{ "$schema": "https://github.com/otakuch/observatoires-ia/blob/main/schemas/economistes-ia.schema.json", "version": "0.3.0", "compiled_at": "2026-04-26", "scope": "Économistes & chercheurs référencés · positions sur scénarios IA", "license": "CC BY 4.0", "source_aggregator": "Naully Nicolas · observatoire[s]·ia", "documentation_url": "https://observatoire-ia.naullynicolas.ch/methodologie.html", "method_note": "Positions reconstruites à partir des publications académiques et déclarations publiques 2023-2026.", "count": 56, "economists": [ { "name": "Philippe Aghion", "institution": "Collège de France", "scenario_distribution_pct": { "Stagnation": 10, "Croissance modérée": 25, "Accélération IA": 40, "Transformation majeure": 20, "Rupture technologique": 5 }, "most_likely_scenario": "Accélération IA" }, { "name": "Gilbert Cette", "institution": "Banque de France", "scenario_distribution_pct": { "Stagnation": 8, "Croissance modérée": 32, "Accélération IA": 38, "Transformation majeure": 17, "Rupture technologique": 5 }, "most_likely_scenario": "Accélération IA" }, { "name": "Yann LeCun", "institution": "Meta AI / NYU", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 15, "Accélération IA": 30, "Transformation majeure": 35, "Rupture technologique": 15 }, "most_likely_scenario": "Transformation majeure" }, { "name": "Cédric Villani", "institution": "Institut Henri Poincaré", "scenario_distribution_pct": { "Stagnation": 12, "Croissance modérée": 28, "Accélération IA": 35, "Transformation majeure": 20, "Rupture technologique": 5 }, "most_likely_scenario": "Accélération IA" }, { "name": "Olivier Blanchard", "institution": "MIT / PIIE", "scenario_distribution_pct": { "Stagnation": 15, "Croissance modérée": 30, "Accélération IA": 35, "Transformation majeure": 15, "Rupture technologique": 5 }, "most_likely_scenario": "Accélération IA" }, { "name": "Anne-Laure Delatte", "institution": "CNRS / CEPII", "scenario_distribution_pct": { "Stagnation": 18, "Croissance modérée": 32, "Accélération IA": 32, "Transformation majeure": 14, "Rupture technologique": 4 }, "most_likely_scenario": "Croissance modérée" }, { "name": "Daron Acemoglu", "institution": "MIT", "scenario_distribution_pct": { "Stagnation": 20, "Croissance modérée": 35, "Accélération IA": 30, "Transformation majeure": 12, "Rupture technologique": 3 }, "most_likely_scenario": "Croissance modérée" }, { "name": "Erik Brynjolfsson", "institution": "Stanford", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 20, "Accélération IA": 35, "Transformation majeure": 30, "Rupture technologique": 10 }, "most_likely_scenario": "Accélération IA" }, { "name": "McKinsey MGI", "institution": "Agents, Robots & Us · nov. 2025", "scenario_distribution_pct": { "Stagnation": 8, "Croissance modérée": 22, "Accélération IA": 40, "Transformation majeure": 22, "Rupture technologique": 8 }, "most_likely_scenario": "Accélération IA" }, { "name": "Anu Madgavkar & Lareina Yee", "institution": "McKinsey · Skill Change Index", "scenario_distribution_pct": { "Stagnation": 7, "Croissance modérée": 20, "Accélération IA": 42, "Transformation majeure": 24, "Rupture technologique": 7 }, "most_likely_scenario": "Accélération IA" }, { "name": "Erik Brynjolfsson (J-curve)", "institution": "Stanford HAI · Productivity 2.7% US 2025 · ADP data", "scenario_distribution_pct": { "Stagnation": 3, "Croissance modérée": 12, "Accélération IA": 38, "Transformation majeure": 32, "Rupture technologique": 15 }, "most_likely_scenario": "Accélération IA" }, { "name": "Alex Imas & Kristof Madarasz", "institution": "Chicago Booth · 'What will be scarce?' avr. 2026 · secteur relationnel post-commodité", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 15, "Accélération IA": 30, "Transformation majeure": 32, "Rupture technologique": 18 }, "most_likely_scenario": "Transformation majeure" }, { "name": "David Autor", "institution": "MIT (Department of Economics)", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 35, "Accélération IA": 35, "Transformation majeure": 20, "Rupture technologique": 5 }, "most_likely_scenario": "Croissance modérée", "notes": "Auteur du cadre 2003 distinguant les tâches qui peuvent être substituées par les machines (suivre des specs) et celles qui sont complétées (définir des specs). Position prudente sur les exposure scores task-based." }, { "name": "James Bessen", "institution": "Boston University · Technology and Policy Research Initiative", "scenario_distribution_pct": { "Stagnation": 10, "Croissance modérée": 40, "Accélération IA": 30, "Transformation majeure": 15, "Rupture technologique": 5 }, "most_likely_scenario": "Croissance modérée", "notes": "Spécialiste de l'histoire économique de l'automatisation. Démontre que l'effet productivité-emploi dépend de l'élasticité de la demande sectorielle. Cas paradigmatique : ATM n'a pas tué les bank tellers." }, { "name": "Martha Gimbel", "institution": "Yale Budget Lab", "scenario_distribution_pct": { "Stagnation": 15, "Croissance modérée": 45, "Accélération IA": 25, "Transformation majeure": 10, "Rupture technologique": 5 }, "most_likely_scenario": "Croissance modérée", "notes": "Co-autrice du tracker mensuel Yale Budget Lab sur l'impact de l'IA sur l'emploi américain (33+ mois de données depuis novembre 2022). Conclusion à mars 2026 : pas de disruption macroéconomique observable." }, { "name": "Pedro Serôdio", "institution": "Centre for British Progress", "scenario_distribution_pct": { "Stagnation": 10, "Croissance modérée": 50, "Accélération IA": 25, "Transformation majeure": 10, "Rupture technologique": 5 }, "most_likely_scenario": "Croissance modérée", "notes": "Auteur du rapport « AI and the UK labour market: the evidence so far » (avril 2026). Position : peu de signes d'effets agrégés massifs au UK malgré 54% des PME utilisant l'IA. Critique des prédictions Goldman/McKinsey basées sur l'adoption théorique maximale." }, { "name": "Michelle Yin, Hoa Vu & Claudia Persico", "institution": "American University · NBER w35110", "scenario_distribution_pct": { "Stagnation": 25, "Croissance modérée": 50, "Accélération IA": 15, "Transformation majeure": 7, "Rupture technologique": 3 }, "most_likely_scenario": "Croissance modérée", "notes": "Auteurs de la démonstration empirique majeure (NBER w35110, avril 2026) que les scores d'exposition à l'IA basés sur les LLM auto-évaluatifs sont fragiles : divergence ×3,6 entre 3 modèles frontière, accord 57%, coefficients DiD ×2,4. Position fortement prudente sur la robustesse des prédictions actuelles." }, { "name": "Diksha Singh Tomer", "institution": "Auteur du cadre TCO Knowledge Work · academic preprint 2026", "scenario_distribution_pct": { "Stagnation": 15, "Croissance modérée": 55, "Accélération IA": 20, "Transformation majeure": 8, "Rupture technologique": 2 }, "most_likely_scenario": "Croissance modérée", "notes": "Auteur du cadre conceptuel de Total Cost of Ownership (avril 2026) qui démontre pourquoi comparer le prix du token au salaire humain est une erreur économique. Position : l'IA est une technologie d'augmentation sélective et complémentaire, pas un substitut universel. Cadre directement utilisable par les COMEX pour calibrer leurs déploiements selon la nature des tâches (étroites/ambiguës) et les coûts réels d'orchestration, gouvernance et vérification." }, { "name": "Patrick Quinlan & Hung LeHong", "institution": "Gartner · Customer Service Analytics & Distinguished VP", "scenario_distribution_pct": { "Stagnation": 30, "Croissance modérée": 45, "Accélération IA": 15, "Transformation majeure": 8, "Rupture technologique": 2 }, "most_likely_scenario": "Croissance modérée", "notes": "Co-auteurs des prédictions Gartner les plus citées sur les coûts cachés de l'IA. LeHong (octobre 2024) : 500% à 1000% d'erreur de calcul potentielle sur les coûts IA, 72% des CIO en break-even ou perte. Quinlan (janvier 2026) : coût par résolution GenAI > 3$ en 2030, dépassant les agents offshore. Position prudente sur le ROI de l'automatisation totale : recommandent un pivot vers l'engagement client plutôt que la réduction de coûts brute." }, { "name": "Philip Trammell", "institution": "Oxford GPI · Stanford Digital Economy Lab", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 20, "Accélération IA": 30, "Transformation majeure": 35, "Rupture technologique": 10 }, "most_likely_scenario": "Transformation majeure", "notes": "Co-auteur avec Anton Korinek du paper foundateur 'Economic Growth under Transformative AI' (GPI Working Paper 2020, version mise à jour 2023). Auteur de 'Capital in the 22nd Century' (avec Dwarkesh Patel) et 'Is labor a luxury in the long run?' (mars 2026). Position formalisée : si les machines peuvent se substituer au travail dans la production et s'auto-répliquer, la part du travail peut s'effondrer ; mais si la complémentarité capital-travail reste forte sur les biens human-intrinsic, le revenu réalloué maintient la part du travail. Référence centrale citée par Imas et Garicano dans les échanges substack 2026." }, { "name": "Anton Korinek", "institution": "University of Virginia · NBER · CEPR · Brookings", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 15, "Accélération IA": 25, "Transformation majeure": 40, "Rupture technologique": 15 }, "most_likely_scenario": "Transformation majeure", "notes": "Économiste à University of Virginia, co-auteur avec Philip Trammell du cadre théorique de référence sur la croissance économique sous IA transformative. Travaux récents sur l'automation de la recherche en IA elle-même (Korinek-Halperin-Houlden 2025) et sur les effets de l'IA sur la part du capital vs travail. Voix prudente mais préparée à des scénarios de transformation majeure si les hypothèses de substitution capital-travail se confirment." }, { "name": "Luis Garicano", "institution": "London School of Economics · Silicon Continent", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 35, "Accélération IA": 40, "Transformation majeure": 15, "Rupture technologique": 5 }, "most_likely_scenario": "Accélération IA", "notes": "Économiste à la LSE, ancien député européen, fondateur de la newsletter Silicon Continent. Position centrale formalisée dans 'Why desk jobs survive and Amodei is wrong' (avril 2026) et dans le livre à paraître Messy Jobs (avec Jin Li et Yanhui Wu) : la tâche n'est pas le métier. Confondre automatisation des tâches et disparition des métiers produit des prédictions erronées. L'économie n'est pas l'agrégat de tâches que les consommateurs veulent : c'est ce que les organisations doivent faire pour les atteindre. Voix critique structurée contre les prédictions Amodei (Anthropic) et Suleyman (Microsoft AI)." }, { "name": "Philip Trammell", "institution": "Stanford Digital Economy Lab · ex-Global Priorities Institute Oxford", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 15, "Accélération IA": 30, "Transformation majeure": 35, "Rupture technologique": 15 }, "most_likely_scenario": "Transformation majeure", "notes": "Économiste théoricien spécialisé dans la croissance économique sous IA transformatrice. Coauteur avec Anton Korinek (Virginia, NBER, CEPR) du Working Paper GPI 2020 fondateur sur le sujet. Son article de mars 2026 « Is labor a luxury in the long run? » formalise pourquoi la part travail peut rester élevée même en pleine automatisation, grâce aux biens human-intrinsic (concerts, performances, soin, accompagnement). Position : transformation majeure probable mais part travail soutenue par préférence humaine pour la présence." }, { "name": "Pieter Garicano", "institution": "Silicon Continent · projet de livre Messy Jobs avec Jin Li et Yanhui Wu", "scenario_distribution_pct": { "Stagnation": 10, "Croissance modérée": 40, "Accélération IA": 30, "Transformation majeure": 15, "Rupture technologique": 5 }, "most_likely_scenario": "Croissance modérée", "notes": "Auteur de la critique de référence des prédictions Amodei/Suleyman (mai 2026). Argument central : la tâche n'est pas le job, le job est un bundle. Quand l'IA prend la tâche faible du bundle, elle laisse au travailleur la tâche forte. Mobilise l'exemple historique de l'horlogerie suisse face au quartz comme cas d'école de recomposition réussie. Position : recomposition massive plutôt que destruction massive, avec gagnants identifiables (les travailleurs qui montent en gamme sur la partie forte du bundle)." }, { "name": "Dimitris Papanikolaou", "institution": "Northwestern University · Kellogg School of Management", "scenario_distribution_pct": { "Stagnation": 15, "Croissance modérée": 50, "Accélération IA": 25, "Transformation majeure": 8, "Rupture technologique": 2 }, "most_likely_scenario": "Croissance modérée", "notes": "Spécialiste des effets compensatoires sur le marché du travail face aux chocs technologiques. Ses travaux montrent que l'IA a un impact limité sur l'emploi agrégé parce que le marché du travail s'adapte par effets de second ordre (création d'usages nouveaux, demande croissante sur des fonctions complémentaires, recomposition des bundles). Position : pas de rupture brutale visible dans les données 2024-2026, mais composition du travail en transformation profonde." }, { "name": "Yves Caseau", "institution": "ex-Chief Digital Officer de Michelin · Académie des Technologies · auteur", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 35, "Accélération IA": 30, "Transformation majeure": 25, "Rupture technologique": 5 }, "most_likely_scenario": "Croissance modérée", "notes": "Auteur de la synthèse de référence « The Impact of AI Automation on Our Jobs and Our Lives » (mai 2026), tirée de sa conférence aux RNS Strasbourg avec Yann Ferguson. Ses cinq apports structurants : cadre McKinsey en trois types de travail (production/transaction/interaction), distinction ACI vs AGI (AGI pas avant 2030), loi d'Amara appliquée à l'IA (surestimation court-terme, sous-estimation long-terme), modèle FWPM avec sa valeur retenue de 30% de réduction d'emplois en secteur compétitif, et avertissement systémique sur le coût cognitif de l'augmentation IA. Position : transformation profonde inévitable, mais à un rythme beaucoup plus lent que celui annoncé par les dirigeants dont les investissements exigent un payoff rapide." }, { "name": "Yann Ferguson", "institution": "sociologue · auteur · directeur scientifique LaborIA / Inria-INRS", "scenario_distribution_pct": { "Stagnation": 10, "Croissance modérée": 40, "Accélération IA": 25, "Transformation majeure": 20, "Rupture technologique": 5 }, "most_likely_scenario": "Croissance modérée", "notes": "Sociologue français spécialiste de l'impact réel de l'automatisation sur les personnes et les métiers. Auteur de « Ce que l'intelligence artificielle fait de l'homme au travail ». Cadre d'analyse central : les quatre archétypes du travailleur face à l'IA. Le travailleur remplacé (automatisation par attrition), le travailleur dominé (contrôle algorithmique sur l'autonomie et les compétences), le travailleur augmenté (performance améliorée mais coûts cognitifs), et le travailleur réhumanisé (IA libère du temps pour créativité et empathie). Position : l'IA a atteint une maturité technique, économique et organisationnelle qui en fait une réalité concrète au travail, ce qui déplace la question centrale de la technologie vers ses implications humaines et sociales." }, { "name": "Marco Iansiti", "institution": "Harvard Business School · Digital Initiative · conseiller Michelin", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 30, "Accélération IA": 35, "Transformation majeure": 25, "Rupture technologique": 5 }, "most_likely_scenario": "Accélération IA", "notes": "Économiste de l'innovation à Harvard, spécialiste des transformations IA en entreprise. Apport central : adopter la GenAI individuellement est facile (RAG, synthèse, automatisation de tâches isolées), mais en tirer un vrai gain économique exige trois conditions : streamlining préalable des processus, contexte partagé entre les acteurs, objectifs uniques et simples à évaluer. Sans ces conditions, la GenAI fonctionne comme un RPA 2.0 avec des bénéfices marginaux. Avec ces conditions, elle restructure l'entreprise. Position : transformation profonde réelle, mais réservée aux organisations qui font le travail de simplification systémique préalable." }, { "name": "Sangeet Paul Choudary", "institution": "Platform Thinking Labs · auteur · Reshuffle (2025)", "scenario_distribution_pct": { "Stagnation": 0, "Croissance modérée": 20, "Accélération IA": 30, "Transformation majeure": 40, "Rupture technologique": 10 }, "most_likely_scenario": "Transformation majeure", "notes": "Auteur de « Reshuffle: Who Wins When AI Restacks the Knowledge Economy » (2025). Thèse centrale : la vraie puissance transformative de l'IA ne vient pas de la manière dont elle exécute une tâche, mais de la manière dont elle restructure tout le système autour de la tâche. Définir les métiers comme une simple somme de tâches automatisables passe à côté des contraintes que les métiers gèrent : contexte, coordination, gestion du risque. Avertissement crucial : surestimer l'optimisation peut paradoxalement détruire la coordination existante, rendant le système moins fiable. Position : transformation systémique majeure inévitable pour les organisations qui acceptent de redéfinir leurs structures de travail." }, { "name": "BCG Henderson Institute · Emerson, Kropp, Bedard, Krayer", "institution": "Boston Consulting Group · BCG Henderson Institute", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 35, "Accélération IA": 35, "Transformation majeure": 20, "Rupture technologique": 5 }, "most_likely_scenario": "Croissance modérée", "notes": "Équipe de recherche BCG ayant publié en avril 2026 le cadre quantitatif de référence sur l'impact IA sur l'emploi. Méthodologie microéconomique sur 1 500 rôles Revelio Labs / 165M emplois US. Position centrale : 50-55% des emplois remodelés en 2-3 ans, 10-15% éliminés en 4-5 ans. Six segments AI Labor Disruption : Amplified 5%, Rebalanced 14%, Divergent 12%, Substituted 12%, Enabled 23%, Limited-Exposure 34%. Mobilise la loi de Jevons (efficacité augmente la consommation totale, pas la réduit). Alerte forte sur la coupe entry-level qui détruit le pipeline senior." }, { "name": "AISI · UK AI Security Institute", "institution": "AI Security Institute · UK Department for Science Innovation and Technology · Future of Work Unit", "scenario_distribution_pct": { "Stagnation": 10, "Croissance modérée": 45, "Accélération IA": 30, "Transformation majeure": 12, "Rupture technologique": 3 }, "most_likely_scenario": "Croissance modérée", "notes": "Institut public de recherche IA britannique rattaché au DSIT. A publié en février 2026 la première étude RCT rigoureuse mesurant les gains de productivité IA sur tâches professionnelles. Méthodologie : 500 participants représentatifs, taxonomie O*NET Generalised Work Activities, 4 tâches transcendant les domaines métier. Résultats : +25% qualité, +61% points par minute, variance critique par tâche (Task 4 +102%, Task 3 aucun gain). Met en évidence les capacités jagged de l'IA. Position : gains réels mais hétérogènes selon la nature de la tâche, encore en retrait sur les outputs ouverts et stratégiques." }, { "name": "Commission IA Villani · expertes nommées par le Président", "institution": "Commission de l'intelligence artificielle · rapport mars 2024 · gouvernement français", "scenario_distribution_pct": { "Stagnation": 10, "Croissance modérée": 55, "Accélération IA": 25, "Transformation majeure": 8, "Rupture technologique": 2 }, "most_likely_scenario": "Croissance modérée", "notes": "Commission présidentielle française ayant rendu en mars 2024 le rapport « IA : notre ambition pour la France ». Position structurante : seulement 5% des emplois sont directement remplaçables par l'IA, parce que dans 19 emplois sur 20 il existe des tâches que l'IA ne peut pas accomplir. La diffusion va créer des emplois, dans de nouveaux et d'anciens métiers. L'effet net agrégé sur l'emploi national est probablement neutre ou positif, à condition que les pouvoirs publics accompagnent les baisses sectorielles. S'appuie sur l'enquête INSEE annuelle qui montre que l'emploi total des entreprises ayant adopté l'IA augmente davantage que celles ne l'ayant pas adoptée." }, { "name": "Jan-Egbert Sturm", "institution": "Directeur KOF Konjunkturforschungsstelle · ETH Zurich", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 25, "Accélération IA": 40, "Transformation majeure": 22, "Rupture technologique": 8 }, "most_likely_scenario": "Accélération IA", "notes": "Directeur du KOF/ETH Zurich depuis 2005. Position structurante pour le débat suisse 2026 : identifie quatre risques majeurs pour la Suisse (vieillissement démographique, changement climatique, déglobalisation, IA), et souligne que l'IA est le seul de ces quatre risques qui est aussi une opportunité. Les gains de productivité de l'IA pourraient atténuer les effets négatifs des trois autres tendances. Lecture pragmatique cohérente avec l'étude Deloitte CH (pénurie 300 000 travailleurs d'ici 2050, productivité requise +1,2% par an, 4× le rythme actuel)." }, { "name": "Peter G. Kirchschläger", "institution": "Université de Lucerne · ICIE · éthique de l'IA", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 10, "Accélération IA": 20, "Transformation majeure": 35, "Rupture technologique": 30 }, "most_likely_scenario": "Transformation majeure", "notes": "Éthicien de l'IA à l'Université de Lucerne, directeur de l'Institute of Social Ethics ICIE. Voix critique du débat suisse 2026 (cité dans l'article SWI swissinfo de Marc Leutenegger, mai 2026). Position pessimiste : 50-70% des emplois pourraient disparaître à terme. Propose un Revenu de Base Inconditionnel financé par taxe IA et data. Constitue le pôle de résistance structurelle du débat suisse, en miroir de la position pragmatique Sturm/Deloitte. Argument central : sans intervention politique forte, la transformation IA produira des inégalités difficilement absorbables." }, { "name": "Axelle Marquier", "institution": "INSEE · ENS · Audition Assemblée nationale 2025", "scenario_distribution_pct": { "Stagnation": 8, "Croissance modérée": 32, "Accélération IA": 38, "Transformation majeure": 18, "Rupture technologique": 4 }, "most_likely_scenario": "Accélération IA", "notes": "Économiste à l'INSEE et à l'ENS, auditionnée par la Commission des affaires sociales de l'Assemblée nationale en avril 2025. Apport central : risque d'effet ciseaux sur les finances publiques françaises. Le modèle social français étant financé sur les cotisations salariales (notamment des hauts salaires), la disparition même temporaire (2-5 ans) des emplois cadres bien rémunérés produit une double pression budgétaire : hausse des dépenses indemnisation chômage et baisse des recettes hauts salaires. Position : pas de prédiction catégorique sur les volumes mais alerte structurelle sur le modèle de financement social face aux scénarios de transition rapide." }, { "name": "Simon Bunel", "institution": "Banque de France · Insee · ENS · Paris", "scenario_distribution_pct": { "Stagnation": 10, "Croissance modérée": 40, "Accélération IA": 30, "Transformation majeure": 15, "Rupture technologique": 5 }, "most_likely_scenario": "Croissance modérée", "notes": "Économiste à l'INC et l'ENS. Coauteur du cadre analytique en 2 forces présenté à l'Assemblée nationale (avril 2025) : automatisation (machine substitue humain sur tâches cognitives complexes · rupture vs vagues précédentes) et émergence de nouveaux métiers. Position pragmatique : pas de consensus chiffré entre économistes (5% Acemoglu, 27% OCDE France, 60% FMI exposition large, 17-30% Goldman). Le rythme et la magnitude restent incertains, ce qui appelle un suivi empirique continu plutôt que des décisions RH catégoriques. · Coauteur avec Philippe Aghion du papier 'AI and Growth' présenté à la Federal Reserve Bank of San Francisco en 2024 : formalisation mathématique de l'IA automatisant la production d'idées, brise la contrainte démographique sur la recherche, cohérent avec scénario singularité économique Epoch AI. Cité dans la synthèse Shenk (RAND) AI Frontiers mai 2026 comme référence centrale du framework 'AI automating innovation'." }, { "name": "Enora Goulard", "institution": "Ascend Partners · cabinet RH · Table ronde Assemblée nationale 2026", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 30, "Accélération IA": 40, "Transformation majeure": 20, "Rupture technologique": 5 }, "most_likely_scenario": "Accélération IA", "notes": "Consultante RH (Ascend Partners), intervenante à la table ronde Commission des affaires sociales de l'Assemblée nationale (15 avril 2026). Apport central : observation terrain du clivage shadow IA dans les organisations françaises. Environ 30% des salariés sont des utilisateurs affirmés combinant usage officiel et shadow IA (profils agentifs qui percutent et adoptent naturellement), environ 70% restent bloqués dans un réflexe Google sans usage formé. Ce clivage est corrélé à l'agentivité, pas à l'âge · observation contre-intuitive face aux idées reçues sur les générations. Cadre directement actionnable pour les directions RH françaises." }, { "name": "Jérémy Lamri", "institution": "Lab-RH · docteur en psychologie · Table ronde Assemblée nationale 2026", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 30, "Accélération IA": 35, "Transformation majeure": 25, "Rupture technologique": 5 }, "most_likely_scenario": "Accélération IA", "notes": "Docteur en psychologie cognitive, fondateur du Lab-RH, intervenant à la table ronde Commission des affaires sociales de l'Assemblée nationale (15 avril 2026). Apport central : centralité des compétences 4C (créativité, communication, coopération, esprit critique) comme différenciateur structurel face à l'IA. La formation à l'IA n'est pas un sujet outillage mais un sujet d'équipement cognitif des équipes pour qu'elles puissent développer une posture critique face aux outputs IA. Vision tournée vers les compétences transversales et la pédagogie organisationnelle." }, { "name": "Alex Imas", "institution": "Chicago Booth · économiste comportemental · Substack Ghosts of Electricity", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 25, "Accélération IA": 35, "Transformation majeure": 30, "Rupture technologique": 5 }, "most_likely_scenario": "Accélération IA", "notes": "Économiste comportemental à Chicago Booth. Article majeur 'What will be scarce?' (Substack, 14 avril 2026) appliquant le cadre de l'économie du changement structurel (Comin/Lashkari/Mestieri, Econometrica 2021) au contexte IA. Thèse : la rareté ne disparaît pas avec l'IA, elle se déplace de la production de commodités vers la production d'exclusivité humaine (expérience personnalisée, accompagnement, performance live, soin, éducation directe, artisanat). Cadre théorique direct pour comprendre pourquoi le luxe, le conseil patrimonial et le soin résistent structurellement. Convergent avec Trammell sur la persistance de la part travail." }, { "name": "Coface · OEM · Arquié, Duthoit, Subileau", "institution": "Coface (assureur-crédit) · Observatoire des Métiers · CEPII", "scenario_distribution_pct": { "Stagnation": 8, "Croissance modérée": 35, "Accélération IA": 40, "Transformation majeure": 14, "Rupture technologique": 3 }, "most_likely_scenario": "Accélération IA", "notes": "Équipe de recherche Coface en partenariat avec l'Observatoire des Métiers : Axelle Arquié (Centre d'études prospectives et d'informations internationales), Aurélien Duthoit (Coface), Pierre Subileau. Rapport de référence d'avril 2026 'Emplois, compétences, valeur : ce que l'IA est en train de bouleverser' avec la méthodologie task-based la plus rigoureuse disponible sur la France (923 professions, 12 pays, décomposition en actions élémentaires). Chiffres : 3,8% des emplois français significativement exposés aujourd'hui, 16,3% à 2-5 ans (passage à l'IA agentique), soit environ 5 millions d'emplois menacés. Spécificité française : l'IA agentique cible le top 10% salarial." }, { "name": "Alegria.group", "institution": "Alegria.group · Premier baromètre maturité IA des PME françaises · avril 2026 · panel n=100 PME", "scenario_distribution_pct": { "Stagnation": 12, "Croissance modérée": 45, "Accélération IA": 28, "Transformation majeure": 12, "Rupture technologique": 3 }, "most_likely_scenario": "Croissance modérée", "notes": "Cabinet de conseil ayant publié en avril 2026 le premier baromètre quantitatif rigoureux sur la maturité IA des PME françaises. Méthodologie : 100 répondants sur le tissu PME français, 60% structures de moins de 20 salariés, 18% entre 20 et 49, 9% entre 50 et 249, 13% entre 250 et 499 ; 43% des répondants en position de DG, Président ou CEO. Apport unique : mesure de la maturité d'adoption IA dans les PME, segment représentant l'essentiel du tissu économique français mais peu couvert par les autres sources (Kelio/OpinionWay s'arrête à 20+ salariés, Coface/OEM mesure l'exposition tâche par tâche). Position : optimisme prudent. Constat de fond : décalage central entre discours dominant et réalité PME. 9% seulement intègrent l'IA dans la majorité des processus, 21% ont une stratégie structurée, 68% ont un budget IA ≤ 5 000 €, mais 46% climat interne enthousiaste et 35% perçoivent l'impact majeur dès 2026. Recommandation implicite : structurer la gouvernance, former les équipes (34% des PME n'ont aucun plan de formation), et passer de l'usage individuel à l'intégration aux processus. La rareté du Chief AI Officer et l'usage non encadré sont identifiés comme les premiers chantiers." }, { "name": "Chen, Zhang, He, Stoica, Zaharia, Zou", "institution": "Stanford / UC Berkeley / CMU / Microsoft Research · arXiv 2603.23971 · mars 2026", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 35, "Accélération IA": 40, "Transformation majeure": 17, "Rupture technologique": 3 }, "most_likely_scenario": "Accélération IA", "notes": "Équipe de chercheurs académiques de Stanford, UC Berkeley, CMU et Microsoft Research, auteurs de la première étude systématique sur le phénomène d'inversion de prix dans les modèles de raisonnement frontière (mars 2026, arXiv 2603.23971). Méthodologie : 8 RLM frontière, 9 tâches diverses. Position empirique structurante : le prix listé d'un modèle de raisonnement n'est pas un proxy fiable du coût réel d'usage en production, en raison de la variabilité massive de consommation de tokens de raisonnement (jusqu'à 900% d'écart sur la même requête entre deux modèles). 21,8% des comparaisons par paires montrent une inversion, jusqu'à 28× de magnitude. Implication TCO directe pour les COMEX et CFO : tout business case IA basé sur les prix listés sans modélisation explicite de la consommation de tokens de raisonnement par cas d'usage sous-estime structurellement les coûts. Convergence forte avec Gartner (sous-estimation 500-1000%), AISuperior (cost paradox), Singh Tomer (TCO framework). Cette équipe apporte le maillon empirique académique qui manquait au cadre TCO praticien." }, { "name": "David George (Andreessen Horowitz) · cadre conceptuel a16z", "institution": "Andreessen Horowitz · fonds VC américain · newsletter a16z · mai 2026", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 35, "Accélération IA": 35, "Transformation majeure": 22, "Rupture technologique": 3 }, "most_likely_scenario": "Accélération IA", "notes": "Associé chez Andreessen Horowitz, auteur de l'article The AI Job Apocalypse Is a Complete Fantasy (a16z newsletter, 6 mai 2026). Position : bull historique-allocateur. Soutient que le récit de l'apocalypse IA-emploi est l'erreur du lump-of-labor (volume fixe de travail), corrigée systématiquement par l'histoire économique depuis Keynes. S'appuie sur quatre piliers : précédents historiques (agriculture, électrification, VisiCalc/Excel, agents de voyage Tedeschi/Stripe), cadre conceptuel (Jevons Paradox, Carlota Perez sur les révolutions technologiques), données empiriques académiques 2026 récentes (NBER WP 34984, Atlanta Fed WP 2026-3, Census CES 26-25, Yale Budget Lab avril 2026 · convergence sur stabilité de l'emploi total), et données positives émergentes (ratio augmentation/substitution 8:1 dans les earnings calls, embauches développeurs en hausse, formation de nouvelles entreprises corrélée à l'adoption IA, +60% YoY apps store). Position nuancée sur les juniors : reconnaît l'exception Stanford/Dallas Fed/Census mais la corrige par la hausse documentée des rôles d'entrée où l'IA est augmentative. Pour les COMEX et CFO, c'est le pôle bull académiquement défendu qui équilibre les positions pessimistes d'Amodei et Suleyman dans la section Débat des Dispatches. Convergence forte avec Trammell sur la persistance de la part travail, et avec Imas sur l'économie post-commodité (la rareté se déplace, ne disparaît pas)." }, { "name": "Thomas Davenport & Miguel Paredes", "institution": "Babson College · MIT Initiative on the Digital Economy · Harvard Data Science Review · MIT Press", "scenario_distribution_pct": { "Stagnation": 12, "Croissance modérée": 38, "Accélération IA": 30, "Transformation majeure": 17, "Rupture technologique": 3 }, "most_likely_scenario": "Croissance modérée", "notes": "Thomas Davenport · President's Distinguished Professor of IT à Babson College, faculty member du MIT Initiative on the Digital Economy, co-fondateur de l'International Institute for Analytics, auteur de référence sur l'augmentation IA depuis 15 ans (livre 2022 Working with AI · 2018 The AI Advantage). Co-auteur avec Miguel Paredes de l'article Can We Predict What Jobs AI Will Take? publié dans Harvard Data Science Review 7.4 (automne 2025, MIT Press, CC BY 4.0). Position : méta-épistémologique. Compilation et analyse critique de 10 prédictions absolues, 9 prédictions en pourcentage et 19 prédictions sectorielles · les prédictions IA-emploi sont systématiquement wildly inaccurate. Recommandation aux praticiens : cesser de produire des prédictions chiffrées ou admettre explicitement leur caractère hautement spéculatif. Position personnelle 2026 (Babson interview, avril 2026) : si vous n'êtes pas inquiet par l'IA et le marché du travail, vous ne faites pas attention · les prédictions sont horriblement fausses, et majoritairement trop pessimistes sur les pertes. C'est l'invitation à confronter les chiffres macroéconomiques (Coface/OEM 16,3%, KOF/ETH +27% chômage, Anthropic 50%) aux conditions sectorielles et organisationnelles locales · les chiffres sont des indicateurs directionnels, pas des projections actionnables. Pour les directions RH, le pivot est de déplacer le focus des prédictions vers la préparation des travailleurs (digital mindset, compétences IA spécifiques, supervision des outputs IA, redesign des postes)." }, { "name": "Guy Champniss", "institution": "IE Business School Madrid · Meltwater Consulting (UK behavioral science) · Harvard Business Review", "scenario_distribution_pct": { "Stagnation": 8, "Croissance modérée": 32, "Accélération IA": 30, "Transformation majeure": 25, "Rupture technologique": 5 }, "most_likely_scenario": "Croissance modérée", "notes": "Visiting professor à IE Business School (Madrid), fondateur et directeur de Meltwater Consulting (cabinet UK spécialisé en behavioral science). Auteur de l'article The Psychological Costs of Adopting AI publié dans Harvard Business Review en mai-juin 2026. Position : behavioral-psychologique. Thèse : la concentration sur l'efficience et la productivité IA affichées par les fournisseurs occulte des conséquences psychologiques négatives mesurables sur la motivation des employés, qui peuvent annuler les gains productifs et fragiliser les modèles de ROI. S'appuie sur l'étude empirique de référence Wu et al. (Zhejiang University, Scientific Reports avril 2025, 4 études expérimentales, 3 562 participants, -11% motivation intrinsèque, +20% ennui) et sur la convergence avec l'étude Microsoft Research / Carnegie Mellon University (CHI 2025, Lee et al., 319 knowledge workers, 936 cas réels) sur la sédation cognitive. Position pratique pour les COMEX et DRH : le ROI IA doit intégrer la dette psychologique cumulée (désengagement, ennui, atrophie cognitive, turnover potentiel) pour ne pas être structurellement biaisé · les politiques d'augmentation IA doivent être conçues pour préserver le contrôle perçu et l'engagement intrinsèque. Apport unique au cadre observatoire : ouvre une 6e dimension d'analyse (psychologique-comportementale) à côté des dimensions substitution, création, maturité organisationnelle, TCO et méta-épistémologique." }, { "name": "Wu, Liu, Ruan, Chen, Xie", "institution": "Zhejiang University · School of Management · Scientific Reports / Nature Portfolio · DOI 10.1038/s41598-025-98385-2", "scenario_distribution_pct": { "Stagnation": 10, "Croissance modérée": 40, "Accélération IA": 30, "Transformation majeure": 17, "Rupture technologique": 3 }, "most_likely_scenario": "Croissance modérée", "notes": "Équipe de recherche de la School of Management de Zhejiang University, auteurs de l'étude Human-generative AI collaboration enhances task performance but undermines human's intrinsic motivation publiée dans Scientific Reports (Nature Portfolio) le 29 avril 2025. Suqing Wu (premier auteur), Yukun Liu (corresponding), Mengqi Ruan, Siyu Chen, Xiao-Yun Xie. Méthodologie : 4 études en ligne, 3 562 participants au total, tâches professionnelles réelles (revues de performance, e-mails, posts Facebook, brainstorming), conditions randomisées. Position empirique : effets duals documentés de l'IA générative · effet d'augmentation de performance immédiate (qualité, efficience, ton, empathie) ET effet de privation psychologique mesurable lors du retour au solo (-11% motivation intrinsèque, +20% ennui, d=-0,44 medium effect size). Article companion HBR (mai 2025) propose 3 recommandations opérationnelles pour les directions : cartographier les tâches selon leur valeur cognitive intrinsèque, concevoir des politiques d'augmentation préservant le contrôle perçu, anticiper l'effet de privation. Pour le cadre observatoire, c'est la source académique de référence sur la dimension psychologique-comportementale, la plus rigoureuse expérimentalement parmi les sources disponibles en 2026." }, { "name": "Cortesi, Hasse, Müller-Daubermann, Gasser", "institution": "Université de Zurich · Department of Communications and Media Research (IKMZ) · ai-dentities · TUM Think Tank · Loved. Feared. And Here to Stay (mai 2026)", "scenario_distribution_pct": { "Stagnation": 12, "Croissance modérée": 38, "Accélération IA": 28, "Transformation majeure": 18, "Rupture technologique": 4 }, "most_likely_scenario": "Croissance modérée", "notes": "Équipe de recherche de l'Université de Zurich (Department of Communications and Media Research IKMZ) en partenariat avec le Technical University of Munich Think Tank. Sandra Cortesi (PI), Alexa Hasse, Kirsten Müller-Daubermann et Urs Gasser (UZH). Auteurs de la première étude académique rigoureuse sur la perception publique de l'IA générative en Suisse alémanique et romande, publiée le 7 mai 2026 (ai-dentities · Loved. Feared. And Here to Stay). Méthodologie : panel en ligne 1 000 répondants 15-79 ans, octobre 2025, pondéré sur les statistiques OFS 2024 (âge × éducation × genre). Licence CC BY-SA 4.0. Position : empirique-perceptive sur l'opinion publique CH. Résultats structurants : 40% plus inquiets qu'enthousiastes, 21% plus enthousiastes, 39% à parts égales (groupe le plus large) · l'humeur publique CH est cautious-but-balanced, ni dismissive ni euphorique. Fracture générationnelle massive (60% des 60+ inquiets vs 31% des moins de 30 ans), fracture régionale documentée (Romandie 49% inquiets vs Suisse alémanique 37%), renversement de la fracture de genre (femmes plus utilisatrices que hommes : 40% vs 31%). Cadre méta-épistémologique : la voix la plus inquiète est aussi celle qui a le moins d'expérience directe (81% des non-utilisateurs sont inquiets vs 16% des utilisateurs fréquents). Les concerns dominantes sont la perte d'agentivité humaine, la surveillance, le déplacement cognitif. Pour les COMEX et DRH suisses, c'est l'éclairage manquant pour calibrer la communication interne IA et les politiques de formation : les 70% de freins culturels Colombus ont leur racine dans cette ambivalence majoritaire." }, { "name": "Avi Goldfarb", "institution": "Rotman School of Management, University of Toronto · Rotman Chair in Artificial Intelligence and Healthcare · Professor of Marketing · co-auteur Prediction Machines (2018, avec Agrawal & Gans)", "scenario_distribution_pct": { "Stagnation": 8, "Croissance modérée": 42, "Accélération IA": 30, "Transformation majeure": 16, "Rupture technologique": 4 }, "most_likely_scenario": "Croissance modérée", "notes": "Économiste de référence sur l'IA et la productivité. Co-auteur de Prediction Machines (Harvard Business Review Press, 2018) avec Ajay Agrawal et Joshua Gans. Cadre central : l'IA comme baisse du coût de prédiction. Apport 2026 (NBER WP 34639) : les tâches au sein d'un job sont complémentaires plutôt que substituables (O-ring tasks framework, inspiré de Kremer 1993). Si l'IA automatise une tâche complémentaire, la tâche humaine restante devient PLUS valuable, pas moins. Le travailleur réalloue son attention, devient plus productif sur les tâches non automatisées. Critique du framing « augmentation good, automation bad » de Brynjolfsson (Turing Trap) et Acemoglu : ce binaire est trop simpliste. L'augmentation Internet/computing a augmenté les inégalités parce qu'elle augmentait les compétences déjà valorisées. L'automatisation de prédiction pourrait au contraire superpouvoir un médecin assistant à 4 ans de formation combiné avec une machine de diagnostic. Forecast 2050 GDP : 2-3% annuel, bottlenecks réels limitent même un scénario rapid AI. Position académique 2026 : empiriciste-prudent, cohérent avec Garicano (LSE), Trammell (Stanford) et Imas (Chicago)." }, { "name": "Alex Imas & Soumitra Shukla", "institution": "Chicago Booth (Imas) · économiste comportemental · article analytique 23 mars 2026 sur la dimensionnalité du job comme variable décisive d'exposition IA", "scenario_distribution_pct": { "Stagnation": 10, "Croissance modérée": 35, "Accélération IA": 32, "Transformation majeure": 18, "Rupture technologique": 5 }, "most_likely_scenario": "Croissance modérée", "notes": "Alex Imas est professeur d'économie comportementale à Chicago Booth. Apport central 2026 (avec Soumitra Shukla) : introduction de la dimensionnalité du job (nombre de tâches qui composent le job) comme variable critique souvent omise dans les analyses d'exposition. Mécanisme 1 (déplacement conditionnel) : à supposer qu'une tâche soit automatisée, un job basse dimension est plus susceptible d'être entièrement déplacé qu'un job haute dimension. Mécanisme 2 (incitation à l'investissement) : les organisations ont une incitation plus forte à investir dans l'automatisation des jobs basses dimensions (incentive de remplacement complet). Interaction avec O-ring (Goldfarb 2026, Kremer 1993) : un job haute dimension avec dernière tâche automatisable peut basculer brutalement. Mise en garde explicite : « tu seras de plus en plus précieux jusqu'à ce que, soudainement, tu ne le sois plus ». Cohérence avec Garicano (bundles), Goldfarb (O-ring), Trammell (human-intrinsic). Pour les directions RH : la dimensionnalité devient une métrique de robustesse aussi importante que l'AIOE Felten/Raj/Seamans ou le segment BCG." }, { "name": "Tomei P. M. & Klein Teeselink B.", "institution": "Auteurs du RL Feasibility Index · première mesure systématique d'exposition à l'automatisation par apprentissage par renforcement (SSRN avril 2026, GitHub public boukektkcl/RL-exposure-public, CC BY 4.0)", "scenario_distribution_pct": { "Stagnation": 7, "Croissance modérée": 33, "Accélération IA": 35, "Transformation majeure": 20, "Rupture technologique": 5 }, "most_likely_scenario": "Accélération IA", "notes": "Première mesure systématique d'exposition à l'automatisation par apprentissage par renforcement (RL), publiée en avril 2026 par Tomei et Klein Teeselink (SSRN Working Paper, code public GitHub boukektkcl/RL-exposure-public, CC BY 4.0). Méthodologie : scoring de 17 951 paires occupation-tâche du référentiel O*NET américain (894 occupations, version db_30_0) par Gemini 2.5 Flash via OpenRouter, prompt v4.2 avec gate de faisabilité physique binaire et 8 dimensions scorées 1-10. Les 8 dimensions : D1 spectre méthode de vérification, D2 simulabilité environnement, D3 observabilité état, D4 variabilité tâche, D5 profondeur décision séquentielle, D6 densité feedback, D7 accessibilité outils, D8 tangibilité output. Cible analytique distincte d'Eloundou et al. 2024 Science (qui mesure la capacité LLM actuelle sur la tâche) : Tomei mesure la faisabilité de construire un environnement RL pour entraîner un agent sur la tâche (RLHF, RLAIF, RLVR, process reward models, AI-as-Judge, données synthétiques). Index aggregate 0-100. Horizon : 5 ans. À utiliser comme indicateur upstream de l'adoption, pas comme prédiction de déplacement effectif. Pour les directions RH : complète l'AIOE Felten/Raj/Seamans et le Yale Budget Lab en proposant une 7e dimension d'exposition spécifiquement orientée vers la post-formation par renforcement, pipeline dominant des reasoning models 2025-2026 (GPT-5.x, Claude Opus 4.5)." }, { "name": "Xavier Parent-Rocheleau", "institution": "HEC Montréal · OBVIA", "scenario_distribution_pct": { "Stagnation": 15, "Croissance modérée": 30, "Accélération IA": 35, "Transformation majeure": 15, "Rupture technologique": 5 }, "most_likely_scenario": "Accélération IA", "notes": "Co-auteur principal · Cartographie de l'IA au travail · OBVIA 2026 · 4 595 syndiqués QC · vision pragmatique : usage individuel >> déploiement organisationnel · gouvernance peu transparente · faible littératie · plaide pour la formation et la gouvernance participative." }, { "name": "Vincent Pasquier", "institution": "HEC Montréal · OBVIA", "scenario_distribution_pct": { "Stagnation": 10, "Croissance modérée": 30, "Accélération IA": 40, "Transformation majeure": 15, "Rupture technologique": 5 }, "most_likely_scenario": "Accélération IA", "notes": "Co-auteur · Cartographie de l'IA au travail · OBVIA 2026 · documente le creusement entre gagnants (diplômés universitaires) et perdants (personnel technique, industriel, services) · 18-20% craignent le remplacement selon secteur." }, { "name": "Dan Schawbel", "institution": "Workplace Intelligence · Managing Partner · New York", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 25, "Accélération IA": 40, "Transformation majeure": 25, "Rupture technologique": 5 }, "most_likely_scenario": "Accélération IA", "notes": "Co-auteur de l'enquête Writer & Workplace Intelligence · AI Adoption in the Enterprise 2026 (avril 2026, 2 400 répondants dont la France) · documente l'écart adoption-transformation et l'émergence d'une classe « élite IA » : super-users 5× plus productifs, 3× plus de promotions, économie 9h/semaine, mais 60% des entreprises envisagent des licenciements de non-adoptants et 29% des employés admettent saboter activement la stratégie IA. Sa thèse : ce n'est pas l'apocalypse de l'emploi, c'est un désordre organisationnel généralisé." }, { "name": "Anton Shenk", "institution": "RAND Corporation · AI Policy Research · Washington DC", "scenario_distribution_pct": { "Stagnation": 15, "Croissance modérée": 35, "Accélération IA": 30, "Transformation majeure": 15, "Rupture technologique": 5 }, "most_likely_scenario": "Croissance modérée", "notes": "Associé recherche RAND spécialisé dans l'économie de l'IA · auteur de la synthèse magistrale 'The Quadrillion-Dollar Disagreement on AI and the Economy' (AI Frontiers, 11 mai 2026) · documente un écart de 1 quadrillion $ entre les prévisions économiques IA 2026-2035 (McKinsey +0,1% à Epoch AI +30%) · 3 désaccords testables : hard tasks, friction institutionnelle, automatisation de l'innovation · position : les skeptics gagnent aux points en mai 2026 mais lags longs." }, { "name": "Tyler Cowen", "institution": "George Mason University · Marginal Revolution University · Virginie", "scenario_distribution_pct": { "Stagnation": 25, "Croissance modérée": 45, "Accélération IA": 20, "Transformation majeure": 8, "Rupture technologique": 2 }, "most_likely_scenario": "Croissance modérée", "notes": "Économiste George Mason · blog Marginal Revolution · auteur du papier 'Why I Think AI Take-Off Is Relatively Slow' (février 2025) · représentant emblématique du camp skeptic sur l'IA · arguments : absence d'inflection dans les patents/découvertes, friction sectorielle massive (santé, droit, éducation, finance), GPT historiques 20-40 ans à se diffuser, bottleneck humain incontournable. Cité par Shenk (RAND) AI Frontiers mai 2026 comme représentant clé du slow take-off." }, { "name": "Arthur Mensch", "institution": "Mistral AI · cofondateur et directeur général · Paris", "scenario_distribution_pct": { "Stagnation": 5, "Croissance modérée": 20, "Accélération IA": 35, "Transformation majeure": 30, "Rupture technologique": 10 }, "most_likely_scenario": "Accélération IA", "notes": "Cofondateur et directeur général de Mistral AI · audition Assemblée nationale 12 mai 2026 devant la Commission d'enquête sur les dépendances structurelles et vulnérabilités systémiques du numérique. Cadre analytique : 'l'IA est comme l'énergie' · le métier est de 'transformer de l'électricité en token'. Position macroéconomique structurante : 10% de la masse salariale européenne en IA d'ici 3-4 ans = 1 trillion € de déficit commercial si importation. France dispose de 9 GW de surplus énergétique menacés par les hyperscalers US dans les 2 ans. Sur l'emploi : 'n'exclut pas une hausse du chômage' et reconnaît un 'déplacement de la valeur du travail vers le capital · capital qui pour le moment n'est largement pas du capital européen'. Lucidité rare de la part d'un acteur IA français. Plaidoyer pour la commande publique (50% PIB UE) contre la réglementation comme défense." } ] }