Daly de la Fed considère les dépenses en IA comme une source d’énergie économique – cela pourrait donc atténuer les craintes concernant les taux d’intérêt.

Le nouveau cadre proposé par Daly transforme l’IA en une entité ayant de l’importance dans le domaine des politiques publiques.

Un président de la Réserve fédérale traite publiquement les dépenses liées à l’IA comme…Investissements réelsCe n’est pas simplement l’excitation du marché. Pour les investisseurs qui suivent les taux d’intérêt, cela est important, car cela permet de passer des termes abstraits à la manière dont les décideurs politiques interprètent les dépenses commerciales, la croissance et l’inflation.

La question fondamentale de Daly est de savoir si ces dépenses ressemblent aux investissements de capitaux qui accompagnent généralement un changement technologique majeur. Ses observations penchent en faveur de cette idée, et elle apporte des preuves pour étayer cette opinion : les entreprises utilisent déjà l’IA.Recherche consommateur, opérations de soutien, ventes et développement de produitsCela ne prouve pas un essor complet de la productivité, mais cela indique que les entreprises voient une valeur pratique dans cette technologie.

Pourquoi le marché est divisé

La divergence ne concerne pas tant la question de savoir si l’IA existe ou non, mais plutôt le moment où les bénéfices économiques concrets apparaîtront. Les partisans de l’IA peuvent citer les nombreux cas d’utilisation commerciale qui se développent actuellement. Les opposants à l’IA peuvent arguer que les gains de productivité restent à venir. Daly se situe entre ces deux positions : elle ne promet pas de changement immédiat, mais elle ne considère également pas l’IA comme une mode passagère.

Cela est important pour les taux d’intérêt, car la vision du FED dépend de la manière dont les investissements des entreprises affectent la croissance et l’inflation. Si les dépenses liées à l’IA reflètent une véritable formation de capital, cela peut soutenir la production et atténuer certaines pressions sur les prix en augmentant la capacité d’ production. Si c’est principalement de la spéculation, alors le besoin d’une relaxation plus rapide pourrait rester plus important.

Pourquoi Daly s’intéresse à cela : l’IA peut augmenter la capacité de production.

Du point de vue de la Fed, l’IA est importante si elle permet aux entreprises de produire plus avec les mêmes ressources, et non seulement si elle contribue à renforcer les idées sur l’évolution du marché boursier pour un certain temps. D’après les données qu’elle cite, l’IA commence à ressembler davantage à un outil qui permet aux entreprises d’augmenter leurs produits réels.Investissements réelsConnecté aux applications commerciales et à une adoption plus large.

L’aspect de la productivité qui compte pour les décideurs politiques

Pour les décideurs politiques, la question clé est simple : cet investissement augmente-t-il la capacité de l’économie à produire, ou plutôt il renvoie principalement le capital vers d’autres utilisations ? Daly affirme que l’IA peut améliorer les performances économiques en modifiant la manière dont le travail est effectué. Elle cite des entreprises qui utilisent déjà l’IA pour…Recherche consommables, opérations back-office, ventes et développement de produitsAlors que les données d’études de cas montrent des économies de coûts lorsque les entreprises automatisent des tâches dans des domaines comme les centres d’appels, le développement de logiciels et la gestion financière.

Cela est important, car la Fed observe plus que les prix actuels. Elle vérifie également si la capacité de production s’accroît. Si les entreprises peuvent effectuer davantage de travail sans une augmentation proportionnelle des efforts, la productivité du travail peut augmenter. Si la productivité augmente, l’inflation peut diminuer grâce à une plus grande offre, plutôt que simplement en raison d’une demande plus faible.

Comparaison entre l’électricité et les voitures

La démarche la plus claire de Daly est de placer l’IA à côté de l’électricité et de l’automobile, et non à côté des folies marché de courte durée. Elle souligne que les gens avaient des sentiments mitigés envers l’électricité et l’automobile. Mais le message important est que les technologies transformatrices nécessitent du temps pour modifier l’économie.

Elle souligne que de nombreuses innovations étaient nécessaires avant que les découvertes de Faraday ne deviennent des outils pratiques : l’ampoule électrique, le moteur électrique, l’unité de démarrage électrique, et le réseau qui permettait aux maisons et entreprises d’utiliser l’électricité. Pour obtenir des gains de productivité durables, il fallait apporter des changements profonds : le travail lui-même devait être réorganisé, la production redessinée, et les travailleurs formés à nouveau.

L’IA suit probablement un schéma similaire. Le modèle ne représente pas tout. Les bénéfices économiques ne sont obtenus que lorsque les entreprises réorganisent leurs processus, modifient leurs flux de travail et intègrent cette technologie dans le travail quotidien.

Pourquoi ce n’est pas simplement un commerce de hype

Daly est également clair sur le sujet du timing. Les progrès réalisés dans le domaine de l’IA à ce niveau étaient prometteurs, mais elle affirme que ces progrès ne suffisent pas pour entraîner une augmentation durable de la productivité. En d’autres termes, le mécanisme est plausible, mais la preuve concrète dépend encore de changements réels dans les opérations, et non de simples démonstrations expérimentales.

Pour les investisseurs, cela permet de se concentrer sur des entreprises qui rapportent déjà des économies en termes de temps et de coûts grâce à l’intelligence artificielle. Il est important de surveiller les signes indiquant que l’utilisation de cette technologie devient une partie intégrante des opérations quotidiennes, plutôt qu’une simple innovation à part entière.

Ce que les investisseurs peuvent retenir de le message de Daly

La leçon pratique est de ne pas acheter toutes les entreprises liées à l’IA. Il s’agit plutôt de chercher des entreprises qui utilisent l’IA comme outil pour améliorer leurs marges, leur efficacité ou leurs résultats.

La méthodologie de Daly pousse les investisseurs à se poser une question plus simple : quelles parties d’une entreprise utilisent l’IA ?Recherche consommants, opérations back-office, ventes et développement de produitsEt est-ce que des économies mesurables peuvent être obtenues grâce à l’automatisation ? C’est là une partie de l’histoire qui pourrait encore être sous-estimée. Ce n’est pas le modèle le plus important, mais les opérations quotidiennes où l’IA peut permettre de récupérer de l’argent dans l’entreprise.

Comment la thèse pourrait se concrétiser

Si les dépenses en IA deviennent vraiment plus qu’une simple théorie, les gagnants ne seront pas uniquement les entreprises qui vendent cette technologie. Il peut également y avoir des entreprises qui utilisent l’IA pour mieux utiliser les ressources existantes, optimiser leurs opérations et améliorer leur efficacité au fil du temps.

Quoi pourrait renforcer le cas ?

La prochaine confirmation ne viendra pas d’un autre discours de haut niveau. Elle viendra des preuves que l’adoption de l’IA devient une pratique courante. Attendez pour voir d’autres signes que l’IA est intégrée dans le travail quotidien, et que les entreprises de toutes les industries la considèrent comme un outil opérationnel standard, plutôt que comme un projet spécial.

Le critère plus pertinent est le changement de processus. Daly soutient que les technologies polyvalentes se manifestent dans la productivité lorsque le travail lui-même change et que la production est réorganisée. Si les investisseurs voient cela se produire au sein des entreprises réelles – nouveaux processus de travail, nouvelles fonctions, gains d’efficacité plus clairs – le marché est plus susceptible de considérer ces changements comme des améliorations commerciales plutôt que comme des simples narrations.

Qu’est-ce qui pourrait le affaiblir ?

Cette approche est constructive, mais elle ne constitue pas une solution rapide pour les taux de courtage à court terme. Considérez-le plutôt comme un processus de validation qui dure plusieurs trimestres : concentrez-vous sur les opérateurs, surveillez les changements dans le flux de travail, et ignorez les cas où la décision repose davantage sur des présomptions que sur des preuves concrètes.