Quand l’efficacité ne détruit pas forcément la demande
Depuis l’arrivée massive de l’intelligence artificielle générative dans les entreprises, une question domine le débat public : combien d’emplois seront remplacés par des machines capables d’écrire, de coder, de résumer, d’analyser ou de produire des images en quelques secondes ? La réponse intuitive semble simple : si une technologie permet de faire plus avec moins de travailleurs, la demande de travail humain devrait diminuer.
Or, l’histoire économique suggère un scénario moins linéaire. C’est précisément ce que remet en lumière l’article de Les Affaires intitulé « IA: le paradoxe de Jevons dont tout le monde parle », qui soutient que l’IA pourrait, paradoxalement, augmenter la demande de travail humain plutôt que la réduire mécaniquement. L’idée peut sembler contre-intuitive, mais elle s’appuie sur un mécanisme économique bien connu : le paradoxe de Jevons.
Ce paradoxe dit, en résumé, qu’une amélioration de l’efficacité dans l’utilisation d’une ressource peut entraîner non pas une baisse, mais une hausse de sa consommation totale. Transposé à l’intelligence artificielle, cela signifie que si l’IA rend certaines tâches cognitives moins coûteuses, les organisations pourraient en produire beaucoup plus, ouvrir de nouveaux marchés, multiplier les projets et, au final, avoir encore besoin d’humains pour concevoir, superviser, vendre, vérifier, adapter et gérer ces nouveaux volumes d’activité.
Le précédent historique : le charbon et la machine à vapeur
Le paradoxe de Jevons tire son nom de l’économiste britannique William Stanley Jevons. Dans son ouvrage The Coal Question, publié en 1865, Jevons observait un phénomène surprenant : les machines à vapeur devenaient plus efficaces dans leur utilisation du charbon, mais la consommation totale de charbon au Royaume-Uni augmentait. Pourquoi ? Parce que l’efficacité rendait la vapeur moins chère et donc plus attractive pour davantage d’usages industriels.
Autrement dit, l’amélioration technique ne réduisait pas la demande globale de charbon. Elle élargissait le champ des possibles. Des procédés auparavant trop coûteux devenaient rentables. De nouvelles usines apparaissaient. Les réseaux ferroviaires se développaient. L’économie entière réorganisait sa production autour d’une énergie devenue plus productive.
Ce point est crucial pour comprendre l’IA actuelle. Une technologie qui accroît la productivité ne se contente pas de remplacer une partie du travail existant. Elle peut aussi créer de nouvelles activités qui n’auraient jamais été économiquement viables auparavant. L’effet final dépend donc de l’équilibre entre substitution et expansion.
L’IA réduit le coût du travail cognitif
L’intelligence artificielle générative agit comme une baisse massive du coût de certaines tâches intellectuelles. Rédiger une première version de texte, générer du code, traduire, produire des synthèses, classer des documents, créer des maquettes visuelles ou assister un service client deviennent plus rapides et moins chers.
Pour une entreprise, cela peut d’abord signifier des gains de productivité : un employé accomplit en une heure ce qui en prenait trois auparavant. Dans certains cas, des postes peuvent effectivement disparaître, surtout lorsque les tâches sont répétitives, standardisées et peu différenciées. Les centres d’appels, les services administratifs, la traduction simple, le support technique de premier niveau ou certaines fonctions de production de contenu sont particulièrement exposés.
Mais l’analyse ne s’arrête pas là. Si le coût d’un service baisse, la demande peut augmenter. Une PME qui ne pouvait pas se payer un service juridique interne pourrait utiliser des outils d’IA pour préparer des documents, puis embaucher un spécialiste pour les valider. Une entreprise qui produisait deux campagnes marketing par année pourrait en lancer vingt, nécessitant davantage de stratèges, de créateurs, de responsables de marque et d’analystes. Un studio logiciel pourrait développer plus de prototypes, ce qui accroît le besoin de chefs de produit, de testeurs, de designers, de spécialistes cybersécurité et de personnel de soutien.
C’est ici que le parallèle avec Jevons devient intéressant : l’IA ne fait pas seulement baisser le coût d’une tâche. Elle peut faire exploser la quantité de tâches demandées.
Substitution, complémentarité et nouveaux goulots d’étranglement
Le débat sur l’emploi est souvent présenté comme une opposition entre humains et machines. En réalité, les technologies productives déplacent souvent les goulots d’étranglement. Lorsque la rédaction d’un rapport devient facile, la valeur se déplace vers la formulation de la bonne question, la validation des faits, l’interprétation des résultats et la décision stratégique. Lorsque le codage devient plus rapide, le problème n’est plus seulement d’écrire du code, mais de définir ce qu’il faut construire, de garantir la sécurité, d’intégrer les systèmes et de comprendre les besoins des utilisateurs.
L’IA substitue donc certaines tâches, mais elle complète aussi de nombreux métiers. Un avocat assisté par IA peut traiter plus de dossiers. Un médecin peut gagner du temps sur la documentation clinique. Un journaliste peut accélérer la recherche préliminaire, tout en consacrant davantage d’énergie à l’enquête, à la vérification et à l’analyse. Un enseignant peut personnaliser du matériel pédagogique, mais il reste indispensable pour accompagner, évaluer et motiver les élèves.
La demande de travail humain pourrait ainsi augmenter dans les métiers où l’IA amplifie la capacité de production sans remplacer la responsabilité, le jugement ou la relation humaine. La question n’est donc pas seulement : « L’IA peut-elle faire cette tâche ? » Elle est aussi : « Que devient possible lorsque cette tâche coûte beaucoup moins cher ? »
Pourquoi l’effet Jevons n’est pas automatique
Il faut toutefois éviter une lecture trop optimiste. Le paradoxe de Jevons n’est pas une loi mécanique garantissant que chaque gain d’efficacité créera plus d’emplois. Plusieurs conditions doivent être réunies.
D’abord, la demande doit être élastique. Si une entreprise peut produire dix fois plus de rapports, mais que personne ne veut les lire, la demande de travail ne suivra pas. Ensuite, les gains de productivité doivent se traduire par une baisse des prix, une amélioration du service ou une expansion du marché, plutôt que par une simple concentration des profits. Enfin, les travailleurs doivent pouvoir se requalifier assez vite pour occuper les nouveaux rôles créés.
C’est là que le risque social devient majeur. Même si l’IA augmente l’emploi total à long terme, elle peut détruire rapidement certains postes à court terme. Les gains peuvent être captés par les entreprises les plus capitalisées, tandis que les travailleurs déplacés peinent à retrouver des emplois de qualité. L’histoire industrielle a souvent montré que la productivité crée de la richesse, mais pas nécessairement une transition douce.
Ce que cela signifie pour les entreprises
Pour les entreprises, le paradoxe de Jevons appliqué à l’IA invite à dépasser la logique de compression des coûts. Les organisations qui utiliseront l’IA uniquement pour réduire leurs effectifs risquent de manquer l’essentiel : la possibilité de faire plus, mieux et autrement.
Les gains les plus importants pourraient venir de nouveaux produits, de cycles d’innovation plus rapides, d’une meilleure personnalisation des services et d’une capacité accrue à servir des marchés de niche. Dans ce contexte, l’humain demeure central, mais son rôle change. Les compétences recherchées se déplaceront vers la supervision des systèmes, la compréhension métier, la créativité, la relation client, l’éthique, la gouvernance des données et la capacité à collaborer avec des outils automatisés.
Les entreprises devront aussi investir dans la formation. Une IA déployée sans montée en compétence peut produire l’effet inverse : erreurs à grande échelle, dépendance aux outils, perte de savoir-faire interne et risques de conformité. L’efficacité technique ne suffit pas ; elle doit être encadrée par une intelligence organisationnelle.
Ce que cela signifie pour les travailleurs
Pour les travailleurs, le message est double. Oui, certains emplois seront fragilisés. Mais non, l’automatisation ne signifie pas forcément la fin du travail humain. Les métiers composés de tâches routinières sont les plus vulnérables, tandis que les métiers capables d’intégrer l’IA comme levier de productivité pourraient gagner en valeur.
La compétence clé ne sera pas seulement de savoir utiliser un outil d’IA, mais de savoir en tirer un résultat fiable. Cela suppose de poser les bonnes questions, détecter les erreurs, contextualiser les réponses et transformer une sortie automatisée en décision utile. Dans plusieurs secteurs, le professionnel augmenté par l’IA pourrait remplacer non pas l’humain, mais l’humain qui ne sait pas travailler avec l’IA.
Sources et limites de la veille
La source principale de cette analyse est l’article de Les Affaires, « IA: le paradoxe de Jevons dont tout le monde parle », qui formule clairement l’hypothèse selon laquelle l’IA pourrait accroître la demande de travail humain : https://www.lesaffaires.com/opinions/ia-le-paradoxe-de-jevons-dont-tout-le-monde-parle/
Le contexte historique renvoie au travail de William Stanley Jevons, notamment The Coal Question, publié en 1865, où l’économiste analyse la relation entre efficacité énergétique et consommation de charbon.
Parmi les liens fournis dans la veille, Metro Québec et Le Droit publient aussi des articles contenant l’expression « Tout le monde en parle », mais ceux-ci portent sur l’émission télévisée et Céline Galipeau, non sur l’intelligence artificielle ou le paradoxe de Jevons : https://metroquebec.com/culture/ecrans/403824/tout-le-monde-en-parle-le-nouveau-defi-de-celine-galipeau/ et https://www.ledroit.com/arts/richard-therrien/2026/05/10/itout-le-monde-en-parlei-passe-date-mais-encore-bon-3U4TBPBPLRGNRBZFFZ7EX5S4S4/
Une révolution moins simple qu’un remplacement
Le paradoxe de Jevons ne permet pas d’affirmer que l’IA créera nécessairement plus d’emplois qu’elle n’en détruira. Il rappelle toutefois une chose essentielle : l’efficacité transforme la demande. Comme la vapeur a multiplié les usages du charbon au lieu de les réduire, l’IA pourrait multiplier les usages du travail cognitif plutôt que les faire disparaître.
La vraie question n’est donc pas seulement de savoir combien de tâches seront automatisées. Elle est de savoir combien de nouveaux besoins apparaîtront lorsque l’intelligence opérationnelle deviendra moins chère, plus accessible et plus abondante. L’avenir du travail ne se jouera pas uniquement dans la lutte contre la machine, mais dans la capacité des sociétés, des entreprises et des travailleurs à orienter cette abondance vers de nouvelles formes de valeur humaine.