La courbe des coûts de l’ère d’abondance par l’AI
1. L’essence de l’abondance est une courbe des coûts qui baisse
Parler d’abondance oblige à parler de coût. Si un bien ou un service reste cher, rare, instable, inefficace ou difficile d’accès, la technologie peut être avancée, mais la société n’est pas encore dans l’abondance.
La machine à vapeur a baissé le coût de la puissance mécanique. Le réseau électrique a baissé le coût de l’énergie utilisable. Internet a baissé le coût de copie et de distribution de l’information. L’AI baisse d’abord le coût de l’intelligence : écrire, traduire, coder, créer des images, chercher, résumer, analyser et accéder au savoir.
Mais tous les coûts ne baissent pas à la même vitesse. L’AI se diffuse d’abord là où le travail est numérique, standardisé, peu risqué et facile à vérifier.
2. L’ordre général de baisse des coûts
Les premiers coûts à baisser sont l’information, le contenu, le logiciel, les services de connaissance, la coordination d’entreprise, la recherche, la production, la logistique, la santé, l’énergie, le logement et les infrastructures urbaines.
Plus un coût est proche du numérique, plus il peut baisser vite. Plus il touche au monde physique et aux institutions, plus il avance lentement. Le numérique se copie; le physique se construit, se vérifie, s’assure et se régule.
L’abondance par l’AI apparaît donc d’abord comme abondance numérique, puis comme abondance de services, et plus tard comme abondance matérielle.
Plus un coût est proche du numérique, plus il baisse vite; plus il dépend du physique et des institutions, plus il avance lentement.
3. Coûts de l’information et du contenu
Les coûts de l’information et du contenu baissent en premier. L’AI produit articles, résumés, images, scripts, textes publicitaires, brouillons vidéo, démos musicales et fragments de code en quelques secondes.
L’offre explose et les contenus ordinaires deviennent moins chers. Ce qui reste rare, c’est le goût, la confiance, l’originalité, la personnalité et le jugement.
Le problème se déplace de la production vers la sélection. Quand le contenu abonde, l’attention et la confiance deviennent plus coûteuses.
4. Coûts du développement logiciel
Le logiciel est fortement transformé, car le code est du texte, le développement est numérique et les tests donnent un retour rapide. L’AI complète du code, explique des erreurs, écrit des tests et propose des refactorings.
Les individus et petites équipes gagnent en capacité. Des outils internes autrefois trop chers deviennent possibles. Les systèmes anciens deviennent plus lisibles et plus faciles à migrer.
Mais le coût logiciel ne tombe pas à zéro. Besoins, architecture, sécurité, performance, UX, conformité et maintenance demandent toujours du jugement.
5. Coûts des services de connaissance
Éducation, conseil, droit, finance, recherche de marché, RH et planification produit dépendent du temps expert. L’AI automatise d’abord les tâches juniors : première lecture de contrats, synthèses financières, recherche documentaire, aide à l’apprentissage et analyses initiales.
Ensuite, elle augmente les experts en retrouvant des cas, comparant des options, rédigeant des rapports et simulant des résultats.
Les meilleurs experts montent vers le jugement, l’explication, la responsabilité et la confiance.
6. Coûts de coordination et de management
Une grande part du coût d’entreprise vient de la coordination : réunions, rapports, validations, recherche de fichiers, alignement, suivi projet, transfert de connaissance et onboarding.
L’AI résume les réunions, extrait les tâches, génère les rapports, suit les risques, organise les échanges client et transforme les discussions en décisions.
Le logiciel d’entreprise passe du système d’enregistrement au système d’exécution. Les managers deviennent davantage designers de systèmes et gestionnaires d’exceptions.
7. Coûts de recherche et de découverte
Si l’AI baisse seulement le coût du marketing ou du support, elle améliore l’efficacité. Si elle baisse le coût de la découverte, elle peut accélérer la civilisation.
L’AI peut lire la littérature, générer des hypothèses, concevoir des expériences, analyser des simulations, cribler des matériaux ou molécules et proposer le prochain essai.
Mais la science doit rencontrer le réel. Médicaments, matériaux et énergie exigent essais, validation et sécurité. L’AI accélère l’exploration sans contourner la nature.
8. Coûts de production et de supply chain
La production est le passage clé entre abondance numérique et matérielle. Elle comprend design, matières, machines, main-d’œuvre, qualité, stocks, logistique, énergie, rebuts et coordination fournisseurs.
L’AI améliore prévision, planification, maintenance, contrôle qualité, achats, routes et consommation d’énergie. Mais usines, robots, capteurs et réseaux logistiques demandent du capital.
Une forme importante pourrait être le manufacturing cloud : design, simulation, devis, sourcing, prototype, qualité et logistique comme capacité de plateforme.
9. Coûts de logistique et de transport
La logistique est le système circulatoire de l’abondance matérielle. Les biens ne deviennent pas abondants si transport et distribution restent chers.
L’AI améliore prévision, entrepôts, itinéraires, tri, dernier kilomètre, camions autonomes, drones et entrepôts robotisés.
Mais le transport touche routes publiques, sécurité, responsabilité, assurance, certification, urbanisme et emploi. Les coûts baissent, mais pas de façon linéaire.
10. Coûts de santé et de soin
La santé est l’un des coûts les plus importants et les plus difficiles. L’AI aide l’imagerie, les dossiers, le risque, le diagnostic, la découverte de médicaments, le triage, les maladies chroniques, le monitoring, la planification et le soin.
Les premières baisses concernent triage, aide à l’imagerie, organisation des dossiers, suivi chronique, conseil santé et criblage précoce.
Mais la santé exige validation clinique, régulation, adoption médicale, paiement par assurance et confiance du patient. Le soin demande aussi sécurité et compréhension émotionnelle.
11. Coûts de l’énergie
L’énergie est la contrainte dure sous l’abondance. L’AI fonctionne grâce aux data centers, puces, électricité, refroidissement, terrains et réseaux.
L’IEA prévoit que la demande électrique mondiale des data centers atteindra environ 945 TWh en 2030. L’AI peut optimiser l’énergie, mais elle en consomme aussi beaucoup.
Baisser l’énergie demande renouvelables, stockage, réseaux intelligents, nucléaire, puces efficaces, refroidissement liquide, edge computing, compression des modèles et meilleurs emplacements.
12. Coûts du logement et des infrastructures
Le logement est peut-être le coût que l’AI change le moins vite. Elle peut concevoir des bâtiments, mais pas créer du foncier; optimiser le chantier, mais pas supprimer les permis.
Les coûts du logement dépendent du foncier, des flux de population, des taux, matériaux, main-d’œuvre, règles d’urbanisme, impôts, transports, écoles, santé et spéculation.
L’abondance du logement demande technologie et institutions ensemble. Beaucoup de coûts ne viennent pas d’un manque d’intelligence, mais de règles, ressources et pouvoirs.
13. Un calendrier approximatif
De 2025 à 2030, les coûts numériques baissent vite : copilots, agents, création, efficacité logicielle, explosion du contenu et pression sur compute et énergie.
De 2030 à 2040, services et organisations se transforment : Agent OS, travailleurs AI, éducation personnalisée, triage médical, services juridiques et financiers plus accessibles, robots dans logistique, santé, agriculture et services.
De 2040 à 2050, les coûts physiques et d’infrastructure peuvent baisser si robotique, énergie, production, matériaux et gouvernance urbaine mûrissent.
14. Conclusion
L’ère d’abondance par l’AI ne signifie pas que tous les coûts baissent ensemble. C’est une courbe qui part du numérique et avance vers services, organisations, recherche, production, logistique, santé, énergie, logement et infrastructures.
Pendant longtemps, l’abondance numérique et la rareté réelle coexisteront. Le contenu deviendra moins cher pendant que le logement restera cher; les tuteurs AI se diffuseront pendant que les institutions devront encore changer.
Pour comprendre l’ère AI, il ne faut pas seulement regarder les modèles. Il faut regarder la courbe des coûts.
Pour comprendre l’ère AI, il ne suffit pas d’observer les modèles. Il faut observer la courbe des coûts.