Cinq paradoxes de l'intelligence artificielle

Auteur : Yan Deli, expert senior chez Tencent, Institut de recherche de Tencent

Nous sommes à l'ère de l'intelligence artificielle, qui est pleine de paradoxes : le paradoxe de la prédiction, le paradoxe de la quantification de l'emploi, le paradoxe de la productivité, le paradoxe de la valeur des données, le paradoxe de la révolution industrielle... Nous avançons à travers ces paradoxes.

Paradoxe de la prédiction

Concernant l'avenir de l'intelligence artificielle, il semble que personne ne puisse jamais prédire avec précision, que ce soit des lauréats du prix Turing, des lauréats du prix Nobel, ou des entrepreneurs et créateurs d'entreprise. Ils font toujours des jugements irréalistes ou trop conservateurs. C'est ce qu'on appelle le paradoxe de la prédiction de l'intelligence artificielle. Dans l'histoire, des pionniers comme Marvin Minsky, Allen Newell et Herbert Simon ont fait des prédictions surprenantes. Par exemple, Marvin Minsky a déclaré en 1970 : "Dans trois à huit ans, nous aurons une machine ayant une intelligence moyenne humaine." Nous y travaillons encore aujourd'hui. Geoffrey Hinton, considéré comme le "parrain de l'IA", a prédit en 2016 : "Il faut immédiatement arrêter de former des radiologues. Il est évident que les performances de l'apprentissage profond dépasseront celles des radiologues dans cinq ans." Cela ne s'est pas réalisé, et la réalité a évolué dans la direction opposée, avec une augmentation significative du nombre et des revenus des radiologues aux États-Unis au cours de la dernière décennie. Demis Hassabis, dont le statut est comparable à celui de Hinton, a déclaré (2025) : "Dans les dix prochaines années, l'IA pourrait aider à guérir toutes les maladies." En tant qu'entrepreneur IA le plus prospère, Amodi (2025) estime que l'IA pourrait doubler l'espérance de vie humaine dans 5 à 10 ans. Nous attendons avec impatience les prédictions récentes. Ce qui précède concerne les six personnalités les plus célèbres. En ce qui concerne le sujet, l'AGI est actuellement le plus en vogue. Les jugements des entrepreneurs et des universitaires sur le moment où l'AGI sera réalisée montrent une nette divergence. Les entrepreneurs sont radicalement optimistes, pensant même que cela pourrait arriver bientôt. Il existe principalement quatre catégories : ① déjà là (sans le savoir), ② bientôt là (dans un ou deux ans), ③ à court terme (dans trois à cinq ans), ④ à long terme (dans cinq à dix ans, voire plus). Certains de ces jugements ont déjà été réfutés, d'autres nécessitent encore du temps pour être vérifiés. Comme le montre le tableau ci-dessous. Les jugements des universitaires sont généralement pessimistes, certains allant même jusqu'à dire que l'AGI est un faux problème qui n'arrivera jamais. Par exemple, Iris van Rooij a déclaré (2024) : "Créer une AGI avec des capacités cognitives au niveau humain est impossible."

Tableau des prévisions des PDG des entreprises d'IA sur le moment de l'arrivée de l'AGI. Source : Institut de recherche de Tencent, compilé en mai 2026. Les gens aiment prédire. Certains le font pour la promotion, pour se motiver, d'autres pour des articles et des projets, et certains pour des querelles verbales. En réalité, personne ne sait à quoi ressemblera l'avenir. L'avenir ne suit pas un scénario prédéfini, il est déterminé par les choix et les actions de chacun, façonné par une rupture totale avec le passé, rempli de coïncidences et de paradoxes. Comme un cochon vivant paisiblement, il est impossible de prédire le cygne noir du Nouvel An.

Paradoxe de la quantification de l'emploi

L'impact de la technologie sur l'emploi est un sujet de débat, à la fois une science et une mystique. C'est un sujet ancien, tel un fantôme, errant depuis des siècles. Il est bien connu, discuté par des érudits, et accessible à tous. Son seuil est très bas, mais son plafond est très haut, ce qui entraîne des débats sans fin et des opinions divergentes. Ces dernières années, les chercheurs et les institutions se sont tournés vers "les données parlent", essayant de prouver leur compétence avec une méthode qui semble scientifique, rigoureuse et avancée. Des organisations internationales telles que l'OCDE, le FMI, le Forum économique mondial, la Conférence des Nations Unies sur le commerce et le développement, l'Organisation internationale du travail, la Banque mondiale, ainsi que des cabinets de conseil comme Goldman Sachs, McKinsey et le Pew Research Center, ont tous publié des rapports sur l'impact de l'IA sur l'emploi. Comme le montre le tableau ci-dessous.

Tableau des résultats quantitatifs partiels de l'impact de l'IA sur l'emploi. Un rapport individuel est déjà suffisamment substantiel, voire considéré comme une référence. Mais en regardant ces rapports ensemble, on constate que les résultats des calculs varient considérablement, se situant généralement entre 0,4 % et 67 %, ce qui rend la comparaison presque impossible. Cela désenchante. La condition préalable à la quantification de l'impact de l'IA sur l'emploi est de pouvoir saisir avec précision le pouls du développement technologique. Comme mentionné précédemment, les géants de la technologie ne peuvent pas encore prédire avec précision l'avenir du développement de l'IA, comment les économistes peuvent-ils quantifier l'impact de l'IA sur l'emploi ? Ils ne peuvent que supposer que la technologie est statique ou qu'elle progresse à un rythme prédéfini, ce qui n'est pas la réalité. D'autre part, l'IA n'est pas un facteur d'influence indépendant ; de multiples facteurs, tels que le cycle économique, l'économie industrielle, le développement technologique, la structure démographique, les préférences d'emploi, les politiques d'emploi, la mondialisation et les événements imprévus, influencent tous l'emploi. Ils sont interconnectés et interagissent, et il est impossible de découper l'IA de ce contexte. Dans ce sens, quantifier l'impact de l'IA sur l'emploi est un paradoxe.

Paradoxe de la productivité

L'intelligence artificielle est une nouvelle technologie à but général, caractérisée par son applicabilité universelle, son amélioration continue et sa capacité à engendrer l'innovation, et elle est le moteur de la croissance économique future. Le terme d'intelligence artificielle existe depuis 70 ans, la révolution de l'apprentissage automatique dure depuis 14 ans, et la vague actuelle de l'IA est en plein essor, allant des modèles de langage aux modèles multimodaux, en passant par les modèles du monde, les agents et l'IA physique, avec une succession d'innovations. Cependant, la croissance de la productivité n'a pas accéléré de manière significative, et nous faisons même face à une crise de la productivité (Rogers, 2024). Depuis le lancement de ChatGPT, la croissance de la productivité horaire de l'UE fluctue autour de 0 %, avec une augmentation de 0,1 % au premier trimestre de cette année. Parmi les 14 trimestres allant du quatrième trimestre 2022 au premier trimestre 2026, seulement 3 trimestres ont enregistré une croissance de la productivité supérieure à la moyenne à long terme depuis 1999 (1,0 %). Comme le montre le graphique ci-dessous. Les États-Unis affichent une forte croissance, avec une augmentation annuelle moyenne de 2,2 % de la productivité du travail dans le secteur non agricole entre le quatrième trimestre 2022 et le deuxième trimestre 2026, se distinguant parmi les pays occidentaux, mais cela ne correspond qu'à la moyenne à long terme depuis 1948 (source : Bureau of Labor Statistics des États-Unis).

Graphique de la croissance de la productivité du travail dans l'UE ces dernières années (source : Eurostat) Cette situation où "l'innovation technologique progresse à grands pas et la croissance de la productivité est décevante" coexiste, c'est le paradoxe de la productivité. Ce n'est pas la première fois qu'il se produit. Le lauréat du prix Nobel d'économie Robert Solow a écrit en 1987 : "You can see the computer age everywhere but in the productivity statistics." (L'empreinte de l'ère informatique est partout sauf dans les statistiques de productivité.) Cela est considéré comme l'expression la plus classique du "paradoxe de la productivité" ou du "paradoxe de Solow". Pour expliquer le paradoxe de la productivité, il existe principalement trois interprétations : des attentes erronées, des erreurs de mesure et des délais. Brynjolfsson (2017) estime que l'explication par le délai est la plus convaincante, étant la principale cause du paradoxe de la productivité, et résume l'effet de retard de la technologie à but général sur la productivité sous la forme d'une "courbe en J". Les technologies à but général nécessitent plusieurs innovations secondaires, des innovations complémentaires et des réformes organisationnelles pour avoir un impact substantiel sur la productivité. Historiquement, la machine à vapeur, le générateur et l'ordinateur ont respectivement commencé à stimuler l'augmentation de la productivité 118 ans, 91 ans et 49 ans après leur invention, et respectivement 54 ans, 40 ans et 21 ans après leur commercialisation. Ainsi, à long terme, le paradoxe de la productivité n'est pas vraiment un paradoxe. L'IA nécessite encore du temps pour améliorer significativement la productivité.

Paradoxe de la valeur des données

Les données sont la nourriture de l'IA, elles doivent être abondantes et de haute qualité, suffisamment abondantes pour être inépuisables, et en termes de qualité, "les ordures entrent, les ordures sortent" (GIGO), ou on peut dire qu'il existe une distinction entre les données "nobles" et "viles". Les données déterminent le plafond des capacités de l'IA, souvent qualifiées de "nouvelle huile" (Clive Humby, 2006) et de "ressource la plus précieuse au monde" (The Economist, 2017), "aussi importante que l'énergie et les ressources matérielles" (document des deux bureaux de 2004). La valeur d'utilisation des données est immense, mais elles n'ont pas de valeur de transaction ou de valeur monétaire comme les biens ordinaires. Comme l'a dit Li Guojie (2025) : "La valeur des données ne peut être déterminée que dans l'utilisation." L'OCDE (2024) a examiné les documents de politique de données de 46 pays et a constaté que le contexte politique dans lequel "les données" apparaissent est classé de haut en bas comme suit : innovation, confiance, société, ouverture du marché, utilisation, emploi et accès, sans se préoccuper de "transaction". Chen Changsheng (2023) a souligné : "Les bourses de données fleurissent, mais le développement des 'transactions' dans ces bourses de données n'est pas très bon". "Dans le cadre de la vague de construction de marchés de données qui se lève partout, il faut se méfier de la tendance à considérer que 'seules les données échangées sont des données utilisables'." La densité de valeur des données est faible, difficile à monétiser, et leur part dans le bilan est négligeable, presque insignifiante. Selon les dernières données de l'École supérieure de finance de l'Université Jiaotong de Shanghai, 136 entreprises cotées en bourse en Chine ont divulgué des informations relatives à l'entrée des ressources de données dans leurs états financiers, pour un montant total de 3,786 milliards de CNY. En conséquence, ces entreprises ne représentent que 2,5 % du nombre total d'entreprises cotées en A-shares, et ce montant ne représente que 0,3 % de la taille de l'industrie de l'intelligence artificielle en Chine. Les trois grands opérateurs de télécommunications dominent en termes de montant d'entrée, avec un montant total de 2,1 milliards de CNY en 2025, représentant 55,46 % du montant total d'entrée des entreprises cotées. Cependant, ces ressources de données ne représentent qu'environ 0,06 % du total des actifs de l'entreprise, ce qui est insignifiant. Comme le montre le tableau ci-dessous.

Tableau des montants d'entrée des ressources de données des trois grands opérateurs et leur part (31 décembre 2025). Source des données : compilé à partir des états financiers consolidés.

Paradoxe de la révolution industrielle

Chaque fois qu'une vague technologique émerge, certains la comparent à la machine à vapeur, à l'électricité ou à l'ordinateur, s'exclamant avec enthousiasme : "Cela déclenchera la quatrième révolution industrielle !" Ce phénomène dure depuis au moins un demi-siècle, avec des exemples précoces tels que la microélectronique (1984), l'ordinateur (1988), la nanotechnologie (1994), Internet (2000), les énergies alternatives (2010), et les systèmes cyber-physiques (2014). Au cours des dix dernières années, cela s'est intensifié avec le big data (2016), l'intelligence artificielle (2016), l'Internet des objets (2016), l'Internet industriel (2017), la blockchain (2017), l'informatique quantique (2018) et la fabrication intelligente (2021), tous ayant été investis d'une mission de quatrième révolution industrielle. Comme le montre le graphique ci-dessous.

Graphique de la distribution des articles ayant pour titre "quatrième révolution industrielle" sur CNKI. Remarque : le critère de sélection est que le titre inclut "troisième révolution industrielle", "troisième révolution sectorielle", "quatrième révolution industrielle" et "quatrième révolution sectorielle". Concernant la révolution actuelle, certains estiment qu'il s'agit de la troisième, d'autres de la quatrième ; de plus, les révolutions industrielles et sectorielles sont exprimées par la même phrase en anglais : "Industrial Revolution". Par conséquent, cet article ne fait pas de distinction stricte. Nous vivons presque en permanence la quatrième révolution industrielle dans les médias. Les technologies qui déclenchent cette révolution sont toujours "les nouvelles feuilles poussent sur les anciennes, les vagues précédentes laissent place aux suivantes", avec au moins 20 nouvelles technologies identifiées. Chaque fois qu'une nouvelle technologie apparaît et se voit attribuer une grande signification dans la quatrième révolution industrielle, cela semble signifier que les précédentes étaient toutes erronées. Actuellement, l'IA est généralement considérée comme la quatrième révolution industrielle. Demis Hassabis (2026) a même déclaré : "L'échelle et la vitesse de l'AGI pourraient être dix fois supérieures à celles de la révolution industrielle." En Chine, certains entrepreneurs considèrent également l'IA comme la dernière révolution technologique de la société humaine. L'IA a prouvé son efficacité dans le passé, mais comment l'IA elle-même peut-elle prouver cela ? Nous ne pouvons pas débattre, mais nous soulignons deux points. Premièrement, la révolution industrielle et la crise économique ne peuvent pas se produire simultanément. Deuxièmement, les révolutions industrielles passées ne sont pas des prévisions, mais des récits rétrospectifs ; ceux qui y participent ne savent pas qu'ils sont en train de vivre une révolution industrielle. Quarante ans après la première révolution industrielle (1760-1840), le terme "Industrial Revolution" n'est devenu connu du grand public qu'avec la promotion d'Arnold Toynbee. Quarante ans après la fin de la deuxième révolution industrielle (1870-1914), les économistes ont commencé à utiliser le terme "Seconde Révolution Industrielle", et 55 ans après, David Landes a standardisé sa définition académique dans "Prometheus Unbound" (1969). La troisième révolution industrielle n'a pas encore de consensus, Jeremy Rifkin (2011) estime que son thème est la fusion de l'Internet et des énergies renouvelables ; The Economist (2012) considère qu'il s'agit de la numérisation de l'industrie ; Erik Brynjolfsson et Andrew McAfee (2011) estiment que la troisième révolution industrielle est propulsée par les ordinateurs et les réseaux. Attendons cette fois-ci quelque chose de différent.

Ce contenu est fourni à titre informatif uniquement et ne constitue pas un conseil financier, d'investissement, juridique ou fiscal. Les événements, récompenses, promotions en ligne ou informations mentionnées ici ne doivent pas être considérés comme une recommandation, une sollicitation ou une invitation à acheter, vendre, trader ou effectuer toute autre opération sur des actifs crypto. Les actifs crypto sont très volatils et peuvent entraîner des pertes. La disponibilité des services, produits et événements liés à WEEX peut varier selon les régions. Veuillez vous assurer que votre participation respecte les lois et réglementations locales applicables.