La Singularité est là : $44 000 milliards de PIB et le choc économique à venir

1. Introduction : Le jour où la Singularité est entrée au FMI

L’histoire retiendra peut-être ce moment précis. Lors de la prestigieuse conférence Per Jacobson organisée par le FMI à Bangkok, Jack Clark, cofondateur d’Anthropic, s’est tenu face à un parterre de banquiers centraux et de dirigeants financiers. Son message était dénué de toute ambiguïté : la Singularité technologique n’est plus une projection théorique pour 2040, elle est déjà là.

Dans ce contexte, la Singularité ne relève pas de la science-fiction. Elle désigne ce point de bascule irréversible où la technologie évolue à une vitesse qui dépasse la capacité de compréhension et d’assimilation du cerveau humain.

Un chiffre en particulier a immédiatement fait l’effet d’une onde de choc dans la presse économique mondiale : le scénario selon lequel l’IA pourrait propulser le PIB américain à 44 400 milliards de dollars d’ici 2030.

Pourtant, au-delà de cette donnée spectaculaire issue de modèles économiques très sérieux, la véritable réalité dévoilée par cette transition est beaucoup plus troublante.

2. Le choc des benchmarks : Quand les IA corrigent les plus grands physiciens

Pour étayer son constat devant le FMI, Jack Clark a présenté des preuves factuelles appuyées par la progression fulgurante des modèles d’intelligence artificielle sur les tests de référence les plus complexes de la planète :

• Humanity’s Last Exam : Cet examen regroupant des questions d’une difficulté extrême en chimie, mathématiques ou littérature affichait un score maximal de seulement 8 % pour les meilleures IA en janvier 2025. Moins de deux ans plus tard, le modèle Claude Opus 5.5 a atteint 67,7 %.

• Frontier Math : Ce jeu de problèmes mathématiques de niveau recherche, conçu par des centaines de mathématiciens professionnels, est passé d’un taux de réussite de 2 % fin 2024 à 94 % aujourd’hui. L’IA apporte désormais des perspectives fondamentales inédites sur des énigmes historiques comme le problème de Navier-Stokes ou la conjecture de Jacobian.

• TheoPhys : Ce test d’évaluation en physique théorique comprenait 50 questions rédigées par des physiciens de pointe à partir de leurs travaux non publiés. GPT-6 Astra et Opus 5.5 ont d’abord obtenu plus de 80 % de bonnes réponses, avant de contester formellement les erreurs du corrigé humain.

En réanalysant leurs équations pas à pas, les chercheurs ont découvert que les modèles d’IA avaient détecté de minuscules erreurs de calcul dissimulées au cœur de leurs propres formules. Une fois les corrections humaines effectuées, le score final des IA est grimpé à 98 % (49 questions sur 50).

« C’est ce moment classique de cinéma où le jeune protagoniste prouve à son mentor qu’il peut voler de ses propres ailes : l’élève commence officiellement à dépasser le maître. » — Jack Clark

Nous ne sommes plus face à de simples outils d’assistance au codage qu’il faut surveiller en permanence. Les modèles actuels sont devenus de véritables polymaths virtuels.

3. L’usine à scientifiques : De 10 millions à 1 milliard de chercheurs

La civilisation moderne repose sur une contrainte structurelle majeure : il faut environ 15 ans d’études supérieures et des millions de dollars pour former un chercheur de haut niveau. Selon l’UNESCO, la Terre ne compte aujourd’hui que 10 millions de chercheurs à temps plein.

L’accès à une puissance de calcul (compute) démesurée change radicalement cette équation. Le monde décrit par Clark est celui où ces 10 millions d’humains dirigent désormais environ 1 milliard de chercheurs virtuels pluridisciplinaires et infatigables.

La recherche scientifique quitte ainsi le stade de « l’atelier artisanal » pour entrer dans l’ère de la chaîne d’assemblage industrielle :

• Découverte de nouveaux médicaments contractée de 10 ans à quelques semaines.

• Identification accélérée de matériaux pour supraconducteurs à température ambiante et batteries solides par exploration systématique.

• Boucle de rétroaction où la productivité et le progrès scientifique s’auto-alimentent en continu.

Ce basculement s’accompagne du phénomène d’auto-amélioration récursive (RSI) : l’IA commence à concevoir elle-même les versions suivantes de ses propres systèmes, un point de non-retour qui suscite une vive inquiétude au sein de la Silicon Valley et du Pentagone.

4. Le paradoxe du modèle économique : L’automatisation des tâches banales plutôt que la grande découverte

Dans leur rapport de référence intitulé Economic Scenarios for Transformative AI, publié par l’Anthropic Institute sous la direction de Jack Clark, l’équipe d’économistes menée par Anton Korinek a décomposé l’économie américaine en une multitude de tâches individuelles issues de la base O*NET du ministère du Travail (telles que les diverses missions d’une infirmière : trier, prélever le sang, saisir les constantes ou passer des commandes). Détail piquant : l’équipe d’experts a utilisé Claude lui-même comme assistant de recherche et de rédaction pour concevoir l’étude.

Le modèle évalue l’impact de l’IA à l’horizon 2030 selon trois trajectoires distinctes (par rapport à une trajectoire de base sans IA établie à 33 500 milliards de dollars) :

• Scénario Modeste : PIB à 34 100 milliards de dollars (croissance de 2,4 % par an). L’impact reste similaire à celui de l’arrivée d’Internet.

• Scénario Substantiel : PIB à 36 300 milliards de dollars (croissance de 5,4 % par an). L’IA réalise la moitié des tâches du savoir, surpassant l’impact historique du chemin de fer ou de la bulle Internet.

• Scénario Extrême (Singularité) : PIB propulsé à 44 400 milliards de dollars (soit +32,4 % par rapport au niveau de base, avec un taux de croissance annuel de 15,4 % d’ici 2030).

C’est ici qu’apparaît un contraste intellectuel saisissant. Alors que Jack Clark électrise la scène internationale en promettant la révolution d’un milliard de scientifiques virtuels, le modèle d’Anton Korinek révèle une réalité beaucoup plus terre à terre. Dans le scénario extrême, le stock d’idées nouvelles ne progresse que de 0,6 % en raison des verrous de la recherche physique.

Les 44 400 milliards de dollars de PIB ne sont donc pas générés par les découvertes scientifiques révolutionnaires des scientifiques virtuels, mais par l’automatisation brute, autonome et accélérée des tâches banales du quotidien.

5. Le « hachoir à viande » : Le grand renversement du marché du travail

Si le chiffre global du PIB donne le tournis, l’impact sur la répartition des revenus et l’emploi dessine une fracture sociale d’une violence inouïe.

Les travailleurs du savoir (62,4 % de l’emploi)

Dans le scénario extrême, cette catégorie (cadres, professions libérales, administratifs, vente) subit de plein fouet l’automatisation :

• Effondrement des rémunérations : Les salaires chutent de 11,5 % par rapport au scénario sans IA, plaçant leurs revenus de 2030 en dessous de leur niveau de 2026.

• Explosion du chômage : L’emploi dans cette catégorie recule de 21,5 %, propulsant le taux de chômage sectoriel à 17,9 % (et le chômage global à 11,9 %).

Les travailleurs manuels (électricité, construction, artisanat)

À l’inverse, la main-d’œuvre physique devient la ressource rare d’une économie hyper-accélérée :

• Envolée salariale : Les rémunérations manuelles bondissent de +33,6 %, portées par l’explosion des projets d’infrastructures physiques et de chantiers accélérés par l’IA.

Ce grand renversement se heurte à une friction structurelle majeure : la rigidité des reconversions professionnelles. En temps normal, seul 1 chercheur d’emploi sur 7 (14 %) parvient à changer de secteur d’activité. Chez les cadres et professionnels, ce taux tombe à seulement 10 %. Un développeur informatique ou un analyste financier ne se transforme pas en électricien qualifié du jour au lendemain.

Face à cette rigidité, les économistes posent un dilemme binaire brutal :

• Si les salaires restent rigides : Le chômage des travailleurs du savoir atteint le niveau catastrophique de 24 %.

• Si les salaires sont totalement flexibles : Le chômage reste contenu à 2,6 %, mais les rémunérations des travailleurs du savoir s’effondrent de plus de 42 %.

6. Basculement du Capital et angle mort politique

L’automatisation à grande échelle entraîne un transfert de richesse massif du travail vers le capital, remettant en cause l’équilibre économique moderne :

• Inversion du partage de la valeur : La répartition historique entre travail et capital, aujourd’hui établie à 60/40, bascule à 45/55 en faveur du capital.

• Envolée des revenus financiers : Tandis que la masse salariale globale stagne (+0,5 %), les revenus issus du capital s’envolent de 81 %.

• Risque d’étranglement du capital : Si le déploiement des infrastructures de capital prend du retard dans le scénario extrême, le salaire moyen global pourrait chuter de 9,2 % sous la trajectoire sans IA.

Pour éponger les pertes subies par les travailleurs du savoir et maintenir l’équilibre social, il faudrait redistribuer environ 9 % du PIB américain. Cela répresente une somme équivalente aux budgets cumulés de la Sécurité sociale et de Medicare.

Historiquement, des mécanismes de compensation d’une telle ampleur n’ont jamais été mis en place lors des mutations technologiques. L’absence de soutien suffisant lors du choc commercial chinois en offre un précédent révélateur.

7. Le déni des cadres : « L’IA remplacera le travail des autres, pas le mien »

Un sondage d’envergure mené par Morning Consult en août 2025 auprès de 10 980 Américains met en lumière une fracture psychologique saisissante. Si le répondant moyen anticipe un scénario proche du modèle « substantiel » (avec une hausse du PIB de 8 à 10 %), les travailleurs du savoir affichent une singulière dissonance cognitive.

D’un côté, ces professionnels déclarent en toute lucidité que l’IA sera capable d’accomplir 71 % des tâches répertoriées dans leur secteur d’ici 2030.

De l’autre, lorsqu’il s’agit d’évaluer leur propre quotidien, ils estiment que l’IA ne remplacera que 27 % de leurs propres heures de travail. Cette conviction traduit un biais humain tenace : la certitude rassurante que l’automatisation frappera le poste du voisin, mais qu’elle préservera sa propre expertise.

8. Conclusion : Un saut dans l’inconnu d’ici 2027

Ces différents scénarios ne constituent pas des prédictions gravées dans le marbre. Ils représentent des modèles théoriques qui n’intègrent pas encore l’arrivée de la robotique humanoïde, la réponse des politiques publiques ou la demande énergétique colossale des futurs data centers.

Le rapport a d’ailleurs fait réagir les plus grands poids lourds de la profession, à l’image des économistes Daron Acemoglu et David Autor. Leurs avis illustrent une nette fracture analytique : certains considèrent le scénario extrême comme une simple expérience de pensée théorique, tandis que d’autres soutiennent que le scénario modeste sous-estime déjà la réalité des données du terrain.

Une chose est sûre : la trajectoire est tracée. La divergence fondamentale entre une croissance modérée et le basculement vers le scénario extrême de la Singularité se jouera en grande partie entre aujourd’hui et 2027.

Face à la puissance d’un modèle économique capable de générer des dizaines de milliers de milliards de dollars tout en fragilisant les travailleurs du savoir, une question cruciale demeure : nos sociétés seront-elles capables d’inventer des mécanismes de redistribution inédits avant que le « hachoir à viande » de l’automatisation ne se mette définitivement en marche ?