La présente étude se concentre sur le premier problème car nous nous interrogeons essentiellement sur le rôle des TIC. Les deux autres questions font intervenir un ensemble beaucoup plus large de modifications des structures économiques, qu’il s’agisse des transformations du marché du travail, de la libéralisation financière ou encore de la mondialisation des échanges. Les TIC ne sauraient expliquer à elles seules tous ces bouleversements, mais, s’il est possible de démontrer qu’une véritable révolution technologique est à l’œuvre, il devient pertinent de s’interroger sur la « nouvelle économie » en étudiant les modifications du fonctionnement de l’économie qui sont directement liées à l’apparition et au développement des TIC.

Il y a de bons arguments théoriques à l’appui de la thèse selon laquelle une véritable révolution technologique serait à l’œuvre. En effet, les théoriciens de la croissance endogène ont récemment construit des modèles permettant de mieux comprendre pourquoi la diffusion d’un nouveau paradigme technologique [2] peut générer des cycles économiques : les modèles d’innovation générique (General Purpose Technologies). Ces travaux montrent qu’un ralentissement initial de la croissance peut, dans certains cas, constituer une preuve de la profondeur du changement technique en cours, parce qu’il témoigne de l’apparition d’une innovation générique. Une innovation est qualifiée de générique si elle donne lieu à un bouleversement général des manières de produire et de consommer, et si ce bouleversement se produit grâce à une succession d’innovations secondaires destinées à exploiter les opportunités offertes par l’innovation originelle. La faiblesse initiale des gains de croissance peut alors faire croire à un « paradoxe de productivité » au sens de R. Solow, alors qu’elle traduit simplement les coûts transitoires de la réallocation des facteurs de production entre l’« ancienne » et la « nouvelle » économie.

Les éléments empiriques susceptibles de venir soutenir ce point de vue restent cependant encore assez fragiles. S’il ne fait plus guère de doute aujourd’hui qu’il y a bien eu une rupture du trend de croissance de la productivité du travail ainsi que de la productivité globale des facteurs depuis 1995 aux États-Unis, la part de ces gains expliquée par la diffusion des TIC ne fait pas l’objet d’un consensus. En outre, ce constat est loin d’être généralisable à tous les pays. Dans le cas de la France par exemple, aucune étude sur données agrégées n’a réussi à ce jour à mettre en évidence un tel phénomène. Quelques études sur données sectorielles ou individuelles parviennent bien à mettre en évidence un impact favorable des TIC sur la productivité globale, mais elles restent peu nombreuses et assez fragiles dans leurs spécifications.

Dès lors, le débat sur la « troisième révolution industrielle » gagnerait à répondre aux nombreuses questions qui se posent encore, aussi bien dans le cas de la France que pour les États-Unis : dans quelle fourchette se situe l’impact des TIC sur la productivité globale des facteurs ? Quelle est la vraie contribution des TIC à la croissance ? Y a-t-il des éléments empiriques suggérant que la France commencerait à tirer quelques bénéfices de la diffusion des TIC ? L’impact favorable des TIC n’est-il pas limité, aussi bien en France qu’aux États-Unis, aux secteurs d’activités « producteurs » de TIC, comme l’affirme R. J. Gordon ? Pourquoi commence-t-on tout juste à percevoir les bienfaits d’une révolution technologique entamée dans les années 1960 ?

Pour répondre à ces questions, nous proposons dans un premier temps quelques éléments de clarification sur le concept de « nouvelle économie », en tentant de répondre à deux questions : quelle est la bonne définition du phénomène ? Quelle est son ampleur ? Ces précisions sont faites d’abord sur un plan pragmatique puis sur un plan théorique. La prudence qui ressort de cette première partie est volontaire et met en évidence la difficulté à bien cerner les phénomènes en cours. Elle résulte également de la rapide évolution de la littérature d’un discours plutôt sceptique manquant de recul statistique vers un discours plus optimiste s’appuyant sur les données empiriques les plus récentes. La deuxième partie de notre article, consacrée aux aspects empiriques, rend compte de ce changement, et est de ce fait assez optimiste. Une comparaison des processus de diffusion des TIC en France et aux États-Unis y est faite, en évaluant l’impact des TIC sur les gains de productivité. Nous rappelons pour cela les résultats de certaines études concernant les États-Unis, et nous effectuons ensuite une étude économétrique de l’impact des TIC sur la productivité de 51 secteurs de l’industrie française, de manière à évaluer la part qui revient aux TIC et celle qui revient à d’autres facteurs relatifs à l’organisation du travail.

1
Comparaison des deux dernières années de croissance de chaque cycle américain

Les calculs de contribution des TIC à la croissance donnent une fourchette assez large d’estimations, résultant essentiellement des différences de méthodes et dans une moindre mesure des différences de champ et de période couverts. Toute comparaison de ces chiffres doit donc être faite avec prudence. La méthode la plus directe, et la plus simple sur le plan empirique, évalue la part de croissance expliquée par la croissance du secteur des TIC. Le Département du commerce américain (2000) estime ainsi que les TIC expliquent, en moyenne sur 1995-1999, 1,3 point de croissance par an. L’INSEE (2000) estime à 0,4 point de PIB le supplément de croissance apporté par les TIC à la croissance française en 1998. Une seconde méthode, plus élaborée, est celle de la comptabilité de la croissance de Denison (1985) [3]. Selon cette approche, la contribution à la croissance d’un facteur de production s’exprime comme le produit du taux de croissance du stock de capital de ce facteur par sa part de rémunération dans le revenu total. Ce flux de revenu est lui-même égal au produit du stock de ce facteur par son taux de rendement brut.

Les premiers résultats sur données américaines de Sichel (1997) évaluaient, sur la période 1987-1993, à seulement 0,15 point par an la contribution du seul matériel informatique. Sur la période 1996-1999, selon les calculs d’Oliner et Sichel (2000), cette contribution atteint 0,6 point par an, soutenue par la forte croissance du stock d’ordinateurs et par une rentabilité élevée [4]. Dans l’absolu, cette contribution est faible, mais compte tenu de la faible part du stock d’ordinateurs dans le stock total de capital (1,4 % en 1999), elle est plutôt élevée. La contribution de l’ensemble des TIC à la croissance est quant à elle évaluée à 1,08 point par an. Cette et alii (2000b) ont adopté cette approche pour l’économie française. Leurs calculs révèlent une contribution des TIC à la croissance française de 0,3 point par an sur l’ensemble de la période 1967-1999. Sur les années les plus récentes (1995-1999), la contribution augmente légèrement à 0,43 point par an. La contribution du seul matériel informatique est de 0,17 point par an. La contribution des TIC à la croissance est bien plus forte aux États-Unis quelle que soit la période couverte, et sur les dernières années, l’écart ne fait que s’accentuer, ce qui confirme la plus grande rapidité de diffusion des TIC dans ce pays. Ce double constat est aussi valable pour les autres pays du G7 (tableau 2).

2
Contribution des TIC (hors logiciels) à la croissance dans les pays du G7

La comparaison des données américaines et françaises confirme que les TIC occupent une place bien plus importante dans la dynamique du capital fixe productif aux États-Unis qu’en France (tableau 3). Alors qu’en 1970, les ordinateurs (matériels informatiques) comptaient dans chaque pays pour environ 4 % de l’investissement hors bâtiments (en valeur), à la fin des années 1990, la part américaine est quasiment le double de la part française. L’écart est moins marqué pour les logiciels, mais la progression a quand même été plus importante aux États-Unis qu’en France. Quant aux matériels de communication, le profil est similaire. Les deux pays n’ont pas non plus engagé en même temps leur effort d’investissement. Aux États-Unis, la progression de la part des investissements en TIC dans l’investissement hors bâtiments s’est faite en deux sauts : le premier date des années 1980 avec l’utilisation croissante des ordinateurs personnels ; le second des années 1990, voire même de la seconde moitié des années 1990, avec le développement de l’Internet. En France, la première vague n’apparaît pas vraiment, et la seconde est moins marquée qu’aux États-Unis. Le saut se situe plus tard, vers la fin des années 1990.

3
Dépenses d’investissement en TIC en France et aux États-Unis

La plus forte contribution des TIC à la croissance américaine peut s’expliquer par le décalage conjoncturel entre les deux pays, et l’orientation plus favorable de la croissance en France pourrait progressivement le combler. Les différences institutionnelles qui existent entre les deux pays jouent certainement, mais Boyer (2000) met bien en évidence qu’il n’existe pas un modèle de croissance unique en soulignant les performances des pays scandinaves et de l’Irlande. Selon l’OCDE (2000), l’économie américaine bénéficie quand même d’un environnement « favorable à l’innovation et réceptif aux nouvelles technologies », caractérisé par une concurrence assez soutenue, un secteur des télécommunications déréglementé, des liens étroits entre chercheurs et entreprises, un accès facile au capital humain et au capital-risque, de faibles contraintes administratives dans la création et la conduite d’une entreprise, un penchant naturel pour l’entreprenariat et la prise de risque, et son corollaire, l’acceptation de la faillite.

Selon la version « croissance à long terme », la « nouvelle économie » est simplement synonyme d’une économie qui peut croître plus vite sans tensions inflationnistes grâce à des gains tendanciels de productivité (du travail et globale) plus élevés, issus de l’utilisation des TIC. Concrètement, cela signifie que le taux de croissance potentielle de l’économie américaine est nettement supérieur au chiffre de 2,5 % habituellement retenu. Selon la version « cycle », la « nouvelle économie » est une économie caractérisée par un changement de l’arbitrage de court terme entre inflation et chômage. La mise en défaut de la courbe de Phillips est le résultat de changements structurels, ordonnés par l’informatisation et la globalisation, affectant le fonctionnement du marché du travail et permettant une baisse du NAIRU en deçà de 5 %. Une interprétation extrême de cette version est que la « nouvelle économie » est une économie a-cyclique [5]. Selon la version « sources de la croissance », la « nouvelle économie » est une économie qui s’appuie sur un modèle de croissance économique complètement différent [6]. L’approche économique conventionnelle voit la croissance comme la résultante de l’accumulation des facteurs de production et du progrès technique dans un monde où les rendements d’échelle sont à peu près constants. Au contraire, dans la « nouvelle économie », de nombreux secteurs bénéficient de rendements croissants. Ils sont rendus possibles d’une part, parce que, même si les frais fixes sont importants, les coûts variables sont faibles, ce qui incite à augmenter le plus possible la production. Et d’autre part, surtout parce que des effets de réseaux existent. Dans une économie de réseaux, « more creates more ». C’est-à-dire que la valeur d’un réseau aux yeux des participants est faible lorsque le nombre de ces participants est lui-même faible, mais elle augmente très rapidement en même temps que le nombre de participants augmente [7]. Un produit gagne d’autant plus en popularité qu’il est compatible avec d’autres et que ses spécifications technologiques deviennent la norme : l’Internet et la suite Office Microsoft en sont les meilleurs exemples.

Ces différentes approches fournissent chacune des éléments de réponse à la question de l’exceptionnel dynamisme de l’économie américaine, mais sans être complètement satisfaisantes. Elles manquent encore de fondements empiriques solides, même si en l’espace de deux ans (entre le moment où Stiroh a fait cette synthèse et l’année 2000), au moins la vigueur des gains de productivité s’est confirmée. La validité de la thèse de la « nouvelle économie », quelle qu’elle soit, ne sera vraiment testée que lorsque l’économie américaine sera confrontée à une récession (au sens d’une contraction du PIB pendant deux trimestres consécutifs). Mais plus on accrédite la thèse d’une « nouvelle économie », moins il est facile d’imaginer à quoi ressemblera cette première récession. Le lien entre globalisation, informatisation et fonctionnement du marché du travail reste plutôt flou. Surtout, il n’est pas nécessaire d’invoquer une baisse du NAIRU pour justifier la modération exceptionnelle de l’inflation. L’économie américaine a profité ces dernières années d’une succession de chocs d’offre positifs. Gordon (1998) illustre cela en comparant le cycle actuel, non pas avec le cycle des années 1960 comme cela est fait habituellement, mais avec celui des années 1970 pour mettre en évidence la symétrie des chocs qui ont marqué les deux cycles. Autant la croissance américaine des années 1970 a été ébranlée par les chocs pétroliers, autant celle des années 1990 a été soutenue par les crises asiatique de 1997 et russe de 1998 du fait de la baisse induite des taux longs et de la désinflation importée. Selon Brender et Pisani (2000), la qualité et la crédibilité du policy mix ont également joué un rôle majeur. Enfin, rendements croissants et effets de réseaux ne sont pas vraiment des phénomènes nouveaux. L’expérience des TIC n’est pas non plus unique, d’autres produits ayant vu leur prix baisser et leur qualité augmenter au fur et à mesure de leur diffusion. Comme le souligne Aglietta (2000), il est dans la nature même de la croissance économique de se développer de manière inégale, sous l’impulsion des secteurs les plus modernes. En ce sens, il y a toujours une « nouvelle économie » cohabitant avec une ancienne économie. Nous revenons sur cette question de la nouveauté des TIC dans la section suivante.

Entre ces critiques et l’apologie de chaque approche, une vision intermédiaire des événements est en partie possible. Si l’on ne peut nier le rôle des chocs d’offre et l’importance de l’accumulation de capital, on ne peut pas non plus complètement occulter les évolutions technologiques en cours et leur impact sur la productivité globale des facteurs. L’Internet et les TIC, sans changer radicalement le fonctionnement de l’économie, en rendent le fonctionnement plus efficient en introduisant plus de concurrence du fait de l’abondance de l’information et de la quasi-nullité des coûts de transaction. Mais, et c’est là qu’apparaît un véritable paradoxe de la « nouvelle économie », simultanément à cet accroissement de la concurrence, l’existence de rendements croissants implique au contraire moins de concurrence et l’apparition de monopoles. Ces incohérences de fond rendent difficile la réconciliation idéale des analyses présentées plus haut en une explication cohérente unique tenant compte de l’impact de la globalisation et de l’informatisation à la fois sur la croissance à long terme et sur les dynamiques à court terme du marché du travail.

En l’absence d’un modèle théorique complet de la croissance américaine des années 1990, on peut se satisfaire, pour définir la « nouvelle économie », de l’hypothèse empirique, semblant faire de plus en plus consensus, d’un PIB potentiel durablement plus élevé (qui implique une période de croissance vive pour l’atteindre). Elle est assez bien illustrée par ce propos récent d’Alan Greenspan (2000) : « La majeure partie de l’augmentation du niveau et du taux de croissance de la productivité depuis 1995 semble d’origine structurelle, tirée par des avancées irreversibles de la technologie et de ses applications ». Si l’on retient dorénavant comme tendance de long terme des gains de productivité le chiffre de 2,2 %, et pour la population active une tendance de 1,2 % de croissance par an, on a une hypothèse « basse » de taux de croissance potentielle de 3,4 %. Une hypothèse « haute » de 4 % est même envisageable si l’on retient comme tendance de long terme des gains de productivité le rythme des quatre dernières années (soit 2,8 %). Nous revenons dans la deuxième partie de cet article sur la durabilité des gains de productivité actuels.

Parmi ceux qui sont sceptiques à l’égard de la nouveauté et de l’intérêt des progrès technologiques actuels, il y a des nuances de discours. Sichel (1997) soutient que les progrès technologiques actuels ne sont pas sans précédent et s’inscrivent dans la continuité des développements passés. On ne doit donc pas en attendre un impact économique extraordinaire. Gordon (2000) considère que les ordinateurs et l’Internet ne « méritent » même pas d’être comparés à des innovations telles que l’électricité, le moteur à combustion ou encore plus récemment les biotechnologies. D’un autre côté, la révolution numérique n’est pas un épiphénomène : favorisée par un faible coût d’accès à la technologie, elle a un impact sur pratiquement toutes les activités et branches de l’économie. Brynjolfsson et Hitt (1998), Gelauff et de Bijl (2000) considèrent les TIC comme l’égal des innovations génériques précédentes puisqu’elles respectent leurs caractéristiques fondamentales. Ces technologies ont déjà fortement évolué mais de nombreuses possibilités restent encore à explorer, en particulier en matière de réseaux. La variété d’applications est grande lorsque l’on considère la pénétration des TIC dans des domaines tels que la navigation aéronautique, les scanners médicaux, les lecteurs de CD, les communications en général, le traitement de texte, etc. Il y a par ailleurs peu de sphères de l’activité économique où ces technologies ne sont pas présentes sous une forme ou une autre. Et enfin, la complémentarité avec d’autres innovations technologiques se reflète dans la grande variété d’applications mentionnée ci-dessus. Les TIC modifient également le processus de production, les techniques de marketing, l’intermédiation bancaire ou encore la façon de consommer. Le point de vue de Greenspan (1999) sur ces évolutions est également très proche de la définition d’une troisième révolution industrielle :

Les implications des TIC sont nombreuses et connues. Elles procurent une grande fluidité à la circulation de l’information tout au long de la chaîne de production, permettant une meilleure adaptation de l’offre à la demande. Cela permet une réduction du degré d’incertitude auquel sont confrontées les entreprises, et donc du risque lié à toutes activités marchandes. C’est pour préparer cette restructuration fondamentale des modes d’organisation industrielle que les entreprises investissent massivement dans les TIC. Les réseaux de communication mis en place grâce aux TIC, et l’Internet en particulier, rendent possible la coordination en temps réel des activités des différents pôles de décision d’une entreprise. Avec le développement du commerce électronique, les canaux intermédiaires de production et de distribution sont limités voire supprimés, impliquant un développement parallèle intense des structures de logistique. Les effectifs nécessaires et les coûts inhérents à cette coordination sont donc considérablement réduits. Les gains d’efficience apportés par cette restructuration sont typiquement des gains de productivité globale des facteurs.

Le fait que toutes les étapes (de la conception à la production) puissent être traitées quasi-simultanément et non plus les unes à la suite des autres permet de produire plus à des coûts inférieurs. Les coûts d’achat sont réduits grâce à une meilleure gestion des fournisseurs et à une réduction du coût de traitement des transactions. Ce sont d’ailleurs ces coûts d’approvisionnement qui pourraient être les plus réduits par le développement du commerce électronique entre entreprises [8]. Les coûts de production sont abaissés grâce à la réduction des temps de cycle [9], à la meilleure planification de la production, à la rationalisation de la logistique et des stocks. La meilleure gestion des fournisseurs évite à l’entreprise de stocker pour se prémunir contre les retards et les erreurs. Son temps de réaction aux variations de la demande en est amélioré, ce que reflète la baisse régulière, au cours du cycle actuel, du ratio stocks/ventes, ses coûts opérationnels sont réduits et donc ses profits augmentés. Elle maîtrise mieux ses propres délais de livraison : la remarquable stabilité de cet indicateur au cours du cycle actuel en est la preuve. Réduire le niveau des stocks permet une utilisation plus efficace des capacités de production. Cela autorise des économies d’investissement en bâtiments et en équipements industriels. Enfin, pour les entreprises de l’« ancienne économie », les coûts de marketing sont réduits car elles peuvent atteindre des clients nouveaux et traiter les clients existants plus efficacement et à plus grande échelle. La réduction de ces différents coûts peut finalement être répercutée sur les prix aux clients.

Ces travaux théoriques permettent en effet de préciser la nature des mécanismes conduisant de l’innovation à un éventuel supplément de croissance et, ce faisant, ils donnent des indications sur ce qui peut être considéré comme réellement nouveau dans la « nouvelle économie ». D’autre part, les modélisations récentes de la croissance se sont appliquées à mieux prendre en compte les dynamiques transitionnelles qui apparaissent lors d’une innovation générique. Dans ce type d’approches, l’analyse ne se focalise plus tant sur la genèse d’une croissance soutenue à long terme que sur l’explication des cycles longs et de la déconnexion entre l’apparition des innovations et l’élévation du taux de croissance. Il est alors possible d’en tirer des scénarios de diffusion et de les confronter à la réalité.

Nous tentons dans un premier temps de dégager ce que les modèles de croissance « standards » peuvent nous apprendre sur la nature de la « nouvelle économie ». Nous analysons dans un second temps l’apport des modèles plus récents d’innovation générique.

Les premières théorisations du phénomène d’« apprentissage par la pratique » élaborées dans le cadre défini par Arrow (1962) et Sheshinski (1967) ont montré qu’une croissance durable pouvait provenir de la diffusion des connaissances générée par l’utilisation du facteur travail. L’accroissement de l’efficacité productive résulte alors de l’expérience pratique accumulée par les salariés.

De manière similaire, D. Romer a montré que la croissance peut être favorisée par un accroissement du stock global de savoir-faire lié à un phénomène d’« apprentissage par l’investissement ». Cette idée est formalisée par Romer (1986) au travers de l’hypothèse selon laquelle l’accumulation de capital de chaque firme prise isolément accroît le stock de connaissance de la société dans son ensemble [10], ce qui permet une hausse de l’efficacité du travail dans chaque firme. Si cette hypothèse est vérifiée, l’effet des rendements décroissants au niveau de la firme peut être compensé par les effets bénéfiques de la diffusion des connaissances au niveau global : une croissance durable peut alors exister sans que se produise le moindre progrès technique exogène. Il en est ainsi parce que l’accumulation de capital accroît le stock global de savoir-faire des travailleurs. Cela se traduit, par exemple, par des progrès dans l’organisation du travail réalisés à l’occasion de l’arrivée d’un nouvel équipement, ou encore des améliorations de la sécurité ou de la qualité mises en place elles aussi à l’occasion de l’installation d’un nouveau matériel. Dès lors, même si les machines qu’ils utilisent ne sont pas plus performantes, les travailleurs sont capables d’en tirer une production accrue grâce à ce supplément de savoir-faire généré par leur expérience grandissante. Cette croissance auto-entretenue ne peut cependant exister que si les connaissances nouvelles acquises par les travailleurs au niveau d’une firme donnée peuvent être mises gratuitement et immédiatement à la disposition des autres firmes.

Ces premiers modèles de « learning by doing » fournissent des éléments de réflexion intéressants. A première vue, ils semblent indiquer que le point crucial est bien plus la façon dont les connaissances sont extraites et diffusées que la nature du capital accumulé par les firmes. En effet, si l’on admet leurs hypothèses, on est tenté de conclure que c’est la fluidité de la diffusion du savoir-faire qui génère de la croissance entretenue, la nature des techniques mises en œuvre important finalement assez peu. En un sens, ce type de conclusion semble assez vraisemblable au regard de la comparaison internationale des performances de croissance : on peut penser que les écarts de réussite sont bien moins liés à des choix technologiques profondément différents qu’à la manière dont les différentes nations ont su saisir les opportunités ouvertes par les arrivées successives d’équipements nouveaux, en diffusant les connaissances nouvelles incorporées dans ces équipements. On serait alors tenté de conclure que ce sont les conditions de l’acquisition des savoirs qui importent, de sorte que les ordinateurs et l’Internet n’auraient pas de vertus particulières en comparaison d’autres innovations. Néanmoins, la séparation n’est pas aussi nette que cela : le choix entre l’Internet et le minitel a pu sembler provisoirement sans conséquence lorsque le second offrait autant d’opportunités de nouveaux services que le premier. La question fondamentale était alors seulement : avec quelle rapidité les utilisateurs potentiels sont-ils susceptibles de s’approprier cette technologie ? Cependant, lorsque la rapidité de transmission des données et la diversité des usages devinrent des éléments cruciaux, le minitel sembla buter sur une contrainte technique. Le problème était alors qu’il n’y avait plus de possibilité d’inventer des usages nouveaux, pour des raisons techniques. Cela montre que savoir-faire et progrès technique se stimulent mutuellement.

En soulignant que l’augmentation du stock de connaissances est un facteur essentiel de la croissance, les travaux qui viennent d’être décrits pourraient, d’une certaine manière, donner des arguments pour défendre l’idée selon laquelle l’Internet n’est pas une innovation technologique comme les autres. On peut penser en effet que la rapidité de diffusion des connaissances est considérablement accrue par cette technologie qui réduit si fortement le coût de l’information [11]. Néanmoins, les tentatives de validation empirique de ces modèles de « learning by doing » à la Romer conduisent à relativiser ce point de vue. En effet, ces études montrent que l’accroissement du stock de connaissances est positivement influencé par l’accumulation de capital physique, mais il y a peu de résultats similaires en ce qui concerne l’accumulation de capital immatériel. Si l’on comprend bien que l’adaptation à un nouvel équipement oblige les salariés à envisager des manières de travailler plus efficacement, on voit mal comment des firmes du secteur tertiaire — dont le capital est essentiellement composé de marques ou de portefeuilles de clients — pourraient bénéficier de tels phénomènes. En outre les processus d’apprentissage par la pratique mis en avant par Arrow suggèrent que l’apprentissage dérive de l’expérience. De ce point de vue, la « nouvelle économie » n’a peut-être pas toutes les qualités qu’on lui prête, pour au moins deux bonnes raisons : d’une part la précarisation des emplois n’est certainement pas un facteur facilitant l’acquisition de l’expérience et du recul nécessaire pour pouvoir être en mesure de suggérer des améliorations de méthode. D’autre part, la vitesse avec laquelle les logiciels et autres outils multimédia deviennent obsolètes n’est certainement pas un facteur d’accélération des processus d’apprentissage par l’expérience, même si elle sollicite beaucoup la faculté d’adaptation des salariés.

Dans les modèles d’innovation de produit, le produit nouveau peut être soit un bien intermédiaire intervenant dans la fonction de production, soit un produit final intervenant dans l’indice de satisfaction des consommateurs. Ce second cas ne mène pas à des conclusions fondamentalement différentes du premier en ce qui concerne notre analyse des fondements théoriques de la « nouvelle économie » [13]. Nous nous concentrons donc sur le modèle à variétés de biens intermédiaires [14].

Dans ce cas, ce sont les propriétés de la fonction de production qui sont à l’origine de l’existence d’une croissance endogène : les rendements sont non décroissants lorsque l’augmentation de la quantité de biens intermédiaires utilisés découle d’une augmentation du nombre de biens intermédiaires, la quantité de chaque bien intermédiaire utilisée par les firmes étant donnée. De manière simplificatrice, l’innovation est supposée apparaître selon un processus déterministe : un effort déterminé aboutit avec certitude à une innovation, c’est à dire à l’apparition d’un nouveau type de bien intermédiaire. Chaque producteur de bien final a accès aux biens intermédiaires nouveaux ; l’inventeur de biens intermédiaires nouveaux obtient un brevet qui le place dans une situation de monopole.

L’hypothèse selon laquelle l’efficacité productive serait améliorée par l’augmentation du nombre de biens intermédiaires disponibles est loin d’être une vue de l’esprit. On peut en effet comprendre que l’élargissement de la gamme des biens intermédiaires disponibles permet une meilleure adéquation entre la nature du bien utilisé à un moment donné du processus de production et la nature de la tâche qui doit alors être effectuée. Par exemple, l’utilisation d’un ordinateur connecté à l’Internet permet aujourd’hui de transférer des textes sans l’usage d’aucun support matériel. Cela permet d’économiser du papier, de l’encre et du temps, chaque fois que la diffusion d’un texte ne requiert pas de support papier. Les anciens biens intermédiaires (photocopieuses, fax, enveloppes, véhicules de transport, etc.) ne sont donc plus utilisés que lorsque cela est strictement nécessaire. Il y a donc accroissement de l’efficacité productive grâce à l’augmentation du nombre de biens intermédiaires disponibles et à la plus grande spécialisation de chacun d’entre eux.

Une des propriétés essentielles des modèles d’innovation de produits est que le taux de croissance de long terme s’élève lors d’une baisse du coût d’invention des produits nouveaux car la hausse du profit de monopole accroît l’incitation à inventer. Ils se caractérisent aussi par la présence d’un effet d’échelle, c’est à dire que le taux de croissance est une fonction croissante de la taille de l’économie, représentée ici par la quantité de main-d’œuvre disponible. Cet effet provient du fait qu’une augmentation de la quantité de main-d’œuvre disponible permet de répartir le coût fixe de création d’un produit nouveau sur un plus grand nombre de produits vendus. Il ne doit pas être interprété comme un impact positif de la taille de la population ou de l’ampleur de la production nationale sur la croissance de long terme, car ceci est loin d’être vérifié empiriquement. Il faut plutôt considérer qu’il s’agit là d’une illustration de l’impact positif de la taille du marché (i.e. de l’importance de la demande solvable). Cette relation entre la taille des marchés et la croissance de long terme semble particulièrement pertinente pour comprendre la période de croissance actuelle : la mondialisation peut en effet être comprise comme un stimulant très puissant des innovations.

L’interprétation qu’il faut retirer de ces analyses théoriques est, une fois encore, nuancée en ce qui concerne la part attribuable au seul facteur technologique. On peut ainsi citer nombre d’autres facteurs ayant joué un rôle au moins aussi important : l’apparition d’une demande solvable des pays d’Asie du Sud-Est, de certains pays de l’Est et d’Amérique latine ; l’homogénéisation des espaces monétaires ; le développement des firmes multinationales et des entreprises-réseau (Reich 1991 ; Lafay, 1997). Tous ces éléments ont conduit à une intensification remarquable des échanges de biens et services et de la circulation des capitaux : la part des échanges courants dans le PIB mondial a plus que doublé en 30 ans ; les flux mondiaux de capitaux ont connu quant à eux une évolution explosive. Le constat empirique semble donc assez conforme au modèle théorique d’élargissement de la taille du marché. Les ordinateurs sont loin de tout expliquer. Par contre, l’idée d’un impact favorable de l’Internet trouve un soutien théorique assez solide dans ces modèles reliant taille des marchés et croissance puisque n’importe quel produit ou service vendu sur la toile dispose de fait d’un marché potentiellement mondial. Néanmoins, la part du commerce électronique dans les échanges nationaux et internationaux reste pour l’instant tout à fait minime [15].

L’autre grande catégorie de modèles décrivant le lien entre innovation et croissance — les modèles d’innovation de procédé — donne des résultats assez similaires en ce qui concerne l’impact du coût de la R&D et de la taille des marchés. Ces modèles apportent cependant un élément supplémentaire pour comprendre les ressorts de la croissance, puisqu’ils formalisent la notion schumpetérienne de « destruction créatrice » en décrivant l’obsolescence des produits anciens de qualité inférieure (Aghion et Howitt, 1998). Ces modèles prennent en effet en compte une externalité négative provenant de l’obsolescence des biens intermédiaires anciens provoquée par une innovation : on parle alors de « business-stealing effect » parce que les producteurs de l’innovation précédente n’ont pas le temps d’exploiter pleinement les rentes de monopole qu’ils s’étaient créées. Cette manière de formaliser le phénomène de destruction créatrice permet de rendre compte des difficultés générées par la rapidité avec laquelle les nouvelles technologies remettent en cause le pouvoir de marché de certaines firmes : il suffit pour s’en convaincre d’observer ce qui se passe actuellement dans l’industrie du disque avec l’apparition du format de compression MP3 et de sites comme Napster.

Cette idée selon laquelle l’impact favorable des innovations pourrait être atténué par des externalités négatives est approfondie dans une génération récente de modèles de croissance : les modèles de General Purpose Technologies (GPT).

Si l’on admet que les ordinateurs et l’Internet sont bien des innovations génériques, il est utile de recourir aux travaux utilisant le concept de General Purpose Technologies dans des modèles avec dynamique transitionnelle. Cela permet de comprendre précisément ce qui fait problème dans l’apparition d’une innovation générique : l’existence d’une période critique au cours de laquelle l’innovation est coûteuse en terme de croissance.

L’annexe I décrit un modèle de croissance avec innovations génériques construit par Helpman et Trajtenberg (1994). Cette génération de modèles reprend des fonctions de production avec variétés de biens intermédiaires, de sorte que la croissance est toujours reliée à des phénomènes d’allongement du détour de production. Cependant, les variétés de biens intermédiaires (ou « composants ») sont attachées à différentes générations de technologies. Chaque type de technologie est générique en ce sens qu’elle incite à produire des biens intermédiaires nouveaux. La dynamique de la croissance est alors rythmée par un processus en deux phases : soit Δ l’intervalle de temps entre deux innovations radicales, soit Δ₁ la longueur de la phase d’invention de composants nouveaux sans utilisation de ceux-ci (phase 1) et soit Δ₂ la longueur de la phase d’utilisation des composants de la nouvelle génération (phase 2). Une technologie générique i apparaît au début de la période D₁ et des investissements en R&D sont effectués pour inventer des composants nouveaux utilisant cette technologie i. Les ressources consacrées à l’invention de ces nouveaux biens intermédiaires sont prélevées dans le secteur de production des biens finaux, ce qui conduit à un ralentissement de la croissance de ce secteur. Lorsqu’un nombre suffisamment grand de biens intermédiaires de nouvelle génération ont été inventés, la production des biens intermédiaires de nouvelle génération commence et la nouvelle technologie est adoptée dans le secteur de production des biens finaux. L’usage et la production de tous les biens intermédiaires de type i-1 sont abandonnés. La R&D utilisant le paradigme technologique i se poursuit, de sorte que le nombre de biens intermédiaires du type i continue à s’accroître jusqu’au moment où une nouvelle innovation générique apparaît.

Cette représentation du processus de diffusion des innovations permet de proposer une explication du paradoxe de productivité. Elle implique en effet l’enchaînement suivant : lorsqu’une innovation générique apparaît, son exploitation dans le secteur des biens finaux n’est pas immédiatement rentable : il faut qu’il existe un nombre suffisant de biens intermédiaires utilisant cette technologie pour que l’abandon des anciennes techniques soit justifié. Ainsi, lorsque les premières ampoules électriques sont apparues, il est devenue théoriquement possible de faire tourner les usines la nuit. Mais cela n’est devenu économiquement rentable que lorsqu’il a existé suffisamment de machines capables d’utiliser l’énergie électrique pour fonctionner en permanence. C’est seulement à partir de ce moment qu’il est devenu intéressant d’utiliser l’électricité dans l’ensemble de la chaîne de production, de manière à exploiter la souplesse permise par cette nouvelle forme d’énergie. Sans doute en est-il de même en ce qui concerne les ordinateurs et l’Internet : l’informatisation et la mise en réseau ne sont pleinement rentables que lorsqu’il existe un nombre suffisant d’équipements susceptibles d’être connectés entre eux, ce qui permet d’exploiter pleinement l’effet de réseau.

La mobilisation de ressources dans la recherche et développement constitue donc un préalable à l’exploitation des bienfaits d’une innovation radicale : elle permet de produire les innovations secondaires nécessaires à l’exploitation des possibilités techniques ouvertes par l’innovation générique. Cette mobilisation n’est possible que s’il existe des rentes de monopole pour les innovateurs qui se consacrent à la production des biens intermédiaires nouveaux. Ce déplacement des ressources conduit à un ralentissement de la croissance dans le secteur des biens finaux. Néanmoins, ce ralentissement est plus que compensé dans la phase d’exploitation de la nouvelle technologie.

Cette conception du progrès technique a l’intérêt de fournir une réponse originale aux débats actuels sur la localisation des gains de productivité liés aux TIC. En effet, face aux économistes qui prétendent que ceux-ci seraient uniquement localisés dans les secteurs producteurs de nouvelles technologies, les modèles de General Purpose Technologies proposent une vision quelque peu différente. Supposons que, dans ces modèles, le secteur producteur de TIC soit représenté par les entreprises produisant les biens intermédiaires tandis que le secteur utilisateur est constitué de celles qui produisent le bien final. Dans ce cas, le modèle indique qu’une quantité plus grande de bien final peut être produite avec la même quantité globale d’inputs, pourvu que le nombre des composants intermédiaires s’accroisse. En conséquence, la productivité globale des facteurs peut s’accroître dans les secteurs utilisateurs même si elle n’est pas modifiée dans les secteurs producteurs.

Greenwood et Jovanovic (1998) ont proposé une analyse donnant une autre interprétation du problème de la diffusion des secteurs producteurs vers les secteurs utilisateurs et permettant d’en comprendre l’éventuelle lenteur. L’annexe II présente une partie de leurs hypothèses. Ils utilisent le modèle à générations de capital proposé par Solow (1960) de manière à distinguer le secteur où le capital est produit de celui où il est utilisé pour produire le bien final. Le progrès technologique a lieu dans le premier secteur et la diffusion à l’ensemble de l’économie se fait par une « externalité pécuniaire », la baisse du prix des biens d’équipement. Ce cadre a l’intérêt d’être cohérent avec le constat de R. Gordon selon lequel les gains de productivité globale seraient essentiellement localisés, pour l’instant, dans les secteurs producteurs de nouvelles technologies. Il permet aussi d’analyser les effets potentiels de la baisse du prix des biens d’équipement.

Les auteurs démontrent eux aussi que l’adoption d’un nouveau paradigme technologique peut conduire à un ralentissement provisoire de la croissance. L’intérêt principal de leur démarche est de montrer que les effets positifs des externalités de réseau — telles qu’elles sont décrites par exemple dans la loi de Metcalfe — ne fonctionnent pas immédiatement, à cause de délais d’apprentissage et de diffusion. Plus précisément, ils montrent que les effets bénéfiques de ces externalités, ainsi que ceux liés à l’apprentissage par la pratique, sont dans un premier temps contrecarrés par deux types de phénomènes. Le premier est l’existence d’un progrès technique trop rapide obligeant à passer beaucoup de temps dans des activités d’apprentissage, alors qu’il est aussi nécessaire d’assimiler les savoirs en les utilisant dans l’activité de production (1^er terme du membre de droite de l’équation 3). Le second provient des délais inhérents à la diffusion de tout produit nouveau (cycle de vie des produits). Ces délais impliquent que les externalités de diffusion ne donnent leur plus grand bénéfice que lorsque les produits du nouveau paradigme atteignent leur phase de maturité (second terme du membre de droite de l’équation (3)). De ce fait, la notion de « second mover advantage » semble trouver ici une validation formelle : il n’est pas nécessairement bon d’adopter un nouveau paradigme technologique en premier, puisque l’on risque alors d’être dans la situation où les coûts d’apprentissage dépassent encore les gains liés aux externalités de diffusion. Par contre, il semble que ce modèle ne permette pas véritablement de trancher la question de l’origine des gains de productivité puisqu’il suppose que le progrès technique a lieu aussi bien dans les secteurs « producteurs » que dans les secteurs « utilisateurs » et puisqu’il impose cette croissance de la productivité de manière ad hoc.

Cette présentation de la littérature théorique montre la grande complexité des développements en cours [18]. La deuxième partie de cet article a maintenant pour objet de présenter les éléments empiriques susceptibles d’étayer ces affirmations théoriques.

Le débat sur la « nouvelle économie » est bien plus récent en France. Ce pays ne connaît une phase de reprise réelle de l’activité que depuis 1997, après plusieurs années de « croissance molle ». Cette croissance est certes vigoureuse et accompagnée d’une inflation limitée, d’une forte décrue du chômage et de gains de productivité horaire du travail de l’ordre de 2,7 % par an dans l’ensemble de l’économie et de 4,5 % par an dans l’industrie. Selon les données compilées par la Commission européenne (2000), la France apparaît même comme le seul pays de l’Union européenne à ne pas avoir vu ses gains de productivité du travail ralentir entre la première et la deuxième moitié de la décennie 1990. Néanmoins, le recul statistique reste encore insuffisant pour prendre la mesure des développements en cours. Les gains de productivité sont brouillés par des problèmes spécifiques (incitation à l’emploi de travailleurs non qualifiés, baisse de la durée du travail). De plus, ils sont largement expliqués par l’intensification de l’utilisation des facteurs de production qui caractérise toute phase de redémarrage. De même, le dynamisme de l’investissement productif (de l’ordre de 7 % l’an) n’a rien d’exceptionnel pour un début de cycle.

La comparaison des processus de diffusion des TIC dans les deux pays nécessite donc de mobiliser deux approches différentes. Nous précisons dans un premier temps, sur la base de la littérature américaine, les caractéristiques essentielles du processus de diffusion des TIC dans l’économie américaine, en révélant l’origine et la localisation des gains de productivité. L’analyse de la situation française se fera, elle, essentiellement sur la base de données sectorielles.

De nombreuses études ont tenté de répondre à ces questions. Leurs conclusions ont évolué en même temps que les comptes nationaux américains se développaient pour mieux prendre en compte le développement des TIC. En particulier, un des changements majeurs lié à la dernière révision quinquennale est le traitement des achats de logiciels comme investissement et non plus comme consommation intermédiaire, ce qui a automatiquement gonflé le PIB et donc la productivité [21]. D’où l’intérêt et l’importance de travailler sur les chiffres les plus récents. Selon les études américaines les plus récentes, l’accélération des gains de productivité horaire du travail semble durable, soutenue par un processus de diffusion des TIC. Non seulement les secteurs utilisateurs de TIC bénéficieraient d’une accélération des gains de productivité horaire du travail, mais aussi l’accélération de la croissance de la PGF ne serait pas limitée aux seuls secteurs producteurs.

Une telle diffusion incite à placer les TIC au même rang que les innovations génériques précédentes. Elle permet également d’envisager qu’un pays non producteur de TIC puisse s’engager, comme les États-Unis, dans un cycle de croissance vertueuse. La question du processus de diffusion des TIC des secteurs producteurs vers les secteurs utilisateurs est à ces égards un vrai débat économique, bien que, sur le plan empirique, sa pertinence soit en partie entachée par l’imperfection des outils statistiques disponibles.

Nous allons maintenant revenir plus en détail sur les résultats principaux des différentes études américaines, en les regroupant en trois types : les résultats en termes d’accélération des gains de productivité horaire du travail ; les résultats en termes d’accélération des gains de PGF ; les études sectorielles et la distinction secteurs utilisateurs / secteurs non utilisateurs de TIC. Il existe également une importante littérature, à partir de données d’entreprises, reliant impact des TIC sur la productivité et changements organisationnels : elle est présentée plus loin.

Gordon (1999, 2000) a une approche très particulière de la question, qui implique de trouver nécessairement une faible accélération des gains de productivité horaire du travail dans le secteur privé non agricole depuis 1995 par rapport à la tendance de 1972-1995 [22]. Il corrige en effet les gains récents non seulement du cycle (0,54 point), mais également de changements intervenus sur la mesure de l’inflation (0,14 point) et de l’amélioration de la qualité du facteur travail (0,05 point). Sachant que la tendance récente (1995:4-1999:4) des gains de productivité horaire du travail est de 2,82 % par an et la tendance de long terme (1972:2-1995:4) de 1,47 %, l’accélération des gains de productivité horaire du travail est de seulement 0,62 point (0,62 = ((2,82 – 0,54) – 1,47) – 0,14 – 0,05), contre un chiffre habituellement cité de plus d’un point. Il décompose cette accélération en une augmentation de l’intensité capitalistique, qui contribue à hauteur de 0,33 point, et une accélération de la PGF. Son originalité est de dire que cette accélération de la PGF s’explique uniquement par les gains de PGF dans le secteur producteur d’ordinateurs et de semi-conducteurs intégrés aux ordinateurs : la contribution est évaluée à 0,29 point. En dehors même des 12 % de l’économie que représente le secteur des biens durables manufacturiers auquel appartiennent les producteurs d’ordinateurs, il n’y aurait aucun effet des ordinateurs sur la croissance de la productivité globale des secteurs utilisateurs. Les 88 % restants de l’économie sont confrontés à une décélération structurelle de leurs gains de PGF, et à une accélération très réduite de 0,24 point des gains de productivité horaire du travail. D’où son diagnostic d’absence de diffusion et son scepticisme à l’égard de la « nouvelle économie ».

Sur le plan sémantique, notre définition de la diffusion diffère de celle de Gordon. Nous parlons de diffusion dès lors qu’il y a augmentation de l’intensité capitalistique liée à l’utilisation croissante des TIC, alors que Gordon parle à ce sujet uniquement d’un « effet direct », gardant le terme de diffusion pour l’effet des TIC sur la PGF des secteurs utilisateurs. Son langage est cohérent avec l’utilisation d’une fonction de production Cobb-Douglas où, mathématiquement, les externalités positives des TIC sont capturées par le terme de PGF (c’est-à-dire le progrès technique non incorporé). Mais, sur un plan plus qualitatif d’appréciation du phénomène de diffusion, l’accélération des gains de PGF peut être raisonnablement considérée plutôt comme une seconde étape dans le processus de diffusion que comme une condition nécessaire et suffisante, compte tenu des délais de diffusion et d’apprentissage.

De nombreuses études ont une telle approche, moins restrictive, du processus de diffusion, d’où une tonalité plus optimiste des conclusions (Oliner et Sichel, 2000 ; Jorgenson et Stiroh, 2000 ; CBO, 2000 ; Council of Economic Advisers, 2000 ; ou encore Whelan, 2000). L’ensemble de ces travaux met en évidence que l’accélération des gains de productivité horaire du travail, soit au cours de la deuxième moitié des années 1990 (plus 1 point environ), soit par rapport à une tendance de long terme (plus 1,4 point environ), est due à hauteur de la moitié voire des deux tiers à l’augmentation de l’intensité capitalistique liée à l’utilisation des TIC et aux progrès techniques réalisés par les producteurs (tableau 4). De manière assez étonnante, les résultats de Gordon sont dans le consensus.

4
Comparaison de différentes évaluations de la contribution des TIC à l’accélération des gains de productivité horaire du travail ^*

5
Décomposition des gains de productivité globale des facteurs

En ce qui concerne les secteurs producteurs d’ordinateurs, leurs gains élevés de PGF viennent pour une bonne part de la miniaturisation et de l’intégration des circuits qui permettent de réduire considérablement le nombre des opérations d’assemblage. Ce sont donc en fait surtout les progrès techniques réalisés au niveau des semi-conducteurs qui contribuent à la croissance de la PGF. Oliner et Sichel évaluent à 0,41 point cette contribution sur la période 1996-1999 [23], alors que celle des ordinateurs est estimée à 0,22. De même, la contribution à l’accélération des gains de PGF est plus importante (respectivement + 0,18 et + 0,9 point par an). Ces fortes contributions ne font que refléter l’accélération de la baisse du prix des ordinateurs de 15,8 % en moyenne entre 1972 et 1995 à 32 % entre 1995 et 1999. Elles sont surtout remarquables eu égard au faible poids de ces secteurs dans l’économie.

En revanche, en ce qui concerne les secteurs non producteurs, un calcul très approximatif d’Oliner et Sichel montre par exemple que l’impact du développement du commerce électronique sur les gains de PGF serait encore largement inférieur à 0,1 point par an entre 1996 et 1999. Non seulement les données empiriques, sur lesquelles nous revenons dans la section suivante, ne permettent pas de mettre en évidence un impact net des TIC sur la PGF des secteurs utilisateurs, mais surtout les résultats obtenus, en termes de localisation des gains entre secteurs producteurs et autres secteurs, sont sensibles à la méthode retenue pour le partage volume-prix de la valeur de l’investissement (encadré 2).

En fait, comme le soulignent Cette et alii (2000a), bien que l’accélération de la PGF soit concomittante à une accélération de la diffusion des TIC, aucune relation de causalité ne peut être réellement dégagée. Dans la mesure où les comptables nationaux prennent en compte, autant que possible, les effets qualité et les performances productives des TIC, une éventuelle relation causale rend compte à la fois des effets d’externalité (progrès technique non incorporé) mais aussi des erreurs de mesures résiduelles. Le choix d’une méthode pour le partage volume-prix influence fortement la mesure de la PGF. L’exemple suivant permet d’illustrer le problème. Soit un secteur producteur S1 et un secteur utilisateur S2. En 1990, dans le secteur S1, 100 travailleurs produisent une machine de valeur 100. Dans le secteur S2, 100 travailleurs et 1 machine produisent un bien de valeur 200. En 2000, la machine, toujours produite par 100 travailleurs dans le secteur S1, permet de produire 50 % de bien en plus. Au coût des facteurs, la machine vaut toujours 100 alors qu’aux services producteurs, elle vaut maintenant 200. L’impact sur la productivité est résumé dans le tableau 6.

6
Mesure des prix et impact sur la productivité

Selon la méthode aux coûts des facteurs, tous les gains de productivité sont concentrés dans le secteur utilisateur S2, alors que selon la méthode aux services producteurs, ils se situent surtout dans le secteur producteur S1 ; le secteur S2 ne fait aucun gain de PGF, mais réalise des gains de productivité du travail du fait d’une augmentation de l’intensité capitalistique, l’amélioration de la qualité de la machine étant incorporée au capital. Ce calcul, en revanche, ne prend pas en compte la possibilité que le secteur utilisateur S2 se réorganise pour mieux utiliser la machine, et donc dégage de réels gains de PGF. Dans la mesure où, en pratique, le partage réalisé en comptabilité nationale relève en général d’une logique aux coûts des facteurs, et, pour certains produits des TIC, de la mise en œuvre de méthodes hédoniques ou d’appariement, une interprétation correcte de la localisation des gains de PGF est impossible. Les résultats du tableau 5, mais aussi ceux présentés dans la section ci-dessous, doivent donc à cet égard être interprétés avec beaucoup de circonspection. La productivité du travail apparaît comme un meilleur indicateur de l’impact des TIC, puisqu’elle capte le progrès technique incorporé.

Les calculs de Jorgenson et Stiroh illustrent plus concrètement encore ces questions. Partant de l’idée que le rythme de baisse des prix des logiciels et des équipements de télécommunications est sous-estimé dans la comptabilité nationale américaine, ils calculent de nouveaux déflateurs, et montrent ainsi que tous les gains de PGF réalisés sur la deuxième moitié des années 1990 sont issus des gains réalisés dans les secteurs producteurs (tableau 5, chiffres entre parenthèses en italique). L’amélioration de la mesure des prix élimine les gains de PGF réalisés dans les autres secteurs : il n’y aurait aucune externalité positive liée à la diffusion des TIC (on est dans le cas de « prix mesurés aux services producteurs »). En revanche, en termes d’accélération des gains de PGF entre la première et la deuxième moitié des années 1990 (0,62 point), les contributions de chaque groupe sont similaires (0,2 point pour les secteurs producteurs et 0,4 point pour les autres secteurs). Ni le diagnostic d’une accélération partagée des gains de PGF, ni la forte accélération des gains de PGF dans les autres secteurs ne sont donc affectés par le changement de méthode d’évaluation des prix, ce qui est positif.

Selon les chiffres du Département du commerce américain, les gains de productivité horaire du travail chez les utilisateurs du secteur manufacturier ont été en moyenne de 2,4 % par an sur 1990-1997, contre 1,3 % chez les non utilisateurs. Cet écart n’apparaît pas au sein du secteur des services : les utilisateurs affichent en effet des pertes moyennes de – 0,3 % par an alors que les non utilisateurs affichent des gains de 1,3 % par an. Cherchant à corriger ce résultat en excluant de son calcul dix branches notoirement difficiles à mesurer, le Département du commerce aboutit à des gains de productivité de 1,6 % par an pour les secteurs utilisateurs et de 1,4 % pour les non utilisateurs. Les travaux de McGuckin et Stiroh proposent, en plus, une analyse sur plusieurs périodes. D’une part, l’accélération des gains de productivité horaire du travail depuis le début des années 1990 dans les secteurs utilisateurs du secteur manufacturier est importante (graphique 2) ; pour les secteurs utilisateurs du secteur non manufacturier, cette accélération est moins frappante. D’autre part, l’écart de gains de productivité entre les secteurs non utilisateurs et utilisateurs du secteur manufacturier s’est renversé au cours du temps et s’est fortement creusé au cours de la décennie 1990 ; cette différence de rythme de croissance de la productivité n’apparaît pas dans le secteur non manufacturier.

Bien qu’allant dans le sens de la démonstration (les TIC génèrent des gains de productivité chez les utilisateurs), ces résultats présentent deux biais. Le premier est que parmi les utilisateurs du secteur manufacturier, on trouve les deux branches « équipements et machines industriels » (qui comprend les producteurs d’ordinateurs) et « équipements électriques et électroniques » (qui comprend les producteurs de semi-conducteurs et d’équipements de télécommunications). Grandes utilisatrices des technologies qu’elles produisent, il est logique que ces branches appartiennent à cette catégorie, mais cela tire automatiquement les gains vers le haut. Les données les plus récentes indiquent par exemple des gains moyens par an de 8 % pour la branche « équipements et machines industriels » et de 11,5 % pour la branche « équipements électriques et électroniques » sur 1990-1998. Le second défaut vient de la distinction secteurs utilisateurs / secteurs non utilisateurs. Les différences de résultats avec le Département du commerce, pour des catégories a priori comparables, l’illustrent bien. Les classifications révèlent un certain arbitraire des critères (annexe III).

Jorgenson et Stiroh (2000) ont également adopté une démarche sectorielle pour déterminer dans quelle mesure l’accélération des gains de PGF dans les secteurs autres que producteurs tient aux TIC. D’après leurs données (qui n’intègrent pas la dernière révision des comptes américains), les gains de PGF, sur l’ensemble de la période 1958-1996, sont plus élevés chez les secteurs utilisateurs du secteur manufacturier et du secteur des services que chez les non utilisateurs. Mais cela masque une diversité des performances. En effet, les branches « finance, assurance et immobilier » et « services » affichent des pertes de PGF de – 0,2 % par an. Ce sont deux secteurs réputés pour les problèmes de mesure de leur production. La branche « commerce », également grande utilisatrice, affiche, elle, des gains de PGF de l’ordre de 1 % par an. Et compte tenu de son poids important, c’est elle qui contribue le plus aux gains de PGF (0,19 point de pourcentage sur 0,48 %), et symétriquement, c’est la branche « services » qui a la contribution la plus négative (environ – 0,07 point). Dans le secteur manufacturier, si les branches « instruments de mesure » et « verre et matériaux de construction » affichent bien des gains de PGF (de respectivement 1,1 et 0,4 % par an), la branche « imprimerie et presse » affiche des pertes (– 0,4 % par an). Dans les branches « équipements et machines industriels » et « équipements électriques et électroniques », les gains sont respectivement de 1,5 et 2 %.

Néanmoins, toutes les branches utilisatrices du secteur manufacturier pour lesquelles on dispose des données les plus récentes, ont connu une accélération de leurs gains de PGF (ou de moindres pertes) entre la première et la deuxième moitié des années 1990. En l’absence de chiffres récents pour le secteur des services, on ne peut dire si un tel mouvement est aussi visible pour les utilisateurs appartenant à ce secteur. Au bout du compte, trop d’éléments se compensent (certaines branches font certes des gains mais d’autres affichent des pertes importantes). L’ensemble de ces données ne permet pas d’avoir un diagnostic favorable quant à un lien entre les TIC et l’accélération des gains de PGF dans l’ensemble des secteurs autres que producteurs. En fait, tant que les problèmes de mesures ne seront pas levés, aussi bien les problèmes spécifiques à la mesure de la production de certains services que ceux soulevés plus haut en termes de convention comptable, la possibilité que l’impact des TIC sur les gains de PGF n’aille pas au-delà de ceux générés par le seul secteur producteur de TIC restera envisageable.

La durabilité de l’accélération des gains de productivité horaire du travail repose sur la poursuite de l’effort d’investissement et des gains de PGF. L’effort d’investissement est soumis en partie aux aléas de la conjoncture. La forte progression récente de la contribution des TIC à la croissance résulte de l’interaction entre une économie dynamique et des possibilités d’investissement ouvertes par la convergence entre les technologies des télécommunications et de l’ordinateur. Mais le développement attendu du commerce électronique et de l’Internet devrait continuer à stimuler la contribution des TIC à la croissance. La croissance de la PGF est soumise en partie à la durée de validité de la loi de Moore [25] qui sous-tend la forte baisse du prix des ordinateurs. Celle-ci viendrait à être moins rapide, et un élément essentiel du processus de diffusion disparaîtrait ou en tout cas jouerait moins. Néanmoins, si les innovations récentes sont des innovations génériques, il n’est pas déraisonnable de rester confiant à cet égard (une solution sera bien trouvée à l’expiration de la loi de Moore). D’autre part, abstraction faite des doutes que font peser les problèmes de mesure, la maturation de la deuxième étape du processus de diffusion (impact des TIC sur la PGF des secteurs utilisateurs) devrait également soutenir la croissance de la PGF dans l’ensemble de l’économie. Si des gains de productivité horaire du travail de l’ordre de 7 % en rythme annualisé, comme au deuxième trimestre 2000, ne sont bien sûr pas durables, une tendance de 2,5 % par an peut assez facilement être envisagée. Le cycle de croissance ne semble donc pas être menacé de ce côté-là.

L’existence d’une accélération des gains de productivité du travail et de PGF issue de l’utilisation des TIC permet d’envisager que des pays non producteurs puissent également tirer parti des avantages des TIC. Bien sûr, alors que ces technologies sont disponibles à l’échelle mondiale, l’absence actuelle de signes d’accélération de la croissance de la productivité dans de nombreux pays industrialisés fait douter de cette possibilité. Mais selon la théorie du commerce international, un pays qui produit moins de biens technologiques peut en en bénéficier tout autant que le pays producteur, si certaines conditions se trouvent remplies. Il faut que le pays producteur rétrocède effectivement au pays utilisateur une partie des gains de productivité obtenus dans la production des nouveaux biens et services, et, en outre, que le pays utilisateur mette en œuvre ces technologies dans les autres secteurs aussi efficacement que le pays producteur. Ensuite, dans la mesure où la divergence des performances est pour une part une question de retard technologique, la poursuite de la diffusion de ces technologies devrait soutenir à terme la croissance de la productivité dans ces pays [26]. Enfin, bien que les États-Unis aient un avantage décisif en tant que pays pionnier. Il y a aussi certains avantages à être « suiveur » plutôt que « leader » ou « first-mover ». Il est moins coûteux d’investir demain qu’hier du fait de la baisse du prix des équipements. On n’investit que dans ce qui marche. De plus, les réductions de coûts sont potentiellement très importantes compte tenu des rigidités des marchés européens et japonais : par exemple, plus la chaîne de distribution est longue, comme au Japon, plus les gains attendus du commerce électronique sont élevés. Comme le souligne le rapport du CAE (2000), l’important est de « savoir se servir » de ces technologies. Et même si leur utilisation est vraisemblablement d’autant mieux réfléchie que le pays a une grande connaissance de ces technologies en tant que producteur, il n’y a pas de raison objective pour que les autres pays n’y parviennent pas.

Le fait de ne pas encore détecter un impact favorable sur l’évolution de la productivité au niveau agrégé ne doit pas être considéré comme une preuve de l’absence d’effet des TIC, si leur diffusion ne concerne encore qu’un nombre limité d’entreprises, ou si ces entreprises n’ont pas encore un poids suffisant dans l’économie. On sait, en effet, que malgré la montée des investissements en TIC, le stock de biens d’équipement de nouvelles technologies représente encore une part relativement faible du capital total. C’est à cause de ce constat que la recherche empirique s’est orientée vers des évaluations économétriques utilisant des données désagrégées individuelles. Cependant, si ce constat devait rester définitif, il faudrait en conclure qu’il n’y a pas eu de diffusion de l’impact favorable des TIC et que les bons résultats obtenus sur données individuelles sont dus à un biais d’endogénéité : les entreprises les plus performantes s’équipent en TIC parce qu’elles ont des profits à réinvestir ; la causalité va donc de la productivité vers l’informatisation plutôt que dans le sens inverse. Seule une causalité allant de l’informatisation vers la productivité obtenue à un niveau sectoriel ou macroéconomique permettrait d’affirmer qu’il y a bien un processus de diffusion en cours.

Nous discutons tout d’abord brièvement les résultats d’études récentes qui semblent ouvrir des voies de recherche prometteuses ; nous effectuons ensuite une étude économétrique de l’impact des TIC et des changements organisationnels sur la productivité. Notre étude utilise des données sectorielles plutôt qu’individuelles, de manière à évaluer si un commencement de diffusion est, ou non, à l’œuvre.

Dans le cas de la France, Greenan et Mairesse (1996) étudient l’impact sur la productivité d’un taux d’équipement en informatique mesuré grâce à des données de sondages sur l’utilisation d’un ordinateur par les salariés [27]. Greenan et Mairesse trouvent que le coefficient reliant le taux d’équipement informatique au logarithme de la productivité du travail est de 1,15. Une fois prise en compte l’intensité capitalistique, il n’est plus cependant que de 0,80, et il devient non significativement différent de zéro lorsque la qualité de la main-d’œuvre est prise en compte. Ce résultat peut cependant provenir d’une mauvaise mesure de la qualité de la main-d’œuvre, car c’est le salaire moyen observé qui est utilisé comme indicateur de celle-ci. Il peut provenir aussi du fait que les données d’entreprises utilisées pour calculer la productivité sont des données en valeur : cela produit une sous-estimation de la productivité réelle des firmes si les gains de productivité sont répercutés en baisses de prix. Greenan (1996) montre de la même façon que les entreprises technologiquement innovantes ne bénéficient pas d’une croissance significativement plus élevée de leur productivité globale des facteurs. Néanmoins ces résultats peuvent, là encore, provenir de données comptables exprimées en valeur (données issues des déclarations de Bénéfices Industriels et Commerciaux, BIC). En outre, l’enquête « Changement organisationnel » de 1993 qui est utilisée dans cette étude ne donne qu’une vision très lacunaire des innovations technologiques en cours : elle ne quantifie en effet que l’utilisation des robots ou machines-outils à commande numérique. L’impact de l’usage des TIC n’est donc pas évalué.

Comme on l’a vu dans les développements des sections précédentes concernant les phénomènes de destruction créatrice, les délais d’apprentissage et les problèmes de mesure de la contribution des TIC, il se peut très bien qu’un impact favorable des TIC sur la productivité ne puisse pas être mis en évidence empiriquement dans les premiers temps du processus de diffusion. Cette prévision issue des modèles de General Purpose Technologies commence à bénéficier de quelques validations empiriques. Brynjolfsson et Hitt (1998) ont utilisé la base de données du magasine Fortune sur les 1000 premières firmes des États-Unis et montré ainsi que les gains de productivité les plus forts sont obtenus lorsque l’informatisation est combinée avec une organisation de la production en équipes autonomes. Bresnahan, Brynjolfsson et Hitt (1999) complètent ce résultat en montrant que la valeur des investissements en TIC est accrue lorsqu’ils sont associés à un accroissement de la qualification des salariés, une culture générale plus élevée et une plus forte délégation de la prise de décision au sein de l’entreprise.

Askenazy (2000) utilise quant à lui des données sur la fréquence des accidents du travail aux États-Unis, pour construire un taux d’accidents (nombre d’accidents pour 100 salariés) à un niveau sectoriel désagrégé (« 4-digit » de la comptabilité nationale américaine). Cet indicateur est mis en relation avec un indicateur de réorganisation construit, à un niveau plus agrégé, à partir de différentes données d’enquêtes sur l’adoption de nouvelles normes d’organisation du travail : il existe une corrélation positive significative entre l’indicateur de réorganisation et le taux de croissance du taux d’accidents du travail. Cette corrélation permet à l’auteur d’utiliser le taux d’accidents du travail comme indicateur de réorganisation (« réorganisation à chocs d’accident ») : il peut ainsi étudier le lien entre productivité et réorganisation à un niveau sectoriel très désagrégé, malgré l’absence de données sur la réorganisation à ce niveau. Une année de réorganisation est définie comme une année où le taux d’accidents s’accroît fortement et durablement. L’indicateur d’informatisation est l’investissement en informatique de l’année 1992 divisé par la production. Le taux de croissance moyen de la productivité globale des facteurs entre 1983 et 1994 est régressé sur ce proxy du taux d’équipement informatique, pour les firmes réorganisées et les firmes non réorganisées. Askenazy montre ainsi que l’informatique n’accroît la productivité que pour les firmes réorganisées. Il montre aussi que la décision de réorganiser le travail est indépendante des choix des entreprises en matière d’équipement informatique. La robustesse de ce résultat est renforcée par la très haute fréquence des données utilisées, mais l’on peut cependant s’interroger sur la pertinence de l’indicateur de réorganisation choisi.

En effet, considérer la croissance du taux d’accidents du travail comme un indicateur de réorganisation pose plusieurs problèmes : tout d’abord, cet indicateur est probablement très corrélé avec le dynamisme de la demande adressée aux différents secteurs industriels considérés. Sur une période de dix ans, il est possible que certains secteurs aient connu des tensions sur leurs capacités productives durablement supérieures à leur moyenne de plus longue période. Cette utilisation plus intensive des facteurs peut conduire à une croissance de la PGF plus élevée sur la période ainsi qu’à une plus forte croissance des accidents du travail, même si ces firmes n’ont pas réorganisé le travail. L’utilisation d’un indicateur direct de la réorganisation couplé à un indicateur de tensions sur les capacités permettrait de vérifier que ce n’est pas le cas. De manière plus fondamentale encore, on peut craindre que l’utilisation d’un indicateur de réorganisation trop indirect et trop synthétique ne conduise à une certaine circularité dans le raisonnement : s’il reflète un trop grand ensemble de changements organisationnels, il ne fait qu’exprimer l’usage des divers moyens dont les managers disposent pour intensifier l’usage du travail et du capital. On en vient alors à expliquer la productivité par un indicateur non conjoncturel de l’intensité d’utilisation des facteurs de production, ce qui revient à expliquer la productivité par la productivité. Ces réserves ne mettent cependant pas en cause la validité de cette approche, qui est largement corroborée par d’autres travaux du même type. Il reste néanmoins difficile de déterminer si l’impact positif des TIC dans les secteurs réorganisés est le résultat d’une plus grande exploitation de la main-d’œuvre, ou d’une meilleure organisation du travail, ou encore de l’efficacité intrinsèque des TIC.

A notre connaissance, aucun résultat concernant le lien entre l’impact des TIC et l’organisation du travail n’a encore été produit à partir de données françaises. Un certain nombre d’études suggèrent pourtant que les entreprises françaises sont entrées dans une phase d’intense modification de leur organisation du travail. Coutrot (2000) montre ainsi, en utilisant l’enquête REPONSE [28], que les pratiques cherchant à accroître l’implication des salariés dans l’effort productif tendent à se généraliser à la fois dans l’industrie et les services. Ces pratiques sont proches de celles qui se sont généralisées aux États-Unis. Celles qui ont le plus progressé entre 1992 et 1998 sont « les groupes ou cercles de qualité », les « groupes de projets », les « normes ISO » et l’organisation « juste à temps ». Par contre, les pratiques visant à remodeler les frontières de l’entreprise (sous-traitance, recentrage sur les métiers spécifiques) ont cessé de progresser, de même que celles cherchant à favoriser l’expression des salariés. En outre, il existe aussi des preuves très convaincantes de la forte interdépendance entre l’innovation technologique et les changements organisationnels qui sont actuellement en cours dans l’industrie manufacturière française (Greenan, 1996).

En ce qui concerne les données sur l’organisation du travail et l’usage des TIC, deux enquêtes récentes sont, à notre connaissance, disponibles : l’enquête REPONSE de la DARES et l’enquête COI du SESSI (Changements Organisationnels et Informatisation). La seconde porte sur les entreprises de plus de 20 salariés de l’industrie manufacturière, tandis que la première couvre tous les établissements de 20 salariés ou plus. Mais l’enquête COI fournit des indicateurs plus détaillés en ce qui concerne l’organisation du travail et l’usage des TIC. Les questions posées concernent en effet une plus large palette de dispositifs organisationnels et une plus large gamme d’usages possibles de l’informatique. C’est pourquoi nous avons préféré utiliser l’enquête COI. L’usage de ce type d’enquêtes nous semble être un bon moyen de dépasser les difficultés éprouvées par la comptabilité nationale dans l’appréhension de la diffusion et de la contribution des TIC. On obtient ainsi une mesure indirecte de la diffusion du capital informatique qui semble beaucoup moins instable que les évaluations directes, comme en témoigne la convergence des résultats des deux enquêtes REPONSE et COI dans leurs évaluations des taux d’équipement.

Au total, ces choix nous permettent de tester une équation de productivité sur 51 secteurs manufacturiers pour les deux années sur lesquelles porte l’enquête COI, 1994 et 1997. La spécification générale de cette équation est :

Le produit par tête est mesuré comme le rapport d’une valeur ajoutée sectorielle en volume sur des effectifs en équivalent temps plein. proxy_tu_it désigne la variable décrivant les tensions sur la capacité productive du secteur i à la date t. Étant donné la très mauvaise qualité des séries de taux d’utilisation des capacités à ce niveau de désagrégation, nous avons utilisé un proxy calculé comme l’écart entre le taux de croissance de la valeur ajoutée du secteur i à la date t et le taux de croissance moyen du secteur sur la période 1992-1998. En l’absence de séries de capital en volume suffisamment désagrégées, nous avons aussi utilisé une approximation pour le calcul du capital par tête, en faisant l’hypothèse qu’un nombre suffisant de secteurs sont sur leur trajectoire de croissance de long terme (voir annexe IV). ordi et orga sont les indicateurs d’utilisation des TIC et de changement organisationnel. Les séries utilisées sont décrites plus en détail dans l’encadré 3 ci-dessus.

Les tentatives d’évaluation de l’impact de l’usage de TIC sur la productivité à partir de données intégrant une dimension sectorielle se heurtent à plusieurs difficultés méthodologiques.

— Dans les régressions en coupe, un impact positif de l’équipement en TIC peut provenir d’un effet fixe inobservable et corrélé à l’usage des TIC : ce sera le cas par exemple si les secteurs les plus performants sont ceux qui motivent le mieux leurs salariés, et s’ils obtiennent cette motivation en leur offrant un équipement high-tech. Ce problème est qualifié de biais de simultanéité. Pour tenter de réduire l’ampleur de ce biais, il convient de voir si l’impact positif des TIC résiste à l’introduction de variables susceptibles de décrire des phénomènes sectoriels spécifiques. Parmi les effets sectoriels dont il est souhaitable de corriger les effets, on peut citer : l’importance de la R&D dans l’activité du secteur et la qualification plus ou moins grande des salariés qui en résulte ; l’adoption de normes de qualité et de mesures destinées à améliorer la motivation des équipes ; la constitution de groupes de travail et de réflexion. Cette démarche peut être utilement complétée par l’introduction d’une dimension temporelle permettant d’effectuer des estimations en panel de manière à éliminer les effets fixes (estimations within).

— Au biais de simultanéité qui vient d’être décrit, s’ajoute un possible biais d’endogénéité que l’introduction d’une dimension temporelle ne permet pas, cette fois, d’éliminer : la corrélation entre productivité et usage des TIC peut en effet provenir du fait que les secteurs les plus productifs à un moment donné sont aussi ceux qui réalisent les profits les plus importants et donc ceux qui ont le plus de moyens pour investir en TIC. Un coefficient positif et significatif des TIC peut donc témoigner d’une causalité allant de la productivité vers l’équipement en TIC, plutôt que de la causalité inverse. De même, si les entreprises prennent la décision d’investir dans les TIC seulement lorsque la croissance de leurs profits a été forte pendant plusieurs années, il peut exister dans la dimension temporelle une causalité allant de la croissance de la productivité vers la croissance de l’équipement en TIC. Un symptôme d’une telle inversion de causalité serait de trouver systématiquement que différentes variables dont on peut soupçonner qu’elles sont corrélées au taux de profit exercent une influence significative sur la productivité : par exemple, ce pourrait être le cas de variables décrivant les conditions de travail car celles-ci tendent souvent à s’améliorer en période de profits élevés. Le traitement de ce problème de causalité par la méthode des variables instrumentales est rendu délicat par le fait que les instruments pertinents ne sont pas toujours disponibles. Ceci conduit souvent les économètres à utiliser les valeurs retardées des variables explicatives comme instruments, alors que ceci ne fait pas nécessairement disparaître la corrélation entre les variables explicatives et le résidu. Plus simplement, vérifier qu’un grand nombre des variables susceptibles d’être corrélées au taux de profit n’ont pas d’influence significative sur la productivité constituerait un constat rassurant quant à l’ampleur de ce biais d’endogénéité.

Ces difficultés nous ont conduit à tenter deux types de régressions. Dans les premières, nous nous restreignons à une régression en coupe sur l’année 1997. Cela est nécessaire pour pouvoir tester le plus grand nombre possible de variables relatives à l’organisation et à l’informatisation, car la plupart des nombreuses questions de l’enquête COI portent sur la situation de l’entreprise en 1997 seulement. Ces régressions prennent donc la forme suivante :

Trois mesures de l’équipement en TIC ont été testées. Ces variables décrivent des taux d’équipement des secteurs en un matériel informatique entendu au sens large. Les indicateurs décrivant les changements dans l’organisation du travail ainsi que les contraintes et les objectifs du management sont construits de la même manière et systématiquement testés. En ce qui concerne les TIC, seules int et tr_info ont un impact significatif, mais int est la variable qui ressort le plus significativement dans cette régression (tableau 7). En ce qui concerne les variables organisationnelles, seules deux d’entre elles se sont avérées avoir un impact significatif : la proportion d’établissements ayant adopté une organisation en centres de profits [29] (cprof), et la proportion d’établissements ayant affecté un cadre à temps plein pour l’amélioration de l’environnement, de l’hygiène et de la sécurité (cadre_env). Lorsque l’une ou l’autre de ces variables sont prises en compte, la variable int continue à être significativement différente de zéro bien que son coefficient diminue légèrement.

7
Productivité en niveau, usage de l’Internet et organisation

Le fait que l’organisation en centres de profit exerce un impact fort et significatif (régression 4, tableau 7) suggère de tester l’hypothèse de complémentarité entre organisation et informatisation telle qu’elle a été défendue par Brynjolfsson et Hitt (1998). Nous construisons donc une variable indicatrice permettant de distinguer deux types de secteurs : ceux dans lesquels ce type d’organisation est largement répandu, et ceux dans lesquels moins de 25 % des firmes interrogées l’utilisent. Nous créons ensuite une double variable permettant de distinguer le taux d’usage de l’Internet des secteurs organisés en centres de profit (prod1) et celui des secteurs qui ne le sont pas significativement (prod2). Les résultats montrent que les gains de productivité sont cantonnés dans les secteurs combinant l’usage de l’Internet et un recours à l’organisation en centres de profit (tableau 8).

8
Organisation du travail et efficacité de l’usage de l’Internet

Ces résultats montrent que l’adoption de l’Internet a un impact plus important sur la productivité des secteurs manufacturiers lorsqu’elle a lieu dans des secteurs où de nouvelles formes d’organisation du travail ont été adoptées. Néanmoins, les résultats donnés dans le tableau 7 suggèrent que l’impact positif de l’utilisation de l’Internet existe indépendamment de l’organisation et des conditions de travail.

En testant l’impact de variables susceptibles de décrire des effets sectoriels spécifiques, on peut considérer avoir partiellement répondu au problème du biais de simultanéité. Néanmoins, l’exploitation de la dimension temporelle fournirait une confirmation rassurante. C’est pourquoi nous avons réestimé notre équation de productivité en utilisant cette fois-ci les quelques informations de l’enquête COI relatives à l’année 1994, de manière à avoir des données empilées sectorielles-temporelles. Cela présente en outre l’intérêt de doubler le nombre d’observations, ce qui n’est pas négligeable compte tenu de sa faiblesse initiale.

Cependant, l’enquête COI ne pose qu’un petit nombre de questions sur l’année 1994. En particulier, les entreprises ne sont pas interrogées sur leur organisation en centres de profit, ou leur utilisation de l’Internet en 1994. En ce qui concerne l’informatique, seules les variables tr_info et eq sont disponibles en 1994. Et aucune des variables d’organisation ayant un impact significatif n’est disponible en 1994. C’est pourquoi nous introduisons un autre type d’indicateur permettant de prendre en compte un effet sectoriel spécifique : l’« intensité technologique » au sens de l’OCDE. Cette variable permet de contrôler nos régressions des effets suivants. Les entreprises situées dans les secteurs high tech doivent réinvestir leurs profits dans un équipement à fort contenu technologique pour ne pas perdre de parts de marché. Cela peut créer artificiellement une corrélation entre la productivité et l’équipement informatique au niveau sectoriel. A l’inverse, les entreprises situées dans les secteurs low tech ont plutôt tendance à investir plus faiblement dans l’équipement informatique, même si leurs profits et leurs productivités sont élevés. Ce comportement pourrait conduire à sous-estimer la corrélation entre l’informatisation et la productivité dans ces secteurs. L’intensité technologique peut aussi être considérée comme une bonne approximation de la qualification des salariés, de sorte que son introduction permet d’intégrer dans nos résultats l’impact de la qualité de la main-d’œuvre.

Nous séparons donc les secteurs étudiés en quatre classes d’intensité technologique : HT (haute technologie), MH (moyenne haute), MF (moyenne faible) et FT (faible technologie) ; et nous introduisons des variables indicatrices d’appartenance à ces catégories. Les résultats obtenus sont résumés dans le tableau 9 ci-dessous. Seule l’indicatrice FT a un impact significatif. Son signe est conforme aux résultats habituels sur le rôle de l’intensité technologique et de la qualification des salariés dans l’explication de la productivité. L’estimation de l’impact de l’intensité capitalistique est sans doute d’assez mauvaise qualité, compte tenu de la rétropolation effectuée pour le calcul du stock de capital en 1994. Il n’est pas surprenant cependant que cette variable ait un impact plus significatif dans la dimension inter-sectorielle, compte tenu de la structure de sa variance. A l’inverse, le fait que l’indicateur de tensions sur les capacités ne soit pas significatif dans la régression between s’explique par sa faible variance inter-sectorielle.

9
Estimation de la productivité en panel

Le nombre d’observations reste encore bien trop faible et la dimension temporelle bien trop étroite pour que l’on puisse considérer ces estimations comme pleinement satisfaisantes. Il n’en reste pas moins que l’impact positif du taux d’utilisation de l’interface informatique est significatif, aussi bien lorsque l’on exploite la dimension inter-sectorielle (régression between) que lorsque l’on élimine les effets fixes sectoriels (régression within), ou encore lorsque l’on exploite simultanément ces deux dimensions en corrigeant le biais d’hétéroscédasticité par la méthode des moindres carrés généralisés (MCG). En outre son coefficient varie très peu d’une régression à l’autre, ce qui tend à montrer que cet impact positif est valable aussi bien dans la dimension inter-sectorielle que dans la dimension temporelle.

Ces quelques estimations n’infirment pas l’hypothèse d’un effet favorable de l’équipement en TIC sur la productivité. Elles suggèrent aussi que cet impact favorable peut exister indépendamment de l’organisation des responsabilités au sein de l’entreprise (tableau 7), mais qu’il est néanmoins plus fort lorsque certaines formes d’organisations existent (tableau 8).

Il faut reconnaître que la question du biais d’endogénéité n’est pas traitée de manière totalement satisfaisante ici. Néanmoins, il est possible de considérer que l’ampleur de ce problème a été limitée, pour les deux raisons suivantes.

— L’étude est effectuée à un niveau de désagrégation intermédiaire, le niveau sectoriel fin. Or la causalité allant des profits vers l’informatisation existe pour certaines firmes mais ne se généralise par forcément à l’ensemble des entreprises des secteurs d’activité considérés.

— A part cadre_env, la plupart des variables relatives à l’environnement et à l’ambiance de travail que nous avons testées ne sont pas apparues significatives dans les régressions. Par exemple, nous n’avons trouvé aucun impact significatif de l’affectation de cadres à la gestion des ressources humaines ou à l’amélioration des méthodes et de la maintenance, de l’organisation de groupes de discussion, de la mise en place de consultations du personnel. Ceci tend à faire penser que les causalités allant des profits vers l’amélioration de l’environnement de travail s’atténuent au niveau sectoriel, même si elles existent au niveau individuel. Ce qui donne de la validité à l’argument précédent.

Les TIC semblent donc avoir un impact positif et significatif sur la productivité dans l’industrie manufacturière, mais nos résultats sont encore trop fragiles pour permettre un chiffrage fiable de celui-ci.

L’absence d’un résultat sur données agrégées pour la France peut largement s’expliquer par le retard de diffusion et la mauvaise conjoncture des années 1990. L’idée d’une incapacité des entreprises françaises à exploiter correctement le nouveau paradigme technologique n’est pas confirmée par l’économétrie portant sur l’industrie manufacturière. L’ampleur du « paradoxe français de la productivité » pourrait donc bien finir par s’estomper.

Le bien final est produit à partir de biens intermédiaires de type j∈[0, n_i ] tous compatibles avec l’innovation générique i en cours d’usage. La fonction de production utilise ces biens intermédiaires avec une élasticité de substitution constante :

où λⁱ est le niveau de productivité de l’innovation générique i et où

avec m générations de GPT la production agrégée est égale à :

Les producteurs de biens intermédiaires sont en situation de monopole pour la catégorie de bien j qu’ils produisent. Ils utilisent une technologie avec laquelle une unité de travail produit une unité de bien intermédiaire. Les producteurs de bien final sont sur un marché concurrentiel. On en déduit l’expression du prix de chaque bien intermédiaire :

où w est le taux de salaire. Il en résulte que toute les composantes associées à la GPT i sont utilisées en quantités égales d’où :

où X_i = n_ix_i est la quantité de composantes du type i employées par un producteur de bien final utilisant la GPT i. C’est aussi la quantité de facteur travail employée dans le secteur des biens intermédiaires de type i. La quantité de travail nécessaire à la production d’une unité de bien final est alors : b_i = X_i / Q_i = λ ^—i n ^{—(1—α)/α} _i . Plus il y a de composants du type i et plus cette quantité est faible.

Un producteur de bien final choisit la quantité de chaque bien intermédiaire et le type de GPT qu’il utilise de façon à minimiser son coût unitaire de production. Il choisit donc un prix de vente égal à son coût marginal de production soit :

Une GPT de génération supérieure n’est adoptée dans la production du bien final que si elle vérifie b_i+1<b_i . Ceci n’est vérifié que lorsqu’un nombre suffisant de biens intermédiaires relatifs à cette GPT sont disponibles. Formellement la condition d’adoption est la suivante :

En calculant la quantité de chaque bien intermédiaire utilisée dans la production de bien final et en utilisant l’équation (3), on trouve le profit de chaque producteur de bien intermédiaire relatif à la GPT i :

La valeur d’une firme produisant des biens intermédiaires est alors :

où est le facteur d’escompte entre t et Ï„ et r le taux d’intérêt.

Cette valeur est maximisée si :

Le processus de R&D aboutissant à l’apparition de nouveaux biens intermédiaires est déterministe et s’écrit : á¹…_i dt = (l_i / a)dt où l_i est la quantité de travail consacrée à la R&D relative à la GPT i et 1/a l’efficacité du processus de R&D.

La condition de libre entrée sur le marché de l’investissement en R&D implique :

(9) ν_t ≤ w.a vérifiée à l’égalité si á¹…_i>0 (l’investissement en R&D existe)

Le travail est employé dans les activité de R&D (invention de nouveaux composants de la technologie i) et dans la fabrication de ces composants :

Les consommateurs maximisent une fonction d’utilité intertemporelle logarithmique, ce qui donne la règle de taux de croissance de la consommation : .

La dynamique de l’innovation est alors décrite par un processus comprenant deux phases. Dans la phase 1 de durée Δ₁ , l’ancienne technologie est utilisée pour produire les biens finaux tandis que la nouvelle technologie n’est utilisée que dans le secteur de la R&D : des biens intermédiaires de la nouvelle génération sont inventés mais pas encore produits ni utilisés. Dans la phase 2 de longueur Δ₂ , l’ancienne technologie est dépassée par la nouvelle dans le secteur de production des biens finaux (et donc intermédiaires), tandis que l’invention de biens intermédiaires de la nouvelle génération se poursuit. En supposant que Δ et λ sont constants, on obtient des phases de croissance d’amplitude constante.

La phase 1 se caractérise par l’existence d’une R&D destinée à inventer des composants de la génération i (a ν_i ≤ w.a) et par le fait que le profits de ces composants sont nuls (ν_i ≤ w.a). D’après la condition (8), le comportement des inventeurs de biens intermédiaires aboutit alors à la dynamique du salaire :

De même, la règle de fixation des prix des producteurs de biens finaux (5), la contrainte de ressources en travail (9) et la condition de normalisation (10) impliquent :

Ces deux équations donnent, à partir d’une condition initiale w(T_i), une dynamique où le salaire et le nombre de produits intermédiaires de la génération i sont croissants.

De la même façon, dans la phase 2 on a Ï€_i > 0 et á¹…_i > 0. On obtient alors un système d’équations décrivant une situation de point-selle :

et :

Ce système de quatre équations est complété par des conditions de continuité entre les deux régimes qui permettent d’étudier la dynamique globale de l’économie sur toute la durée d’un cycle de croissance. Cette dynamique se caractérise par deux phénomènes : d’une part une élévation continue de la productivité globale des facteurs liée à la fois à l’augmentation du nombre de biens intermédiaires d’une même génération technologique et à l’arrivée de nouvelles générations plus efficaces (équations (1) et (4)) ; d’autre part une évolution cyclique des salaires avec une hausse dans la phase 1 et une baisse dans la phase 2. Ce profil cyclique provient de l’existence de rentes de monopole dans le secteur des biens intermédiaires : lorsqu’une innovation radicale i apparaît, des investisseurs pensent qu’elle sera adoptée et anticipent donc les profits futurs issus de la production des nouveaux biens intermédiaires utilisant cette nouvelle technologie. Une activité de R&D [1] cherchant à inventer ces biens intermédiaires est donc profitable. Les investisseurs créent des firmes destinées à cela, ce qui aboutit à une augmentation de la demande de travail et donc à une hausse du salaire réel. Cette hausse est juste suffisante pour que les investissements dans la R&D liée à l’ancienne technologie soient abandonnés (équation (9)). Au moment où elle se produit, le coût marginal des composants de l’ancienne technologie s’accroît. Il y a donc une hausse du prix des biens intermédiaires de la génération i-1, alors même que le nombre de ces biens a cessé de s’accroître : cela conduit à une baisse du produit. Ceci ne se produirait pas si les producteurs de biens intermédiaires de l’ancienne génération pouvaient s’entendre pour maintenir leurs prix, c’est à dire réduire leurs mark-up en se rapprochant d’une tarification au coût marginal. Après le choc lié à l’apparition de la nouvelle technologie, les innovateurs arrivent sur le marché de la R&D de manière continue, ce qui conduit à une hausse continue du salaire (et donc une baisse du PIB) pendant toute la phase 1. Dans la phase 2, la nouvelle technologie est adoptée tandis que le nombre de variétés de biens intermédiaires utilisées dans la production du bien final s’accroît. Cela permet d’économiser du travail dans la production des biens finaux et conduit donc à une baisse des salaires. Il en résulte une croissance plus élevée.

Le capital d’une usine Ï„ se déprécie au taux δ et ne peut être augmenté une fois en place. Comme dans le modèle originel, le progrès technique prend la forme d’une amélioration de l’efficacité de la production du capital nouveau : i_e unités de bien final consacrées à l’investissement donnent qi_e unités de capital nouveau et q croît au taux g_q , de sorte que le coût unitaire du capital décroît de période en période au taux g_q . Mais le progrès technique est cette fois mis en œuvre par l’entrée sur le marché des biens finaux de nouveaux entrepreneurs utilisant de nouvelles usines. Le flux d’entrepreneur entrant sur le marché en t est noté n₀(t).

Les phénomènes de délais d’apprentissage sont pris en compte au travers de l’expression analytique de l’évolution de la productivité globale des facteurs :

Cette expression prend en compte un phénomène de « learning by doing » puisque z augmente avec Ï„, l’âge du capital installé dans l’usine considérée.

Les délais de diffusion proprement dits sont traités au travers du choix d’une expression de z^* . Les auteurs choisissent l’expression suivante :

Cette formulation est suffisamment complexe pour prendre en compte le lien entre apprentissage, rythme des innovations et délais de diffusion. Deux types de phénomènes sont en effet pris en compte. D’une part, il faut considérer que l’apprentissage est d’autant plus lent que les innovations apparaissent à un rythme élevé ; ceci est pris en compte au travers du premier terme du membre de droite. D’autre part, il faut prendre en compte les externalités de diffusion qui augmentent la vitesse d’apprentissage ; cela est pris en compte au travers du second terme du membre de droite. Ce second terme mérite de plus amples explications : les auteurs supposent que l’apparition d’un nouveau paradigme technologique se traduit par l’élévation du taux de progrès technique. On passe de g_q ^* à g_q ^** . Comme les profits générés par l’investissement sont alors plus importants, il y a un nombre d’entrants potentiels sur le marché des biens finaux plus élevé. On passe de n^* entrants potentiels à chaque période à n^** . Cependant, il existe des délais d’adoption du nouveau paradigme, de sorte que le nombre effectif d’entrants ne rejoint pas immédiatement n^** . Le ratio entre les entrants effectifs et les entrants potentiels est donc de la forme :

Ce qui donne une courbe de diffusion en S, reprise dans l’expression de z^* ci-dessus.

AIII
Les industries fortement utilisatrices de TIC

La totalité des entreprises industrielles de plus de 500 personnes a été interrogée ; un échantillon représentatif des autres catégories d’établissement a été tiré au hasard. Les réponses ont été élaborées au sein des directions générales, des directions industrielles, des directions des ressources humaines et des responsables du service informatique. Nous avons demandé au SESSI un regroupement des réponses individuelles au niveau sectoriel fin (NAF116, i.e. niveau G de la nomenclature TES [1]) de manière à pouvoir utiliser les résultats de cette enquête dans des régressions de productivité utilisant les données de comptabilité nationale de niveau NAF116. Les réponses ont été pondérées par la taille des entreprises interrogées (par application d’un coefficient de redressement calculé par classe de taille). Ainsi, pour chaque question, le questionnaire donne le pourcentage d’entreprises du secteur NAF116 classé dans telle ou telle catégorie de réponse.

— Valeur ajoutée des branches en volume issues des comptes de production au niveau G. Les volumes sont calculés aux prix de l’année précédente chaînés base 1995. Les années dont nous avons pu disposer sont 1991 à 1998.

— Investissement des branches en volume au niveau G de 1995 à 1998. Les volumes sont calculés aux prix de l’année précédente chaînés base 1995.

— Investissement des branches en volume au niveau E de la nomenclature de 1978 à 1998. Les volumes sont calculés aux prix de l’année précédente chaînés base 1995.

— Emploi intérieur salarié en équivalent temps plein par branches au niveau G de la nomenclature, de 1990 à 1998.

Pour les années 1994 à 1998, le stock de capital a été approché par sa valeur d’état stationnaire. En effet, l’accumulation du capital s’écrit :

où δ est le taux de dépréciation du capital. En divisant par la valeur ajoutée Y, on obtient :

A l’état stationnaire, cela s’écrit (en posant et en supposant constant) :

où g est le taux de croissance de la valeur ajoutée à l’état stationnaire.