Pourquoi les optimistes ont raison — jusqu'à ce qu'ils ne le soient plus
26 mars 2026
En 1865, un économiste anglais de vingt-neuf ans écrivit accidentellement l'argument le plus dangereux contre tout ce que ce livre proposera.
Il s'appelait William Stanley Jevons. Né à Liverpool dans une famille de négociants en fer qui fit faillite en 1847, il avait traversé le monde à vingt ans pour travailler comme essayeur à la Monnaie de Sydney — parce que sa famille avait plus besoin d'argent que lui d'un diplôme. Quand il revint en Angleterre et publia son premier ouvrage sérieux, celui-ci ne fit, de son propre aveu, « aucun bruit ».
Mais le public britannique attendait que quelqu'un dise ce que Jevons allait dire ensuite.
L'épuisement du charbon était l'angoisse de l'époque. La Grande-Bretagne fonctionnait au charbon comme une économie moderne fonctionne aux données — il alimentait tout, et la question de savoir quand il s'épuiserait était existentielle. Jevons, encore dans sa vingtaine, encore inconnu, s'assit pour écrire un court ouvrage intitulé The Coal Question.
Ce fut tout autre chose.
James Watt avait amélioré la machine à vapeur de façon si spectaculaire qu'elle consommait environ un quart du charbon que les anciennes machines Newcomen nécessitaient — de quarante à quarante-cinq livres par heure-cheval à moins de dix. Un gain d'efficacité multiplié par quatre. Les chiffres auraient dû signifier moins de charbon brûlé.
Les chiffres dirent le contraire.
Entre la généralisation de la machine de Watt et le moment où Jevons écrivait, la consommation totale de charbon de la Grande-Bretagne avait été multipliée par seize. La population n'avait fait que quadrupler. Le pays brûlait du charbon à un rythme qui dépassait tout ce que l'ère Newcomen aurait pu imaginer — non pas malgré les gains d'efficacité, mais à cause d'eux. En 1861, le Royaume-Uni produisait quatre-vingt-six millions de tonnes par an et accélérait encore.
Jevons écrivit la phrase qui lui survivrait de plus d'un siècle : « C'est une confusion totale d'idées que de supposer que l'usage économique du combustible équivaut à une consommation diminuée. La vérité est exactement l'inverse. »
Cette phrase est le paradoxe tout entier. Rendez l'usage d'une ressource plus efficace, et vous en utiliserez davantage, pas moins. L'efficacité ne conserve pas. Elle déchaîne.
The Coal Question fut publié en avril 1865. William Gladstone, Chancelier de l'Échiquier, consacra la moitié de son discours budgétaire à son argument. Le Parlement nomma une Commission royale pour enquêter sur la question de savoir si la Grande-Bretagne dilapidait sa prospérité.
Et Jevons avait tort.
Pas sur le mécanisme. Sur la conclusion. The Coal Question soutenait que la Grande-Bretagne fonçait vers l'épuisement du charbon. Cela n'arriva pas. La production de charbon du Royaume-Uni continua de grimper pendant encore un demi-siècle, atteignant son pic vers 1913 — et le déclin, quand il vint, fut provoqué par l'économie et les sources d'énergie concurrentes, pas par l'épuisement des mines. Les mines ne se vidèrent pas. Le marché passa à autre chose.
Jevons prouva que l'efficacité crée de la demande. Il fut si convaincu par sa propre preuve qu'il en exagéra l'implication. Le mécanisme était hermétique. Le calendrier ne l'était pas. Retenez cette distinction. Elle comptera plus tard.
Cent soixante ans plus tard, le paradoxe trouva un nouveau combustible.
Le 27 janvier 2025, un laboratoire chinois d'Intelligence Artificielle (IA) appelé DeepSeek publia un modèle de langage open source dont les performances égalaient celles des meilleurs systèmes américains — pour une fraction du coût. La Silicon Valley paniqua pendant environ quarante-huit heures. Puis elle fit ce que la Silicon Valley fait toujours : elle trouva le bon côté.
Satya Nadella, le Président-Directeur Général (PDG) de Microsoft — une entreprise qui venait d'investir treize milliards de dollars dans OpenAI — posta trois mots avant que la poussière ne retombe : « Le paradoxe de Jevons frappe encore. » Son argument complet : « À mesure que l'IA devient plus efficace et accessible, nous verrons son utilisation exploser, la transformant en un bien dont nous ne pourrons jamais nous passer. » Ce n'était pas du baratin. C'était du Jevons, traduit dans le langage du cloud computing. Une IA moins chère signifie plus d'IA. Plus de demande signifie plus d'emplois pour construire, déployer et maintenir les systèmes qui tournent dessus. Chaque PDG de la tech dans la Valley fit le même argument en moins de quarante-huit heures : l'efficacité crée de la demande.
Et les données actuelles leur donnent raison.
Les offres d'emploi en ingénierie logicielle étaient en hausse de onze pour cent en glissement annuel début 2025, selon une analyse de Northeastern University — et ce malgré un an de gros titres sur l'IA remplaçant les programmeurs. La demande monte, elle ne baisse pas.
Prenons plus de recul. Le Forum Économique Mondial (FEM) a publié son rapport Future of Jobs 2025, projetant un gain net de soixante-dix-huit millions d'emplois dans le monde d'ici 2030 — cent soixante-dix millions de nouveaux postes créés contre quatre-vingt-douze millions supprimés. Le FEM existe pour que l'avenir du travail ait l'air gérable. C'est sa fonction institutionnelle, et il faut pondérer ses conclusions en conséquence. Mais la direction des chiffres est cohérente avec le schéma historique.
David Autor, l'économiste du MIT qui a écrit l'étude de référence sur l'automatisation et l'emploi en 2015, a documenté deux cent cinquante ans du même résultat. Le titre de son article posait la question directement : « Why Are There Still So Many Jobs? » Sa réponse était que l'automatisation crée des tâches complémentaires plus vite qu'elle n'élimine les tâches existantes. L'économie ne dispose pas d'une quantité fixe de travail à distribuer. Elle génère du travail nouveau en réponse à des capacités nouvelles.
Ce schéma n'est pas une théorie. C'est la régularité la plus solidement documentée de l'histoire économique.
Maintenant, regardons où en est l'IA aujourd'hui. Anthropic — qui construit Claude, l'un des systèmes d'IA les plus performants existants — a publié des données montrant que les professionnels de la finance et du business font face à une exposition théorique à l'automatisation de 94,3 %. Le taux d'automatisation réel actuel est de vingt-huit pour cent. Les ingénieurs logiciel : 94,3 % en théorie, 35,8 % en pratique. L'écart entre ce que l'IA peut faire et ce qu'elle fait est énorme. C'est dans cet écart que réside la croissance — et historiquement, les entreprises plus productives embauchent plus de gens, pas moins.
Selon la plupart des estimations du secteur, moins de dix pour cent des entreprises ont déployé l'IA générative en production. L'essor se produit sur la base des premiers adoptants — et il a déjà fait grimper les offres d'emploi liées à l'IA de plus de deux mille pour cent en cinq ans, selon Indeed. Ingénieurs de prompts, chercheurs en sécurité de l'IA, spécialistes des opérations de machine learning, curateurs de données : ces postes n'existaient pas il y a dix ans. Quand les quatre-vingt-dix pour cent restants d'entreprises rattraperont leur retard — et elles le feront, parce que le coût de ne pas le faire est la mort concurrentielle — la courbe de demande s'accentuera encore.
Les optimistes n'ont pas tort. Ils sont en avance.
Leur argument mérite mieux que d'être balayé. Il mérite une durée de vie.
La durée de vie de cet argument — et le moment où elle expire — c'est pour le livre.
Ne manquez pas le prochain essai.
Gratuit. Hebdomadaire. Désabonnement à tout moment.