Intelligence artificielle : le dividende qu’elle vous doit

En février 2025, la France a accueilli le Sommet pour l’action sur l’IA, dont l’ordre du jour privilégiait la souveraineté numérique européenne et la compétition technologique internationale. La question environnementale, qui devrait être la première des préoccupations des chercheurs, entrepreneurs et personnels politiques présents, s’est cantonnée à des lancements d’initiatives symboliques. Idem pour la question de la réorganisation du travail et de la répartition de la valeur, qui y occupait une place très marginale.

Dix-huit mois plus tard, le constat dressé par plusieurs organisations syndicales¹, dont la CGT, converge : aucun cadre légal contraignant n’a été adopté pour encadrer les effets de l’IA sur l’emploi alors que dans le même temps, plusieurs grandes entreprises (IBM, Capgemini, parmi d’autres) ont procédé à des suppressions de postes en invoquant explicitement l’introduction de l’intelligence artificielle dans leurs structures². Les changements impliqués par l’intelligence artificielle ne se limitent pas à l’entreprise et à son organisation salariale : l’apprentissage et la formation pourraient être redéfinis³ tandis que l’entrepreneuriat paraît plus accessible⁴.

Tant que l’intelligence artificielle continuera d’être discutée exclusivement sous l’angle de la course internationale et de la souveraineté technologique, la question de la captation des gains qu’elle produit restera structurellement hors champ. C’est pourquoi la gauche doit imposer un récit concurrent, qui déplace la question posée par le débat public de qui gagnera la course à l’IA vers qui empochera les gains qu’elle produit. L’histoire économique des grandes transformations technologiques enseigne que cette répartition n’obéit à aucune loi naturelle. Rien ne garantit qu’un mécanisme de partage émerge naturellement ; et à défaut d’un tel mécanisme, on peut faire l’hypothèse que les gains, s’ils se matérialisent, se concentreront une nouvelle fois sur les détenteurs de capital, tandis que les travailleurs dont l’activité aura été absorbée par une machine resteront sans protection institutionnelle, ou à tout le moins délaissés par ces questions de redistribution.

Ce que l’histoire économique et sociale des grandes transitions technologiques nous apprend

 

Le progrès technique ne se traduit pas nécessairement par une hausse des rémunérations de ceux qui le mettent en œuvre. L’idée selon laquelle une hausse de productivité entraînerait mécaniquement une hausse des salaires (ce que la littérature désigne parfois par l’expression de « bandwagon effect »⁵) ne trouve pas de fondement systématique, ni en théorie ni empiriquement.

Sur le plan théorique déjà, la rémunération du travail suit, dans le cadre standard, la productivité marginale du travail, non sa productivité moyenne : rien ne garantit que la première suive la seconde, en particulier lorsque les gains de productivité proviennent d’une substitution du capital au travail plutôt que d’un accroissement de ce que chaque travailleur produit. Le cadre d’analyse par tâches développé par Daron Acemoglu et Pascual Restrepo, puis prolongé par Acemoglu et Simon Johnson dans Power and Progress⁶, établit que la chaîne entre innovation et hausse salariale ne s’enclenche que sous deux conditions : que la technologie crée des tâches nouvelles plutôt que de simplement se substituer aux tâches existantes, et que les travailleurs disposent d’un rapport de force suffisant pour capter une partie des gains produits.
Ce diagnostic théorique trouve de nombreux éclairages empiriques. Aux États-Unis, la productivité horaire du travail a progressé d’environ 70 % depuis 1979, tandis que la rémunération horaire médiane n’a progressé que d’environ 15 % sur la même période ; un écart documenté de façon continue par les travaux de l’Economic Policy Institute⁷. Cet écart n’est pas propre à l’ère numérique : un précédent technique structurellement analogue s’observe lors de la révolution industrielle anglaise, période que les historiens de l’économie désignent comme la « pause d’Engels »⁸, durant laquelle la productivité britannique progressait fortement tandis que les salaires réels ouvriers stagnaient.

Le rattrapage, tardif, n’intervient qu’à partir du milieu du XIX^e siècle ; Robert Allen l’attribue en grande partie à des facteurs structurels comme la dilution du surplus de main-d’œuvre rurale ou la baisse du prix du blé consécutive à l’abrogation des Corn Laws⁹, ce qui invite à ne pas présumer qu’un tel rattrapage adviendrait spontanément, ni dans des délais compatibles avec l’échelle d’une vie active. Cette dynamique ne relève pas d’un phénomène circonscrit au XIX^e siècle : elle s’observe de nouveau, à l’échelle mondiale, depuis le début des années 1980. Loukas Karabarbounis et Brent Neiman¹⁰ ont documenté un déclin généralisé de la part du travail dans le revenu national touchant la majorité des pays et des secteurs. Ils l’attribuent pour partie à la baisse du prix relatif des biens d’investissement, elle-même portée par la révolution informatique qui a incité les entreprises à substituer des actifs incorporels au travail, et que l’on peut également imputer à une financiarisation massive : la mobilité croissante du capital s’est traduite par un affaiblissement proportionnel des rémunérations et du poids des travailleurs. L’intelligence artificielle ne constitue donc pas, de ce point de vue, une rupture, mais l’intensification d’une tendance déjà à l’œuvre depuis plus d’une génération, appliquée cette fois à des tâches cognitives plutôt que manuelles.

L’histoire sociale française, à une échelle de temps plus courte, offre également un éclairage convergent : aucune avancée significative dans le partage de la valeur ne s’y est produite par simple effet mécanique de la croissance ou du progrès technique. Les congés payés et la semaine de quarante heures, en 1936, procèdent d’un rapport de force (les grèves et occupations d’usines) scellé politiquement par les accords Matignon, non d’une redistribution spontanée des gains de productivité. La loi de 1971 sur la formation professionnelle continue, portée par Jacques Delors sous pression syndicale, institue une obligation de financement qui n’aurait pas découlé d’elle-même de la croissance économique de l’époque. Les lois Aubry de 1998, enfin, n’attendent pas que les gains de productivité se convertissent d’eux-mêmes en temps libéré : elles légifèrent directement la durée du travail. Dans chacun de ces épisodes, un instrument politique nouveau a dû être créé pour que la transition technologique ou organisationnelle profite au-delà du seul capital.

Rien, dans la structure de la transformation en cours, ne permet de considérer que l’intelligence artificielle échapperait à cette régularité ; les termes du problème s’en trouvent au contraire aggravés.

Pendant deux siècles, l’automatisation industrielle a porté sur des tâches manuelles routinières : elle a détruit des emplois mais la rente qu’elle générait demeurait relativement diffuse. L’intelligence artificielle générative déplace doublement ce périmètre. D’abord parce qu’elle s’attaque au travail intellectuel non routinier (rédiger, analyser, traduire, conseiller…) c’est-à-dire précisément aux tâches vers lesquelles plusieurs décennies d’automatisation avaient déplacé l’emploi qualifié, dans ce que la littérature sur la polarisation du marché du travail décrivait jusqu’ici comme un refuge relatif pour le travail cognitif non standardisé. Ensuite parce que contrairement aux machines, coûteuses en capital et inaccessibles pour les ouvriers, les modèles d’intelligence artificielle sont pléthoriques et beaucoup sont accessibles. On pourrait arguer que cela permet à chaque salarié de s’équiper en autarcie, créant un rapport de force entre le salarié et l’employeur. C’est ignorer que l’actif qui capte la rente, le modèle, change également de nature : c’est un logiciel à coût de reproduction quasi nul, déployable instantanément à l’échelle mondiale, produit par un nombre restreint d’acteurs qui sont d’ailleurs le plus souvent étrangers, opérant à rendements d’échelle extrêmes et n’employant, localement, qu’un nombre extrêmement marginal de personnes. Cette concentration se lit déjà dans la structure des marchés financiers : sept entreprises technologiques représentent aujourd’hui près d’un tiers de l’indice S&P 500, contre environ 12 % il y a dix ans¹¹ ; une évolution qui, sans en constituer une preuve directe, est cohérente avec l’hypothèse d’une captation de la rente technologique par un nombre restreint d’acteurs.

Cette dynamique s’accompagne d’un second mécanisme : des technologies qui, au-delà des tâches, remplacent directement le travailleur sans produire de gain de productivité substantiel (ces « so-so technologies » selon l’expression d’Acemoglu, qui perturbent l’emploi et déplacent les travailleurs sans générer d’augmentation de la productivité ou de qualité du service). L’exemple canonique en est la caisse automatique en supermarché : le travail n’y est pas supprimé mais déplacé vers le client, sans hausse mesurable de l’efficacité globale du système, tout en permettant une réduction de la masse salariale. Une partie de l’intelligence artificielle générative aujourd’hui déployée dans la relation client ou le support administratif présente un profil structurellement analogue : l’automatisation y répond à une logique de réduction de coûts plutôt qu’à un gain net de productivité ou de satisfaction pour l’usager final. Un tel déploiement qui, si le phénomène se généralisait et qu’aucune politique publique n’était mise en œuvre, invaliderait par construction une partie des gains agrégés dont on suppose, plus haut, qu’ils devraient un jour se partager. Les profits, maximisés, seraient alors aspirés par les uniques détenteurs du capital.

Les données disponibles, si elles restent à ce stade largement prospectives, convergent sur l’ampleur du risque. Selon les projections de McKinsey pour 2026¹², jusqu’à 30 % des heures travaillées en France pourraient être automatisables par l’IA d’ici 2030 (27 % en Europe), avec une exposition estimée à 67 % pour les métiers de centres d’appels, 53 % pour la rédaction, 48 % pour le conseil. Ces ordres de grandeur rejoignent ceux d’une étude méthodologiquement distincte, conduite par Tyna Eloundou et ses coauteurs¹³ à partir d’une évaluation directe de l’exposition des tâches professionnelles aux modèles de langage : environ 80 % de la main-d’œuvre américaine occuperait un emploi dont au moins 10 % des tâches sont exposées, et près de 19 % un emploi dont plus de la moitié des tâches le sont. En France, le Conseil économique, social et environnemental¹⁴ évaluait en janvier 2025 à environ 62 % la part des emplois des économies avancées présentant une exposition élevée à l’IA, dont un tiers pourrait être purement substitué et un peu plus d’un quart bénéficier d’un effet de complémentarité. Ce climat d’inquiétude, partagé par 62 % des Français qui perçoivent aujourd’hui l’IA comme un risque pour leur emploi¹⁵ reflète une lecture assez fidèle des données disponibles. La mécanique du partage de la valeur, ce contrat social, qui a permis, certes imparfaitement, de diffuser une partie des gains de productivité au cours du XX^e siècle, est en train de périmer sans qu’aucune décision politique explicite ne soit prise pour organiser la nouvelle donne économique.

Quelle politique publique de redistribution des gains de l’intelligence artificielle ?

 

La toute première question pertinente est celle de la fonction de l’IA dans le processus de production : crée-t-elle des tâches nouvelles, ou se substitue-t-elle purement et simplement aux travailleurs qui accomplissaient les tâches existantes ?

C’est très exactement la distinction qu’Acemoglu et Restrepo formalisent entre « effet de déplacement » (« displacement effect ») et « effet de réintégration » (« reinstatement effect ») : le premier retire des tâches au travail humain, le second en crée de nouvelles où celui-ci redevient nécessaire. Une intelligence artificielle qui permet à un conseiller de France Travail de consacrer davantage de temps à l’accompagnement humain, parce qu’elle absorbe les tâches administratives, relève de la seconde logique ; une intelligence artificielle qui se substitue purement et simplement à des postes de conseillers relève de la première. L’une augmente la productivité du travail humain restant, l’autre le rend superflu. Cette distinction devrait être rendue publique et opposable, plutôt que laissée à l’appréciation unilatérale de l’employeur : chaque déploiement significatif d’un système d’IA en entreprise pourrait faire l’objet d’une déclaration (doublée d’un droit de contre-expertise) précisant s’il vise à automatiser des tâches existantes ou à en créer de nouvelles, avec l’effet attendu sur la masse salariale ainsi que la productivité marginale attendue. Le droit de l’Union européenne contient déjà un principe apparenté, circonscrit pour l’heure à un périmètre plus étroit. La directive (UE) 2024/2831 du 23 octobre 2024¹⁶, entrée en vigueur le 1^er décembre 2024 et dont la transposition en droit national est due au plus tard le 2 décembre 2026, impose aux plateformes de travail numériques d’informer les travailleurs et leurs représentants du fonctionnement des systèmes de décision algorithmique affectant significativement leurs conditions de travail.

Son champ d’application demeure toutefois circonscrit au travail de plateforme au sens strict. L’étendre à tout déploiement significatif d’IA en entreprise, quel que soit le statut du travailleur concerné, consisterait à faire passer un droit conçu pour une catégorie de travailleurs précaires au rang de principe général de transparence algorithmique dans l’ensemble du salariat.

Construire des contre-pouvoirs

 

Le dialogue social relatif à l’intelligence artificielle existe formellement : le code du travail impose déjà la consultation du comité social et économique sur les projets importants modifiant l’organisation du travail, catégorie dans laquelle s’inscrit en principe tout déploiement significatif d’un système d’IA. Cette consultation intervient toutefois trop souvent a posteriori, une fois les choix technologiques arrêtés et les architectures déjà déployées, réduisant le comité au rôle d’instance d’information plutôt que de coproduction de la décision. Sans que cette mesure impose aux entreprises de dévoiler à leurs concurrents étrangers leurs pistes de recherche ou de développement, il conviendrait d’instaurer une consultation obligatoire renforcée, en amont de tout déploiement significatif d’un système d’IA, assortie d’un droit de contre-expertise financé par l’employeur pour l’ensemble des entreprises.

Un tel contrepoids se heurte cependant à une limite structurelle : le taux de syndicalisation français est l’un des plus faibles des pays de l’OCDE avec environ 10 % des salariés, il tombe à 7,8 % dans le seul secteur privé, et un peu moins de 3 % des salariés de moins de 30 ans contre environ 15 % des salariés de 50 ans ou plus, selon les données du ministère du Travail¹⁷. Cet écart générationnel coïncide précisément avec la population la plus directement exposée aux mutations liées à l’IA. À cette fragilité s’ajoute une asymétrie d’échelle : les principaux fournisseurs de systèmes d’IA opérant en Europe sont très majoritairement extra-européens, de sorte que le rapport de force ne se noue pas qu’à l’échelle où le dialogue social français a historiquement été pensé, celle de l’entreprise, voire celle de la nation. Cette bataille appelle une coordination syndicale et politique se situant au niveau européen et international, seules échelles comparables à celle des acteurs concernés. Pour finir, ce contrepoids institutionnel, quelle qu’en soit la solidité, rencontrera par ailleurs une dernière limite à combattre en parallèle : la rente technologique se constitue d’abord dans le pouvoir de marché d’un nombre restreint de fournisseurs d’IA en position dominante, avant même d’apparaître dans les comptes des entreprises qui déploient ces systèmes. C’est un problème de politique de la concurrence. Sans une politique européenne qui intègre un volet de développement industriel de solutions européennes, complétée d’une politique de concurrence européenne traitant explicitement ce pouvoir de marché comme un obstacle au partage de la valeur, la négociation en entreprise portera nécessairement sur une part de la rente déjà amputée en amont : le dividende IA, évoqué ci-après, se calculera sur ce qu’il en reste, non sur ce que cette rente vaut réellement.

Adopter de nouveaux instruments de redistribution

 

La gauche française n’a pas, sur ce terrain, à partir d’une page blanche : elle dispose d’intuitions déjà formulées, qu’il s’agit moins de réinventer que de recalibrer et de rendre opérantes.

En 2017, le Parti socialiste proposait une taxe sur la valeur ajoutée générée par les robots, destinée à financer un revenu universel¹⁸. Le principe sous-jacent était juste : asseoir une part du financement de la protection sociale sur la valeur ajoutée plutôt que sur le seul salaire, alors que la part du travail se réduit dans l’équation contemporaine de création de la valeur, mais la proposition souffrait de deux fragilités qui expliquent en partie sa difficile mise en œuvre politique. D’une part, elle intervenait avant que la substitution capital-travail par l’IA ne devienne véritablement mesurable, et elle reposait sur une assiette – la valeur ajoutée générée par les robots – dont la définition opérationnelle n’a jamais été précisément stabilisée. Ces deux fragilités peuvent être amoindries aujourd’hui : le déploiement de l’IA est désormais documentable poste par poste, et les mécanismes de mesure de la productivité qu’il libère peuvent s’appuyer sur les déclarations d’usage décrites plus haut.

Transformer en obligation légale ce que certaines directions d’entreprise comme Samsung commencent elles-mêmes à envisager comme un geste volontaire est l’instrument le plus décisif de cette redistribution. Ce « dividende IA », pourra être déclenché lorsqu’un déploiement d’intelligence artificielle réduit la part du travail dans la valeur ajoutée sans réduction équivalente d’activité, et redistribué aux salariés sous forme de salaire, de formation ou de temps libéré. La justification de cet instrument tient à un mécanisme précis décrit brièvement plus haut. Sur un marché du travail concurrentiel, le salaire suit non la productivité moyenne de l’entreprise, mais la productivité marginale du travail.

Or le déploiement de l’IA générative opère en trois temps sur cette productivité marginale. L’IA retire d’abord au salarié une partie des tâches qu’il exécutait, c’est l’effet de déplacement, au sens d’Acemoglu et Restrepo. Ces tâches déplacées ne disparaissent pas pour autant : elles sont exécutées par un modèle dont le coût marginal de production est quasi nul et dont le rendement n’est imputé à aucune rémunération, puisqu’aucun salarié ne les accomplit plus, ce qui élève mécaniquement la productivité moyenne de l’entreprise, portée par une production que personne ne facture en travail. Il reste enfin au salarié un résidu de tâches, souvent les plus difficiles à automatiser mais non nécessairement les plus rémunératrices, dont la productivité marginale ne progresse pas dans les mêmes proportions et peut même reculer si les tâches restantes relèvent davantage de la supervision que de la production directe. Le sociologue du travail Juan Sebastián Carbonell¹⁹ décrit précisément ce résidu de tâches : ce qui s’y joue n’est pas d’abord la captation d’un surplus par l’entreprise mais la transformation d’une activité créative en tâche de vérification, une « dépossession machinique » qui dégrade qualitativement le travail indépendamment de tout gain ou perte de productivité mesurable.

Faute d’un effet de réintégration suffisamment puissant (la création de tâches nouvelles où l’humain redevient irremplaçable), l’écart entre une productivité moyenne croissante et une productivité marginale stagnante ne se résorbe pas spontanément : il se loge souvent dans la marge de l’entreprise, sous forme de profit non redistribué, sans qu’aucun mécanisme de marché ne vienne le corriger. C’est cet écart précis, mesurable à partir des déclarations d’usage évoquées plus haut et non le seul niveau de productivité globale de l’entreprise, qu’un dividende IA légal devrait corriger : déclenché par la réduction de la part du travail dans la valeur ajoutée sans réduction équivalente d’activité, à l’issue de la période d’investissements – qui risque d’être coûteuse –, et négocié dans le cadre du dialogue social plutôt que laissé à la discrétion d’un conseil d’administration, et non à la seule initiative de directions déjà acquises à l’idée.

Une fois ce principe acquis, reste ouverte la question de son fléchage, qui n’a pas à se réduire à un strict versement individuel et immédiat au salarié concerné : une fraction du dividende IA pourrait tout aussi bien financer, indirectement mais durablement, la retraite de ce même salarié. Notre système de retraite par répartition reste en effet financé pour l’essentiel par des cotisations assises sur la masse salariale : si l’intelligence artificielle confirme la tendance documentée plus haut, celle d’une part du travail dans la valeur ajoutée durablement orientée à la baisse, alors l’assiette de financement de la répartition s’érode d’un mécanisme structurel supplémentaire, distinct du seul vieillissement démographique et qu’une réforme strictement paramétrique, l’âge de départ ou la durée de cotisation, ne suffit pas à corriger puisqu’elle ne porte pas sur le rythme des départs en retraite mais sur la nature de ce qui finance les pensions. Adosser une fraction du dividende IA, prélevée sur la valeur ajoutée que l’automatisation soustrait à la masse salariale, au financement de la branche vieillesse permettrait de découpler, au moins partiellement, la soutenabilité de la répartition de la seule évolution de cette masse salariale. Cette option, qui reste à chiffrer précisément, mérite d’être posée comme une alternative, sur un terrain où le débat se rejouera sinon sur les seules questions du report de l’âge de départ, de la durée et du taux de cotisation ou de la dose de capitalisation.

Il est possible, sur cette base d’un nouveau dividende IA, de reprendre l’intuition initiale du Parti socialiste en 2017 et de la décliner en l’accompagnant de quatre instruments distincts.

Premièrement, il faudra en parallèle nécessairement rééquilibrer une fiscalité qui pèse aujourd’hui plus lourdement sur le travail que sur les actifs incorporels (les algorithmes) destinés à l’automatiser. Le coin socio-fiscal, à savoir l’écart entre le coût du travail pour l’employeur et le revenu disponible du salarié, s’échelonne en France d’environ 24 % au niveau du Smic à plus de 53 % au-delà de 3,5 Smic, tandis que l’investissement en logiciels et en IA bénéficie de dispositifs fiscaux favorables, du suramortissement au crédit d’impôt recherche, sans condition relative à son effet sur l’emploi. Cette asymétrie devrait être corrigée à la source plutôt qu’en aval : la refonte du crédit d’impôt recherche pourrait introduire une conditionnalité de démonstration d’un effet complémentaire au travail plutôt que d’être accordée indifféremment à toute automatisation.

Deuxièmement, la France devra orienter la commande publique et les aides d’État, y compris celles destinées à la souveraineté numérique française et européenne, de Mistral aux différents volets du plan France 2030, vers les usages de l’IA qui complètent le travail humain plutôt que ceux qui le suppriment, en assortissant ce fléchage de clauses sociales prévoyant le partage de la valeur et qui soient aussi contraignantes que les critères de performance technologique actuellement exigés.

Troisièmement, nous devons collectivement remettre sur la table la réduction du temps de travail, comme traduction politique naturelle d’un gain de productivité collectif effectif : si l’intelligence artificielle permet de produire autant en travaillant moins, ce choix devrait revenir aux salariés et à leurs représentants, non aux seuls actionnaires. Dans un contexte de raréfaction de la quantité de travail, la réduction du temps de travail permettrait d’éviter la constitution d’une société de castes, divisée entre les possédants de capitaux et d’IA, les salariés qui préservent une activité et des salariés inactifs, dont l’activité aura été remplacée par le déploiement des modèles.

Enfin, ce mécanisme de partage ne suffira pas, à lui seul, à protéger les travailleurs dont le métier se trouve absorbé par un système d’IA : il doit être doublé d’un droit réel à la reconversion, distinct de l’appareil existant. La loi du 16 juillet 1971, dite loi Delors, avait fait de la formation professionnelle continue une obligation légale de financement pour les entreprises de plus de dix salariés, à hauteur de 0,80 % de la masse salariale. Le principe qui la fondait reste valide : un salarié ne devrait pas rester seul face à l’obsolescence de ses compétences. Mais l’architecture qui en a hérité, aujourd’hui le compte personnel de formation, a été pensée pour un régime de transformation lente où l’obsolescence d’une compétence se mesure en décennies. Le dispositif plafonne les droits acquis à 500 euros par an²⁰, 5 000 euros au total, et impose depuis peu un reste à charge qui a augmenté de 45 % sur la seule année 2026, un renchérissement qui pèse mécaniquement le plus sur les publics les moins dotés en épargne, c’est-à-dire ceux-là mêmes qu’un choc de reconversion frapperait en premier. Ce dispositif n’a pas été conçu pour absorber une situation où un système d’IA peut rendre obsolètes, en quelques mois, des pans entiers des métiers de la rédaction, du conseil ou de la relation client, précisément ceux que les projections évoquées plus haut désignent comme les plus exposés. Il faut donc un droit à la reconversion d’une autre nature : opposable plutôt que simplement mobilisable à l’initiative du salarié, déclenché automatiquement dès qu’un métier franchit un seuil d’exposition à l’automatisation par l’IA. Ce seuil serait mesurable à partir des mêmes déclarations d’usage et des mêmes scores d’exposition évoqués plus haut et financé pour partie par le dividende IA, ainsi que construit autour de parcours qualifiants plutôt que de stages sans réelle valeur de recertification. Ce droit serait d’autant plus facilement déployable que, on l’a vu, l’intelligence artificielle transforme les méthodes de formation et facilite la personnalisation de l’apprentissage. À défaut d’un tel filet, la reconversion continuera de se faire comme elle se fait déjà trop souvent : au prix fort, individuellement, pour les salariés les moins armés pour la négocier pendant que les gains, eux, auront déjà changé de poche.

Le partage de la valeur n’est pas une question qui se réglera toute seule une fois l’IA généralisée. Il se réglera avant, par les règles qu’on aura posées, ou après, par le fait accompli des investisseurs de la tech qui, ayant englouti des sommes colossales dans ces technologies, fixeront les conditions du retour sur investissement, peu leur important qu’il soit humaniste ou spoliatif. Cette tentation de tout capter sera alors la plus élevée au moment précis où elle sera devenue la plus difficile à combattre. La régulation des plateformes a mis vingt ans à s’esquisser, sous la pression conjuguée d’un récit nouveau sur l’attention et la donnée, de mouvements associatifs et de lanceurs d’alerte, et de textes patiemment négociés comme le RGPD ou le DSA, elle n’est d’ailleurs hélas encore aujourd’hui qu’imparfaitement appliquée, quand les plateformes elles-mêmes avaient depuis longtemps capté l’essentiel de la valeur et façonné nos usages. La gauche française n’a pas trente ans devant elle sur l’intelligence artificielle. La fenêtre d’action est plus étroite qu’elle ne l’a été pour d’autres transformations historiques : la part des salaires dans la valeur ajoutée reste, pour l’instant, à un niveau élevé en France, la loi n’est pas encore écrite, et le débat public n’est pas encore intégralement capté par la seule question de la course technologique internationale. Rien ne garantit que cette conjoncture se maintienne longtemps.

La gauche a su par le passé, par les luttes sociales et le combat parlementaire, inventer les instruments qui ont permis de tenir la promesse de l’émancipation et de la justice sociale face au marché : les cotisations sociales, le droit d’expression des salariés, la formation professionnelle continue, la réduction du temps de travail. Il ne s’agit pas de les répéter à l’identique, mais de les réinventer pour l’âge de l’intelligence artificielle. Nous devons le faire avec résolution, tant qu’il est encore possible de choisir qui sera accompagné vers la transformation à venir, plutôt que laissé à l’écart de ses bénéfices. Si nous ne le faisons pas, ce n’est pas une énième mutation du capitalisme de marché qui se profile, mais la création d’une cyber-noblesse capitaliste qui accumulera les modèles et les privilèges tandis que le reste du peuple sera dépossédé de son travail, et donc, privé de l’outil de son émancipation.

1. Voir aussi le Projet Dial-IA (« Dialoguer sur l’IA »), porté et coordonné par l’IRES avec le soutien d’Ultra Laborans et cofinancé par l’ANACT. Pendant dix-huit mois, une cinquantaine de participants venus des organisations syndicales et patronales, d’entreprises et d’administrations publiques ont été réunis autour de quatre organisations syndicales nationales et interprofessionnelles qui ont copiloté le projet : la CFDT, la CFE-CGC, FO-Cadres et l’UGICT-CGT. Il a débouché sur un manifeste commun, Pour un dialogue social au service des bons usages de l’IA et d’une nouvelle étape de progrès social dans les entreprises et les administrations, également signé par la CFTC, et sur une boîte à outils méthodologique destinée aux représentants du personnel. Voir dial-ia.fr et ires.fr.[↩]
2. IBM, suppressions de 8 000 postes, humanresourcesonline.net ; Capgemini, suppressions anticipées de 2 400 postes, lemonde.fr.[↩]
3. Michel Barabel, « How is generative AI changing modern education ? », Polytechnique Insights, 2026, polytechnique-insights.com.[↩]
4. Adriana Kaszuba-Perz et al., « The Impact of AI and ML on Entrepreneurship and Career Development Opportunities for Young People », European Research Studies Journal, vol. XXVIII, n° 4, 2025, p. 693-704, ersj.eu.[↩]
5. L’expression est d’Acemoglu et Johnson, qui la forgent pour désigner (et réfuter) l’idée selon laquelle le progrès technique produirait automatiquement du progrès social par le seul canal de la productivité.[↩]
6. Daron Acemoglu, Simon Johnson, Power and Progress. Our Thousand-Year Struggle Over Technology and Prosperity, New York, 2023.[↩]
7. Economic Policy Institute, The Productivity–Pay Gap, epi.org.[↩]
8. Expression forgée par l’économiste Robert Allen pour désigner la première phase de la révolution industrielle britannique, des années 1790 aux années 1840 : la production par travailleur y progresse fortement tandis que le salaire réel des ouvriers demeure à peu près étale, le taux de profit double et la part du capital s’accroît aux dépens du travail et de la terre.[↩]
9. Droits de douane protégeant les céréales britanniques, systématisés en 1815 au sortir des guerres napoléoniennes (« corn » désigne ici le blé, non le maïs). En maintenant un prix intérieur élevé, ils avantageaient les propriétaires terriens au détriment des salariés, dont ils renchérissaient le coût de la vie, et des industriels, dont ils poussaient les salaires à la hausse.[↩]
10. Loukas Karabarbounis, Brent Neiman, « The Global Decline of the Labor Share », The Quarterly Journal of Economics, vol. 129, n° 1, 2014.[↩]
11. lapresse.ca.[↩]
12. McKinsey Global Institute, A New Future of Work: The Race to Deploy AI and Raise Skills in Europe and Beyond, 2024.[↩]
13. Tyna Eloundou, Sam Manning, Pamela Mishkin, Daniel Rock, « GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models », 2023.[↩]
14. CESE, Intelligence artificielle, travail et emploi, étude de la commission Travail et emploi présidée par Sophie Thiéry, adoptée par le Bureau et présentée en séance le 14 janvier 2025 par Jean-Marie Truffat.[↩]
15. Arcep, Arcom, Conseil général de l’économie et ANCT, Baromètre du numérique, édition 2025.[↩]
16. Directive (UE) 2024/2831 du Parlement européen et du Conseil du 23 octobre 2024 relative à l’amélioration des conditions de travail dans le cadre du travail via une plateforme.[↩]
17. dares.travail-emploi.gouv.fr.[↩]
18. Lire à ce sujet Benoît Hamon, « Il faut désacraliser l’intelligence artificielle », entretien, Noûs, juin 2026.[↩]
19. Juan Sebastián Carbonell, Un taylorisme augmenté. Critique de l’intelligence artificielle, Paris, Éditions Amsterdam, 2025, 184 p.[↩]
20. Le montant s’élève à 800 euros pour les salariés non qualifiés.[↩]