Bill Gates envisage deux décennies de bouleversements avant l’émergence d’une économie d’abondance. Cette perspective ouvre un débat qui dépasse largement les performances des machines. Si l’intelligence artificielle permet de produire davantage avec moins de travail humain, qui possédera les capacités de production ? Comment seront distribués les revenus ? Et quelles institutions pourront transformer une puissance technologique accrue en progrès collectif ?

Atlas Limits — Rapports et dossiers | 25 octobre 2026

Une société peut devenir plus productive sans devenir plus juste. Elle peut fabriquer davantage, automatiser plus vite et accumuler des capacités techniques considérables tout en laissant une partie de sa population dans l’incertitude économique. C’est cette possibilité, encore trop souvent reléguée derrière les annonces de nouveaux modèles et les promesses de croissance, qui devrait structurer le débat sur l’intelligence artificielle.

Dans un entretien au podcast Decoder de The Verge, publié le 22 octobre, Bill Gates envisage une transition d’environ vingt ans, profondément perturbatrice, vers une possible économie d’abondance. Il évoque notamment la réduction du temps de travail et des activités réservées aux humains. Cet horizon relève d’un scénario personnel, non d’un calendrier scientifiquement établi.

L’intérêt de cet avertissement réside moins dans le nombre d’années annoncé que dans le problème qu’il pose. Même si les technologies tiennent une part importante de leurs promesses, leur diffusion pourrait fragiliser les mécanismes par lesquels les sociétés distribuent aujourd’hui les revenus, organisent les carrières et financent la protection sociale.

Le débat public se concentre volontiers sur une interrogation spectaculaire : jusqu’où les machines pourront-elles aller ? Une autre question mérite autant d’attention : comment vivrons-nous ensemble si elles accomplissent une part croissante des activités qui fondent notre organisation économique ?

La première relève de la recherche et de l’ingénierie. La seconde engage la propriété, le pouvoir, les institutions et la démocratie. AI

Une transformation qu’il faut prendre au sérieux sans la présenter comme une fatalité

Toute réflexion sur l’avenir de l’intelligence artificielle devrait commencer par une discipline simple : distinguer ce qui a été observé, ce qui peut raisonnablement être envisagé et ce qui reste spéculatif.

Des systèmes peuvent déjà améliorer la réalisation de tâches précisément définies. Cela ne démontre pas qu’ils pourront, dans les mêmes délais et aux mêmes coûts, remplacer des professions entières. Une réussite dans un environnement contrôlé ne garantit pas une fiabilité équivalente face à des situations inédites, à des informations contradictoires ou à des conséquences difficiles à réparer.

Entre une capacité technique et une transformation économique se trouvent des investissements, des procédures, des responsabilités, des contraintes organisationnelles et des décisions humaines.

Une entreprise doit pouvoir intégrer un outil à ses systèmes, protéger ses informations, vérifier ses résultats et déterminer qui répond de ses erreurs. Elle doit aussi établir que les gains obtenus dépassent les coûts de déploiement, de supervision et de correction.

La robotique ajoute une difficulté supplémentaire. Agir dans le monde physique suppose de composer avec des environnements variables, l’usure, la maintenance et la sécurité des personnes. Automatiser une opération numérique et intervenir de manière autonome dans un chantier, un domicile ou un établissement de soins ne présentent pas les mêmes exigences.

Ces limites ne rendent pas la transformation insignifiante. Elles interdisent de la décrire comme un mouvement uniforme dont l’issue serait déjà connue.

L’incertitude doit conduire à préparer plusieurs trajectoires, plutôt qu’à transformer l’une d’elles en destin collectif.

L’exposition des emplois n’est pas leur disparition

Les chiffres sur l’emploi sont parmi les plus mobilisés et les plus souvent mal interprétés.

Dans une analyse publiée en 2024, le Fonds monétaire international estimait que près de 40 % de l’emploi mondial était exposé à l’intelligence artificielle, avec une proportion d’environ 60 % dans les économies avancées. L’institution distinguait toutefois les situations où l’IA peut compléter le travail humain de celles où elle peut réduire la demande de travail. Ces proportions ne constituaient donc pas une prévision de suppressions de postes.

L’étude publiée en mai 2025 par l’Organisation internationale du travail et l’institut polonais NASK, centrée sur l’IA générative, estimait pour sa part qu’un travailleur sur quatre dans le monde exerçait une profession présentant un certain degré d’exposition. Elle concluait que la transformation des emplois était, dans l’ensemble, plus probable que leur remplacement intégral.

Ces évaluations portent sur des périmètres et des méthodes différents. Elles ne doivent être ni additionnées ni comparées comme deux mesures identiques. Leur enseignement commun est néanmoins essentiel : l’exposition technique décrit une possibilité de changement, pas son résultat social.

Un métier rassemble plusieurs tâches. Certaines sont répétitives, d’autres reposent sur le jugement, la négociation, l’interprétation d’un contexte ou la confiance. Automatiser une composante peut permettre à une personne de mieux exercer les autres. Cela peut aussi conduire une organisation à redistribuer les fonctions entre moins de salariés.

Les deux évolutions sont possibles.

L’effet final dépendra notamment de la demande. Si une baisse des coûts permet de servir beaucoup plus de clients, l’activité peut se développer suffisamment pour soutenir l’emploi. Si le marché reste limité, la même amélioration peut surtout réduire les besoins de personnel.

Il faut donc éviter deux certitudes symétriques : celle d’une disparition générale du travail et celle d’une compensation automatique de chaque emploi supprimé.

La productivité ne dit pas encore qui gagne

Les gains de productivité ne sont pas seulement une promesse abstraite.

Une étude d’Erik Brynjolfsson, Danielle Li et Lindsey Raymond, publiée en 2025 dans le Quarterly Journal of Economics, analyse l’introduction d’un assistant d’IA auprès de 5 172 agents de service client. Elle constate une hausse moyenne de 15 % du nombre de problèmes résolus par heure, avec des bénéfices particulièrement importants pour les travailleurs les moins expérimentés. Ce résultat concerne un dispositif et une activité spécifiques ; il ne mesure pas l’effet de l’IA sur l’économie entière.

Cette observation permet néanmoins de poser la question centrale de la distribution.

Lorsqu’une équipe accomplit davantage de travail dans le même temps, plusieurs décisions deviennent possibles. L’entreprise peut améliorer le service, augmenter les salaires, réduire les horaires, développer son activité, accroître sa marge ou diminuer ses effectifs.

Le logiciel ne choisit pas entre ces options.

Le résultat dépend de la concurrence, de la stratégie de l’entreprise, des accords collectifs, de la capacité de négociation des salariés et des politiques publiques. Une même technologie peut ainsi produire des effets sociaux différents selon l’organisation dans laquelle elle est introduite.

Cette distinction est fondamentale. La productivité indique une relation entre les ressources utilisées et la production obtenue. Elle ne contient aucune règle automatique de partage des bénéfices.

Une économie peut enregistrer de meilleurs résultats tout en laissant certains travailleurs supporter une baisse de revenu ou une dégradation de leurs perspectives. Inversement, une technologie bien intégrée peut améliorer simultanément la qualité du service, les conditions de travail et la viabilité d’une entreprise.

Le sujet décisif devient alors l’organisation du progrès technique : à quelles fins est-il déployé, par qui et sous quelles conditions ?

Le risque d’une fragilisation silencieuse du travail

Le bouleversement pourrait être moins visible qu’une succession de licenciements massifs.

Une entreprise peut réduire ses recrutements sans supprimer immédiatement des postes. Elle peut ne pas remplacer les départs, diminuer le recours aux prestataires, raccourcir certaines missions ou demander à une équipe stable d’absorber une charge croissante.

Dans un tel scénario, les statistiques agrégées de l’emploi pourraient masquer des changements profonds dans les conditions d’entrée et de progression sur le marché du travail.

Le risque concerne particulièrement les premières étapes des carrières.

De nombreuses professions reposent sur un apprentissage progressif : préparer des documents, effectuer des recherches, vérifier des informations, traiter des cas simples, puis accéder à des responsabilités plus importantes. Ces tâches ont une valeur productive, mais elles servent également à construire l’expérience.

Si une partie d’entre elles est automatisée, une organisation peut gagner en efficacité immédiate tout en affaiblissant son propre mécanisme de formation.

La difficulté n’est pas insoluble. Un assistant peut aussi accélérer l’apprentissage, rendre explicites des raisonnements et faciliter l’accès à l’expertise. Mais cela suppose de concevoir son usage dans ce but, plutôt que de considérer chaque tâche débutante comme un coût à éliminer.

Une société ne peut pas demander durablement de l’expérience à ses jeunes actifs tout en supprimant les occasions de l’acquérir.

La qualité de la transition devra donc être évaluée à travers les recrutements, les parcours professionnels, les rémunérations et l’autonomie au travail, autant qu’à travers le nombre total d’emplois.

La propriété, question centrale de l’économie automatisée

Si une part croissante de la production repose sur des systèmes automatisés, la propriété de ces systèmes devient un déterminant majeur de la distribution des revenus.

La question dépasse celle des modèles eux-mêmes. Elle concerne les infrastructures de calcul, les logiciels spécialisés, les réseaux de distribution, les données dont l’usage est autorisé, les équipements industriels et les relations commerciales.

Une entreprise qui automatise une activité peut créer une valeur considérable. Mais la part de cette valeur qui revient aux salariés, aux fournisseurs, aux consommateurs et aux détenteurs du capital dépend de la structure du marché et des règles qui l’encadrent.

Il existe un scénario dans lequel l’IA diffuse largement les capacités productives. Une petite entreprise peut accéder à des services autrefois réservés aux grandes organisations. Un professionnel indépendant peut traiter davantage de dossiers. Une institution disposant de moyens limités peut améliorer certaines prestations.

Il existe aussi un scénario de dépendance accrue : ces mêmes acteurs deviennent tributaires de quelques fournisseurs capables de modifier leurs prix, leurs conditions d’accès ou leurs fonctionnalités.

Ces deux dynamiques peuvent coexister. L’accès aux outils peut s’élargir tandis que la propriété des infrastructures et la captation des revenus restent concentrées.

Démocratiser l’usage d’une technologie ne revient pas nécessairement à démocratiser son contrôle.

C’est pourquoi la concurrence, la possibilité de changer de fournisseur, la portabilité des données et l’interopérabilité des systèmes constituent des questions économiques de premier ordre. Elles déterminent si l’IA accroît l’autonomie des utilisateurs ou installe de nouvelles dépendances.

L’abondance ne supprime pas toutes les raretés

La promesse d’abondance mérite elle-même d’être examinée.

Une baisse importante du coût de certaines opérations intellectuelles peut transformer l’accès à des services. Elle ne signifie pas que l’ensemble des biens nécessaires à une vie digne deviendra abondant ou bon marché.

Le logement en fournit une illustration. Réduire le coût de conception ou de construction ne crée pas automatiquement du foncier bien situé, des transports, des réseaux d’eau et d’électricité ou des logements accessibles aux revenus modestes. Une partie du gain peut être absorbée par la valeur des terrains ou par d’autres coûts.

En santé, améliorer l’analyse d’un dossier ne suffit pas à assurer une prise en charge complète. Celle-ci dépend aussi des équipements, des médicaments, des personnels, des capacités d’accueil et de l’organisation du financement.

En agriculture, de meilleures prévisions ne remplacent ni l’eau, ni les sols, ni les infrastructures logistiques, ni la stabilité nécessaire à l’activité.

Même une économie très automatisée conserverait des ressources limitées : l’espace, certains matériaux, les milieux naturels, le temps humain, l’attention et la confiance.

La rareté peut aussi changer de place. Lorsque les contenus deviennent très faciles à produire, leur vérification et la capacité à identifier une source fiable prennent davantage de valeur. Lorsque des services numériques se multiplient, les infrastructures physiques qui les rendent possibles peuvent devenir des points de concentration économique.

L’enjeu n’est donc pas de savoir si l’IA abolira toute rareté. Il est de comprendre quelles contraintes elle réduira, lesquelles subsisteront et qui contrôlera les ressources devenues stratégiques.

L’intelligence artificielle possède une géographie matérielle

L’IA dépend d’infrastructures physiques. Ses capacités sont liées aux semi-conducteurs, aux réseaux, à l’électricité, au refroidissement et aux équipements qui permettent de faire fonctionner les centres de données.

Dans ses projections actualisées de 2026, l’Agence internationale de l’énergie estime que la consommation électrique mondiale des centres de données pourrait passer d’environ 485 térawattheures en 2025 à 950 térawattheures en 2030, soit près de 3 % de la demande mondiale d’électricité. Ces chiffres concernent l’ensemble des centres de données, et non exclusivement l’IA.

Cette dimension matérielle introduit une tension entre deux temporalités. Un logiciel peut évoluer rapidement ; l’extension d’un réseau électrique ou la construction d’une infrastructure industrielle exige généralement davantage de temps.

Elle oblige également à examiner la répartition des coûts. Qui finance les raccordements ? Comment sont arbitrés les usages de l’électricité et de l’eau lorsque des contraintes locales apparaissent ? Quelles retombées économiques compensent les ressources mobilisées ?

L’évaluation doit rester équilibrée. L’IA peut contribuer à optimiser des systèmes énergétiques ou à réduire certaines consommations. Mais un gain d’efficacité par opération ne garantit pas une baisse de la consommation totale si le volume des usages augmente fortement.

L’abondance numérique repose ainsi sur des choix d’aménagement, d’investissement et d’accès aux ressources. Elle ne flotte pas au-dessus de l’économie réelle.

Une nouvelle fracture internationale est possible

Les effets de l’IA seront aussi géographiques.

Pour une économie avancée, l’enjeu peut être de transformer des services à forte valeur ajoutée tout en préservant les revenus et la mobilité professionnelle. Pour un pays dont le développement repose sur l’exportation de services administratifs ou de prestations numériques, le risque peut concerner la solidité d’un avantage compétitif.

Si certaines opérations deviennent moins dépendantes du coût du travail, les décisions de localisation peuvent évoluer. Cela ne signifie pas que toutes les activités externalisées disparaîtront. La maîtrise des langues, la relation client, la connaissance des marchés et la capacité à gérer des situations complexes peuvent rester déterminantes. Mais les stratégies de développement devront intégrer cette possibilité.

À l’inverse, des outils moins coûteux pourraient aider des entreprises et des administrations à surmonter des pénuries de compétences. Les gains potentiels sont importants là où l’accès à certains services demeure limité.

Le FMI souligne toutefois qu’une exposition plus faible aux perturbations ne garantit pas une meilleure position : les économies moins équipées peuvent également avoir davantage de difficultés à bénéficier de l’IA, en raison de leurs contraintes d’infrastructure et de compétences.

Pour les pays africains et méditerranéens, la question stratégique consiste donc à relier l’adoption technologique à une création de valeur locale.

Cela peut passer par les compétences, les applications adaptées aux besoins des entreprises, la qualité des services publics et la maîtrise des données sensibles. Il s’agit aussi d’évaluer les projets d’infrastructure selon leurs effets réels sur le tissu économique.

Accueillir une capacité de calcul ne suffit pas, à lui seul, à construire une économie de l’innovation.

Le pouvoir d’achat reste indispensable à une économie productive

Une économie qui produit davantage doit encore permettre à la population d’accéder à cette production.

Si l’automatisation réduit les coûts, les consommateurs peuvent bénéficier de prix plus bas. Ce mécanisme est important : il peut libérer du pouvoir d’achat et soutenir de nouvelles activités.

Mais ses effets dépendent de plusieurs conditions. Les économies réalisées doivent être transmises aux prix. La concurrence doit fonctionner. Et les revenus des ménages ne doivent pas se dégrader plus rapidement que le coût de leurs dépenses essentielles.

Une personne dont le revenu diminue ne bénéficie pas nécessairement d’un accès moins coûteux à des services numériques si son loyer, son alimentation ou son transport restent difficiles à financer.

Il est donc possible d’imaginer une économie dans laquelle certains produits deviennent abondants tandis que l’insécurité matérielle persiste. Ce scénario n’est pas une prévision ; il montre pourquoi la capacité de production ne peut être étudiée indépendamment de la distribution des revenus.

Le salaire reste l’un des principaux moyens d’accès à la consommation. Si son rôle devait se réduire dans une partie importante de l’économie, d’autres mécanismes devraient prendre davantage de place : revenus du capital plus largement distribués, transferts, services publics ou nouvelles formes de participation aux gains productifs.

Ce débat ne peut pas être repoussé jusqu’à l’apparition hypothétique d’un chômage massif. Les institutions qui organisent la distribution se construisent plus lentement que les outils qui peuvent la déstabiliser.

La protection sociale à l’épreuve de la transformation du travail

Les systèmes de protection sociale combinent, selon les pays, cotisations sur les revenus du travail, impôts et autres ressources publiques.

Une transformation de la répartition entre salaires et profits pourrait donc modifier leur financement. Elle n’entraînerait pas mécaniquement leur effondrement : une économie plus productive peut aussi générer davantage de recettes. Tout dépend de l’endroit où la valeur apparaît et de la capacité des États à en prélever une part.

Taxer les robots est une proposition intuitive, mais sa définition soulève des difficultés. Un logiciel qui assiste un salarié et une installation qui remplace un poste peuvent utiliser des technologies proches. La substitution peut être diffuse et difficile à isoler.

Une fiscalité visant trop directement un équipement risque également de décourager des investissements utiles, y compris ceux qui améliorent la sécurité ou permettent à une petite entreprise de rester compétitive.

Une autre approche consiste à examiner plus largement la fiscalité du travail, du capital, des profits et des rentes, sans faire dépendre tout le système d’une définition particulière de l’IA.

Le principe à discuter est simple : si la base économique du financement collectif se déplace, les recettes publiques doivent pouvoir évoluer avec elle.

Cette réflexion doit intégrer la concurrence fiscale et la mobilité internationale des activités. Une réforme nationale peut perdre une partie de son efficacité si les revenus qu’elle vise sont facilement déplacés vers d’autres juridictions.

Revenu universel, services publics et partage du temps

Aucune réponse unique ne couvre l’ensemble du problème.

Un revenu universel pourrait, selon sa conception, offrir un socle de sécurité indépendant de la situation professionnelle. Mais son montant, son financement et son articulation avec les prestations existantes détermineraient ses effets.

Un revenu trop faible ne sécuriserait pas les parcours. Un dispositif remplaçant des aides adaptées à des besoins spécifiques pourrait fragiliser certains bénéficiaires. Et des transferts monétaires ne suffisent pas à résoudre une pénurie de logements ou de services de santé.

Les services publics constituent donc une autre dimension du partage des gains : réduire les dépenses contraintes peut améliorer la sécurité économique autant qu’une augmentation du revenu disponible.

La réduction du temps de travail offre également une possibilité. Si une activité produit davantage par heure, une partie du gain peut être convertie en temps libre. Mais cette option exige des gains effectifs, une organisation adaptée et un accord sur le partage des coûts.

Dans certains secteurs, les besoins pourraient au contraire augmenter. Une technologie qui permet de mieux traiter une demande jusque-là insatisfaite peut justifier davantage de professionnels et de moyens.

L’objectif ne devrait donc pas être d’imposer partout la même formule. Il devrait être de rendre possibles plusieurs formes de progrès : meilleure rémunération, horaires réduits, services plus accessibles, conditions de travail améliorées et nouvelles activités.

La formation est indispensable, mais elle ne peut porter seule la transition

La reconversion est souvent présentée comme la réponse centrale à l’automatisation. Elle est nécessaire, mais son efficacité dépend des emplois réellement disponibles.

Former une personne ne crée pas automatiquement un débouché. Demander aux travailleurs de s’adapter en permanence peut même transférer sur eux l’essentiel du risque d’une transformation qu’ils ne contrôlent pas.

Une politique crédible doit réunir plusieurs éléments : du temps pour apprendre, un revenu pendant la transition, des formations de qualité et des perspectives identifiables. Elle doit aussi tenir compte des contraintes familiales, de l’âge, de la mobilité et des écarts territoriaux.

La formation initiale pose un problème plus profond encore. Si les outils évoluent rapidement, préparer à leur seule utilisation immédiate peut produire des compétences vite dépassées.

Les capacités durables deviennent alors essentielles : comprendre un problème, vérifier une information, raisonner avec des données, expliquer une décision, coopérer et reconnaître les limites d’un résultat.

Savoir utiliser une IA suppose aussi de savoir quand son usage est inapproprié et comment contrôler ce qu’elle produit.

L’éducation doit préserver cette autonomie intellectuelle. Sans elle, l’accès à des outils puissants pourrait coexister avec une dépendance croissante à leurs réponses.

Le travail fournit davantage qu’un revenu

Le travail organise une partie de la vie sociale. Il crée des relations, structure le temps, permet d’acquérir des compétences et peut donner le sentiment de contribuer à quelque chose d’utile.

Il serait pourtant trompeur d’en idéaliser toutes les formes. Des emplois sont pénibles, dangereux, mal rémunérés ou privés d’autonomie. Leur transformation peut représenter un progrès considérable.

La question consiste à préserver les dimensions positives de l’activité sans considérer la contrainte économique comme leur seule source possible.

Une société dans laquelle le travail rémunéré occuperait moins de place devrait reconnaître davantage d’autres contributions : prendre soin de proches, participer à la vie locale, transmettre des connaissances, créer, apprendre ou s’engager dans des projets collectifs.

Mais cette reconnaissance ne peut être uniquement symbolique. Il faut disposer de temps, de ressources et d’institutions pour exercer ces activités dans de bonnes conditions.

Une réduction du rôle du travail marchand pourrait ainsi élargir la liberté humaine. Elle pourrait aussi créer une séparation entre ceux qui disposent des ressources nécessaires pour choisir leurs activités et ceux qui restent dépendants de décisions prises ailleurs.

Le progrès se mesurerait alors à l’autonomie réelle des personnes, pas seulement au nombre d’heures libérées.

Gouverner les usages et leurs conséquences

L’IA pose enfin une question de pouvoir institutionnel.

Lorsqu’un système intervient dans le recrutement, l’accès à un service, l’évaluation d’une personne ou l’attribution d’une ressource, sa performance technique n’épuise pas le problème. Il faut déterminer quelles décisions peuvent être automatisées, qui peut les contester et qui en assume la responsabilité.

Une décision correcte dans la majorité des cas peut rester inacceptable si ses erreurs sont graves, systématiquement concentrées sur certains groupes ou impossibles à corriger.

La gouvernance doit donc porter sur les conditions d’utilisation autant que sur les caractéristiques des modèles.

Elle doit également éviter deux écueils. Des exigences insuffisantes peuvent transférer les risques aux utilisateurs et aux citoyens. Des obligations trop coûteuses ou mal conçues peuvent favoriser les acteurs les plus puissants et réduire la concurrence.

L’objectif est de construire des garanties proportionnées aux conséquences des usages : documentation, évaluation, contrôle humain effectif et voies de recours lorsque des droits ou des intérêts essentiels sont engagés.

Le caractère international de la technologie complique cette tâche. Les infrastructures, les fournisseurs et les utilisateurs peuvent relever de juridictions différentes. Mais l’absence d’un accord mondial complet ne prive pas les États de toute capacité d’action sur leurs services publics, leurs marchés et les usages déployés sur leur territoire.

Trois trajectoires plutôt qu’un avenir unique

À partir de ces tensions, trois trajectoires peuvent être envisagées comme cadres d’analyse, sans leur attribuer une probabilité certaine.

La première serait une diffusion largement partagée des gains. L’IA améliore les services, augmente les capacités des travailleurs, soutient de nouvelles activités et permet une meilleure répartition du temps. La concurrence et les institutions limitent la concentration des bénéfices.

La deuxième serait une croissance concentrée accompagnée d’une insécurité sociale accrue. Les capacités productives progressent, mais les revenus se distribuent de manière déséquilibrée. Certains métiers perdent en valeur, les carrières se fragilisent et une partie des ménages accède difficilement aux biens essentiels.

La troisième serait une transformation plus lente et plus coûteuse qu’annoncé. Des progrès importants apparaissent dans certaines activités, mais les contraintes de fiabilité, d’intégration et d’infrastructure limitent leur diffusion. Des investissements déçoivent, sans empêcher des bouleversements sectoriels durables.

Ces trajectoires peuvent se combiner selon les pays, les professions et les périodes. Une technologie peut simultanément améliorer des services, déplacer des emplois et décevoir certaines attentes financières.

C’est pourquoi l’évaluation doit suivre plusieurs dimensions : productivité réelle, qualité du service, salaires, accès au premier emploi, temps de travail, concentration des marchés, consommation de ressources et capacité des institutions à corriger les déséquilibres.

Le montant des investissements et les performances des modèles ne suffisent pas à décrire une transformation sociale.

La prospérité ne sera pas une conséquence automatique

L’avertissement de Bill Gates fournit un point de départ. Il ne constitue ni une démonstration de la fin du travail ni une garantie d’abondance future.

La question la plus sérieuse est celle d’une société disposant de capacités techniques nouvelles, mais d’institutions insuffisamment préparées à en distribuer les bénéfices et à en limiter les dommages.

Les décisions prises aujourd’hui peuvent orienter cette transition : préserver l’apprentissage professionnel, favoriser la concurrence, développer les capacités publiques, sécuriser les parcours et faire participer les travailleurs aux transformations qui les concernent.

Il faut également reconnaître que le progrès comporte plusieurs dimensions. Une économie peut vouloir produire davantage, mais aussi mieux soigner, réduire la pénibilité, protéger les ressources et permettre à chacun de maîtriser davantage son temps.

Ces objectifs ne se confondent pas toujours. Ils doivent être discutés et arbitrés.

La promesse d’une prospérité future ne saurait suffire à justifier des pertes présentes sans compensation, pas plus que la crainte des perturbations ne devrait conduire à renoncer aux améliorations possibles.

L’intelligence artificielle peut accroître la capacité de produire. La prospérité dépendra de notre capacité à en faire un pouvoir partagé.

C’est dans cet écart entre puissance technique et organisation collective que se jouera l’essentiel des prochaines décennies.