Dans un rcent commentaire, Dani Rodrik, lun des plus grands experts mondiaux en conomie du commerce et du dveloppement, explique pourquoi il est devenu un sceptique de lindustrie manufacturire aprs avoir considr pendant des dcennies la production industrielle comme la cl de la croissance conomique. tant donn que lindustrie manufacturire traditionnelle ne peut absorber les 1,5 milliard de travailleurs occupant des emplois qui ne ncessitent pas de formation universitaire et qui ne sont pas exposs lconomie internationale par le biais du commerce ou de la dlocalisation , les modles de croissance axs sur les services doivent occuper le devant de la scne. En dveloppant les opportunits dans le commerce de dtail, lhtellerie et la restauration, la consommation de la classe moyenne stimulera les gains de productivit.
Ce qui manque toutefois largement dans cette analyse, c’est le potentiel de gains de productivité humaine grâce à l’IA. Regardez autour de vous dans le monde et vous verrez que l’IA augmente déjà discrètement la productivité dans les services à forte intensité de main-d’œuvre, d’une manière qui ne nécessite ni ne suppose de formation universitaire. Cette tendance est particulièrement évidente en Inde, qui offre une voie pour concilier le « scepticisme vis-à-vis de l’industrie manufacturière » avec le désir persistant des décideurs politiques africains et d’Asie du Sud et du Sud-Est de s’industrialiser.
La croissance tirée par les services en Inde reflète plus qu’une simple expansion de ses secteurs du commerce de détail et de l’hôtellerie. Les outils algorithmiques ont profondément remodelé les opérations grâce à l’optimisation des stocks, à la tarification dynamique, à la prévision de la demande et à la coordination de la chaîne d’approvisionnement. En conséquence, une entreprise de vente au détail formelle à Bangalore ou à Mumbai est aujourd’hui fondamentalement différente d’un magasin des années 1990, non pas parce que les employés sont plus qualifiés, mais parce que les algorithmes les ont rendus plus productifs.
On retrouve également cette dynamique jusqu'au niveau des vendeurs de rue et autres micro-entreprises. Grâce à des plateformes comme Flipkart B2B et JioMart, qui offrent aux commerçants informels des outils de prévision de la demande et d’optimisation des achats basés sur l’IA, un petit marchand de légumes disposant uniquement d’un appareil mobile peut anticiper ce que les clients voudront, s’approvisionner en conséquence et dégager des marges qui étaient inaccessibles il y a seulement cinq ans.
Considérons un parallèle avec un autre moment de l’histoire industrielle. Dans les années 1960, un ouvrier du textile en Corée du Sud produisait probablement 50 fois plus de tissu que son homologue indien, non pas parce qu’il était plus compétent, mais parce que le métier à tisser était plus performant. Aujourd’hui, l’IA fait la même chose pour les vendeurs de rue, les employés du commerce de détail et les petits agriculteurs. La grande différence réside dans le fait que ces outils peuvent être rendus bien plus accessibles. Ils sont beaucoup plus faciles à déployer que des usines et s’adaptent aux structures informelles existantes, sans nécessiter une réorganisation industrielle en profondeur.
Une conséquence de cette différence est qu’il n’est peut-être pas grave que 1,5 milliard de travailleurs restent dans des emplois non exportables et peu qualifiés. Même si les grandes tendances professionnelles persistent, la productivité peut augmenter. Nous savons déjà qu’un petit agriculteur équipé d’un conseiller agronomique numérique en Afrique de l’Est ou en Asie du Sud peut réaliser des gains de productivité moyens de 30 % sans terres supplémentaires ni formation formelle. Une vendeuse de légumes utilisant de simples outils d’IA pour l’optimisation des stocks et des prix peut doubler ses revenus en 18 mois.
La principale contrainte à la croissance de la productivité n’est pas technologique, mais institutionnelle. Pour mettre ces nouveaux outils entre les mains des travailleurs, il faut une localisation dans les langues locales, une accessibilité sans compétences numériques avancées, des modèles économiques viables avec des marges minimes et une intégration aux systèmes financiers informels.
Il est essentiel que les décideurs politiques veillent également à ce que ces systèmes reposent sur une architecture inclusive et en libre accès. Si les plateformes de commerce électronique dominantes recourent à des frais abusifs pour s’approprier la plus-value générée par l’optimisation des stocks, les marges durement gagnées par les vendeurs de rue finiront simplement dans les bilans des entreprises. Répondre à toutes ces exigences n’est peut-être pas facile, mais c’est faisable.
Des conclusions similaires s’appliquent à l’industrie manufacturière. Bien que la concurrence pour une place dans les chaînes de valeur manufacturières mondiales modernes exige des compétences sophistiquées, l’IA modifie fondamentalement l’équation. Une usine de confection n’a plus besoin de 500 travailleurs polyvalents ; elle a besoin de 50 travailleurs assistés par un contrôle qualité par vision par ordinateur, une planification de la production axée sur la demande et des systèmes d’optimisation logistique. On trouve déjà de telles opérations au Bangladesh et au Vietnam.
Certes, les sceptiques souligneront le licenciement immédiat des 450 travailleurs restants. Il ne faut néanmoins pas négliger la transformation économique plus large qui aura été mise en marche. À mesure que les usines hyper-productives augmentent leur production et réduisent leurs coûts unitaires, elles catalysent un vaste écosystème d’emplois hors usine — de la coordination de la chaîne d’approvisionnement en amont à la distribution en aval — capable de réabsorber la main-d’œuvre à grande échelle.
Le paradoxe de la productivité identifié par Rodrik — le fait que l’augmentation de l’emploi dans le secteur manufacturier ne va plus de pair avec la croissance de la productivité — est réel mais pas insoluble. Lorsque les petits fabricants informels ont accès à des systèmes de contrôle qualité, de coordination de la chaîne d’approvisionnement et de planification « juste à temps » basés sur l’IA, ils peuvent atteindre des niveaux de productivité auparavant réservés aux grandes usines intégrées.
Les faibles performances économiques du Mexique sous l’ALENA viennent étayer cet argument. Le problème n’est pas que les fabricants mexicains n’étaient pas compétitifs, mais que la diffusion technologique n’a pas atteint les petites entreprises et le secteur informel. Les usines se sont développées, mais sans les outils et les technologies de plateforme adéquats, les travailleurs sont restés cantonnés à des tâches d’assemblage à faible marge.
Ces mêmes technologies peuvent réduire les besoins en capital humain dans de nombreux autres secteurs. S'il est vrai que l'Inde doit une grande partie de son succès en matière de croissance tirée par les services à sa large population anglophone et à ses investissements précoces dans les infrastructures informatiques, des modèles similaires peuvent être reproduits ailleurs. Grâce aux progrès de la traduction par IA, il n'est pas nécessaire de faire appel à des ingénieurs anglophones pour déployer des outils agricoles numériques là où l'on parle l'amharique, le swahili ou le télougou.
Ainsi, la question de savoir si la croissance tirée par les services est plus réalisable que l'industrialisation dans les pays pauvres n'est pas pertinente. La faisabilité dépend uniquement de la disponibilité de mécanismes permettant d’améliorer la productivité. Au XXe siècle, cela signifiait l’accès à des machines industrielles. Aujourd’hui, cela signifie l’accès à des outils d’IA qui fonctionnent dans les langues locales, travaillent hors ligne et ne coûtent que quelques centimes par transaction.
Bien sûr, l’utilisation généralisée de ces outils ne se fera pas automatiquement. La plupart des investissements dans l’IA se concentrent aujourd’hui dans les économies à forte qualification et à hauts salaires. Cela reflète cependant des choix politiques, et non une loi économique. La question qui se pose aux décideurs politiques est de savoir s’ils considéreront l’IA localisée et abordable destinée aux travailleurs du secteur informel comme une infrastructure — à l’instar de l’électrification rurale ou des réseaux autoroutiers — ou comme un bien de luxe réservé aux nantis.
Si les pays en développement investissent pour rendre l’IA et les outils numériques associés aussi largement accessibles que possible, la croissance tirée par l’industrie manufacturière et celle tirée par les services pourront coexister. Un agriculteur utilisant l’IA pour améliorer ses rendements peut atteindre un revenu de classe moyenne sans quitter l’agriculture, et un vendeur de rue peut en faire autant sans rejoindre une grande entreprise structurée.
L'industrie manufacturière n'a pas besoin d'être le moteur de la croissance ; elle doit simplement coexister avec des services formels et informels renforcés par l'IA. Cette vision est peut-être moins romantique que le récit de l'industrialisation de l'Asie de l'Est, mais elle a l'avantage d'être réalisable dès maintenant. Le principal défi consiste à mettre en œuvre une stratégie délibérée et inclusive d'investissement dans les infrastructures favorisant l'IA. La meilleure façon de sortir ces 1,5 milliard de personnes de la pauvreté est de les rencontrer là où elles se trouvent.
Par Ravi Venkatesan
JDF TV
L'actualité en vidéo
