En février 2026, un débat mondial sur la capacité de l’intelligence artificielle à redresser les finances publiques des pays développés prend de l’ampleur parmi les cercles de stratégie macroéconomique. Le marché affiche une attente globalement optimiste : une vague de productivité portée par l’IA devrait élargir l’économie et renforcer l’assiette fiscale, offrant ainsi aux États très endettés une voie de consolidation budgétaire relativement « indolore ». Toutefois, les premières estimations publiées par l’Organisation de coopération et de développement économiques (OCDE) ainsi que par plusieurs anciens économistes institutionnels auprès de Reuters commencent à nuancer ce récit par une analyse quantitative.
Objectivement, les économies avancées font face aux contraintes budgétaires les plus sévères depuis la Seconde Guerre mondiale. Le ratio de dette fédérale des États-Unis avoisine un sommet historique de 100 %, et la plupart des économies riches affichent des niveaux d’endettement supérieurs à 100 % de leur PIB. Parallèlement, elles subissent une « triple pression » : dépenses sociales rigides liées au vieillissement démographique, budgets de défense en hausse et investissements dans la transition climatique. Dans ce contexte, le dividende de productivité promis par l’IA est devenu un enjeu central pour les macroéconomistes et les marchés obligataires : s’agit-il d’un « remède miracle » capable de rétablir durablement les comptes publics, ou simplement d’un « palliatif » permettant aux décideurs de différer les réformes structurelles ?
Contexte et chronologie : de la percée technologique à l’examen budgétaire
L’impact de l’IA sur la macroéconomie évolue, passant d’un « outil d’efficacité microéconomique » à une « variable de croissance macroéconomique ». Rétrospectivement, entre 2023 et 2024, l’IA générative — incarnée par les grands modèles de langage — était principalement perçue comme un levier d’optimisation des coûts et d’amélioration de l’efficacité pour les entreprises. L’attention du marché se portait sur le remplacement de la main-d’œuvre et les marges bénéficiaires des sociétés. À partir de 2025, le débat s’est hissé à l’échelle de la compétitivité nationale. Des institutions comme Goldman Sachs ont publié des rapports anticipant un effet significatif de l’IA sur le PIB mondial au cours de la prochaine décennie.
En 2026, la discussion connaît un nouveau tournant structurel. Fin février, des économistes de l’OCDE ont rendu publics les résultats de leurs modélisations internes, reliant pour la première fois les gains de productivité induits par l’IA à la soutenabilité de la dette souveraine. Parallèlement, le cabinet d’analyse Citrini Research a publié son rapport « Crise mondiale de l’intelligence 2028 », introduisant la notion de « PIB fantôme ». Le rapport alerte sur le risque qu’un bénéfice de l’IA trop concentré sur le capital, combiné à une contraction de la demande des ménages, érode l’assiette fiscale et déclenche une crise budgétaire. Désormais, les enjeux budgétaires de l’IA ne relèvent plus de la théorie : ils deviennent une variable incontournable pour les investisseurs obligataires évaluant la solvabilité des États.
Données et analyse structurelle : limites des modèles et mécanismes de transmission
Selon les premières estimations présentées à Reuters par l’économiste de l’OCDE Filiz Unsal et son équipe, l’impact budgétaire positif de l’IA présente des bornes quantitatives nettes. Leur modèle indique que si l’IA parvient à accroître durablement la productivité du travail et à soutenir l’emploi, la charge de la dette de pays membres de l’OCDE comme les États-Unis, l’Allemagne ou le Japon pourrait diminuer d’environ 10 points de pourcentage d’ici 2036 par rapport aux projections de référence actuelles.
Si ce chiffre paraît significatif en valeur absolue, il doit être interprété avec prudence dans un contexte de tensions budgétaires. Un gain de 10 points ne suffit pas à inverser la tendance haussière de long terme des ratios d’endettement. Même dans le « meilleur des cas », la plupart des économies avancées resteraient à des niveaux de dette bien supérieurs à ceux d’aujourd’hui. Kevin Khang, responsable de la recherche économique mondiale chez Vanguard, identifie la démographie comme la « cause racine » des problèmes de dette, soulignant que l’endettement découle du vieillissement et des engagements sociaux qui en résultent. Selon lui, l’IA « ne fait que nous donner du temps ».
D’un point de vue structurel, l’effet de l’IA sur la santé budgétaire suit deux trajectoires opposées. Le scénario positif repose sur le schéma « gains de productivité — hausse des profits et des salaires — élargissement de l’assiette fiscale — amélioration des recettes publiques ». Mais des effets contraires existent : si l’automatisation entraîne des pertes nettes d’emplois ou si les gains profitent principalement au capital, moins taxé, l’amélioration des recettes fiscales pourrait être moindre qu’escompté. De plus, si les salaires du secteur privé progressent grâce à la productivité, l’État, en tant qu’employeur et payeur de prestations sociales, verra ses dépenses augmenter.
Décryptage du sentiment de marché : optimistes, sceptiques et scénarios inverses
Les opinions de marché sur ce sujet sont clairement polarisées.
Les optimistes mettent en avant les effets « magiques » de la productivité. Idanna Appio, gérante de portefeuille chez First Eagle Investment Management, admet que les gains de productivité peuvent nettement améliorer la dynamique budgétaire, tout en ajoutant une réserve essentielle : « Nos problèmes budgétaires vont bien au-delà de ce que la productivité peut résoudre. » En d’autres termes, l’IA est perçue comme un « soulagement » plutôt qu’un « remède ».
Les sceptiques s’attardent sur les incertitudes du mécanisme de transmission. L’économiste de l’OCDE Unsal souligne que l’effet réel de l’IA sur la trajectoire de la dette dépend de la réunion simultanée de trois conditions : la capacité à compenser les emplois détruits par l’automatisation par de nouveaux postes, la possibilité de convertir les profits des entreprises en hausses de salaires, et la maîtrise de la croissance des dépenses publiques. Kent Smetters, responsable du Penn Wharton Budget Model à l’Université de Pennsylvanie, se montre plus direct, anticipant un effet « très faible » de l’IA sur la dette américaine à dix ans. Il rappelle que les dépenses obligatoires comme la Sécurité sociale sont indexées sur les salaires moyens, de sorte que les gains de productivité pourraient, en réalité, élargir la base de dépenses publiques.
Les analystes de scénarios inverses s’intéressent au risque de « PIB fantôme ». Citrini Research avertit que si des agents IA remplacent massivement les cols blancs, la production des entreprises et le PIB pourraient continuer à progresser, mais les travailleurs évincés perdraient leur revenu et ne pourraient plus soutenir leur niveau de consommation, provoquant une contraction de la demande dans le cycle macroéconomique. Dans ce cas, l’impôt sur le revenu et les recettes sociales indexées sur les salaires seraient sous pression, tandis que les dépenses de chômage et de transition augmenteraient, affectant directement la solvabilité souveraine.
Évaluer la robustesse du récit : expérience historique et contraintes réelles
Pour apprécier ces points de vue, il est essentiel de revenir sur l’histoire des mutations technologiques. Un rapport de stratégie macroéconomique de Citadel Securities, publié à la même période, observe que l’adoption de l’IA suit une courbe en S, similaire à celle des ordinateurs personnels ou d’Internet, plutôt qu’un bond exponentiel. Sur le siècle écoulé, le progrès technologique n’a pas rendu le travail obsolète ; il a permis aux économies avancées de maintenir des taux de croissance autour de 2 % à long terme.
Cette perspective historique constitue un repère fondamental. Les travaux de l’Information Technology and Innovation Foundation (ITIF) rappellent également que le progrès technologique n’a jamais supprimé l’emploi net. Les métiers évoluent, les tâches se transforment, et les gains de productivité finissent par créer de nouveaux besoins de main-d’œuvre. Ainsi, le discours actuel sur la « fin du travail par l’IA » relève davantage d’une extrapolation de cas extrêmes théoriques que d’une description fidèle des trajectoires réelles.
Cependant, il importe de souligner que cette vague d’IA est d’une nature différente : elle est capable de « remplacer le travail cognitif », là où les technologies précédentes ciblaient surtout le travail physique. Si la substitution massive commence dans les secteurs à forte intensité de savoir — finance, droit, conseil — la compression des emplois qualifiés et bien rémunérés pourrait dépasser les anticipations du marché, exerçant une pression sur le crédit fondé sur ces perspectives de revenus stables.
Analyse sectorielle : revalorisation des actifs dans un contexte macroéconomique mouvant
La matérialisation du dividende de productivité lié à l’IA devient une variable majeure pour les marchés obligataires et les agences de notation souveraine.
Du point de vue de la valorisation de marché, l’anticipation de croissance portée par l’IA peut temporairement rassurer les investisseurs obligataires quant à la soutenabilité budgétaire. Mais Christian Keller, responsable de la recherche économique mondiale chez Barclays, avertit que si un ralentissement économique survenait avant le boom de l’IA, les inquiétudes sur les trajectoires budgétaires pourraient ressurgir, et la hausse des coûts de financement ramènerait rapidement la question de la dette au premier plan. Autrement dit, le pouvoir narratif de l’IA est tributaire du temps : si les dividendes tardent sous l’effet de pressions cycliques, la confiance des marchés pourrait se détériorer prématurément.
Pour le marché des crypto-actifs, la liquidité macroéconomique et la qualité du crédit souverain restent des variables externes déterminantes. Si les gains de productivité liés à l’IA permettent de maintenir les taux d’intérêt réels relativement stables à moyen-long terme, cela soutiendra la logique de valorisation des actifs risqués. À l’inverse, si le récit de l’IA s’effondre dans un contexte de tensions budgétaires, déclenchant une nouvelle vague d’aversion au risque, tous les actifs risqués — y compris les crypto-actifs — feront face à une contraction de la liquidité.
Prévisions d’évolution multi-scénarios
En synthèse des modèles et analyses existants, l’impact de l’IA sur les défis budgétaires des pays à forte dette peut se décliner en trois scénarios :
Scénario un : meilleur cas — gagner du temps (probabilité modérée)
La productivité portée par l’IA progresse régulièrement et se traduit effectivement en créations d’emplois et en hausses de salaires. La croissance élargit l’assiette fiscale et la pente des ratios d’endettement est maîtrisée. La dette américaine pourrait passer d’environ 100 % à 120 % du PIB sur la prochaine décennie, au lieu d’un scénario de référence plus élevé. Dans ce cas, l’IA joue avec succès le rôle de « gain de temps », offrant aux gouvernements une période tampon pour engager enfin les réformes structurelles différées.
Scénario deux : cas neutre — transmission inefficace, impact limité (probabilité supérieure)
Les gains de productivité profitent surtout aux profits des entreprises et au capital, la progression des salaires restant modérée. L’amélioration des recettes publiques est limitée, tandis que les dépenses sociales et de services publics augmentent de façon rigide avec le niveau des prix. Les ratios d’endettement ne s’améliorent que marginalement et la soutenabilité budgétaire demeure une préoccupation de long terme, obligeant les marchés à actualiser en permanence la qualité du crédit souverain.
Scénario trois : scénario inverse — récession avant la matérialisation des dividendes (probabilité modérée à faible, mais non négligeable)
Un ralentissement économique survient avant que les dividendes de productivité liés à l’IA ne se matérialisent. L’investissement des entreprises ralentit, le chômage augmente, et les stabilisateurs automatiques jouent à plein : les recettes fiscales chutent, les dépenses sociales augmentent, créant une double pression. Si le marché doute alors de la trajectoire budgétaire, les coûts de financement s’envolent et les ratios de dette pourraient atteindre la zone critique des 180 % à l’horizon de la fin des années 2030. Dans ce scénario, l’IA non seulement échoue à redresser la situation budgétaire, mais peut même miner la confiance des marchés, sur fond de récits exagérés lors des années précédentes.
Conclusion
Au regard des modèles de l’OCDE et des analyses de nombreux économistes, la place du dividende de productivité lié à l’IA dans la crise budgétaire actuelle se précise : il ne s’agit ni d’un « remède miracle » universel, ni d’un récit vide de sens. Plus justement, l’IA offre une « fenêtre temporelle » limitée mais précieuse — la capacité des décideurs à exploiter cette fenêtre pour traiter les défis structurels tels que le vieillissement démographique et la rigidité des dépenses sociales dépendra de leurs choix.
Pour les acteurs de marché, l’enjeu n’est pas d’adhérer ou de rejeter aveuglément le récit macroéconomique de l’IA, mais de distinguer les « faits » des « opinions » et de séparer la « spéculation » de la « certitude ». Le modèle de l’OCDE montrant une amélioration de 10 points, associé à la remarque d’Idanna Appio selon laquelle les problèmes budgétaires « vont bien au-delà de ce que la productivité peut résoudre », constituent ensemble le cadre le plus authentique pour l’analyse macroéconomique de cette époque.
