Pourquoi l’automatisation par l’IA inquiète
Le sénateur du Vermont Bernie Sanders remet sur la table une question brûlante: l’automatisation par l’IA pourrait chambouler le travail à une échelle inédite. Dans un rapport récent, il imagine un scénario maximal où près de 100 millions d’emplois aux États‑Unis disparaîtraient en dix ans si les entreprises déploient massivement ces technologies. Au cœur de sa réflexion, un constat simple: si la technologie progresse, les bénéfices ne ruissellent pas automatiquement vers celles et ceux qui produisent la richesse.
Un déséquilibre ancien: productivité en hausse, salaires en panne
Le problème ne date pas de l’IA. Depuis les années 1970, la productivité a bondi d’environ 150 % et les profits des entreprises de plus de 370 %. Pourtant, le salaire réel de l’Américain moyen a reculé, d’environ 30 dollars par semaine. Ce fossé, souvent décrit comme l’écart productivité‑salaires, signifie qu’une part toujours plus grande de la valeur créée remonte vers le sommet. Résultat: le salaire minimum “équitable” qui suivrait la productivité est estimé autour de 25 $/h, soit bien au‑dessus des 7,25 $/h fédéraux. L’IA risque d’accentuer cet écart si rien n’est fait, non pas parce qu’elle serait “mauvaise” en soi, mais parce que les règles du jeu n’obligent pas à partager ses gains.
Quand la technologie devient un levier pour presser les équipes
Dans de nombreux secteurs, des dirigeants se félicitent à voix haute d’automatiser des tâches humaines. L’IA est aussi utilisée comme levier de pression pour demander à des équipes plus petites de produire davantage pour moins cher. Ironie du moment: chez 95 % des entreprises qui adoptent l’IA, ces projets ne génèrent pas encore de revenus significatifs. Autrement dit, les discours sont ambitieux, mais les gains concrets tardent — ce qui n’empêche pas d’anticiper des suppressions de postes ou une intensification du travail.
La proposition phare: une « taxe robot » redistribuée aux travailleurs
La réponse de Sanders tient en une idée claire: instaurer une taxe “robot” ciblant les grandes entreprises qui automatisent à grande échelle. Techniquement, il s’agirait d’un droit d’accise prélevé sur les systèmes d’IA et d’automatisation, pour redistribuer directement les gains aux travailleurs impactés. On peut y voir une version ciblée d’un revenu de base, concentrée sur les personnes dont l’emploi est déplacé par la technologie. Pour Sanders, adapter la fiscalité et la réglementation est indispensable si l’on veut éviter une course au moins‑disant social où la technologie devient un prétexte à profiter sans partager.
Mesures d’accompagnement indispensables
Une taxe, à elle seule, ne résout pas tout. Sans filet de sécurité élargi, un revenu de base partiel peut devenir un simple pansement laissant s’installer une nouvelle forme de pauvreté sous perfusion publique. Beaucoup plaident donc pour des garde‑fous complémentaires: plafonnement ou gel des loyers, contrôles des prix sur certains biens essentiels, et renforcement du pouvoir des travailleurs via des règles favorisant la démocratie au travail. Si l’IA tient réellement ses promesses, il est logique d’en faire profiter tout le monde, par exemple en allant vers la semaine de quatre jours sans perte de salaire, plutôt que de concentrer les gains sur une minorité.
Et maintenant ?
Le pire n’est pas écrit d’avance. L’IA peut comme détruire des postes, en créer de nouveaux, réorganiser des métiers, ou… ne pas tenir ses promesses économiques. À l’inverse, l’idée d’une taxe robot gagne en respectabilité — jusque chez des figures de la tech comme Bill Gates, signe que la proposition s’installe au centre du débat. La clé, désormais, est de tester, mesurer les effets réels de l’automatisation et ajuster les politiques publiques pour que la richesse créée par l’IA ne se traduise pas par plus d’inégalités, mais par plus de sécurité et de temps libéré pour la société.
Comment cette taxe pourrait fonctionner concrètement
- Base de calcul: investissement en capitaux (robots, logiciels d’IA), indicateurs de déplacement d’emplois et gains de productivité constatés.
- Affectation des recettes: assurance‑salaire temporaire, financement de reconversions qualifiantes, soutien à la réduction du temps de travail, et fonds locaux pour les régions les plus touchées.
- Gouvernance: audits indépendants, transparence sur les déploiements d’IA, mécanismes de participation des salariés pour suivre les effets sur l’emploi.
FAQ
La « taxe robot » freine‑t‑elle l’innovation ?
Bien conçue, elle peut être modulée: faible au départ, liée aux gains réels de productivité, et assortie d’exonérations pour les projets qui créent des emplois de qualité ou améliorent la sécurité et la santé au travail. L’objectif n’est pas de punir l’innovation, mais de partager ses bénéfices.
Comment identifier les emplois réellement « remplacés » par l’IA ?
On peut combiner plusieurs critères: déclarations d’impact lors du déploiement, évolution du volume de postes et des tâches automatisées, et audits indépendants. Un indice de déplacement pourrait lier l’introduction d’outils d’IA à des changements observables dans l’organisation.
Quelles alternatives ou compléments à la taxe existent ?
- Assurance‑salaire et compléments de revenus temporaires
- Crédits d’impôt conditionnés à la création d’emplois
- Dividendes de données ou de productivité
- Participation accrue des salariés (codétermination, actionnariat salarié)
- Réforme de la fiscalité du capital pour mieux financer la protection sociale
Des pays ont‑ils tenté des approches proches ?
Certains États ont exploré des pistes: expérimentation de revenu de base (Finlande), pilotes de semaine de quatre jours (Espagne, Royaume‑Uni), et ajustements fiscaux liés à l’automatisation (comme en Corée du Sud via la réduction d’avantages fiscaux). Ce ne sont pas des “taxes robot” au sens strict, mais des démarches voisines.
Quelles compétences resteront très demandées malgré l’IA ?
Tout ce qui relève de l’interaction humaine, de la créativité, du jugement éthique, des métiers techniques de terrain, et des rôles qui conçoivent, maintiennent et auditent les systèmes d’IA. Miser sur des compétences transversales et l’apprentissage continu devient un avantage décisif.
