Malgré les dommages économiques causés par le nouveau coronavirus au cours de l’année écoulée, une analyse publiée par The Economist en décembre 2020 fait valoir que la pandémie de COVID-19 a peut-être rendu un boom de la productivité plus susceptible de se produire car «les nouvelles technologies sont clairement capables de le faire. plus qu’on ne leur a généralement demandé. Ce serait une bonne nouvelle pour les observateurs qui se sont grattés la tête sur les raisons pour lesquelles des technologies supposées innovantes telles que le cloud computing et l’intelligence artificielle ont eu du mal à affecter matériellement les chiffres de croissance de la productivité ou le taux de croissance globale du PIB.
Les fermetures de bureaux ont incité les entreprises à investir dans l’automatisation et la numérisation et à mieux utiliser les ressources existantes. Les données d’enquête recueillies par le Forum économique mondial pendant la pandémie montrent que plus de 80% des employeurs prévoient d’accélérer l’adoption de technologies de pointe et d’offrir plus d’opportunités de travail à distance, tandis que 50% prévoient d’accélérer l’automatisation des tâches de production. D’une manière inédite au cours des deux dernières décennies, ce virage a le potentiel de générer une croissance soutenue de la productivité – le moteur ultime de l’activité économique à long terme.
Pour prendre du recul, au cours de la dernière décennie, les biens et services numériques ont été critiqués pour leur sous-exécution à leur énorme promesse économique. Malgré l’émergence de nouvelles technologies capables de diagnostiquer les maladies, de comprendre la parole ou de reconnaître les images, ces outils ont eu un effet étonnamment faible sur le taux de croissance de la productivité décevant des économies avancées, affirment les critiques. En effet, le rythme de la croissance de la productivité s’est ralenti au cours des deux dernières décennies, passant d’une moyenne de 2,8% par an au cours de la décennie se terminant en 2005, à 1,3% par an de 2006 à 2019.
Dans une récente note d’orientation de Stanford HAI et Digital Economy Lab, nous avons fait le point sur les dernières recherches et identifié quatre raisons potentielles pour lesquelles la croissance de la productivité ralentit. En plus d’examiner chacune de ces quatre explications, nous voulons esquisser ce que les décideurs peuvent faire pour inverser cette tendance, réduire les inégalités de revenus et rendre les États-Unis plus compétitifs. Cet ensemble d’actions politiques se divise en trois grandes catégories:
- Accroître les investissements en recherche et développement grâce à des subventions directes et des crédits d’impôt
- Accroître le capital humain disponible pour l’économie en stimulant notre système d’éducation et en augmentant l’immigration de main-d’œuvre hautement qualifiée
- Supprimer les goulots d’étranglement juridiques et réglementaires qui existent actuellement pour l’esprit d’entreprise et l’innovation commerciale
Pour commencer, pourquoi la croissance de la productivité a-t-elle ralenti malgré l’immense innovation technologique? Tout d’abord, nous devons envisager la possibilité que les progrès technologiques d’aujourd’hui ne répondent tout simplement pas à la promesse envisagée par leurs développeurs et qu’ils ne tiendront jamais la promesse économique attendue. Deuxièmement, les économistes pourraient ne pas mesurer correctement tous les aspects dans lesquels les changements technologiques affectent l’économie. Troisièmement, les nouvelles technologies envisagées peuvent être avantageuses sur le plan privé pour les entreprises qui les ont développées, mais elles ont moins d’effets positifs sur l’économie en général. Enfin et surtout de notre point de vue, les technologies transformatrices mettent du temps à se diffuser dans l’ensemble de l’économie et doivent s’accompagner d’investissements et d’ajustements appropriés. Ils ne se traduisent généralement pas par des améliorations de la productivité tant que des innovations complémentaires n’ont pas été développées.
L’argument selon lequel le battage médiatique de la technologie est exagéré et ne répondra jamais à des attentes supposées irrationnelles repose sur l’observation contestée selon laquelle la vitesse à laquelle les innovations sont créées diminue. Cela se confirme à certains égards, car il est de plus en plus difficile pour les chercheurs d’atteindre les frontières de leur discipline, car il faut plus de spécialisation par innovation qu’auparavant. Mais nous ne trouvons pas aussi convaincant l’argument parallèle selon lequel les gains de productivité résultant de l’adoption de l’IT. les systèmes installés au début du 21e siècle ont suivi leur cours et qu’aucune amélioration technologique supplémentaire de la productivité ne devrait être attendue.
De plus, à mesure que les flux d’informations et le travail fondé sur le savoir prennent de plus en plus d’importance, la comptabilisation des biens et services numériques est devenue une partie de plus en plus importante du débat économique. Alors que la comptabilité de croissance traditionnelle traite assez bien le cas de l’activité économique comme la fabrication, des exemples d’intrants non mesurés et de produits non mesurés qui découlent de ce que l’on appelle des actifs incorporels ou cachés – des actifs comme la culture d’entreprise ou des processus commerciaux qui ne sont pas documentés dans les bilans, pas conservés en stock dans un entrepôt, et difficilement transférables entre les entreprises, ont bouleversé les mécanismes de la mesure économique. Cela soulève la question de savoir si la comptabilité de la croissance saisit correctement la manière dont les technologies numériques changent l’économie.
La deuxième explication, selon laquelle nous ne parvenons peut-être pas à mesurer correctement les nouvelles sources d’activité économique, bénéficie d’un soutien plus large que l’argument du battage médiatique exagéré. Depuis le début du ralentissement de la productivité, la façon dont les consommateurs choisissent de valoriser les moteurs de recherche et les réseaux sociaux montre des fluctuations considérables, tout comme la dépendance des consommateurs à des produits comme les logiciels de cartographie et les encyclopédies qui n’étaient pas gratuits avant de devenir des produits numériques. Les mesures incorrectes ou incertaines doivent également être considérées en conjonction avec le fait que les prix de biens tels que les semi-conducteurs et autres matériels informatiques spécialisés sont de plus en plus mal mesurés. Si les estimations des économistes sur les variations de prix de ces nouveaux produits technologiques augmentaient trop rapidement ou diminuaient trop lentement au fil du temps, le montant global de la croissance de la productivité observée serait sous-estimé.
Une mesure incorrecte et incertaine est liée à la troisième hypothèse, à savoir que les technologies lucratives sont de plus en plus utilisées dans des applications à somme nulle qui ne font que déplacer la richesse et ont moins d’effets positifs sur l’économie en général. Un exemple de cela peut être vu dans le désalignement des incitations dans la politique fiscale qui subventionne le capital au détriment de la main-d’œuvre et évince les investissements dans les technologies génératrices de main-d’œuvre. Les subventions en capital amènent les entreprises à développer des technologies qui ne sont que marginalement plus efficaces que les travailleurs, mais pas suffisamment meilleures pour inciter à des investissements supplémentaires susceptibles de compléter les travailleurs. Cela peut être vu dans le cas des entreprises innovantes récentes qui se sont concentrées sur le développement de technologies qui sont juste assez meilleures qu’un travailleur pour réduire la demande de main-d’œuvre, mais pas assez pour libérer des capitaux supplémentaires pour compléter les travailleurs.
Enfin – et c’est le plus important – le ralentissement de la croissance de la productivité peut être attribuable au fait que les technologies mettent du temps à atteindre leur plein potentiel économique. Nous trouvons cet argument plus convaincant en raison de la nature des technologies à usage général (GPT) comme l’intelligence artificielle – celles qui sont généralement omniprésentes et peuvent s’améliorer au fil du temps mais nécessitent des investissements complémentaires qui sont à la fois intangibles (par exemple dans la collecte de données, la formation des employés) et physique (par exemple, ordinateurs, tours 5G). Dans les premiers stades de l’activité économique liée au TPG, il peut sembler que des coûts tangibles accrus sont nécessaires pour obtenir les mêmes extrants que par le passé – avant que les flux de services de capital non mesurés et les coûts non mesurés pour créer ce capital ne commencent à s’équilibrer. Cela est dû au besoin substantiel d’innovations complémentaires à de nombreux actifs incorporels, en particulier dans le cas des avancées technologiques fondamentales telles que l’IA. Nous avons appelé ce phénomène la «courbe en J de la productivité». Comme nous l’avons vu, la création et la mise en œuvre d’innovations complémentaires pour les technologies améliorant la productivité peuvent prendre des années, voire des décennies. Dans l’intervalle, la croissance de la productivité mesurée peut tomber en deçà des tendances puisque des ressources réelles sont consacrées aux investissements dans ces innovations.
Accroître la croissance de la productivité
La prise en compte de l’analyse ci-dessus nous permet d’élaborer les recommandations suivantes que les décideurs devraient adopter pour améliorer la croissance de la productivité. Afin de garantir que les gains économiques découlant de l’intégration de ces actifs immatériels difficiles à mesurer ne soient pas entièrement consommés par les riches et les privilégiés, nous proposons un ensemble d’interventions dans trois grands domaines, conçus pour partager la prospérité entre l’ensemble de la population.
Premièrement, pour remédier aux efforts inadéquats de recherche et développement (R&D), augmenter les niveaux de dépenses dans la R&D publique et privée en autorisant de grands projets de recherche dirigés par le gouvernement, des subventions gouvernementales par le biais de la National Science Foundation ou des National Institutes of Health, et par le biais de l’impôt. crédits pour les entreprises privées. La science fondamentale est souvent mieux réalisée par le gouvernement, les universités ou les organisations à but non lucratif, tandis que les applications commercialisables de cette recherche fondamentale sont souvent optimisées grâce au développement privé. Ainsi, le gouvernement fédéral devrait adopter une approche diversifiée dans l’élaboration de ce programme afin de réduire le risque global et de financer des projets à un stade précoce ou à grande échelle que le secteur privé ne serait pas en mesure de poursuivre ou ne voudrait pas poursuivre. Cela augmentera la probabilité d’effets positifs d’au moins une avenue.
La deuxième catégorie d’actions politiques que nous recommandons consiste à accroître le capital humain américain. Cela peut être accompli en renforçant notre système d’éducation et en encourageant une immigration hautement qualifiée. Renforcer l’attractivité des États-Unis pour les immigrants hautement qualifiés est l’action la plus simple et la plus importante que le pays puisse prendre aujourd’hui pour accroître sa croissance. Cela comprend les immigrants et les réfugiés qui n’ont pas de diplôme universitaire. Ceux qui viennent en Amérique ont tendance à être entreprenants et ambitieux et représentent certaines des personnes les plus talentueuses et les plus tenaces de leur pays d’origine. L’immigration présente également l’avantage supplémentaire d’élargir la taille du marché et d’offrir aux entrepreneurs des possibilités de desservir des marchés spécialisés.
Les États-Unis devraient également accroître le financement et le soutien des écoles et des universités, notamment en finançant potentiellement de nouvelles universités, en mettant à jour le processus d’octroi de terres utilisé pour créer des institutions telles que le système de l’Université de Californie, ou en allouant des dotations de taille appropriée à administrer par les États.. Afin de mieux préparer les enfants à l’université, les États-Unis devraient faire davantage pour améliorer la qualité de l’enseignement primaire et secondaire en améliorant la responsabilité des enseignants, en allongeant la durée des jours d’école et l’année scolaire, en proposant des cours facultatifs le week-end, et fournir des cours particuliers de mathématiques. L’objectif ici est non seulement de produire plus de doctorats en STEM aux États-Unis, mais également de promouvoir la formation de scientifiques à l’étranger, car la R&D menée à l’étranger est susceptible de produire des retombées positives dans ce pays.
Notre troisième catégorie d’interventions politiques consiste à éliminer les goulots d’étranglement à l’innovation dans les domaines juridique, réglementaire et fiscal. Afin de réduire les coûts d’ajustement et les retards par rapport aux avantages des nouvelles technologies, les décideurs devraient adopter une législation pour éliminer ou affaiblir les clauses de non-concurrence qui empêchent les ingénieurs qualifiés d’apporter leurs talents et leurs connaissances à leurs concurrents. Les décideurs devraient adopter davantage de réformes de la propriété intellectuelle qui poussent davantage de technologies et de concepts artistiques dans le domaine public. Outre les investissements dans les infrastructures et les biens publics, les États-Unis devraient également redynamiser l’application des lois antitrust, notamment en habilitant la Federal Trade Commission à assigner les informations nécessaires pour mieux comprendre et réglementer les monopoles.
Plutôt que de se concentrer sur le démantèlement des plates-formes numériques – qui pourraient détruire les effets de réseau améliorant la productivité – le gouvernement fédéral devrait promouvoir des normes qui facilitent l’entrée sur le marché et l’interopérabilité entre les concurrents. Lorsque cela est impossible, les régulateurs devraient se concentrer sur la politique fiscale, la réglementation et les outils de négociation collective pour s’assurer que les avantages de ces plates-formes sont plus largement distribués. Découpler les soins de santé de l’emploi et réformer les licences professionnelles aidera les gens à créer plus facilement une nouvelle entreprise et à stimuler l’esprit d’entreprise. Enfin, les États-Unis devraient corriger la subvention qu’ils accordent actuellement à l’automatisation à forte intensité de capital sur l’invention de nouvelles tâches pour la main-d’œuvre. Washington devrait également collaborer avec d’autres pays sur la réforme de la fiscalité des entreprises afin d’éviter un nivellement par le bas en ce qui concerne les paradis fiscaux des entreprises dans le cadre de la compétition internationale pour attirer les capitaux.
La poursuite de ces politiques récompensera les entreprises pour la création de nouveaux emplois au lieu d’économiser sur les coûts de main-d’œuvre et garantira que l’innovation fournie par les TPG accélère la croissance de la productivité dans l’ensemble de l’économie. Cela contribuera à son tour à augmenter les salaires, à réduire les inégalités de revenu et à garantir une croissance plus équitable dans tout le pays. S’attaquer au paradoxe de la productivité contribuera à l’intégration rapide de l’intelligence artificielle évolutive dans l’économie mondiale et garantira que son intégration reflète nos valeurs fondamentales concernant la dignité du travail humain. En résumé, nous sommes optimistes que la prochaine décennie sera celle d’une croissance de la productivité plus élevée alors que les entreprises continuent d’ajuster leurs pratiques commerciales en raison de la pandémie COVID-19 et que les décideurs politiques prennent les rênes pour faire d’un plan de croissance équitable une réalité.
Seth G. Benzell est professeur adjoint à la Argyros School of Business and Economics de l’Université Chapman. Il est membre du Stanford Digital Economy Lab, qui fait partie du Stanford Institute for Human-Centered Artificial Intelligence (HAI).
Daniel Rock est professeur assistant en opérations, information et décisions à la Wharton School de l’Université de Pennsylvanie et chercheur numérique au Stanford HAI Digital Economy Lab et à l’Initiative du MIT sur l’économie numérique.