés sur son territoire : fonds souverains d’IA, participations publiques dans les entreprises hautement automatisées, licences d’exploitation conditionnées à une redistribution de revenus. Les dividendes de cette copropriété sont redistribués à la population sous forme de revenu universel, reconstituant ainsi le pouvoir d’achat nécessaire à l’écoulement de la production.

Ce modèle n’est pas une nationalisation idéologique. C’est une actualisation du contrat économique : de même que les ressources naturelles d’un territoire appartiennent à ses habitants, les gains de productivité générés par des infrastructures automatisées sur ce territoire doivent revenir, en partie, à l’ensemble de la société qui en constitue le marché. La Norvège en offre un précédent crédible avec son fonds souverain pétrolier — l’extension de ce principe à l’économie automatisée est une projection logique, non fantaisiste.

Lorsque la machine remplace le travailleur, la richesse ne disparaît pas — elle augmente. La question est uniquement de savoir si elle circule ou si elle s’accumule. Sans circulation, la production elle-même s’arrête faute de débouchés.

Ce que les expérimentations confirment — et ce qu’elles ne prouvent pas

Plusieurs expérimentations ont produit des données préliminaires utiles. En Finlande, l’expérience de 2017-2018 a réfuté l’hypothèse de passivité induite par un revenu garanti. Le programme SEED à Stockton (2019-2021) a montré que les bénéficiaires augmentaient leur taux d’emploi à temps plein plus vite que le groupe de contrôle. GiveDirectly au Kenya observe une hausse de l’entrepreneuriat sans réduction du travail productif. Ces résultats sont des signaux d’orientation, non des preuves de faisabilité à grande échelle. Ils ne peuvent être extrapolés directement au contexte d’une automatisation massive et nationale.

L’argument central du RUB ne repose pas sur ces expériences. Il repose sur la logique économique exposée ci-dessus : sans redistribution du pouvoir d’achat, la production automatisée ne trouve plus de débouchés et le système s’effondre. Les expérimentations confirment simplement que la redistribution ne détruit pas l’incitation à travailler — ce qui lève un obstacle comportemental souvent avancé, sans être l’argument de fond.

La fenêtre temporelle : pourquoi l’anticipation est décisive

Si le RUB est l’équilibre vers lequel le système tend inévitablement, la seule vraie variable est le moment et les conditions dans lesquels cet équilibre est atteint.

Anticipé et organisé, il préserve la cohésion sociale, maintient la capacité fiscale de l’État, et permet une transition progressive.

Subi, il arrive dans un contexte de crise économique majeure, de tensions sociales extrêmes, et de capacités institutionnelles dégradées.

Pour être viable, le RUB doit être préparé avant que la crise de chômage technologique n’atteigne une masse critique. Une fois que 40 ou 50 % de la population active est privée d’emploi structurel, la base fiscale s’est effondrée, les entreprises ont perdu leurs marchés, et la cohésion nécessaire à toute réforme est irrémédiablement brisée. À ce stade, le RUB reste la seule issue — mais ses conditions de mise en œuvre sont catastrophiques.

Le RUB doit précéder la crise, pas la suivre. Ce n’est pas une question d’idéologie — c’est une question de calendrier économique.

VI. Le vrai danger : le déni organisé

Le danger existentiel ne réside pas dans l’intelligence artificielle elle-même. Une technologie n’est ni bonne ni mauvaise en soi — elle est ce que les sociétés décident d’en faire. Le danger réside dans le déni collectif qui empêche de prendre les décisions nécessaires pendant qu’elles sont encore possibles.

Ce déni opère à trois niveaux.

Au niveau individuel, il se manifeste par la conviction persistante que « mon métier est trop complexe pour être automatisé » — souvent formulée par des personnes dont la connaissance de l’IA repose sur des outils gratuits obsolètes.

Au niveau institutionnel, il se manifeste par l’absence totale de législation anticipatoire, de plans de reconversion structurels, de fiscalité adaptée aux nouvelles formes de création de valeur.

Au niveau culturel, enfin, il se nourrit du récit dominant selon lequel le progrès technologique crée toujours plus d’emplois qu’il n’en détruit — un récit valide pour les révolutions passées, mais peut-être faux pour la première fois dans l’histoire.

L’analogie avec le changement climatique est ici pertinente. La communauté scientifique a alerté pendant des décennies sur une transformation systémique lente mais irréversible. Les premières réponses politiques ont été retardées par le déni et les intérêts à court terme. Nous en payons aujourd’hui le prix croissant. La transformation technologique suit exactement le même schéma — avec une différence : l’échelle de temps est incomparablement plus courte. Nous n’avons pas des décennies. Nous avons peut-être des années.

Conclusion — Anticiper ou subir

L’automatisation est en cours. Elle ne peut pas être arrêtée, et il serait vain de le souhaiter — les gains de productivité, de qualité de vie et de connaissance qu’elle promet sont réels et précieux. La question n’est pas si la transformation aura lieu, mais comment elle aura lieu.

Elle peut avoir lieu dans le chaos, sans préparation, avec une concentration croissante des richesses, une paupérisation de masse et une désintégration de la cohésion sociale. Ou elle peut avoir lieu dans le cadre d’une transition organisée, équitable, qui redistribue les gains de l’automatisation à l’ensemble de la société et réinvente le rapport humain au travail, à la contribution et au sens.

Ce choix — et c’est bien un choix — ne sera pas fait par les marchés. Il ne sera pas fait par les entreprises technologiques. Il devra être fait par les citoyens, les démocraties, les institutions capables de décision collective. Mais ce choix ne peut être fait que s’il est d’abord reconnu comme nécessaire.

La stratégie de l’autruche n’a jamais protégé personne. Elle n’a fait que transformer les risques prévisibles en catastrophes subies.

Il est encore temps d’anticiper. Il ne sera bientôt plus temps de choisir.

Références

— Le Monde Emploi — « 53 % des actifs utilisent l’IA dans leur vie professionnelle » (avril 2025)

— Ipsos — AI at Work Survey Report 2025

— Digital Applied — GPT benchmark comparisons 2024-2025

— KELA Finland — Basic Income Experiment Results (2019)

— Stockton SEED Program — Longitudinal Study (2021)

— GiveDirectly — Kenya Basic Income Research