L'IA pourrait redéfinir les mécanismes de la croissance économique. Ceux qui aspirent à la croissance s'adapteront à cette évolution. Les prévisions économiques doivent tenir compte de ces deux facteurs.
L'IA de demain ne correspondra pas au monde d'aujourd'hui.
French
Il y a trois ans, des travailleurs kenyans ont fait la une des journaux internationaux en raison des conditions de travail déplorables auxquelles ils étaient soumis lorsqu'ils annotaient des données pour OpenAI . Ces travailleurs passaient leurs journées à trier des discours haineux, des contenus à caractère sexuel et des images violentes – parmi les plus choquants d'Internet – pour environ 1,35 $ de l'heure. Les étiquettes qu'ils produisaient servaient ensuite à entraîner ChatGPT à identifier les contenus toxiques ou interdits.
En 2023, l'indignation s'est concentrée — à juste titre — sur les conditions de travail de ces personnes chargées de l'annotation des données. Mais, revisitée en 2026, cette histoire prend une tournure bien plus sombre.
Face à une nouvelle vague d'inquiétude concernant l'IA, on craint désormais la disparition pure et simple des emplois liés aux services informatiques. Dans cette optique, en participant à l'entraînement de ChatGPT, ces travailleurs auraient involontairement contribué à l'automatisation des services qu'ils effectuaient, compromettant ainsi les perspectives de prospérité du Kenya.
Mais existe-t-il des preuves tangibles que les déplacements de population liés à l'IA ont déjà commencé dans les pays en développement ? Et comment prévoir l'évolution de la situation lorsque les travailleurs, les entreprises et les pays touchés par l'IA devront s'adapter, innover et évoluer en conséquence ?
Gravir les échelons de la croissance
Historiquement, la croissance industrielle a été le moteur de la sortie de la pauvreté pour les pays. Au Japon, en Corée du Sud, à Taïwan et, de façon plus spectaculaire encore, en Chine, l'essor de la production destinée à l'exportation a permis à des millions de personnes de quitter les campagnes pour des emplois mieux rémunérés dans les usines. Sous la pression de la concurrence internationale, les entreprises d'Asie de l'Est ont rapidement convergé vers les technologies de pointe.
Mais, hormis quelques exceptions comme le Vietnam et le Bangladesh, les pays en développement ont globalement échoué à reproduire le succès de l'Asie de l'Est. En Inde, la part du secteur manufacturier dans le PIB n'a jamais dépassé 20 % et a même diminué depuis 2010. En Afrique subsaharienne, il représente environ 10 % du PIB. De nouvelles analyses indiquent qu'au cours des 30 dernières années, la productivité manufacturière des pays les plus pauvres est restée obstinément bien en deçà des moyennes mondiales.
Entrez dans les services informatiques.
L'arrivée du haut débit à bas prix dans le monde entier a rendu l'externalisation des services informatiques viable pour les entreprises occidentales, leur permettant de tirer parti d'une main-d'œuvre moins chère dans les pays en développement. En 1999, l'Inde a déréglementé son secteur des télécommunications, accélérant l'adoption de l'internet à haut débit et permettant à de nouvelles entreprises comme Infosys et Wipro de devenir très rentables. Un nouveau secteur, en Inde, l'« externalisation des processus métiers » (BPO), était né.
Pour les pays peinant à relancer leur croissance, l'externalisation des processus métiers (BPO) apparaissait comme une bouée de sauvetage. À l'instar des emplois manufacturiers destinés à l'exportation d'antan, les services d'exportation promettaient de générer d'importantes recettes en devises étrangères tout en créant de nombreux emplois mieux rémunérés. En 2021, la Banque mondiale publiait un rapport saluant « la promesse d'un développement tiré par les services », soulignant leur rôle dans « l'innovation qui améliore la productivité du travail ».
Au cours des dernières décennies, des pays comme les Philippines et le Brésil ont développé d'importants secteurs informatiques, exportant chaque année des milliards de dollars de services et employant près de 2 millions de personnes. 1 </sup> Mais à l'échelle mondiale, l'Inde était le leader incontesté : son secteur des services informatiques employait 5,8 millions de personnes et exportait pour 200 milliards de dollars en 2025.
La crainte de voir l'IA remplacer les emplois humains est désormais omniprésente. Aux États-Unis, l'attention s'est focalisée sur la perturbation des emplois de début de carrière dans le développement logiciel et le service client – véritables indicateurs des dangers potentiels, ces tâches qui devraient (du moins en théorie) être les plus facilement automatisables par des agents de programmation d'IA. Une étude marquante des économistes Erik Brynjolfsson, Bharat Chandar et Ruyu Chen a révélé que les jeunes actifs (22-25 ans aux États-Unis) travaillant dans les secteurs les plus exposés à l'IA ont connu une baisse relative de 19 % de leur emploi depuis 2022.
Naturellement, l'attention se porte désormais sur les implications de l'IA pour les 6,8 milliards de personnes vivant dans les pays à revenu faible et intermédiaire. Jusqu'à présent, l'IA n'a eu que peu d'impact, positif ou négatif, sur les 2,5 milliards de personnes qui dépendent encore de l'agriculture familiale. Dans le secteur manufacturier, les preuves de son impact restent également limitées, même si des progrès en robotique industrielle, induits par l'IA, sont peut-être à venir. C'est dans le domaine des exportations de services que la menace de suppressions d'emplois liées à l'IA est la plus préoccupante.
Les canaris dans la mine de charbon
Quatre ans se sont écoulés depuis le lancement de ChatGPT. Les agents sont désormais capables d'effectuer une grande partie du travail du service client ; de fait, les lignes d'assistance aux entreprises sont de plus en plus souvent remplacées par une interface ChatGPT ou Claude. Dans quelle mesure l'automatisation remplace-t-elle déjà les services externalisés dans les pays en développement ?
Nous pouvons nous inspirer des recherches récentes menées par Brynjolfsson et al. aux États-Unis sur les déplacements de main-d'œuvre liés à l'IA et examiner comment l'emploi évolue pour les personnes que l'on s'attend à voir les plus exposées à ces déplacements : les travailleurs technologiques débutants. 2
Les meilleures données disponibles pour un pays en développement proviennent sans doute de l'Enquête périodique sur la population active (PLFS) de l' 3 , qui analyse à haute fréquence les tendances de l'emploi et des salaires. Nous pouvons utiliser ce que les économistes appellent une « triple différence » pour cerner l'impact de l'exposition à l'IA. Premièrement, nous prenons l'emploi des jeunes (15-24 ans) dans les secteurs exposés à l'IA et nous en soustrayons la tendance des travailleurs plus âgés (25-39 ans) dans les mêmes secteurs. Ensuite, nous effectuons la même comparaison entre jeunes et moins jeunes dans les secteurs largement épargnés par l'IA. Enfin, en calculant la différence entre ces deux différences, nous pouvons isoler l'impact sur l'emploi débutant dans les secteurs les plus exposés à l'IA.
Le graphique ci-dessus illustre cette triple différence en matière d'emploi, les intervalles de confiance étant indiqués par les barres verticales. Durant les trois années précédant ChatGPT, l'écart était faible entre les jeunes actifs et les travailleurs plus âgés, que ce soit dans les secteurs les plus ou les moins exposés à l'IA. Mais après 2022 – année de la publication de ChatGPT – l'emploi relatif des jeunes actifs, exposés à l'IA, a chuté brutalement de 32 %. Depuis, l'emploi relatif ne s'est pas redressé et reste inférieur d'environ 20 % à son niveau de référence de 2022, selon les dernières données de 2025.
Il convient d'interpréter ce résultat avec prudence. Il est possible que ce déclin reflète des forces structurelles qui se sont manifestées simultanément à l'essor de l'IA générative. Par exemple, certaines entreprises informatiques indiennes ont embauché en excès pendant la pandémie et ont gelé les embauches de jeunes diplômés en 2023.
L'absence d'une reprise significative de l'emploi – malgré les discours des entreprises d'externalisation de processus métier (BPO) elles-mêmes sur l'adoption croissante de l'IA – laisse penser que cet effet pourrait être bien réel. Ce constat rejoint d'ailleurs les résultats de la dernière révision des travaux de Brynjolfsson et ses coauteurs, qui montrent que la baisse de 19 % de l'emploi chez les jeunes travailleurs exposés à l'IA persiste.
Il ne faut toutefois pas interpréter cela comme un signe de disparition généralisée des emplois. Ces données proviennent d'un seul secteur, d'un seul pays, et concernent les travailleurs que l'on s'attend à voir les plus touchés. Il n'existe (pour l'instant) aucune preuve d'un ralentissement généralisé touchant toutes les tranches d'âge ou les secteurs exposés à l'IA. Même ce résultat est statistiquement à peine significatif.
Comment et quand pourrons-nous tirer des conclusions plus claires ? Cela risque de prendre plus de temps que nous le souhaiterions — dans la plupart des autres pays en développement, les données arrivent avec un décalage beaucoup plus important.
Vol à l'aveugle depuis le décollage
« Messieurs, vous arrivez 60 jours trop tard. La crise est terminée. » Herbert Hoover, juin 4
En 1930, la Grande Dépression était loin d'être terminée. Mais comment Hoover aurait-il pu le savoir ? C'était avant la publication du rapport de Kuznets sur le « Revenu national » en 1934, précurseur des comptes nationaux et du PIB modernes. C'était également avant la disponibilité de statistiques mensuelles fiables sur le chômage, l'enquête moderne auprès des ménages n'ayant débuté qu'en 1940.
Nombre de dirigeants actuels, notamment dans les pays à revenu faible et intermédiaire, se trouvent dans une situation comparable à celle de Hoover dans les années 1930 : ils abordent une période de transformation économique sans avoir une vision claire de l’évolution réelle de leurs économies. Le PLFS indien constitue une initiative remarquable, sans équivalent dans les autres pays susceptibles d’être tout aussi vulnérables à un choc sur les exportations de technologies de l’information.
Prenons l'exemple des Philippines, un autre pays doté d'un important secteur d'exportation de services. Leur enquête annuelle sur les entreprises et l'industrie est publiée plus d'un an après la période étudiée. De ce fait, elle est quasiment inutilisable pour analyser les fluctuations rapides de la main-d'œuvre en réponse à l'évolution des capacités de l'IA. Il faudra peut-être attendre la sortie de Fable 8 pour pouvoir pleinement démêler l'impact de Fable 5 (et des autres modèles de pointe actuels) sur la main-d'œuvre du secteur informatique philippin. Il n'existe 5 simplement aucune donnée de suivi en temps réel.
Avec l'attention et les financements actuellement consacrés à la recherche en économie de l'IA, nous risquons d'être bombardés d'estimations similaires aux nôtres, issues de résumés de documents de travail tout juste publiés, qui nous expliquent comment l'IA a remplacé telle ou telle catégorie de travailleurs par rapport à une autre, ou comment elle a stimulé la productivité dans telle ou telle entreprise par rapport à une autre.
Il sera donc tentant de surinterpréter les données dont nous disposons, et de publier un fil Twitter alarmiste annonçant la catastrophe de l'emploi qui menace les jeunes informaticiens indiens. Mais chaque résultat n'est qu'une pièce du puzzle. Ce résultat, et d'autres similaires, ne nous renseignent pas sur les impacts globaux.
Il ne reste plus qu'à envisager la projection de ces données dans le futur. Même si nous comprenions parfaitement les économies actuelles, une simple extrapolation pour correspondre aux capacités des modèles de demain pourrait nous conduire à des prévisions très erronées.
Les agriculteurs pas si stupides et la bombe démographique qui n'a pas eu lieu
Nombre des craintes concernant les effets économiques de l'IA proviennent de la projection des conséquences des technologies futures sur un monde globalement semblable à celui d'aujourd'hui. Or, ce type d'extrapolation a une longue histoire, souvent semée d'embûches, car l'être humain se montre généralement bien plus adaptable qu'on ne le croit.
L’une des prédictions les plus tristement célèbres en matière de développement international est sans doute celle du best-seller de Paul Ehrlich, « La Bombe démographique », paru en 1968. Extrapolant les tendances observées en matière de croissance démographique et les progrès limités réalisés dans la production alimentaire, Ehrlich s’alarmait du risque de surpopulation et de famine massive. Le scénario le plus optimiste présenté dans « La Bombe démographique », qui supposait « une maturité des mentalités et des comportements aux États-Unis qui semble peu probable », prévoyait la mort par famine d’un demi-milliard de personnes (un cinquième de la population mondiale) 6
Mais les projections d'Ehrlich reposaient sur des extrapolations statiques du comportement humain. Il n'a pas anticipé la Révolution verte, qui a considérablement amélioré les rendements céréaliers (notamment en Inde), ni la transition démographique, marquée par une baisse de la fécondité. En réalité, les décès dus à la malnutrition et aux famines ont diminué. Ehrlich a parié contre notre capacité, souvent sous-estimée, d'innover et de nous adapter, en imposant une croissance démographique rapide à un monde futur dont les possibilités productives évoluaient trop lentement.
En effet, le passage à l'an 2000, 7 le choc de la demande qui a dynamisé le secteur indien des exportations informatiques, illustre parfaitement comment les prévisions peuvent se révéler infondées face à l'adaptation. Cette fois-ci, avant même que minuit ne sonne le 31 décembre 1999, l'adaptation s'est concrétisée par le travail acharné des développeurs indiens qui ont inspecté et modifié des millions de lignes de code afin d'éviter la catastrophe. Finalement, les prédictions apocalyptiques d'un effondrement simultané des systèmes financiers, gouvernementaux et de transport à travers le monde ne se sont jamais réalisées, car nous avons su nous adapter.
L'économie du climat a elle aussi tiré une leçon similaire ces dernières décennies. Les premiers modèles d'évaluation des dommages agricoles liés au changement climatique utilisaient souvent des projections de température, les intégraient dans des équations de rendement des cultures à différentes températures et en extrapolaient les dommages. Sans surprise, les estimations des dommages climatiques dans cette première génération de prévisions étaient généralement énormes. Or, ces modèles reposaient sur l'hypothèse cruciale que les agriculteurs ne s'adapteraient pas à un climat changeant.
Bien entendu, le changement climatique engendrera toujours des coûts importants. De plus, toutes les adaptations ne sont pas couronnées de succès : aux États-Unis, dans l’agriculture, les adaptations à long terme n’ont permis d’atténuer que la moitié, voire aucune , des dommages causés par le changement climatique. L’adaptation se heurte à de réelles contraintes ; même en cas de volonté d’adaptation, les moyens d’y parvenir ne sont pas toujours disponibles.
L'IA pourrait connaître le même sort que les défis précédents. L'adaptation engendrera probablement des perdants. Il se pourrait même que notre capacité d'adaptation atteigne un seuil critique. Mais si l'on tente d'anticiper le monde dans cinq ou dix ans, on risque de se tromper lourdement en négligeant notre propre capacité d'adaptation future. L'IA de demain affrontera le monde de demain, et non celui d'aujourd'hui.
Ceci nous amène à une suggestion modeste, mais peut-être constructive, pour les économistes. Depuis vingt ans, l'inférence causale – la capacité à distinguer clairement la cause et l'effet – est la condition sine qua non de la recherche économique académique. En revanche, la prévision est reléguée au second plan, voire au troisième, au domaine des décideurs politiques et (frissons garantis) des banquiers.
Cette division du travail avait du sens tant que l'on pouvait raisonnablement s'attendre à ce que le monde de demain ressemble à celui d'aujourd'hui. Mais si l'IA est véritablement sur le point de redéfinir les moteurs de la croissance, le plus utile pour les économistes n'est pas de mesurer toujours plus précisément le choc d'hier, mais d'améliorer leur capacité à prédire le prochain.
Pour une vision plus réaliste de notre avenir économique, il est indispensable de prendre en compte à la fois les capacités des machines et l'adaptabilité humaine. De même que l'humanité n'est pas restée les bras croisés à attendre la famine, les dirigeants d'Infosys ne restent pas les bras croisés à attendre d'être remplacés. Il y aura peut-être moins d'emplois disponibles, ou des emplois différents, mais si cela est possible, l'industrie née de l'adaptation à une crise s'efforcera de s'adapter une fois de plus.
Oliver Kim est un économiste du développement et chercheur associé au Fonds de croissance mondiale de Coefficient Giving. 8 tient un blog intitulé Global Developments sur Substack . Oliver Hanney est rédacteur contributeur chez In Development et rédacteur en chef de VoxDev, où il anime le podcast Ideas in Development.
Si vous avez des commentaires à formuler sur cet article ou souhaitez participer à la discussion, veuillez les envoyer par courriel à letters@indevelopmentmag.com. Les réponses seront publiées dans la rubrique « Courrier des lecteurs ».
- L'histoire d'OpenAI était relativement inhabituelle en ce qu'elle mettait en avant des travailleurs africains ; le secteur kenyan n'employait que 36 000 personnes en 2025 . ↩︎
- Il est probable que les travailleurs du secteur technologique plus âgés aient acquis à la fois davantage de « compétences générales » et des compétences techniques plus spécialisées, ce qui les rend plus difficiles à remplacer par l'IA. ↩︎
- La méthodologie de l'étude PLFS a été révisée en 2025, ce qui complique les comparaisons rétrospectives. Néanmoins, il s'agit des meilleures données dont nous disposons. ↩︎
- On ignore les termes exacts, mais il a très probablement dit quelque chose dans ce genre . ↩︎
- De nombreuses recherches explorent de nouvelles formes de mesure, comme la prévision immédiate grâce à l'apprentissage automatique, les données satellitaires, les données de téléphonie mobile et la classification automatisée. Reste à savoir si ces nouvelles approches permettront de se passer des sources de données administratives et d'enquêtes traditionnelles. ↩︎
- Paul Ehrlich, La bombe démographique (Sierra Club Ballantine Books), 80. ↩︎
- Initialement connu sous le nom de « bogue du millénaire » ; de nombreux programmes informatiques stockaient les années en utilisant seulement deux chiffres, ce qui a suscité des craintes généralisées que les systèmes confondent « 00 » avec 1900 et s'effondrent en masse le 1er janvier 2000. ↩︎
- L'équipe Effective Giving & Careers, également membre de Coefficient Giving, finance In Development. Elle n'a joué aucun rôle dans notre décision éditoriale de commander, de modifier et de publier cet article, et Oliver s'exprime à titre personnel. ↩︎