Souveraineté Énergétique de l’IA (Micro) Article I/III : IA & Productivité
Pourquoi la stratégie européenne en matière d’IA risque de reproduire le piège de la désindustrialisation
Préface — Ce que soutient cet article, et pourquoi l’Europe doit s’en préoccuper
À travers l’Europe, l’intelligence artificielle est de plus en plus présentée comme une échappatoire technologique : un moyen de restaurer la compétitivité, de compenser le déclin démographique et de rattraper des décennies de sous-investissement sans affronter des faiblesses structurelles plus profondes. Dans ce récit, l’IA promet une productivité sans reconstruction.
Cette croyance est stratégiquement dangereuse.
Les données montrent désormais que l’adoption de l’IA au niveau des entreprises ne génère pas de gains immédiats de productivité. Elle suit au contraire une courbe en J de la productivité : une baisse initiale de la productivité mesurée, suivie — uniquement pour ceux qui persistent — d’une reprise et de gains à long terme. Ce schéma est historiquement familier. Ce qui est nouveau, c’est la condition des entreprises et des écosystèmes qui tentent aujourd’hui cette transition.
L’IA entre en collision avec des entreprises européennes qui ont été délibérément vidées de leur substance au cours de décennies de restructuration des chaînes de valeur mondiales, menée dans le cadre d’un paradigme néolibéral. La profondeur industrielle, la redondance organisationnelle et les écosystèmes locaux ont été démantelés non pas par accident, mais par choix — sous l’hypothèse que les marchés mondiaux et l’avantage comparatif se substitueraient aux capacités locales.
Le défi européen en matière d’IA n’est donc pas d’abord technologique. Il est institutionnel et politique. Sans comprendre pourquoi la productivité baisse d’abord — et pourquoi cette baisse est plus marquée dans les économies qui ont aminci leur base productive — l’Europe risque de répéter l’erreur stratégique qui a accompagné la désindustrialisation : confondre efficacité abstraite et puissance systémique.
Cet article examine les mécanismes de transition au niveau des entreprises — là où la productivité baisse avant de remonter. Il se concentre sur la couche micro de l’ajustement : organisations, structures de management, PME, et économie politique du temps d’apprentissage.
1. Le mirage d’une productivité immédiate de l’IA
Dans le discours politique européen, l’IA est souvent présentée comme un bien incontesté dont les bénéfices en matière de productivité ne seraient retardés que par un déploiement insuffisant. L’hypothèse implicite est celle de la linéarité : plus d’adoption de l’IA entraîne plus de production.
L’expérience au niveau des entreprises contredit cette vision. Dans l’industrie, la logistique et les services industriels, l’adoption de l’IA est fréquemment suivie d’une baisse mesurable de la productivité, parfois pendant plusieurs années — y compris dans des entreprises qui investissent massivement, recrutent des compétences et déploient des systèmes de pointe.
Cela a été interprété à tort comme une preuve que l’Europe est « en retard » en matière d’IA, ou que les statistiques de productivité ne capturent pas les gains immatériels. Ces deux explications sont incomplètes. La réalité, plus inconfortable, est que l’IA est une technologie à usage général qui désorganise les entreprises avant de les améliorer.
Le paradoxe de la productivité n’est pas un échec de l’innovation. C’est le coût visible de la transformation.
2. La courbe en J de la productivité : ce qui se passe réellement dans les entreprises
L’adoption de l’IA n’est pas une simple mise à niveau. C’est un choc organisationnel.
La productivité baisse parce que l’IA :
perturbe les flux de travail établis et les logiques de production
exige des investissements initiaux importants en données, capteurs, logiciels et capacités de calcul
révèle des inadéquations de compétences et impose une réallocation des tâches
fragilise les hiérarchies managériales existantes et les indicateurs de performance
Pendant cette phase, les entreprises supportent des coûts réels alors que les gains restent latents. Le capital est engagé avant que la production n’augmente. Les travailleurs apprennent au lieu de produire. Les managers expérimentent au lieu d’optimiser. Il ne s’agit pas d’artefacts comptables, mais de coûts de transition nécessaires.
Les entreprises investissent dans des actifs immatériels — refonte des processus, apprentissage organisationnel, capital humain — que les mesures traditionnelles de productivité captent mal. Mais même lorsque la mesure s’améliore, la baisse reste réelle. La productivité diminue parce que les anciens équilibres sont démantelés avant que les nouveaux ne se stabilisent.
Ce schéma est historiquement familier. Ce qui change aujourd’hui, c’est l’environnement dans lequel il se déploie.
3. Le handicap structurel de l’Europe : entreprises fragilisées et écosystèmes amincis
Lors des transitions technologiques précédentes, les entreprises confrontées à la disruption étaient intégrées dans des écosystèmes industriels denses : réseaux de fournisseurs, main-d’œuvre qualifiée, savoirs tacites et horizons d’investissement longs. Ces écosystèmes absorbaient les chocs, redistribuaient le risque et permettaient à l’apprentissage de s’accumuler dans le temps.
L’Europe a démantelé une grande partie de cette capacité entre les années 1990 et 2000.
Dans le cadre du modèle des chaînes de valeur mondiales — promu par les institutions internationales et adopté par les gouvernements européens — les entreprises ont été incitées à :
externaliser la production
se désintégrer verticalement
privilégier l’efficacité financière au détriment de la profondeur organisationnelle
s’appuyer sur les marchés mondiaux plutôt que sur la coordination locale
Il ne s’agit pas d’une conséquence accidentelle de la mondialisation. C’était un choix politique délibéré, ancré dans une idéologie néolibérale et justifié par l’avantage comparatif. La production industrielle et la coordination ont été reclassées comme des coûts plutôt que comme des capacités.
En conséquence, de nombreuses entreprises européennes engagées aujourd’hui dans l’adoption de l’IA manquent :
de mémoire des processus internes
de couches intermédiaires techniques expérimentées
de réseaux résilients de fournisseurs et de compétences
de marges organisationnelles pour expérimenter
L’IA pénètre donc non pas des systèmes robustes, mais des systèmes fragilisés.
4. Pourquoi la baisse de productivité liée à l’IA est un problème politique
La courbe en J de la productivité n’est soutenable que sous certaines conditions politico-économiques : capital patient, tolérance à l’inefficacité temporaire et mécanismes institutionnels capables d’absorber les échecs pendant les phases d’apprentissage.
L’économie politique européenne actuelle offre l’inverse.
La prévalence d’indicateurs financiers de court terme, des politiques industrielles fragmentées, des contraintes budgétaires rigides et une aversion aux échecs visibles créent un environnement hostile à la transition vers l’IA. Les entreprises abandonnent leurs initiatives précisément au moment où l’apprentissage commence à produire des effets cumulatifs. Les décideurs interprètent les pertes initiales comme la preuve d’une mauvaise allocation. Le paradoxe de la productivité devient autoréalisateur.
Il ne s’agit pas d’une défaillance du marché. Il s’agit d’une défaillance de gouvernance — qui reflète des hypothèses plus profondes sur l’efficacité, la concurrence et le rôle de l’État héritées de l’ère des chaînes de valeur mondiales.
5. PME, survie et politique du temps
Une dimension essentielle mais sous-analysée du paradoxe de la productivité lié à l’IA est celle du temps.
Dans toutes les économies et à toutes les périodes, seule une faible fraction des start-ups et des PME survit aux premières années. Que le taux de survie soit d’une sur dix ou d’une sur vingt importe peu. Le fait structurel est que les jeunes entreprises opèrent pendant une longue phase déficitaire précisément au moment où se produisent l’apprentissage, l’expérimentation et la formation de capacités.
Les grandes entreprises peuvent absorber cette phase. Elles mutualisent les pertes, refinancent les échecs et attendent. Les PME ne le peuvent pas. Pour elles, le retard de productivité est existentiel.
Cette asymétrie transforme la courbe en J en question politique. Plus le capital, les compétences, les infrastructures, l’énergie et les standards arrivent lentement, plus la courbe d’échec devient abrupte. La vitesse du soutien — et non la qualité des idées — détermine la survie.
En traitant l’échec des PME comme un résultat neutre du marché plutôt que comme un goulet d’étranglement prévisible de l’apprentissage, la politique européenne sélectionne systématiquement la taille plutôt que la capacité. L’innovation se concentre au lieu de se diffuser.
6. Apprentissage, protection et les leçons oubliées du développement
Cette logique n’est pas nouvelle. Les économies d’Asie de l’Est l’ont explicitement intégrée.
La Corée du Sud, Taïwan, Singapour, puis la Chine ont poursuivi une croissance orientée vers l’exportation, mais en combinant exposition internationale et protection stratégique des entreprises naissantes. La concurrence a été introduite progressivement. L’échec a été toléré, sans être autorisé à se propager de manière systémique. Le temps a été traité comme une ressource stratégique.
L’Europe, au contraire, a démantelé ses mécanismes de protection trop tôt. Dans le modèle des chaînes de valeur mondiales, les entreprises et les écosystèmes ont été exposés à la concurrence globale avant que l’apprentissage ne se stabilise. La vitesse a joué contre la survie.
L’IA réactive aujourd’hui cette asymétrie. Les économies qui maîtrisent le temps d’apprentissage et protègent leurs écosystèmes accumuleront un avantage. Les autres interpréteront les échecs initiaux comme une infériorité structurelle.
7. La mesure n’est pas une porte de sortie
Certains soutiennent que le problème de productivité de l’IA en Europe est principalement statistique — que les investissements immatériels sont simplement mal mesurés. Si des biais de mesure existent, ils ne constituent pas le cœur du problème.
Les données microéconomiques montrent que la productivité baisse souvent parce que l’efficacité opérationnelle se détériore réellement de manière temporaire : les stocks augmentent, la coordination se désorganise, le capital reste inutilisé pendant les phases de reconfiguration. Il s’agit de coûts réels de transition.
Les réduire à des erreurs de mesure renforce le court-termisme et accélère le retrait stratégique.
8. Le choix stratégique de l’Europe
L’Europe fait face à un dilemme familier, dans des conditions profondément transformées.
Elle peut :
traiter l’IA comme un substitut immatériel à la profondeur industrielle
accepter une concentration des gains et une faible diffusion
gérer le déclin par la redistribution et la régulation
Ou elle peut :
reconnaître l’IA comme un choc organisationnel et industriel
reconstruire les écosystèmes à travers lesquels la productivité se diffuse réellement
considérer les coûts de transitifra.mdme des investissements plutôt que comme des échecs
La courbe en J de la productivité n’est pas un avertissement contre l’IA. C’est un avertissement contre l’impatience, l’amnésie institutionnelle et l’inertie idéologique.
Conclusion — Organisation avant optimisation
La courbe en J de la productivité n’est pas un avertissement contre l’IA. C’est un avertissement contre l’impatience.
L’IA déstabilise les entreprises avant de les renforcer. La productivité baisse avant d’augmenter. Les organisations doivent désapprendre avant de s’améliorer. Dans des systèmes où les entreprises manquent de marges de manœuvre, de capital patient et de tolérance institutionnelle à la transition, la baisse devient terminale plutôt que temporaire.
Le risque européen n’est pas une infériorité technologique. C’est une fragilité organisationnelle.
Si les entreprises ne survivent pas à la phase de transition, il n’y aura pas de reprise de la productivité à diffuser. Et sans diffusion, l’IA devient une force de concentration plutôt que de renouvellement.
La question au niveau des entreprises est donc simple :
L’Europe peut-elle se permettre le temps nécessaire à l’apprentissage ?
La réponse dépend de la couche supérieure.
Passage à l’Article II — Des entreprises aux écosystèmes
La productivité au niveau des entreprises ne se redresse pas en isolation.
Les gains de l’IA dépendent de la capacité de l’apprentissage à se diffuser au-delà des entreprises individuelles — vers les réseaux de fournisseurs, les filières de compétences, les organismes de normalisation et les structures de coordination régionales.
Le prochain article élargit l’analyse à cette couche écosystémique — ce niveau intermédiaire manquant à travers lequel la productivité s’est historiquement diffusée, et que l’Europe a systématiquement affaibli à l’ère des chaînes de valeur mondiales.
For the full framework AI Energy Sovereignty Stress Test
AI Energy System Architecture Index
EU_Energy_Exposure_Sov_Data_Companion