Il y a presque dix ans, j’écrivais un article intitulé « Avec un revenu de base que va-t-on faire de nos journées ? ». À l’époque, la question était surtout philosophique : si nous n’étions plus obligés de travailler pour subvenir à nos besoins, que ferions-nous de tout ce temps devenu disponible ? Un an plus tard, je poursuivais cette réflexion en me demandant quel pourrait être le sens de la vie dans un monde sans travail. L’intelligence artificielle existait évidemment déjà, j’écrivais même dessus, mais nous étions encore très loin de pouvoir lui déléguer une partie significative de notre travail quotidien.
Dix ans plus tard, la question me semble beaucoup moins théorique. En février 2026, je revenais déjà sur le sujet en me demandant ce que deviendrait notre société si l’IA commençait à faire mieux que nous sur une partie importante des métiers intellectuels. Quelques mois plus tard, dans un autre article, j’ai poussé la question un peu plus loin : 20 % de chômage en 2030 est-il réellement un scénario impossible ?
Cependant, plus je creuse cette question, plus je pense que le chômage n’est peut-être que la partie visible du problème. D’une part, nous raisonnons beaucoup en nombre d’emplois détruits et créés, comme si le véritable enjeu consistait uniquement à savoir si les deux finiront par s’équilibrer. D’autre part, nous supposons souvent que les personnes dont le métier disparaît pourront simplement se former à autre chose, comme cela s’est produit lors des précédentes révolutions industrielles. Or, ce raisonnement oublie deux variables essentielles : le temps nécessaire pour déplacer des millions de travailleurs vers de nouvelles activités et la vitesse à laquelle ces nouvelles activités peuvent elles-mêmes devenir automatisables.
Mon propre parcours professionnel est assez révélateur de cette accélération. Lorsque j’ai commencé dans le digital à Genève en 2014, j’étais Community Manager. Le métier existait évidemment déjà, mais il était encore jeune : en janvier 2014, Le Temps écrivait justement que les Community Managers formés « commencent à arriver sur le marché » suisse. Source : Le Temps, 9 janvier 2014.
Je suis ensuite devenu Social Media Manager, puis spécialiste de l’acquisition digitale. À chaque étape, j’ai déplacé mes compétences vers ce qui avait davantage de valeur : moins de simple publication, davantage de publicité, puis davantage de données, de tracking, d’analyse et de stratégie. C’est finalement un parcours assez classique dans une économie qui évolue : lorsqu’une compétence perd de la valeur, on en développe une nouvelle. Pourtant, à peine douze ans après le début de ma carrière, je vois maintenant l’intelligence artificielle remonter exactement cette chaîne de valeur. Elle ne produit plus seulement du texte ou des images ; elle commence également à analyser les campagnes, manipuler les données, proposer des stratégies et utiliser les outils avec lesquels je travaille.
Par conséquent, la question que je me pose aujourd’hui n’est plus seulement de savoir si mon métier existera encore dans cinq ans. Ce serait presque anecdotique. La véritable question est de savoir ce qui se passe lorsque la technologie remonte la chaîne des compétences plus rapidement que nous sommes capables de nous déplacer dessus. Et, derrière cette question, une autre apparaît : que se passe-t-il si nous finissons réellement par atteindre ce que nous recherchons depuis des siècles, c’est-à-dire produire toujours davantage en utilisant toujours moins de temps humain ?
1. Produire davantage avec moins de travail serait normalement une excellente nouvelle
Tout d’abord, il faut revenir sur un mécanisme économique assez simple. Une économie n’a pas besoin d’augmenter le nombre d’heures travaillées pour augmenter sa production. Elle peut également améliorer la productivité de chaque heure. Autrement dit, si nous sommes capables de produire davantage en une heure, nous pouvons très bien faire croître le PIB tout en réduisant la quantité totale de travail nécessaire. C’est même, dans une certaine mesure, toute l’histoire du progrès technique.
Prenons volontairement un exemple très simplifié. Une économie utilise 100 milliards d’heures de travail et produit en moyenne 50 euros de valeur par heure. Sa production totale est donc de 5 000 milliards d’euros. Quelques années plus tard, les machines, les logiciels et l’intelligence artificielle permettent de produire 80 euros par heure, mais l’économie n’a plus besoin que de 70 milliards d’heures. Elle produit désormais 5 600 milliards d’euros. Ainsi, la production a augmenté de 12 %, alors même que la quantité de travail utilisée a diminué de 30 %. Il n’y a ici aucun paradoxe ; au contraire, c’est exactement ce que nous appelons un gain de productivité.
D’une part, ce phénomène n’a évidemment rien de nouveau. L’agriculture en est probablement l’exemple le plus évident : nous avons considérablement réduit le nombre de personnes nécessaires pour produire notre alimentation grâce à la mécanisation, aux engrais, à la sélection variétale ou encore à l’amélioration des méthodes de production. Selon l’Insee, l’emploi agricole en équivalent temps plein a chuté de 63,8 % depuis 1980 pour atteindre 721 500 ETP en 2024. Dans le même temps, le secteur a davantage recours au capital, et plus de la moitié de l’investissement agricole récent concerne l’achat de machines. Source : Insee, comptes de l’agriculture 2024.
Nous n’avons pas produit moins parce que nous avions moins d’agriculteurs : nous avons augmenté leur productivité.
D’autre part, nous avons jusqu’ici trouvé autre chose à faire du temps ainsi libéré. Les travailleurs ont quitté progressivement l’agriculture pour l’industrie, puis une partie de l’industrie pour les services. De nouveaux besoins sont apparus, de nouveaux métiers également et, par conséquent, la baisse considérable du besoin de travail dans certains secteurs n’a pas entraîné la disparition générale de l’emploi. C’est d’ailleurs l’un des arguments les plus solides opposés aujourd’hui aux scénarios pessimistes sur l’intelligence artificielle : pourquoi cette révolution technologique serait-elle fondamentalement différente de toutes celles qui l’ont précédée ?
Justement, je ne suis pas certain qu’elle le soit. En revanche, elle pourrait se produire dans des conditions très différentes.
Le travail remplit deux fonctions que nous avons tendance à confondre
Lorsque nous parlons du travail, nous mélangeons en réalité deux choses. D’une part, le travail permet de produire. D’autre part, le travail permet de distribuer un revenu. Je travaille pour une entreprise, l’entreprise me verse un salaire et, avec ce salaire, j’achète une partie de ce que d’autres entreprises et travailleurs ont produit. Cela paraît tellement naturel que nous ne voyons presque plus le mécanisme. Pourtant, ces deux fonctions sont différentes.
Supposons qu’une entreprise emploie dix personnes capables chacune de produire dix unités par jour. Sa production totale est donc de 100. Elle introduit ensuite une IA permettant à chaque salarié d’en produire vingt. Elle peut conserver ses dix personnes et produire 200. C’est le scénario idéal. Mais encore faut-il qu’elle puisse vendre 200. Si son marché n’a besoin que de 100, elle peut également produire exactement la même chose avec cinq personnes.
Elle n’a même pas besoin d’annoncer qu’elle « remplace des salariés par une IA ». Elle peut simplement ne pas remplacer un départ, recruter moins de juniors, réduire ses prestations externes ou demander à une équipe plus petite d’absorber un périmètre plus large. C’est beaucoup moins spectaculaire qu’un plan de licenciement. Économiquement, pourtant, le résultat est identique : la quantité de travail nécessaire à la production diminue.
C’est précisément ici que mon précédent article s’arrêtait. Il cherchait des signaux compatibles avec une économie dans laquelle la croissance aurait progressivement besoin de moins d’emploi. Celui-ci commence là où le précédent se terminait : si cette hypothèse devient vraie, le véritable problème n’est peut-être plus seulement le chômage. Il devient le temps nécessaire pour que le reste de l’économie s’adapte.
2. Les précédentes révolutions ont créé des métiers, mais elles ont surtout eu du temps
Prenons l’automobile. Aux États-Unis, on comptait environ 8 000 véhicules enregistrés en 1900, 470 000 en 1910, 9,2 millions en 1920 puis 27 millions en 1930. En trente ans, la voiture est donc passée du statut de curiosité technologique à celui d’infrastructure majeure de l’économie américaine. Source : Federal Highway Administration.
Trente ans, historiquement, c’est très rapide. À l’échelle d’une vie humaine, en revanche, c’est presque une carrière entière. Surtout, la voiture ne pouvait pas simplement apparaître partout en même temps. Il fallait construire les véhicules, les usines, les routes, les garages et les stations-service ; produire et distribuer le carburant ; former des mécaniciens ; créer des assurances ; financer l’achat des véhicules ; adapter progressivement les villes. D’une part, la technologie détruisait certaines activités liées au cheval et aux anciens modes de transport. D’autre part, son développement physique faisait apparaître tout un écosystème de nouveaux métiers.
Le garagiste n’est donc pas apparu le lendemain de l’invention de l’automobile. Il est devenu progressivement nécessaire à mesure que le nombre de véhicules augmentait, et cette diffusion progressive laissait du temps aux travailleurs, aux entreprises et aux institutions pour s’adapter.
Nous avons tendance à regarder ces transformations depuis leur point d’arrivée. Nous savons que l’automobile a finalement créé énormément d’activités. Nous savons que l’informatique a fait disparaître certains métiers tout en créant les développeurs, les administrateurs système, puis Internet, le webmarketing et finalement une partie des métiers que j’ai moi-même exercés. J’écrivais d’ailleurs déjà en 2017 à partir d’une étude McKinsey pour me demander si un robot allait remplacer notre travail. Près de dix ans plus tard, la question n’a pas disparu ; elle s’est simplement déplacée vers des tâches que nous pensions alors plus difficiles à automatiser.
Nous connaissons la fin de l’histoire, pas ceux qui ont vécu la transition
La formule « les nouvelles technologies détruisent des emplois mais en créent toujours d’autres » est historiquement défendable lorsqu’on regarde suffisamment loin. Cependant, elle masque ce que vivent les personnes pendant la transition. Daron Acemoglu et Simon Johnson rappellent par exemple que la mécanisation du textile britannique a fait exploser la production de coton, alors que les salaires réels des tisserands n’ont pas progressé pendant des décennies. La productivité augmentait donc sans que les travailleurs directement touchés par l’automatisation en récupèrent immédiatement les bénéfices. Source : Acemoglu & Johnson, NBER, 2024.
Autrement dit, une révolution industrielle peut parfaitement être bénéfique à une société lorsqu’on l’observe sur un siècle et être très difficile à vivre pour une partie de la génération qui la traverse. Le « long terme » de l’économiste n’est pas nécessairement celui de l’être humain qui doit payer son loyer le mois prochain ou retrouver un métier à 45 ans.
C’est précisément ce facteur temps qui me préoccupe avec l’intelligence artificielle.
3. Trois horloges qui ne tournent plus à la même vitesse
Une automobile supplémentaire nécessitait une automobile supplémentaire. Une nouvelle usine devait être construite. Une machine devait être fabriquée, achetée puis installée. Le logiciel possède une propriété différente : une fois développé, il peut être distribué à une échelle immense sans reproduire physiquement un exemplaire complet pour chaque utilisateur.
L’intelligence artificielle ne supprime évidemment pas toutes les contraintes matérielles. Les centres de données, les puces, l’énergie, les réseaux et le capital restent bien réels. Cependant, du point de vue de l’entreprise qui adopte l’outil, une nouvelle capacité peut parfois arriver sous la forme d’une mise à jour, d’un abonnement ou d’une API. Il n’est plus nécessaire d’attendre vingt ans que le parc de machines soit renouvelé pour qu’une nouvelle technologie atteigne le poste de travail.
Les chiffres montrent déjà une diffusion rapide. Dans les pays de l’OCDE disposant de données comparables, 8,7 % des entreprises déclaraient utiliser l’intelligence artificielle en 2023. Elles étaient 14,2 % en 2024 puis 20,2 % en 2025. L’adoption a donc plus que doublé en deux ans. Parmi les grandes entreprises, elle atteignait déjà 52 % en 2025. Source : OCDE, janvier 2026.
Cela ne signifie évidemment pas que toute l’économie sera automatisée demain matin. Quatre entreprises sur cinq déclaraient encore ne pas utiliser l’IA en 2025. En revanche, pendant qu’une entreprise apprend à intégrer une génération d’outils, une autre génération arrive déjà.
Nous avons donc trois horloges. La première est celle du progrès technologique. La deuxième est celle de l’adaptation des entreprises. La troisième est celle de l’adaptation humaine. Or, rien n’oblige ces trois horloges à rester synchronisées.
Une nouvelle capacité technologique peut apparaître en quelques mois. Une entreprise peut avoir besoin de plusieurs années pour revoir ses processus. Une université met du temps à créer une formation, recruter les enseignants et former une promotion. Quant à un professionnel, il lui faut souvent des années pour acquérir une véritable expertise. Nous sommes des systèmes biologiques et sociaux relativement lents. Le logiciel ne partage pas nécessairement cette contrainte.
La Chine essaie justement d’accélérer l’horloge sociale
C’est ici que je retrouve une idée que j’évoquais dans mon article sur la Chine en février dernier : le timing social et le timing technologique ne sont pas les mêmes. Depuis, la Chine a continué à structurer très concrètement son effort de formation. Le gouvernement a lancé un programme visant plus de 30 millions de participations à des formations professionnelles subventionnées entre 2025 et fin 2027, notamment dans les secteurs numériques, l’intelligence artificielle, la robotique incarnée et les technologies émergentes. Source : gouvernement chinois, juillet 2025.
En juillet 2026, quatre administrations chinoises ont également publié un plan « IA + ressources humaines et sécurité sociale » visant notamment à utiliser l’IA pour rapprocher les offres et les demandeurs d’emploi, évaluer les compétences et connecter davantage les besoins des entreprises, la formation et les services d’emploi. Le texte prévoit une vingtaine de cas d’usage en 2026, puis environ cinquante trajectoires d’application à forte valeur en 2027. Source : National Data Administration, juillet 2026.
Je dois d’ailleurs corriger un point de mon article de février. J’y présentais certaines orientations chinoises comme allant jusqu’à imposer aux entreprises privées de financer la reconversion des salariés remplacés par l’IA. Les textes officiels que je retrouve aujourd’hui documentent bien un soutien massif à la formation et une volonté d’impliquer davantage les entreprises dans le développement des compétences, mais je ne trouve pas de base suffisamment solide pour affirmer l’existence d’une obligation générale spécifique aux salariés remplacés par l’IA. La logique générale demeure néanmoins intéressante : lorsqu’une technologie transforme très vite les besoins de compétences, l’État chinois cherche explicitement à accélérer le système chargé de déplacer les travailleurs vers de nouvelles activités.
Mais une question subsiste : que se passe-t-il si même la formation n’arrive plus à suivre ?
4. Se former à quoi, et pour combien de temps ?
Pendant longtemps, la réponse à l’automatisation était finalement assez simple : il fallait se former aux métiers de demain. Mon parcours professionnel en est déjà un exemple : j’ai plusieurs fois déplacé mes compétences vers des tâches davantage recherchées et plus difficiles à automatiser.
Ce mécanisme repose cependant sur une hypothèse rarement formulée : la nouvelle compétence que j’apprends doit rester économiquement utile suffisamment longtemps pour justifier le temps nécessaire à son acquisition.
Si je passe deux ou trois années à apprendre un nouveau métier et que celui-ci reste demandé pendant vingt ans, le système fonctionne parfaitement. En revanche, que se passe-t-il si la compétence n’a plus que cinq ans de valeur ? Puis trois ? Et que se passe-t-il si la technologie qui détruit mon ancien métier avance elle-même dans la direction du métier vers lequel je suis en train de me reconvertir ?
Le Prompt Engineer, ou le métier qui n’a peut-être pas eu le temps de devenir un métier
Lorsque ChatGPT s’est démocratisé à partir de la fin 2022, on a rapidement vu apparaître une nouvelle profession : Prompt Engineer. Le raisonnement était logique. Les modèles étaient puissants, mais il fallait apprendre à leur parler correctement. Nous allions donc avoir besoin de spécialistes capables de transformer un besoin humain en instructions efficaces pour une intelligence artificielle.
Pendant quelque temps, les articles annonçant le « métier du futur » se sont multipliés. Pourtant, une étude publiée en 2025 a analysé 20 662 offres d’emploi liées à l’intelligence artificielle sur LinkedIn. Seulement 72 correspondaient à des postes de Prompt Engineer, soit moins de 0,5 % de l’échantillon. Source : Vu & Oppenlaender, 2025.
Le prompting n’a pas disparu ; j’en fais moi-même quotidiennement. En revanche, il ressemble déjà davantage à une compétence intégrée au travail d’un développeur, d’un consultant, d’un marketeur ou d’un chef de produit qu’à une profession autonome de masse. La technologie qui semblait créer le métier a commencé à absorber elle-même une partie de la compétence qui le justifiait.
Ce phénomène n’est pas totalement inédit. En 1970, le Bureau of Labor Statistics américain recensait environ 300 000 « keypunch operators », chargés notamment de saisir les données destinées aux systèmes informatiques sur cartes perforées. Pourtant, le BLS prévoyait déjà que leur nombre tomberait à 235 000 en 1980, notamment parce que les progrès de la saisie informatique réduisaient progressivement le besoin de cartes perforées. Source : U.S. Bureau of Labor Statistics, Computer Manpower Outlook.
L’informatique avait créé leur métier, puis l’amélioration de l’informatique commençait à le détruire. La différence potentielle se trouve donc moins dans la nature du phénomène que dans sa compression temporelle. Le keypunch operator a eu le temps de devenir un métier employant plusieurs centaines de milliers de personnes. Le Prompt Engineer semble avoir parcouru une partie du même cycle en quelques années seulement.
Je ne prétends évidemment pas qu’un exemple suffise à démontrer une nouvelle loi économique. En revanche, il permet de formuler une hypothèse que je trouve importante : la durée de vie de certaines compétences pourrait progressivement devenir inférieure au temps nécessaire pour les acquérir et organiser leur transmission à grande échelle.
À ce moment-là, la réponse « il suffit de se former » devient beaucoup moins satisfaisante. Non pas parce que les humains seraient incapables d’apprendre, mais parce que la cible se déplacerait plus rapidement que nous.
C’est également pour cette raison que mon propre métier m’intéresse. Jusqu’ici, j’ai pu monter dans la chaîne de valeur à mesure que Google et Meta automatisaient l’exécution : vers l’analyse, le tracking, la compréhension du business et la stratégie. Mais les systèmes d’IA commencent maintenant à atteindre ces mêmes étages.
Je peux encore monter d’un étage. Je peux devenir meilleur en automatisation, en architecture de données, en conseil, en compréhension métier ou en conception de systèmes IA. Cependant, si l’intelligence artificielle remonte elle aussi continuellement les étages, la bonne question n’est plus simplement de savoir si je peux continuer à apprendre. Elle devient : combien reste-t-il d’étages et combien de personnes peuvent-ils accueillir ?
5. Et si le marché fonctionnait parfaitement ?
Une discussion récente sur le salaire minimum m’a fait regarder le problème d’une autre manière. L’argument était le suivant : dans une représentation simple du marché du travail, le salaire constitue aussi un prix. Une compétence rare et fortement demandée sera mieux rémunérée ; une compétence abondante ou peu recherchée le sera moins. Le salaire agit donc, au moins en partie, comme un signal permettant de répartir le travail vers les activités où il a le plus de valeur.
Le marché du travail réel est évidemment beaucoup plus complexe que ce modèle : pouvoir de négociation, mobilité imparfaite, institutions, concentration des employeurs ou partage des profits influencent également les rémunérations. Mais gardons volontairement le mécanisme de base.
Que se passe-t-il si l’intelligence artificielle rend soudainement certaines compétences humaines beaucoup moins rares ?
Il y a quelques années, savoir rédiger rapidement un texte correct avait une valeur économique. Traduire un document avait une valeur. Produire des visuels, résumer un rapport, écrire certaines parties d’un programme, analyser un fichier de données ou préparer une campagne publicitaire avaient une valeur parce qu’il fallait mobiliser du temps humain relativement qualifié pour le faire.
Si une machine peut fournir une partie croissante de ces résultats pour un coût très faible, le marché peut simplement envoyer un signal parfaitement rationnel : ces compétences valent désormais moins cher.
L’effet de l’IA sur les salaires n’est évidemment pas écrit à l’avance. L’OCDE rappelle que les gains de productivité peuvent augmenter les rémunérations lorsque le travail reste complémentaire de la technologie, tandis que l’automatisation de certaines tâches peut au contraire diminuer la demande pour certaines compétences. Les premières données disponibles ne montrent d’ailleurs pas encore de hausse générale des inégalités salariales entre métiers directement attribuable à l’IA. Source : OCDE, Artificial intelligence and wage inequality, 2024.
Par conséquent, il n’est pas nécessaire d’imaginer une disparition totale des emplois pour que notre problème apparaisse. Nous pourrions avoir simultanément une productivité globale qui augmente, une production qui augmente, des entreprises plus efficaces et la valeur économique de certaines heures de travail humain qui diminue.
Ce phénomène n’aurait rien d’absurde. Il pourrait même correspondre à un marché qui fonctionne exactement comme prévu : certaines compétences deviennent abondantes, leur prix baisse et les individus sont incités à aller vers d’autres activités.
Mais encore une fois : lesquelles ?
Ce mécanisme reste viable tant qu’une nouvelle couche de travail humain apparaît derrière celle qui vient d’être automatisée, suffisamment vite et à une échelle capable d’absorber les personnes déplacées. Nous ne savons pas encore si ce sera toujours le cas.
Et supposons maintenant qu’elle n’existe pas en quantité suffisante. Le marché peut encore fonctionner. Le prix du travail peut simplement baisser. Seulement, nous rencontrons alors un problème que le marché du travail ne cherche pas nécessairement à résoudre : comment vit une personne dont le temps n’a plus suffisamment de valeur économique pour lui permettre de vivre ?
6. Du temps disponible n’est pas nécessairement du temps libre
Cette question me ramène directement à ce que j’écrivais en 2016 sur le revenu de base. Je me demandais alors ce que nous ferions de nos journées si nous n’avions plus besoin de travailler.
Avec dix ans de recul, je pense que la question était posée dans le mauvais ordre.
Avant de nous demander ce que nous ferons de notre temps libre, il faut s’assurer qu’il s’agisse réellement de temps libre. Une personne qui gagnait 3 000 euros en travaillant trente-cinq heures et qui peut désormais gagner la même chose en vingt heures a effectivement gagné quinze heures de liberté. Une personne qui ne trouve plus que vingt heures de travail et dont le revenu tombe de 3 000 à 1 700 euros n’a pas gagné quinze heures de liberté. Elle dispose simplement de quinze heures supplémentaires pendant lesquelles elle cherche comment payer son logement.
C’est une distinction assez évidente et pourtant centrale : du temps sans emploi n’est pas nécessairement du temps libre.
Cela conduit à un paradoxe assez particulier. Depuis des siècles, une grande partie du progrès technique consiste précisément à économiser du temps humain. Nous avons créé des machines pour éviter que des hommes déplacent des tonnes de terre à la pelle. Nous avons mécanisé l’agriculture. Nous avons automatisé les chaînes industrielles. Nous avons informatisé l’administration. Et maintenant nous commençons à automatiser certaines tâches cognitives.
Si nous réussissons, nous aurons besoin de moins de travail pour produire une même quantité de richesses. Le paradoxe est que notre système économique continue, lui, à distribuer l’essentiel des revenus par le travail.
Dès lors, nous pourrions accomplir quelque chose d’assez étrange : réussir technologiquement à nous libérer d’une partie du travail sans réussir économiquement à nous libérer de la nécessité d’avoir un salaire.
Nous cherchions à libérer du temps humain. Et si nous y arrivions ?
Relire mes articles de 2016 et 2017 produit aujourd’hui un étrange effet : des questions qui me semblaient alors surtout philosophiques commencent à devenir économiques.
Peut-être que l’intelligence artificielle ne provoquera jamais la rupture que j’explore ici. Peut-être que de nouveaux métiers apparaîtront suffisamment vite. Peut-être que la demande augmentera au même rythme que notre productivité et que nous continuerons simplement à produire davantage avec autant de travailleurs. L’histoire nous oblige à rester prudents avant d’annoncer une « fin du travail » que d’autres ont déjà prédite avant nous.
En revanche, l’histoire ne permet pas d’évacuer le facteur temps. Une révolution technologique peut enrichir énormément une société à long terme tout en étant brutale pour ceux qui vivent sa transition. Or, l’intelligence artificielle ajoute une inconnue supplémentaire : que se passe-t-il lorsque la technologie évolue plus vite que les compétences permettant aux humains de s’y adapter ?
Pendant des siècles, le temps humain était une ressource rare. Nous avons construit des machines pour économiser cette ressource. Nous avons augmenté sa productivité. Nous avons automatisé l’agriculture, puis l’industrie, puis une partie des services. Maintenant, nous commençons à automatiser une partie du travail intellectuel.
Peut-être allons-nous simplement poursuivre l’histoire commencée il y a deux cents ans.
Mais poussons cette histoire jusqu’au bout.
Si nous réussissons réellement à économiser massivement le temps humain, alors une question étrange apparaît : que vaut encore le temps humain lorsqu’il devient moins nécessaire à la production ?
Et une seconde question suit immédiatement : si notre travail devient moins nécessaire pour produire notre richesse, pourquoi devrait-il rester le principal mécanisme permettant d’y accéder ?
C’est précisément la question que je voudrais explorer dans le prochain article. Non pas uniquement à travers le revenu universel, mais en regardant le circuit économique dans son ensemble : lorsque les gains de productivité viennent davantage du capital, des logiciels et des systèmes automatisés, qui reçoit cette valeur, comment circule-t-elle et par quel mécanisme peut-elle revenir à ceux dont le travail devient moins nécessaire ?