La reconfiguration des profits de 4 700 milliards de dollars induite par l'IA : Gagnants et perdants par secteur et stratégies de réponse pour les puissances moyennes

Résumé analytique

Le chiffre de 4 700 milliards de dollars présenté par Bain & Company ne représente pas une nouvelle valeur ajoutée, mais l'ampleur de la redistribution au sein du pool de profits industriels existant. Des indicateurs tels que les près de 7 000 milliards de dollars d'investissements dans les infrastructures d'IA par les fournisseurs de cloud, la part du revenu du travail aux États-Unis à un niveau historiquement bas (52,8 %), et les marges des entreprises à un niveau record (14,9 %) montrent que cette reconfiguration est déjà en cours, faussant la répartition entre le capital et le travail. Dans les secteurs où l'établissement de la confiance est crucial, comme la santé et la finance, un décalage entre la vitesse d'adoption de l'IA et la mesure de la performance crée un retard dans ce transfert de profits. Pendant ce temps, le secteur financier chinois utilise explicitement la transition vers l'IA dans le secteur américain de la gestion d'actifs comme point de référence pour renforcer sa propre compétitivité. La Corée du Sud étant positionnée comme un utilisateur industriel plutôt qu'un fournisseur de plateforme dans cette reconfiguration, elle doit concevoir une stratégie à deux volets : un axe de réponse commun pour protéger sa base industrielle nationale quel que soit le scénario qui se matérialise, et des réponses conditionnelles et spécifiques à des secteurs comme la santé et la finance. Les tâches clés comprennent la réforme des systèmes de réglementation et de remboursement, la mise en œuvre de politiques industrielles ciblées et la construction d'un filet de sécurité pour la transition destiné aux petites et moyennes entreprises (PME) et aux startups laissées pour compte par le fossé d'adoption.

I. Analyse de la situation

La reconfiguration des profits de 4 700 milliards de dollars induite par l'IA : Une analyse des gagnants et des perdants par secteur

1. Contexte et développements

Le point essentiel concernant le chiffre de 4 700 milliards de dollars présenté par Bain & Company est qu'il ne représente pas la création d'une nouvelle valeur ajoutée, mais plutôt l'ampleur de la redistribution au sein du pool de profits industriels existant [4]. Le diagnostic de Bain est que cela répète le même schéma observé lors des transitions technologiques passées, telles que les ères du PC, de l'internet, du mobile et du cloud. Selon Bain, chaque transition a été accueillie à la fois par un optimisme excessif et un scepticisme, tandis que le transfert de profits réel n'est devenu visible que progressivement sur plusieurs années [4].

La base matérielle de cette reconfiguration est déjà en place. La Banque des Règlements Internationaux (BRI) souligne que l'essor de l'IA entraîne une forte augmentation des investissements à grande échelle financés par la dette [12]. Les investissements dans les infrastructures d'IA par les fournisseurs de services cloud sont estimés à environ 7 000 milliards de dollars [13]. Cet investissement a conduit à un boom de la construction de centres de données, le chiffre d'affaires des 400 plus grandes entreprises de construction américaines atteignant 671,4 milliards de dollars en 2025, soit une augmentation de 11,8 % [13]. Cela signifie que des implications pour la sécurité commerciale et économique, notamment en ce qui concerne la politique industrielle et l'allocation des investissements, émergent déjà à ce stade.

Aux États-Unis, des inquiétudes sont soulevées quant au fait que ce boom des investissements fausse la structure de répartition des revenus du travail. La part du revenu du travail aux États-Unis est tombée à 52,8 %, son plus bas niveau depuis le début des statistiques en 1947, tandis que les marges des entreprises ont atteint un niveau record de 14,9 % du PIB [5]. Bien que le secrétaire au Trésor Scott Bessent et le président de la Fed Kevin Warsh espèrent que les gains de productivité induits par l'IA allégeront le fardeau de la dette nationale de 40 000 milliards de dollars, les médias locaux soulignent que les statistiques ne soutiennent pas un tel optimisme [5].

2. Situation actuelle

Le rythme d'adoption de l'IA n'est pas uniforme d'un secteur à l'autre. Selon une étude de la société de capital-risque Menlo Ventures, le rythme d'adoption de l'IA dans le secteur de la santé aux États-Unis est 2,2 fois supérieur à la moyenne de l'ensemble de l'économie [15]. Les logiciels spécialisés dans la documentation clinique et la médecine de précision, tels qu'OpenEvidence, Abridge et Tempus AI, prolifèrent sous l'impulsion des systèmes de santé [15]. Cependant, le secteur de la santé lui-même reconnaît qu'il est difficile de mesurer pleinement les coûts et les avantages de l'adoption de l'IA à l'aide des indicateurs financiers traditionnels [15]. Cela correspond parfaitement à la proposition de Bain selon laquelle le « niveau d'établissement de la confiance » détermine la vitesse de la reconfiguration des profits dans chaque secteur.

Un schéma similaire est observé dans le secteur de la gestion d'actifs financiers. L'organe de presse chinois Caixin a rapporté que les grandes sociétés de gestion d'actifs américaines sont passées à une étape d'internalisation systématique de l'IA dans tous les domaines — analyse des investissements, construction de portefeuilles, service client et conformité — et a spécifiquement analysé le cas de la réorganisation du leadership en matière d'IA de T. Rowe Price [14]. Le fait que Caixin présente cela comme un précédent à suivre pour le secteur chinois de la gestion d'actifs montre que la Chine perçoit la reconfiguration induite par l'IA dans les industries américaines comme un point de référence pour assurer la compétitivité de son propre secteur financier [14].

La structure même des dépenses informatiques des entreprises est également en cours de reconfiguration. IDC prédit que les dépenses technologiques des entreprises atteindront 4 250 milliards de dollars d'ici 2026, analysant que la majeure partie de cette augmentation est due à l'IA [9]. Parallèlement, une autre étude a révélé que le revenu annuel récurrent (ARR) des startups est devenu beaucoup plus instable que par le passé [9]. Cela implique que l'IA a un double effet : créer des opportunités pour les nouveaux entrants tout en sapant simultanément la stabilité des modèles économiques existants.

Un pool de profits distinct se forme dans le secteur du climat et de la durabilité. Une étude conjointe du Boston Consulting Group (BCG) et de Temasek a projeté que l'application des capacités actuelles de l'IA aux industries liées au climat pourrait générer environ 600 milliards de dollars de valeur économique annuelle d'ici 2028 [1]. Le média brésilien Exame a rapporté que le secteur manufacturier est considéré comme le plus grand bénéficiaire potentiel parmi ces secteurs [1]. Le BCG a souligné que « l'IA est plus qu'un simple outil d'efficacité », signalant un changement structurel industriel qui va au-delà de la simple automatisation [1].

Du point de vue du Sud global, il existe des préoccupations importantes quant au fait que les bénéfices de la reconfiguration seront répartis de manière inégale. Alors que la CNUCED prévoit que le marché de l'IA sera multiplié par 25 en 10 ans pour atteindre 4 800 milliards de dollars d'ici 2033, elle a également précisé que s'assurer que les fruits de cette croissance soient équitablement répartis entre les pays en développement est un élément central de l'agenda du développement [6]. Les médias locaux dans des pays comme les Philippines et le Koweït expriment également leur intérêt pour l'applicabilité de l'IA à leurs propres industries, ainsi qu'une perspective modérée selon laquelle l'IA remodèlera les emplois plutôt que de les éliminer [16][17].

3. Acteurs clés et intérêts

Les grandes entreprises technologiques américaines et les fournisseurs de services cloud sont les principaux investisseurs dans cette reconfiguration. Leur stratégie consiste à s'approprier préventivement une part importante du pool de profits de l'IA grâce à environ 7 000 milliards de dollars d'investissements dans les infrastructures [13]. Comme le souligne la BRI, cet investissement est financé par la dette, ce qui a pour effet secondaire de fausser les signaux du cycle économique et de compliquer les décisions de politique monétaire [12].

Les autorités du Trésor américain et la Réserve fédérale cherchent à tirer parti des gains de productivité induits par l'IA pour résoudre le problème de la dette nationale, mais les données réelles montrent que les profits affluent vers les marges des entreprises plutôt que vers le travail [5]. Cela implique que la reconfiguration des profits induite par l'IA a le potentiel de dégénérer en un conflit distributif au sein de la politique intérieure américaine.

Le secteur financier et de la gestion d'actifs de la Chine observe le cas américain et évalue la stratégie de transition vers l'IA de son propre secteur par rapport à celui-ci [14]. Cela suggère que la compétition technologique sino-américaine ne se limite pas aux semi-conducteurs avancés ou à la performance des modèles, mais s'étend à l'écart dans les capacités de mise en œuvre au niveau de chaque industrie.

Les acteurs du secteur de la santé (systèmes hospitaliers, startups) sont en tête en termes de vitesse d'adoption, mais ils répètent chacun des expériences individuelles en l'absence de mesures normalisées pour mesurer la performance par rapport à l'investissement [15]. Les cabinets de conseil (Bain, BCG) diagnostiquent que, au milieu de cette incertitude, le niveau de confiance dans les stratégies d'établissement de la confiance et de mise en œuvre spécifiques à l'industrie déterminera la compétitivité des entreprises. La demande de conseil elle-même émerge comme une nouvelle source de profit sous la forme du marché du conseil en transition vers l'IA [4][8].

Le bloc des pays en développement, mené par la CNUCED, se concentre sur l'élaboration de normes pour garantir que les bénéfices du marché, qui devrait atteindre 4 800 milliards de dollars, ne soient pas concentrés dans des pays développés et des entreprises spécifiques [6]. Cela pourrait servir de base au Sud global pour faire entendre sa voix dans les discussions sur les régimes réglementaires internationaux.

4. Enjeux clés

Le premier enjeu découle du fait que la reconfiguration des profits est un « transfert » plutôt qu'une « création » de valeur. Parce que cette structure divise clairement les gagnants et les perdants au sein des industries, les décisions de politique industrielle au niveau national sur où concentrer les investissements en IA sont directement liées à des questions de sécurité commerciale et économique. Des variables telles que la dépendance à l'égard des chaînes d'approvisionnement en semi-conducteurs et en centres de données, ainsi que le degré de localisation de l'infrastructure cloud, détermineront la part de chaque pays dans les profits redistribués.

Le deuxième enjeu est l'asymétrie dans la « vitesse d'établissement de la confiance » entre les secteurs. Il existe une différence significative dans le rythme de la reconfiguration entre des secteurs comme la santé, où l'adoption est rapide mais les systèmes de mesure de la performance sont inadéquats, et des secteurs comme la finance, où les structures de conformité et de gestion des risques sont déjà établies. Cela signifie que la rapidité avec laquelle un pays peut construire l'infrastructure de confiance en IA de son industrie nationale (par exemple, la gouvernance des données, des indicateurs de performance normalisés) devient une variable de sa compétitivité nationale.

Le troisième enjeu est la politique de la distribution. Comme le montre le cas américain, si la tendance des gains de productivité de l'IA profitant aux marges des entreprises plutôt qu'aux revenus du travail se poursuit, cela pourrait se traduire par une réaction politique intérieure et des pressions protectionnistes. Du point de vue d'une puissance moyenne, les contraintes que ce conflit distributif pourrait imposer à son propre marché du travail et à la conception de sa politique industrielle constituent une variable politique tangible.

Le quatrième enjeu est la préoccupation concernant l'exclusion du Sud global. Si la reconfiguration du pool de profits de l'IA se déroule en étant centrée sur les grandes plateformes et les capitaux des pays développés, les nations en développement risquent de devenir des preneurs de règles plutôt que des bénéficiaires de la reconfiguration. Dans ce contexte, les arguments d'équité soulevés par la CNUCED pourraient fournir une justification que les puissances moyennes pourraient utiliser comme levier dans les futures négociations sur la gouvernance internationale de l'IA.

II. Analyse approfondie

La reconfiguration des profits de 4 700 milliards de dollars induite par l'IA : Une analyse approfondie

1. Analyse des causes profondes

La cause profonde de la reconfiguration de 4 700 milliards de dollars n'est pas la nouvelle valeur ajoutée créée par l'IA. Elle réside plutôt dans la redistribution du pool de profits existant [4]. Bain définit cela comme ayant la même structure que les transitions technologiques passées, telles que les ères du PC, de l'internet, du mobile et du cloud [4]. Le diagnostic de Bain est que chaque période de transition a été accueillie à la fois par un optimisme excessif et un scepticisme [4]. Une caractéristique commune est que le transfert de profits réel s'est produit progressivement et de manière inégale [4].

Le moteur physique déclenchant cette reconfiguration est l'ampleur et la vitesse de l'investissement en capital. La Banque des Règlements Internationaux (BRI) analyse que l'essor de l'IA entraîne une forte augmentation des investissements à grande échelle financés par la dette [12]. Le capital investi par les fournisseurs de services cloud dans la construction d'infrastructures d'IA est estimé à environ 7 000 milliards de dollars [13]. Lorsqu'un capital de cette ampleur est concentré sur une trajectoire technologique spécifique, la méthode de son allocation devient elle-même la principale variable déterminant les gagnants et les perdants entre les industries. IDC a prédit que les dépenses technologiques des entreprises atteindront 4 250 milliards de dollars d'ici 2026, affirmant que la majeure partie de cette augmentation sera due à l'IA [9]. Cela signifie que l'orientation des dépenses est déjà fortement orientée vers un secteur spécifique.

De plus, une deuxième variable fondamentale est en jeu : la « vitesse d'établissement de la confiance » dans chaque secteur. Dans des secteurs comme la santé, où le coût d'un diagnostic ou d'un jugement erroné est élevé, un double schéma émerge : une adoption rapide de l'IA est associée à une mesure de la performance retardée [15]. Selon la société de capital-risque Menlo Ventures, le rythme d'adoption de l'IA dans le secteur de la santé aux États-Unis est 2,2 fois supérieur à la moyenne de l'ensemble de l'économie [15]. Cependant, le secteur lui-même admet que les indicateurs financiers traditionnels ne peuvent pas saisir pleinement les coûts et les avantages de l'adoption de l'IA [15]. L'écart entre la vitesse d'adoption et la vitesse de validation de la confiance est le mécanisme fondamental créant le décalage temporel dans la reconfiguration des profits.

2. Contexte structurel

Structure économique : Distorsion dans la répartition entre capital et travail

Au sein de l'économie américaine, il existe des signes clairs que le boom des investissements dans l'IA fausse déjà la répartition des revenus entre le capital et le travail. La part du revenu du travail aux États-Unis est tombée à 52,8 %, son plus bas niveau depuis le début des statistiques en 1947 [5]. Inversement, les marges des entreprises ont atteint un niveau record de 14,9 % du PIB [5]. Le secrétaire au Trésor Scott Bessent et le président de la Fed Kevin Warsh espèrent que les gains de productivité induits par l'IA allégeront le fardeau de la dette nationale de 40 000 milliards de dollars [5]. Cependant, le média local The News International souligne que les preuves statistiques pour soutenir cet optimisme sont faibles [5]. Cela suggère que la reconfiguration des profits de 4 700 milliards de dollars n'est pas seulement un transfert horizontal entre les industries, mais se produit également simultanément le long de l'axe vertical du capital et du travail. Du point de vue de la sécurité commerciale et économique, cette distorsion dans la répartition des revenus peut agir comme un facteur qui augmente le fardeau politique sur les politiques industrielles et sociales nationales.

Structure politique : Évaluation comparative nationale et cadrage concurrentiel

Le secteur financier chinois utilise explicitement la transition vers l'IA dans le secteur américain de la gestion d'actifs comme point de référence. Caixin a évalué que les grandes sociétés de gestion d'actifs américaines sont entrées dans une phase d'internalisation systématique de l'IA dans tous les domaines — analyse des investissements, construction de portefeuilles et conformité — et a spécifiquement analysé le cas de la réorganisation du leadership en matière d'IA de T. Rowe Price, le présentant comme un « point de référence pour les institutions chinoises de gestion d'actifs » [14]. Cela montre que la reconfiguration des profits industriels passe de la concurrence au niveau de l'entreprise individuelle à une stratégie visant à assurer la compétitivité du secteur financier national. Cela se connecte directement au domaine de la compétition interétatique sur l'IA. Cependant, ce que ce cas révèle est moins une confrontation directe d'État à État qu'un schéma où les avantages accumulés au niveau de l'industrie et de l'entreprise individuelles sont reconstruits rétroactivement en un discours sur la compétitivité nationale.

Structure de sécurité : Investissement dans les infrastructures et risques liés à la chaîne d'approvisionnement

Le boom de la construction de centres de données, qui constitue la base matérielle de la reconfiguration des profits de l'IA, provoque déjà des changements structurels dans l'économie réelle. Poussé par une forte augmentation de la demande de production d'électricité et d'infrastructures, le chiffre d'affaires des 400 plus grandes entreprises de construction américaines a atteint 671,4 milliards de dollars en 2025, soit une augmentation de 11,8 % [13]. Cependant, le secteur s'inquiète d'un décalage où la capacité de construction, y compris le développement de la main-d'œuvre, ne peut pas suivre cette demande [13]. Cela montre que la reconfiguration industrielle induite par l'IA est étroitement liée à de multiples goulots d'étranglement dans la chaîne d'approvisionnement, notamment dans les semi-conducteurs, les réseaux électriques et la main-d'œuvre du bâtiment. Cela crée une structure où les risques liés aux minéraux critiques et aux chaînes d'approvisionnement, généralement traités dans le domaine de la sécurité commerciale et économique, se répercutent sur l'ensemble de l'économie réelle par le biais des investissements dans les infrastructures d'IA.

3. Précédents historiques et comparaison avec des cas similaires

Le cadre analytique de Bain lui-même est basé sur une comparaison avec les transitions technologiques passées. Les quatre transitions — PC, internet, mobile et cloud — partagent un schéma commun : elles ont été initialement accueillies à la fois par un « optimisme excessif » et un « scepticisme soulignant un manque de preuves », tandis que le transfert de profits réel n'a été confirmé que progressivement sur plusieurs années [4]. Ce qui est différent dans la transition actuelle vers l'IA, c'est la vitesse de la reconfiguration et l'ampleur de l'investissement en capital. L'échelle de 7 000 milliards de dollars investis dans la seule infrastructure cloud est un niveau jamais vu lors des périodes de transition technologique précédentes [13].

Dans le secteur du climat et de la durabilité, la trajectoire initiale de la reconfiguration des profits est déjà observée en chiffres concrets. Selon une étude conjointe du Boston Consulting Group (BCG) et de Temasek, l'application des capacités actuelles de l'IA au secteur du climat et de la durabilité pourrait ajouter environ 600 milliards de dollars par an à l'économie mondiale d'ici 2028 [1]. Parmi ceux-ci, le secteur industriel s'est avéré avoir les gains potentiels les plus importants de l'application de l'IA [1]. C'est la preuve que le chiffre de 4 700 milliards de dollars de reconfiguration des profits présenté par Bain commence déjà à être vérifié quantitativement dans certains secteurs.

La comparaison avec les transitions technologiques passées est également valable en termes de reconfiguration du marché du travail. Selon les estimations du Forum Économique Mondial, environ 92 millions d'emplois dans le monde devraient être supprimés d'ici 2030, tandis que 170 millions de nouveaux types d'emplois seront créés [11]. Un consultant local au Koweït diagnostique que l'IA est plus susceptible d'opérer en remodelant la composition des emplois plutôt qu'en éliminant des professions entières [17]. Cependant, un avertissement est également émis selon lequel les entreprises utilisant l'IA principalement pour la réduction des effectifs risquent de perdre le savoir-faire organisationnel accumulé et d'affaiblir le vivier pour la formation de la prochaine génération de talents professionnels [17]. Des préoccupations similaires ont été soulevées à plusieurs reprises lors des transitions passées vers les technologies de l'information et l'automatisation, mais cette transition est différente en ce qu'elle inclut le secteur du travail intellectuel des cols blancs comme cible de la reconfiguration.

4. Variables clés façonnant les développements futurs

La première variable déterminant l'orientation de la reconfiguration des profits est la vitesse d'« établissement de la confiance » dans chaque secteur. Comme le confirme le cas du secteur de la santé, un rythme rapide d'adoption de l'IA ne signifie pas que sa performance sera immédiatement prouvée en termes financiers [15]. Dans les secteurs où l'établissement de la confiance est retardé, la reconfiguration des profits est également susceptible d'être retardée.

La deuxième variable est la possibilité d'une erreur de jugement de la part des décideurs macroéconomiques. La BRI souligne qu'en affectant simultanément l'offre et la demande, l'IA fausse les signaux du cycle économique et complique les décisions de politique monétaire des banques centrales [12]. L'évaluation centrale de la BRI est que les effets de productivité de l'IA sont en fait incertains et inégaux entre les secteurs et les pays [12]. Si une erreur de jugement en matière de politique monétaire se produit, il existe un risque que le boom des investissements dans l'IA financé par la dette puisse lui-même subir une correction brutale.

La troisième variable est de savoir si le conflit distributif entre le capital et le travail devient politisé. Les statistiques montrant une baisse de la part du revenu du travail aux États-Unis et des marges d'entreprise record émergent déjà comme un enjeu politique [5]. Si ce conflit s'intensifie, les gouvernements nationaux pourraient intervenir avec des politiques industrielles et des mesures fiscales pour redistribuer les profits générés par l'IA, ce qui deviendrait une variable qui réajuste politiquement la trajectoire même de la reconfiguration des profits industriels.

La quatrième variable est le rythme de l'évaluation comparative transnationale et du rattrapage. Le fait que le secteur chinois de la gestion d'actifs analyse méticuleusement le cas américain pour formuler une stratégie de rattrapage [14] suggère que la reconfiguration des profits industriels ne se limitera pas à la concurrence entre entreprises au sein d'un seul pays, mais pourrait s'étendre à un écart de compétitivité industrielle entre les nations. Du point de vue d'une puissance moyenne, cela signifie qu'un retard dans la transition vers l'IA d'un secteur spécifique pourrait directement entraîner une perte de compétitivité au niveau national. Par conséquent, la manière de soutenir la vitesse d'établissement de la confiance dans les industries individuelles au niveau national devrait émerger comme une variable clé pour les futures réponses politiques.