Comment la « production cachée » de plusieurs billions de dollars dans l'ère de l'IA redéfinit-elle la croissance économique

Auteur : Wang Finance ; Source : X, @yuyy614893671

Aujourd'hui, j'ai lu un rapport exceptionnel, qui ouvre l'esprit, et en évaluant la production économique créée par l'IA, il manque effectivement une pièce du puzzle que la macroéconomie traditionnelle et la statistique n'ont pas su mesurer : c'est ce que l'on appelle la Dark-output de l'IA.

Voici d'abord une carte logique du rapport pour mieux comprendre le contenu :

Nous allons maintenant analyser le contenu de l'article en profondeur

1. La Dark Production de l'IA : méthodes de mesure de l'activité économique et ses zones d'ombre

Ce graphique décrit précisément la répartition de la valeur dans l'ensemble de l'économie, ainsi que les zones d'ombre des outils statistiques existants.

Les trois critères pour mesurer l'activité économique humaine

(1) Produite (production réelle / travail réel) : cette activité a-t-elle consommé un vrai travail et créé une valeur économique réelle ?

(2) Tarifée (prix de marché) : cette activité est-elle vendue sur le marché à un prix clair et visible ?

(3) Mesurée (capturée par le PIB) : le compte national officiel enregistre-t-il réellement cette activité ?

Dans la société réelle, il existe différentes situations

1. Intersection des trois mondes : Marché formel (Marché officiel)

Produite + Tarifée + Mesurée

C'est le cœur que l'économie et les statistiques officielles surveillent le plus. Cela inclut les salaires, la vente de biens, les contrats commerciaux, constituant la majeure partie du PIB traditionnel.

Par exemple, une entreprise dépense 10 000 dollars pour engager une agence externe pour un service RH, ou vous payez un avocat pour rédiger un document juridique : ces activités créent de la valeur, ont un prix clair sur le marché, et sont parfaitement enregistrées dans le compte national.

2. Prix mais hors régulation : Marché gris / illicite (Marché gris / illicite)

Produite + Tarifée (mais non mesurée)

Ces activités fournissent effectivement un service ou un produit, avec des transactions monétaires réelles et des prix de marché, mais en raison de leur nature souterraine ou illégale, elles échappent aux statistiques macroéconomiques officielles.

3. Mesurée mais sans prix de marché : Services publics (mesurés par l'État au coût)

Produite + Mesurée (mais sans prix de marché direct)

De nombreux services publics (éducation de base, sécurité urbaine) génèrent une grande valeur sociale et économique, et sont inclus dans le PIB.

Mais comme ils ne facturent pas directement les citoyens (absence de prix de marché), l'État ne peut que mesurer leur production indirectement en calculant « les coûts d'investissement » (par exemple, la masse salariale des fonctionnaires).

4. Jeu de chiffres des statistiques : estimation pure (Imputations pures)

Mesurée (mais sans véritable prix ni nouvelle production)

Les données en zone bleue pure ou en limite de zone tarifée sont des estimations, typiquement « le loyer de la résidence principale ».

Si vous vivez dans votre propre maison, vous ne payez pas de loyer réel ni ne générez de nouvelle activité économique. Mais pour assurer la cohérence macroéconomique, le compte national « estime » un loyer que vous vous payez à vous-même, et l’intègre dans le PIB.

5. La grande zone grise de l’économie : production uniquement (PRODUCED-only)

Produite uniquement (non tarifée, non mesurée)

C’est une zone d’ombre économique énorme. Elle inclut la « production domestique » et le « bénévolat / ressources publiques numériques ». Traditionnellement, les activités non rémunérées comme élever des enfants, prendre soin des personnes âgées ou faire le ménage quotidien, totalisent jusqu’à 164 milliards d’heures par jour. Selon les méthodes comptables classiques, ces activités qui créent une énorme valeur de survie sont considérées comme ayant une valeur économique nulle faute de transaction monétaire.

6. Séparation entre production IA et Dark-output

Le cercle rouge au centre révèle parfaitement comment l’IA brise le système de mesure actuel :

Le cercle de production de l’IA est entièrement situé à l’intérieur du grand cercle vert « Produite (PRODUCED) », ce qui signifie que le travail assisté ou généré par l’IA crée indubitablement une vraie valeur économique.

Mais, une très petite partie de la production IA s’étend dans le centre vers le « Marché formel », cette petite partie ne représente que la consommation visible de tokens, les appels API ou les abonnements fixes aux logiciels IA. Par exemple, lorsque le coût de rédaction d’un testament juridique de 150 dollars chute soudainement de 99% à 0,50 dollar via une API, la transaction de 149,5 dollars dans le « marché formel » disparaît complètement. La même valeur est conservée dans le cercle « Produite », mais en raison de la chute des prix et de l’internalisation des transactions, elle sort du cadre « tarifé » et « mesuré ».

Les systèmes statistiques actuels interprètent cette disparition de la trace comme une inflation en hausse et une contraction de la production économique. La Dark-output de l’IA pousse de plus en plus d’activités macroéconomiques dans cette zone d’ombre où seule la production sans tarification est comptabilisée, déconnectant complètement la perception réelle de l’économie et les indicateurs macroéconomiques.

2. Pourquoi la production de l’IA ne peut pas être entièrement mesurée et enregistrée : l’existence d’erreurs de mesure

Lorsque l’IA assiste ou prend en charge une tâche, la production ne disparaît pas automatiquement. Elle ne disparaît que lorsque le prix baisse, ou pire, lorsque la tâche est transférée à l’intérieur de l’entreprise ou du fournisseur, ce qui fait que la production échappe aux comptes nationaux ; diverses erreurs de mesure peuvent aussi entraîner des pertes de données économiques, telles que :

1. Transfert de frontière

Le transfert de frontière désigne le passage d’un travail acheté sur le marché à une activité interne à l’entreprise ou au foyer. Par exemple, un rapport de recherche payé devient un processus interne d’IA. Une tâche externalisée devient une tâche d’employé. La valeur peut toujours exister, mais la transaction visible disparaît.

2. Chute brutale des prix

Les services n’ont pas de standards indépendants pour mesurer leur quantité ou leur qualité. Les revenus, salaires et heures de travail sont enregistrés, mais leur quantité ne peut pas être quantifiée. Les services juridiques n’ont pas d’unité standard, les revues de littérature pas de tonne, et les services de conseil pas de « baril » ; si les comptes montrent une baisse de revenu (en raison de la chute des prix) mais une augmentation du salaire moyen (parce que les employés de niveau inférieur sont licenciés), cela sera interprété comme une inflation accrue, une baisse de productivité et de production.

3. Déséquilibre sectoriel

Lorsque l’IA crée de la valeur dans un secteur, mais que la transaction apparaît dans un autre, il y a un déséquilibre sectoriel. Par exemple, une hospitalisation utilisant l’IA pour accélérer la gestion administrative, mais si les revenus de l’IA ne se manifestent que dans les revenus des sociétés d’IA ou des fournisseurs de logiciels, cela fausse les statistiques nationales. Le PIB par secteur peut faire apparaître que les fournisseurs d’IA sont la source de valeur, alors que le secteur utilisant l’IA semble stagner.

4. Nouveaux emplois invisibles

Les bénéfices économiques réels sont générés, par exemple, lorsqu’une IA rédige un dossier pour une personne en quelques tokens, permettant une meilleure préparation de réunion, mais cette valeur ne peut apparaître nulle part. Tout indicateur macroéconomique raisonnable doit en tenir compte, sinon la prospérité de l’IA pourrait être interprétée comme un déclin dans les données.

3. Que produit réellement la Dark-output de l’IA : profit + surplus du consommateur

Alors, comment cette méthode de mesure de l’économie influence-t-elle la réalité ? En raison des biais dans les statistiques officielles, à un certain stade futur, nous pourrions observer une situation comme celle illustrée ci-dessus : le CPI ne baisse pas, le PIB ne monte pas.

La ligne bleue presque plate (PIB par habitant mesuré) et la ligne jaune (indice des prix CPI) représentent les données vues par les statistiques officielles. Sur la base de ces données, le diagnostic officiel est pessimiste : « L’IA n’a pas apporté les résultats escomptés — les prix restent fermes, la croissance économique est faible, mais nos dépenses en IA sont plus élevées que jamais » (comme indiqué dans le cadre jaune en bas à gauche).

Mais, en réalité, « la productivité réelle est en forte hausse » — la zone d’ombre entre la ligne pointillée blanche et la ligne solide bleue (incluant le « transfert en profit » en violet foncé et le « transfert en surplus du consommateur » en gris foncé) représente la Dark-output invisible de l’IA.

Lorsque l’IA réduit considérablement les coûts de travail, cet argent économisé va principalement à deux endroits : d’une part, dans les profits excessifs des entreprises ; d’autre part, dans l’augmentation massive de l’utilité pour les consommateurs (par exemple, au lieu de payer quelqu’un pour faire des recherches, ils utilisent l’IA pour générer instantanément gratuitement).

Parce que cette énorme valeur réelle ne se traduit pas par de nouvelles transactions visibles sur le marché, si la production de l’IA n’est pas vendue à un prix visible, alors, en dehors des dépenses en tokens, le PIB ne peut pas capturer cette production.

4. Leçons historiques : la répétition de la paradoxe de Solow

Pour mieux comprendre ce phénomène, revenons à l’histoire. Ce n’est pas la première fois que cela se produit.

Dans les années 80 et 90, lorsque l’ordinateur personnel a commencé à se généraliser, les données macroéconomiques ne pouvaient pas détecter la contribution de la révolution informatique naissante. L’économiste célèbre Robert Solow a alors lancé une remarque très célèbre : « Vous pouvez voir des traces de l’ère informatique partout, sauf dans les statistiques de productivité. »

La réaction des systèmes statistiques officiels a été très lente. Ce n’est qu’en 2013 que les États-Unis ont effectué une révision méthodologique pour inclure officiellement la R&D et les investissements en propriété intellectuelle dans le calcul du PIB. Ce seul changement a « augmenté » artificiellement le PIB de 3,6 trillions de dollars dans les années 1990.

5. Quel sera l’impact de la Dark-output de l’IA ?

Les anciens ordinateurs n’étaient que des outils, mais l’IA prend directement en charge le travail intellectuel dans le secteur des services. En raison des difficultés inhérentes à la mesure de ce secteur, lorsque l’IA entraîne une chute brutale des coûts de certains services, le PIB tend à enregistrer cela comme un déclin économique (car le volume des transactions financières diminue), ou même comme une inflation dans les données.

L’ampleur du défi de mesure apporté par l’IA surpassera toutes les zones d’ombre statistiques précédentes. C’est pourquoi, si vous ne regardez que le tableau de bord traditionnel du PIB, vous pourriez penser que l’économie est au point mort, alors qu’en réalité, une révolution de productivité non mesurée est en train de bouillonner sous la surface.