Paradoxe du travail de l'IA : pourquoi Huang pense que les pénuries, et non le chômage, se profilent à l'horizon — En fait, cela se produit déjà

Lors du Forum économique mondial 2026 à Davos, Jensen Huang, PDG de Nvidia, a participé à une discussion de grande envergure avec Larry Fink, PDG de BlackRock, sur le potentiel transformateur de l’intelligence artificielle. Plutôt que de voir l’IA comme une force détruisant des emplois, Huang a présenté une thèse contrariante : la technologie conduira, en réalité, à des pénuries de main-d’œuvre dans plusieurs secteurs. Cet argument remet en question le récit dominant de déplacement massif et offre un cadre pour comprendre comment l’IA reconfigure le travail, les besoins en infrastructure et les opportunités économiques mondiales.

La conversation a mis en lumière comment Nvidia a délivré un rendement composé de 37 % pour ses actionnaires depuis son introduction en bourse en 1999 — la même année où BlackRock est devenue publique, avec un rendement annualisé de 21 %. Pourtant, la discussion a dépassé la performance financière pour explorer des questions plus profondes sur le rôle de la technologie dans la transformation de la société. Huang a positionné l’IA non pas comme une application isolée comme ChatGPT ou Claude, mais comme un changement fondamental de plateforme comparable à l’émergence des ordinateurs personnels, d’Internet et du cloud computing mobile.

La révolution de l’infrastructure à cinq couches : pourquoi l’IA exige des trillions d’investissements mondiaux

Huang a introduit ce qu’il appelle le modèle du « gâteau à cinq couches » pour illustrer la complexité systémique de l’IA et ses exigences en matière d’infrastructure. La couche inférieure est l’énergie — le traitement en temps réel de l’IA et la génération d’intelligence nécessitent une puissance considérable. Au-dessus se trouve la couche des semi-conducteurs et de l’infrastructure informatique, où des entreprises comme TSMC construisent 20 nouvelles usines de fabrication de wafers. La troisième couche comprend les services cloud qui fournissent ces capacités à l’échelle mondiale.

La quatrième couche contient les modèles d’IA eux-mêmes — les algorithmes et réseaux neuronaux qui captent la majorité de l’attention publique. Pourtant, Huang a souligné que les modèles seuls sont insuffisants sans les couches inférieures qui les soutiennent. La cinquième et dernière couche est celle des applications — services financiers, santé, fabrication, et secteurs émergents qui généreront finalement de la valeur économique.

Ce cadre à cinq couches révèle pourquoi, selon Huang, nous assistons à « la plus grande construction d’infrastructure de l’histoire humaine ». Des centaines de milliards ont déjà été investis, et des trillions de plus seront nécessaires pour faire face à la croissance exponentielle de la demande en énergie, la construction de centres de données, la fabrication de puces et l’expansion des usines informatiques. Foxconn, Wistron et Quanta s’associent pour construire 30 nouvelles usines d’ordinateurs. Par ailleurs, des fabricants de mémoire comme Micron (investissant 200 milliards de dollars dans des installations aux États-Unis), SK Hynix et Samsung augmentent rapidement leur capacité de production.

De la radiologie à l’infirmerie : comment l’IA amplifie le but humain plutôt que de remplacer les travailleurs

La question de l’emploi est au cœur de l’anxiété liée à l’IA. Huang a contre-argumenté le pessimisme dominant en distinguant « le but » d’un métier de ses « tâches ». Il y a dix ans, la radiologie était prédite comme obsolète à cause des capacités de vision par ordinateur superhumaines de l’IA. Pourtant, aujourd’hui, le nombre de radiologues a augmenté, même si l’IA gère désormais la tâche centrale d’analyse des scans.

Le mécanisme : lorsque les radiologues sont libérés du fardeau répétitif de l’interprétation des scans, ils consacrent plus de temps à des activités à plus forte valeur ajoutée — diagnostic direct, communication avec les patients, collaboration clinique. Les hôpitaux peuvent ainsi traiter plus de patients efficacement, générant des revenus plus élevés et justifiant l’embauche de radiologues supplémentaires. La même dynamique s’applique à l’infirmerie. Les États-Unis font face à une pénurie d’environ 5 millions d’infirmiers, mais la documentation médicale assistée par l’IA et la transcription des visites libèrent les infirmiers des tâches administratives qui occupaient auparavant la moitié de leur temps. Avec une capacité accrue à voir des patients, les hôpitaux s’agrandissent et embauchent davantage d’infirmiers plutôt que de réduire leur personnel.

Le cadre de Huang suggère que pour toute profession, la question n’est pas de savoir si l’IA l’élimine, mais si la technologie automatise les tâches routinières tout en renforçant le but principal. Si l’automatisation permet réellement aux travailleurs de se concentrer sur des fonctions humaines irremplaçables — soins, jugement, résolution de problèmes complexes — alors l’emploi s’étend généralement plutôt que de se contracter.

La construction de l’infrastructure elle-même crée une demande supplémentaire pour des travailleurs qualifiés : électriciens, ouvriers du bâtiment, techniciens, sidérurgistes et spécialistes en réseaux. Aux États-Unis, ces rôles connaissent une demande sans précédent, avec des salaires atteignant désormais six chiffres pour ceux qui travaillent dans la fabrication de puces et la construction d’usines d’IA.

L’IA comme la technologie la plus accessible au monde

Huang a affirmé que l’IA représente « le logiciel le plus facile à utiliser dans l’histoire ». Contrairement aux époques informatiques précédentes, qui nécessitaient d’apprendre des langages de programmation, les systèmes d’IA acceptent des instructions en langage naturel. Une personne sans formation en informatique peut demander : « Montre-moi comment créer un site web », et recevoir des instructions étape par étape. Cette accessibilité a des implications profondes pour les économies en développement.

Plutôt que d’élargir le fossé technologique mondial, l’IA pourrait en réalité le réduire. La barrière à l’entrée est considérablement plus faible que dans l’ère du logiciel. Des individus de nations sans infrastructure technologique étendue peuvent désormais exploiter l’IA pour participer à l’économie mondiale du savoir. Des modèles open-source comme ceux de Deepseek et d’autres contributeurs ont démocratisé davantage l’accès, permettant aux entreprises et aux nations de personnaliser des solutions pour les langues, cultures et données locales.

L’impératif de l’IA souveraine : pourquoi chaque nation doit construire sa propre infrastructure d’IA

Huang a fortement plaidé en faveur de ce qu’il appelle « l’IA souveraine » — chaque nation construisant sa propre infrastructure d’IA, formant des modèles sur des données linguistiques et culturelles natives. Il a qualifié cela d’indispensable à la compétitivité nationale, semblable à la nécessité d’avoir des réseaux électriques ou des systèmes de transport. La préoccupation dépasse l’économie pour toucher à la préservation culturelle et à la souveraineté technologique.

L’Europe constitue un cas d’étude particulièrement intéressant. Alors que les États-Unis dominaient l’ère du logiciel, Huang a noté que la base industrielle et manufacturière robuste de l’Europe était sous-utilisée durant cette période. La transition vers l’IA, notamment avec les avancées en IA physique et robotique, offre à l’Europe ce qu’il a appelé une « opportunité unique dans une vie ». Plutôt que de « programmer » l’IA, les nations devraient se concentrer sur « l’enseigner » — intégrer l’excellence manufacturière à l’intelligence artificielle pour prendre la tête dans la fabrication intelligente et la robotique.

La tradition de la recherche scientifique en Europe peut se combiner avec l’IA pour accélérer considérablement la découverte dans tous les domaines. Cependant, réaliser ce potentiel nécessite un engagement sérieux en matière d’approvisionnement énergétique et d’investissement dans l’infrastructure. Huang a exhorté les dirigeants européens à prendre cette fondation au sérieux.

Tester la thèse de la bulle de l’IA

Lorsqu’on lui a demandé si d’importants investissements dans l’IA représentaient un excès spéculatif, Huang a proposé un indicateur de marché simple : les GPU Nvidia de toutes générations sont extrêmement difficiles à louer dans le cloud en raison de la flambée des prix spot. Cela reflète une demande réelle de la part des startups et des entreprises qui réorientent leurs budgets R&D vers l’intelligence artificielle. Eli Lilly en est un exemple — une entreprise qui, autrefois, consacrait presque tout son budget R&D à la recherche en laboratoire humide, investit désormais massivement dans des supercalculateurs d’IA et des laboratoires de recherche en IA.

La montée des investissements dans l’infrastructure est justifiée, en fait, par les exigences computationnelles que chaque couche crée. À mesure que les modèles d’IA s’améliorent et que les applications se multiplient, le besoin en énergie, en puces, en services cloud et en installations physiques s’intensifie plutôt que de diminuer. Plus de 100 milliards de dollars ont été investis l’année dernière dans des entreprises natives de l’IA, faisant de cette année l’une des plus importantes années d’investissement en capital-risque de l’histoire.

Reconfigurer le calcul économique mondial

La thèse qui émerge de cette discussion est que l’IA constitue un changement de plateforme fondamental qui restructure en profondeur la pile informatique. Pour la première fois, les ordinateurs peuvent traiter des informations non structurées — images, sons, langage naturel — en temps réel, en inférant l’intention humaine et en exécutant des tâches complexes. Cette transition du « pré-enregistré » au système génératif en temps réel définit la distinction de l’IA par rapport à toutes les technologies précédentes.

Plutôt que de réduire l’opportunité mondiale, Huang a présenté l’IA comme un moteur d’inclusion économique plus large. Les marchés émergents sans infrastructure technologique héritée peuvent sauter des étapes intermédiaires en adoptant l’IA dès le départ. Le facteur d’accessibilité signifie qu’un programmeur dans une nation en développement sans formation formelle dispose d’outils équivalents à ceux des ingénieurs de la Silicon Valley.

Le test économique ultime sera de savoir si la construction d’infrastructure crée suffisamment de richesse et d’emplois pour valider la thèse d’investissement. Si les modèles de radiologie et d’infirmerie se généralisent — si l’automatisation amplifie le but humain dans toutes les professions — alors la prédiction de Huang selon laquelle il y aura plutôt une pénurie de main-d’œuvre que du chômage pourrait s’avérer exacte. En fait, les premiers indicateurs suggèrent que cette dynamique se matérialise déjà dans les secteurs de la santé, de la fabrication et des industries émergentes natives de l’IA.