En 1865, un économiste anglais publie un livre sur le charbon. William Stanley Jevons y défend une idée qui semble absurde : améliorer l’efficacité des machines à vapeur ne fera pas baisser la consommation de charbon du Royaume-Uni, mais l’augmenter. Plus on brûle proprement, plus on brûle.
Cent soixante ans plus tard, cette intuition née dans la fumée des hauts-fourneaux refait surface dans le débat le plus futuriste de notre époque : l’intelligence artificielle va-t-elle détruire les emplois ? En mai 2026, le chef économiste d’un fonds qui gère près de mille milliards de dollars convoque précisément le paradoxe de Jevons pour répondre. Sa conclusion est aussi nette qu’en 1865, et tout aussi déroutante.
Une intuition née dans les mines de charbon
Le paradoxe de Jevons se définit simplement : quand une technologie rend l’usage d’une ressource plus efficace, donc moins coûteux, la consommation totale de cette ressource peut augmenter au lieu de diminuer. L’efficacité ne réduit pas la demande, elle l’élargit.
Le mécanisme tient en quatre temps. Une innovation améliore le rendement d’une ressource. Le coût d’usage baisse. La ressource devient plus rentable, et on l’emploie alors dans davantage de situations. Cette multiplication des usages finit par dépasser l’économie réalisée au départ.
Jevons l’observe sur le charbon. Dans son ouvrage Jevons, 1865, il note que les machines à vapeur perfectionnées, plus économes, n’ont pas freiné la consommation de charbon britannique, bien au contraire. En rendant la vapeur moins chère, elles l’ont rendue compétitive dans des industries qui ne l’utilisaient pas encore. L’efficacité a ouvert le marché.
Les économistes parlent aujourd’hui d’effet rebond : une partie des économies attendues d’un gain d’efficacité est annulée par l’augmentation des usages. Le paradoxe de Jevons en est la forme extrême, lorsque la hausse des usages dépasse complètement l’économie initiale et que la consommation totale grimpe, comme le rappelle l’entrée consacrée au paradoxe de Jevons.
L’exemple le plus parlant reste l’éclairage. Une ampoule LED consomme une fraction de l’énergie d’une ampoule à incandescence. Pourtant, l’éclairage moins cher ne nous a pas conduits à éclairer moins, mais davantage : façades, enseignes, jardins, écrans. Le gain unitaire a été réinvesti dans le volume.
Voilà pour le passé. La question, en 2026, est de savoir si la même logique s’applique à une ressource que Jevons n’aurait jamais imaginée : l’intelligence productive.
Du charbon à l’intelligence : le même mécanisme
L’IA générative fait baisser le coût d’un grand nombre de tâches intellectuelles : rédiger, rechercher, analyser, coder, synthétiser, répondre à un client, traiter un dossier. La ressource n’est plus le charbon, mais la capacité à produire de la pensée appliquée, à grande échelle et à faible coût marginal.
Une lecture intuitive dirait : si une tâche coûte moins cher à produire, il faudra moins de monde pour la produire. C’est l’effet de substitution, et il est réel.
Le paradoxe de Jevons invite à regarder l’autre versant. Si une tâche devient bien moins chère, les organisations peuvent en consommer beaucoup plus. C’est l’effet de demande.
Quelques exemples concrets éclairent la bascule. Une équipe qui produisait dix analyses clients par semaine peut en produire cent. Un service marketing qui personnalisait quelques campagnes peut en personnaliser une par segment. Une direction conformité qui menait des revues ponctuelles peut passer à une surveillance continue. Un éditeur logiciel qui corrigeait les anomalies critiques peut multiplier les tests et les versions.
Dans chacun de ces cas, le coût unitaire baisse. Mais cette baisse ouvre des usages qui n’existaient pas, parce qu’ils étaient trop longs, trop chers ou trop difficiles à industrialiser. Le marché de l’intelligence appliquée s’élargit, exactement comme celui de la vapeur au XIXe siècle.
À lire la presse et à observer les manchettes des journaux, on a l’impression que l’IA n’ouvre qu’une seule porte, celle de la réduction des coûts : « Combien de postes vais-je pouvoir économiser ? » La question est légitime, mais elle ne capte qu’un seul des deux effets. Elle laisse dans l’ombre l’expansion possible du volume d’activité, qui est précisément ce que le paradoxe de Jevons met en lumière.
Le solde sur l’emploi dépend donc d’un rapport de forces : l’effet de substitution, qui réduit le travail nécessaire par unité produite, contre l’effet de demande, qui augmente le nombre d’unités produites. Rien ne garantit d’avance lequel l’emporte. C’est une question empirique, qui se tranche dans les données.
Ce que disent les données de 2026
C’est ici qu’intervient Torsten Slok, chef économiste d’Apollo Global Management, un gestionnaire d’actifs qui pilotait environ 1 030 milliards de dollars fin mars 2026, selon Apollo, 2026. Dans une note intitulée « Zero Evidence of AI-Related Job Losses », publiée fin mai 2026 (Slok, 2026), il affirme que les données d’emploi ne montrent aucune trace de destruction d’emplois imputable à l’IA.
Son support est un graphique de l’emploi hebdomadaire américain mesuré par ADP, dont le rapport s’appuie sur les données de paie de plus de 26 millions de salariés du secteur privé (ADP, 2026). Après une phase négative à l’été 2025, la courbe redevient positive à l’automne, puis accélère début 2026. Le titre du graphique ne laisse aucun doute sur la grille de lecture retenue : « Jevons paradox in real time ».
Slok va plus loin. Loin de réduire leurs effectifs, beaucoup d’entreprises recrutent des spécialistes de la mise en œuvre de l’IA. La construction de centres de données tire vers le haut les salaires de ces experts, mais aussi les prix des semi-conducteurs, des équipements et de l’énergie.
D’où une conclusion en deux temps, plus subtile qu’il n’y paraît. Le boom de dépenses lié à l’IA soutient l’emploi. Mais il alimente aussi l’inflation, parce que la demande se reporte sur des ressources rares : talents techniques, capacité de calcul, puces, électricité, foncier. L’IA agit comme un choc de demande sur ces marchés, et non comme la seule force de baisse des coûts qu’on imagine souvent.
Le paradoxe de Jevons fournit la clé de ce double effet. Une technologie plus efficace ne réduit pas mécaniquement la consommation des ressources qu’elle mobilise ; elle peut au contraire l’accroître, parce que les usages se multiplient. Pour le décideur, le message est inhabituel : déployer l’IA peut, à court et moyen terme, coûter plus cher, et non moins.
La nuance que le titre escamote
« Zero evidence » : la formule est volontairement frappante. Elle mérite d’être lue avec précision, car elle dit moins que ce qu’on lui fait dire.
Slok parle d’absence de preuve au niveau macroéconomique agrégé. Cela ne signifie pas qu’aucun emploi n’est touché. Plusieurs grands employeurs ont d’ailleurs attribué des réductions d’effectifs aux gains d’efficacité permis par l’IA, et le dirigeant de JPMorgan invite ses pairs à ne pas se voiler la face, comme le rapporte Fortune, 2026. Le débat est loin d’être clos.
Surtout, le niveau agrégé masque le niveau fin. L’OCDE relevait déjà qu’il n’existe pas de relation claire entre l’exposition d’un métier à l’IA et la croissance de l’emploi dans ce métier. Des travaux du NBER, construits sur l’exposition des tâches, observent que les tâches les plus exposées peuvent voir la demande de travail reculer, même si les effets d’ensemble restent complexes.
Il faut donc tenir deux propositions à la fois. Au niveau macro, les données mobilisées par Slok ne montrent pas de destruction nette d’emplois. Au niveau micro, des métiers se recomposent, des tâches se déplacent, certaines compétences se déprécient. Les deux constats ne se contredisent pas. L’histoire des techniques montre souvent qu’une transition peut créer plus d’emplois au total tout en détruisant certains métiers et en concentrant les gains sur les profils les mieux préparés.
Pour le responsable qui doit décider, la distinction est opérationnelle, pas seulement académique. Se fier au titre rassurant conduit à sous-estimer les transitions individuelles à accompagner. Céder au récit catastrophiste conduit, à l’inverse, à manquer la vague d’investissement et de recrutement spécialisé, bien visible, elle. La bonne posture n’est ni l’optimisme béat ni la panique, mais la lecture exacte de ce que disent, et ne disent pas, les chiffres.
Conclusion
Que retenir, concrètement, de ce détour par 1865 ?
D’abord, qu’il faut cesser de lire l’IA comme un simple outil de réduction d’effectifs. Une stratégie fondée sur la seule compression des coûts passe à côté de l’effet dominant observé pour l’instant : l’expansion des usages. Les organisations qui tireront leur épingle du jeu ne seront pas seulement celles qui automatisent, mais celles qui sauront convertir les gains de productivité en capacité de croissance, en redéployant leurs équipes vers la relation client, le contrôle qualité, l’innovation ou la gestion du risque.
Ensuite, qu’il faut anticiper la pression sur les ressources rares. Si le paradoxe de Jevons opère, la demande de talents, de calcul et d’énergie continuera de monter, avec son effet sur les coûts. Le chef de projet qui planifie un déploiement a intérêt à intégrer ce renchérissement dans ses arbitrages, plutôt qu’à attendre des économies immédiates.
Enfin, et c’est sans doute le point décisif, il faut former ses équipes et les faire monter en compétence. Plus les usages se diffusent, plus le besoin de les piloter, de les contrôler et de les sécuriser augmente. C’est l’autre face du paradoxe : une technologie plus facile à utiliser engendre un besoin accru de maîtrise. Les organisations qui n’outillent pas leurs collaborateurs pour absorber cette expansion en subiront la contrepartie, car le revers du paradoxe n’est jamais loin.
Jevons l’avait pressenti devant ses machines à vapeur : l’efficacité n’éteint pas la demande, elle l’attise. Cent soixante ans plus tard, le charbon a cédé la place aux processeurs, mais la mécanique reste la même. La vraie question, pour celui ou celle qui pilote une organisation, n’est pas de savoir si l’IA détruit ou crée des emplois ; c’est de savoir si son organisation saura capter l’expansion qu’elle déclenche, ou seulement en subir le coût.
Cet article s’appuie sur une idée originale personnelle et a été élaboré avec l’aide d’une IA générative pour la recherche d’information et la structuration du texte ; je conserve la main sur l’analyse, la sélection des contenus et j’assure la relecture finale.
Sources
Slok, T. (2026). Zero Evidence of AI-Related Job Losses. The Daily Spark, Apollo Global Management. https://www.apollo.com/wealth/the-daily-spark/zero-evidence-of-ai-related-job-losses
Jevons, W. S. (1865). The Coal Question (présentation). Energy History, Yale University. https://energyhistory.yale.edu/w-stanley-jevons-the-coal-question-1865/
Wikipedia. Jevons paradox. https://en.wikipedia.org/wiki/Jevons_paradox
ADP. (2026). ADP National Employment Report – mai 2026. ADP Media Center. https://mediacenter.adp.com/2026-06-03-ADP-National-Employment-Report-Private-Sector-Employment-Increased-by-122,000-Jobs-in-May-Annual-Pay-was-Up-4-4
Apollo Global Management. (2026). Apollo Reports First Quarter 2026 Results. https://ir.apollo.com/news-events/press-releases/detail/622/apollo-reports-first-quarter-2026-results
Fortune. (2026). Apollo chief economist says there’s ‘zero evidence’ AI is killing jobs. https://fortune.com/2026/06/01/apollo-chief-economist-torsten-slok-zero-evidence-ai-killing-jobs-says-its-creating-them/
OCDE. Artificial intelligence and employment. OECD Publishing. https://www.oecd.org/en/publications/artificial-intelligence-and-employment_c2c1d276-en.html
NBER. Artificial Intelligence and the Labor Market (Working Paper 33509). https://www.nber.org/papers/w33509
FAQ
Qu’est-ce que le paradoxe de Jevons, en une phrase ?
C’est le constat qu’une technologie plus efficace, donc moins coûteuse à utiliser, peut augmenter la consommation totale de la ressource concernée au lieu de la réduire, parce que la baisse du coût multiplie les usages. Formulé sur le charbon en 1865, il s’applique aujourd’hui à l’IA et aux tâches intellectuelles.
L’IA détruit-elle des emplois, oui ou non ?
Les données macroéconomiques mobilisées par Apollo en mai 2026 ne montrent pas de destruction nette d’emplois à l’échelle agrégée. Cela n’exclut pas des effets locaux : certains métiers se recomposent et certaines tâches reculent. Le niveau macro et le niveau des métiers ne disent pas la même chose.
Pourquoi l’IA pourrait-elle alimenter l’inflation ?
Parce que son déploiement massif exige des ressources rares : talents spécialisés, capacité de calcul, semi-conducteurs, énergie, foncier. Quand l’offre de ces ressources est contrainte, la hausse de la demande pousse les prix. L’IA agit alors comme un choc de demande, et pas seulement comme une force de baisse des coûts.
Que doit faire un décideur face à ce constat ?
Éviter de réduire l’IA à un levier de baisse des effectifs. Trois priorités : convertir les gains de productivité en croissance, anticiper le renchérissement des ressources rares, et investir dans les compétences de pilotage et de contrôle. La valeur se joue dans le redéploiement, pas seulement dans l’économie réalisée.
Le paradoxe de Jevons garantit-il que l’emploi augmentera toujours ?
Non. Il décrit un mécanisme possible, pas une loi automatique. Le solde sur l’emploi dépend du rapport entre l’effet de substitution et l’effet de demande, qui varie selon les secteurs et les périodes. C’est une question empirique, à réévaluer au fil des données.