Note de recherche, mai 2025

Mots-clés : capital immatériel, paradoxe de Solow, productivité multifactorielle, Union européenne, GAFAM, intelligence artificielle, LLM, rapport Draghi, croissance endogène, écart de compétitivité.

Executive Summary

La révolution numérique depuis 1995 a produit, à l’échelle mondiale, un stock de capital immatériel considérable, plateformes, infrastructures cloud, données, modèles de fondation et intelligence artificielle générative, dont une large fraction demeure invisible dans les comptabilités nationales. Cet article réexamine ce phénomène à travers le prisme européen, en utilisant l’expérience américaine comme étalon de comparaison systématique. Il propose une taxonomie du capital numérique en quatre couches, analyse les trois phases du paradoxe de Solow en distinguant les trajectoires européenne et américaine, quantifie l’écart structurel entre les deux rives de l’Atlantique à l’aide des données les plus récentes, dont le rapport Draghi (septembre 2024) et les bases EU KLEMS, et esquisse trois scénarios à l’horizon 2045 pour l’Europe. Notre thèse centrale est que l’Europe ne souffre pas d’un retard technologique au sens strict, mais d’un déficit de diffusion, de financement à l’échelle et d’adaptabilité organisationnelle que ni le marché unique ni les politiques d’innovation n’ont su combler depuis l’Agenda de Lisbonne. La fenêtre pour corriger cette trajectoire se referme avec la généralisation de l’IA générative.

Europe et US : deux économies, une même révolution, des destins divergents

En 1987, Robert Solow observait avec ironie que l’on voyait des ordinateurs partout, sauf dans les statistiques de productivité.¹ Trente-huit ans plus tard, la même question se pose avec une acuité renouvelée : pourquoi l’Union européenne, qui dispose d’une base industrielle solide, d’un capital humain qualifié et de marchés connectés, n’a-t-elle pas capturé les gains de productivité que la révolution numérique promettait ? La réponse, complexe, tient autant à la structure de ses marchés de capitaux qu’à ses choix réglementaires, à sa fragmentation institutionnelle et à son modèle d’organisation des entreprises.

Les États-Unis constituent ici un miroir indispensable, non parce que le modèle américain serait universellement transposable, mais parce que les deux zones ont été exposées aux mêmes technologies au même moment et ont produit des résultats macro-économiques radicalement différents. Le PIB par habitant de l’UE représentait environ 75 % de celui des États-Unis en 2000 ; il n’en représente plus que 70 % en 2023, et cet écart croissant est attribuable pour les deux tiers à la divergence de productivité.² Comprendre mécaniquement pourquoi, c’est comprendre ce que l’Europe devra faire différemment dans la prochaine décennie.

Taxonomie du capital numérique : quatre couches, deux économies asymétriques

Le framework Corrado-Hulten-Sichel (CHS)³, étendu aux actifs numériques, distingue quatre couches de capital dont la visibilité dans les comptabilités nationales est inversement proportionnelle à leur importance économique réelle. Ces quatre couches révèlent des asymétries profondes entre l’Europe et les États-Unis.

1 – Capital matériel d’infrastructure

Câbles sous-marins, data centers, semi-conducteurs, terminaux : cette couche est la mieux capturée dans les comptes nationaux, bien qu’elle souffre d’un amortissement comptable trop rapide. L’Europe dispose d’une infrastructure physique de qualité, mais son déploiement est fragmenté entre vingt-sept juridictions, ce qui génère des redondances et empêche les économies d’échelle.⁴ À titre d’illustration, les États-Unis hébergent sur leur seul territoire un volume de capacité de calcul dédié à l’IA supérieur à l’ensemble de l’UE, notamment grâce à la concentration des hyperscalers (AWS, Microsoft Azure, Google Cloud) dans quelques corridors géographiques.

2 – Capital logiciel et plateformes

Depuis la révision du Système de Comptabilité Nationale de 2008, la R&D est capitalisée, permettant une meilleure appréhension de cette couche. C’est ici que le décrochage européen est le plus visible et le plus documenté : aucune plateforme numérique de dimension mondiale n’a émergé d’Europe depuis Amazon (1994) ou Google (1998). Les champions européens du numérique, SAP, ASML, Spotify, sont soit des éditeurs de logiciels B2B (sans effets réseau de plateforme), soit des acteurs de niche technologique.⁵ La raison principale n’est pas l’absence de talent mais l’absence de marché continental unifié : une start-up américaine peut adresser dès sa fondation 340 millions de consommateurs sous un régime juridique unique ; une start-up européenne doit composer avec vingt-sept marchés, vingt-quatre langues et autant de régimes fiscaux et réglementaires.

3 – Capital data et modèles de fondation

C’est la couche la plus stratégique et la plus déficitaire pour l’Europe. Le rapport Draghi (2024) le formule sans détour : « environ 70 % des modèles d’IA de fondation développés depuis 2017 l’ont été aux États-Unis, et trois hyperscalers américains concentrent plus de 65 % du marché mondial du cloud, y compris en Europe. »⁶ Les données d’entraînement des grands modèles de langage sont majoritairement en anglais, encodant un biais culturel et linguistique qui pénalise structurellement les entreprises non anglophones. Le Règlement général sur la protection des données (RGPD), par ailleurs nécessaire comme standard de protection, a selon les estimations du rapport Draghi conduit à une réduction de 26 % du stockage de données et de 15 % du traitement pour les entreprises européennes par rapport à leurs concurrentes américaines.⁷

4 – Capital organisationnel et humain adaptatif

Brynjolfsson et Rock ont établi que chaque dollar d’investissement IT génère cinq à dix dollars d’investissement organisationnel complémentaire non enregistré.⁸ Ce capital invisible, qui inclut la reconfiguration des processus, la montée en compétences et la transformation des modèles de management, est précisément là où l’écart Europe/États-Unis est le plus marqué. En 2023, seulement 45 % des entreprises européennes achetaient des services cloud (dont 8 % seulement utilisaient l’IA), contre environ 70 % pour les entreprises américaines (dont plus d’un tiers utilisaient des outils IA).⁹ Cette faible diffusion intra-entreprise reflète non pas un manque de disponibilité technologique mais un déficit de capital organisationnel adaptatif : les entreprises européennes, en particulier les PME qui constituent l’ossature de l’économie continentale, n’ont pas encore effectué la reconfiguration organisationnelle qui est la condition préalable aux gains de productivité mesurés.

Le tableau suivant synthétise les principaux indicateurs comparatifs :

Indicateur	Union européenne	États-Unis
Invest. immatériel / PIB	~17 % (zone euro)	~23 %
Croissance PTF 2010–2024	~0 % (quasi-stagnation)	+0,6–0,8 %/an
Part du cloud mondial	~10 % (1er opérateur = 2 %)	~65 % (3 hyperscalers)
Modèles IA de fondation (2017–2024)	< 5 %	~70 %
Brevets tech complexe (2021 vs 2000)	+30 % (2000→2021)	+86 % (2000→2021)
Venture capital IA (2023)	~25 Mds EUR	~115 Mds USD
Entreprises cloud utilisatrices (2023)	45 % (dont 8 % IA)	~70 % (dont ~35 % IA)

Sources : EU KLEMS, BEA, rapport Draghi (2024), OCDE, McKinsey Global Institute (2024), ECIPE Policy Brief 09/2024.

Le paradoxe de Solow en Europe : trois phases, un décrochage cumulatif

Les trois phases du paradoxe de Solow que nous avons identifiées dans le contexte américain se retrouvent en Europe, mais avec des amplitudes et des points d’inflexion décalés, révélant une dynamique proprement européenne.

Première phase (1987–1995) : un paradoxe partagé

Dans les deux zones, la diffusion des ordinateurs personnels et des premières réseaux d’entreprise ne produit pas de gains de productivité mesurés significatifs. L’explication de Paul David, le décalage temporel entre l’adoption d’une technologie générique et sa traduction en productivité, illustré par l’analogie du moteur électrique (1880–1920)¹⁰, s’applique également des deux côtés de l’Atlantique. Le capital organisationnel adaptatif est à son niveau minimum ; les entreprises investissent dans le hardware sans avoir reconfiguré leurs processus.

Deuxième phase (1995–2005) : la divergence s’amorce

C’est ici que les trajectoires commencent à diverger. Aux États-Unis, la productivité multifactorielle s’envole à 2,8 % par an, portée par Internet, le e-commerce et l’automatisation des back-offices. En Europe, la progression est réelle, la productivité du travail progresse dans la plupart des économies, mais systématiquement inférieure. Plusieurs mécanismes expliquent cet écart naissant. Premièrement, l’Europe n’a pas produit d’équivalent au boom de la Silicon Valley : le capital-risque européen était à l’époque dix fois inférieur au niveau américain en termes absolus, et les marchés boursiers européens, fragmentés par pays, n’offraient pas les mécanismes de sortie (IPO, M&A) nécessaires pour recycler le succès en nouveaux investissements. Deuxièmement, la réglementation du marché du travail européen, plus rigide, a ralenti les reconfigurations organisationnelles que l’adoption du numérique requiert.¹¹

Troisième phase (2005–2024) : le décrochage structurel

C’est la phase la plus préoccupante. Alors même que les États-Unis connaissent eux aussi un ralentissement de productivité après 2005 (le paradoxe de Solow réémergent de Gordon et Syverson), l’Europe subit une rechute bien plus profonde : la PTF de la zone euro stagne autour de zéro depuis 2011, tandis que la PTF américaine maintient une progression positive.¹² Ce n’est pas un paradoxe de Solow ordinaire, c’est une stagnation séculaire aggravée par une mauvaise allocation du capital numérique.

Trois facteurs proprement européens expliquent cette divergence aggravée. Le premier est la crise financière de 2008–2012 et la crise de la zone euro, qui ont provoqué un effondrement de l’investissement, privé et public, dans une période critique pour la diffusion du cloud et des données. Une étude de la BEI (2024) montre que l’écart d’investissement entre l’UE et les États-Unis est principalement dû à des taux d’investissement plus faibles dans les actifs ICT tangibles et immatériels apparus après la crise financière mondiale.¹³ Le deuxième facteur est la fragmentation réglementaire : l’absence d’un véritable marché unique du numérique jusqu’aux initiatives de la Commission de 2015–2020 a maintenu des barrières nationales qui ont empêché la mise à l’échelle des entreprises technologiques européennes. Le troisième facteur est l’absence de mécanismes de financement à grande échelle : les entreprises technologiques américaines à forte croissance investissent en intangibles deux à trois fois plus que leurs pairs, finançant cet écart via des marchés de capitaux profonds auxquels les entreprises européennes n’ont pas accès dans les mêmes proportions.¹⁴

Les biais de sous-mesure et leur spécificité européenne

Les cinq canaux de sous-mesure identifiés dans la littérature, déflationnement des prix, surplus non marchand, amortissement trop rapide, capital organisationnel, externalités de réseau, affectent l’Europe et les États-Unis, mais avec des intensités différentes.

Le biais de surplus non marchand frappe plus durement l’Europe dans la mesure où les plateformes qui génèrent ce surplus (Google, Facebook, Amazon) sont américaines : la valeur d’usage est captée par les consommateurs européens, mais la valeur marchande, abonnements, données, publicité, est enregistrée dans les comptes américains. L’Europe est un net consommateur de surplus numérique non marchand, et un net exportateur de données brutes vers les hyperscalers américains.

Le biais de capital organisationnel est particulièrement sévère en Europe en raison de la structure de son tissu productif. Les PME représentent 99 % des entreprises européennes et deux tiers de l’emploi, or ce sont précisément elles qui investissent le moins en actifs immatériels adaptatifs : les entreprises européennes à faible croissance n’y consacrent que 1,4 % de leurs revenus, contre 6,2 % pour les entreprises à forte croissance, révélant une dualité structurelle bien plus qu’un retard homogène.¹⁵ Cette hétérogénéité intra-européenne, entre les écosystèmes technologiques des pays nordiques et baltes d’un côté, et les économies du Sud et de l’Est moins numérisées de l’autre, est un trait distinctif absent du tableau américain.

Enfin, le biais lié aux externalités de réseau pénalise structurellement l’Europe : les effets réseau qui ont permis aux plateformes américaines d’atteindre une taille critique mondiale n’ont jamais pu se déployer en Europe, faute de marché unique du consommateur suffisamment intégré. Un réseau social ou une place de marché qui doit composer avec vingt-sept cadres juridiques nationaux pour ses cookies, ses conditions générales et sa fiscalité ne peut pas atteindre la vitesse d’échelle d’un concurrent opérant dans un marché continental homogène.

De l’Agenda de Lisbonne au rapport Draghi : vingt-cinq ans de rendez-vous manqués

L’Europe n’a pas manqué de diagnostic. Ce qui a manqué, c’est la capacité à traduire ces diagnostics en transformations structurelles effectives. Un bref retour historique sur les grandes initiatives de politique numérique européenne révèle une constante : l’écart entre l’ambition affichée et les résultats obtenus.

L’Agenda de Lisbonne (2000) fixait l’objectif de faire de l’UE « l’économie de la connaissance la plus compétitive et la plus dynamique du monde » d’ici 2010. Dix ans plus tard, le bilan était sévèrement négatif : la productivité européenne avait davantage divergé de la trajectoire américaine qu’elle ne l’avait rattrapée. Comme le rappelle le rapport Draghi lui-même, l’Agenda de Lisbonne a échoué principalement parce qu’il reposait sur une méthode ouverte de coordination sans obligations juridiques ni sanctions, laissant l’implémentation à la discrétion des États membres.¹⁶

La Stratégie Europe 2020, puis le plan numérique pour l’Europe de 2015, puis le marché unique numérique ont partiellement amélioré les conditions-cadres sans modifier la dynamique fondamentale. La crise du COVID-19 a paradoxalement accéléré la numérisation des PME européennes, mais sans produire les gains de productivité escomptés : les investissements numériques d’urgence ont souvent consisté en adoption de solutions américaines (Teams, Zoom, AWS, Salesforce) plutôt qu’en développement d’un écosystème souverain.

Le rapport Draghi de septembre 2024 constitue la prise de conscience institutionnelle la plus lucide depuis Lisbonne. Son diagnostic est sans ambiguïté : « l’UE a manqué la dernière vague d’innovation numérique », et sans action corrective majeure, elle risque une « lente agonie » compétitive.¹⁷ Ses préconisations, 800 milliards d’euros d’investissements annuels supplémentaires (4 à 5 % du PIB), unification des marchés de capitaux, simplification réglementaire et régime harmonisé pour les start-ups (le « 28ème régime »), constituent en réalité le programme que l’Europe aurait dû mettre en oeuvre dès 2005. Mais un an après la publication du rapport, seules environ 10 % de ses recommandations ont été effectivement mises en oeuvre.¹⁸

Perspectives à l’horizon 2045 : trois scénarios pour l’Europe

L’horizon 2045 est suffisamment éloigné pour que des trajectoires radicalement différentes soient plausibles, et suffisamment proche pour que les décisions prises aujourd’hui soient déterminantes. L’analogie avec l’électrification reste pertinente : l’Europe a su, au XXème siècle, rattraper les États-Unis dans l’adoption des technologies électro-mécaniques une fois qu’elle avait résolu ses problèmes institutionnels de standardisation et de financement. La question est de savoir si le même rattrapage est possible dans le numérique.

Scénario 1, Déclassement relatif (probabilité : 25–30 %)

L’Europe poursuit une trajectoire de décrochage lent. Les réformes Draghi restent partiellement mises en oeuvre, les marchés de capitaux demeurent fragmentés, et l’AI Act dans sa version actuelle continue de décourager l’investissement dans les modèles de fondation. Les gains de productivité se maintiennent à 1–1,5 % par an, mais l’écart avec les États-Unis continue de se creuser à mesure que l’IA s’industrialise. L’Europe devient un consommateur de technologie américaine et chinoise, dépendant de services cloud et de modèles IA produits à l’extérieur. Le modèle social européen reste préservé, mais son financement devient de plus en plus contraint par une croissance insuffisante. Sur le plan de l’emploi, ce scénario est le plus destructeur à moyen terme : l’automatisation des tâches cognitives de routine progresse sous l’impulsion de modèles IA importés, sans que l’Europe dispose d’une politique industrielle capable de créer les emplois de substitution dans les secteurs à haute valeur ajoutée. Le chômage technologique frappe en premier les travailleurs peu qualifiés du tertiaire (saisie, traitement administratif, service client standardisé) et, à partir de 2030, les professions intermédiaires (comptabilité, analyse juridique de base, radiologie de dépistage). L’absence de mécanismes de redistribution adéquats, formation continue, assurance-chômage adaptée aux transitions longues, amplifie les inégalités salariales et érode la cohésion sociale, menaçant à terme le consensus politique sur lequel repose le modèle européen.

Scénario 2, Rattrapage sectoriel ciblé (probabilité : 50–55 %)

L’Europe ne peut pas et ne cherche pas à rivaliser frontalement avec les hyperscalers américains sur les plateformes grand public : ce terrain est « already lost » selon la formule de Draghi lui-même.¹⁹ En revanche, elle consolide des positions de force dans des secteurs où elle dispose d’avantages comparatifs réels : robotique autonome (22 % de l’activité mondiale), IA pour l’industrie et la santé, informatique quantique appliquée, semi-conducteurs de spécialité (au-delà de la logique TSMC). L’Union des marchés de capitaux progresse, permettant à quelques champions technologiques européens d’atteindre l’échelle mondiale. La productivité progresse à 2–2,5 % par an, réduisant partiellement l’écart avec les États-Unis. Sur le plan de l’emploi, ce scénario dessine une transition par segments : les emplois routiniers à faible qualification continuent de se contracter (–15 à –20 % dans le tertiaire administratif à horizon 2035), mais de nouvelles catégories d’emplois émergent autour de la supervision des systèmes IA, de l’ingénierie des données, de la maintenance des infrastructures numériques et, dimension souvent négligée, des métiers du soin, de la création et de la relation humaine que l’IA ne peut automatiser. La condition de réussite est une politique active de formation tout au long de la vie, financée par une partie des gains de productivité capturés par la fiscalité du capital numérique. Les États nordiques (Danemark, Suède, Finlande) et les Pays-Bas, qui disposent déjà de systèmes de flexisécurité éprouvés, sont les mieux positionnés pour naviguer cette transition.

Scénario 3, Transformation systémique (probabilité : 15–25 %)

Un saut institutionnel, completion du marché unique, union des marchés de capitaux effective, émergence d’un ou deux acteurs de cloud souverain à l’échelle européenne, et adoption rapide de l’IA dans les services publics et l’industrie, produit une accélération de productivité comparable au boom américain de 1995–2005. L’Europe devient le premier marché mondial pour l’IA industrielle réglementée, transformant son cadre normatif de contrainte en avantage concurrentiel (« Brussels Effect » version numérique). La productivité progresse à 3 % par an, le modèle social européen est préservé et partiellement renforcé par les dividendes de la croissance. Sur le plan de l’emploi, ce scénario est le seul dans lequel la destruction créatrice joue pleinement en faveur de l’Europe : la croissance des emplois dans l’IA industrielle, la santé augmentée, l’éducation personnalisée et les services à haute valeur relationnelle compense et dépasse les destructions dans les segments routiniers. L’analogie historique est ici celle de la révolution industrielle anglaise ou de la mécanisation agricole du XXe siècle européen : à court terme douloureux et inégalement réparti, le choc technologique génère à long terme davantage d’emplois et de meilleure qualité. La condition sine qua non reste une redistribution délibérée des gains de productivité, via la fiscalité des plateformes, une taxe sur les robots ou un dividende numérique, pour financer les systèmes éducatifs et de protection sociale qui rendent la transition socialement soutenable.

L’analyse comparative Europe/États-Unis ne peut plus faire l’économie d’un troisième et d’un quatrième terme de comparaison. La Chine et l’Inde ont engagé, selon des modalités radicalement différentes, des stratégies de capitalisation numérique qui redessinent la géographie mondiale du capital immatériel et posent à l’Europe des défis supplémentaires, mais aussi, dans certains cas, des opportunités de repositionnement.

La Chine et l’Inde dans le miroir présentent deux modèles alternatifs de capitalisation numérique

La Chine : le modèle de la souveraineté numérique planifiée

La trajectoire chinoise est celle d’une capitalisation numérique dirigée, massive, verticalisée et délibérément déconnectée de l’écosystème occidental. En matière d’investissement, les ambitions sont explicites : la Chine vise à augmenter ses dépenses de R&D de plus de 7 % par an et à porter la part de l’économie numérique de 10,5 % à environ 12,5 % du PIB d’ici 2030, selon le Plan quinquennal 2026–2030.²⁰ Le marché IA chinois, estimé à 47 milliards de dollars en 2024, est projeté à plus de 100 milliards à l’horizon 2028 selon Morgan Stanley.²¹

Le mécanisme de financement est sans équivalent occidental. En 2024, l’État chinois est devenu le premier acheteur de technologies d’IA générative sur son territoire : 931 appels d’offres ont été émis par des entreprises d’État représentant plus de 60 % de la demande domestique en LLM.²² Cette politique industrielle par la demande publique captive, relayée par le Big Fund III de 44 milliards d’euros dédié aux semi-conducteurs²³, vise explicitement à bâtir un bloc technologique endogène en réponse aux restrictions américaines d’exportation sur les GPU avancés. Sur le plan de la productivité, la Chine reproduit à sa manière la dynamique de J-Curve : le capital numérique accumulé n’a pas encore produit tous ses effets de productivité mesurés, en partie parce que la crise immobilière (2021–2024) et les restrictions aux investissements étrangers ont fragmenté l’affectation du capital. Le FMI estime qu’un ensemble de réformes favorables au marché pourrait néanmoins ajouter 3 500 milliards de dollars à l’économie chinoise sur quinze ans.²⁴

Pour l’Europe, la Chine représente simultanément une menace et un révélateur. Une menace directe dans la robotique industrielle, la Chine détient 40 % du marché mondial des robots et devrait maintenir ce leadership jusqu’en 2028²⁵, secteur où l’Europe dispose pourtant de positions historiquement fortes (KUKA, ABB, Fanuc Europe). Un révélateur également : la stratégie chinoise de substitution technologique (DeepSeek R1, Qwen 3.5 d’Alibaba, Kimi K2 de Moonshot comme alternatives aux LLM américains) démontre qu’il est possible de construire un écosystème IA compétitif sans dépendre de l’infrastructure américaine, leçon que l’Europe devrait méditer pour construire sa propre souveraineté numérique. Sur l’emploi enfin, l’automatisation chinoise par la robotique produit une compression massive des emplois manufacturiers peu qualifiés qui frappe en retour les économies européennes concurrentes, en particulier les secteurs textile, électronique grand public et automobile d’entrée de gamme.

L’Inde : le modèle de la spécialisation servicielle et du capital humain

L’Inde représente une troisième voie, structurellement distincte des modèles américain et chinois : non pas un écosystème de plateformes à effets réseau, ni un capitalisme d’État planifié, mais une économie de services numériques à forte intensité de capital humain, adossée à une démographie exceptionnelle. L’économie numérique indienne représentait 11,74 % du PIB en 2022–23 (environ 402 milliards de dollars) et est projetée à 20 % du PIB d’ici 2029–30, progressant à un rythme deux fois supérieur à celui de l’économie globale.²⁶ Donnée structurellement remarquable : le secteur numérique est cinq fois plus productif que le reste de l’économie indienne, attestant d’une allocation efficiente du capital humain vers les activités à haute valeur ajoutée.²⁷

Le modèle indien repose sur deux piliers complémentaires. Le premier est l’exportation de services IT-BPM, qui a atteint 190 milliards de dollars en FY2024, dont 54 % vers les États-Unis et 31 % vers l’Europe.²⁸ Le second est la montée en gamme vers l’IA : le marché IA indien est projeté à 28,8 milliards de dollars en 2025 avec un taux de croissance de 45 % par an, et l’IA générative pourrait selon Goldman Sachs ajouter 1 200 à 1 500 milliards de dollars au PIB indien d’ici 2030.²⁹ L’Inde s’appuie également sur une infrastructure numérique publique remarquable, le système Aadhaar (identification biométrique), UPI (paiements instantanés) et l’IndiaAI Mission (1,25 milliard de dollars d’investissement public dans le calcul et les modèles souverains), qui constitue une couche de capital immatériel public sans équivalent en Europe.

Pour l’Europe, l’Inde est d’abord un partenaire stratégique potentiel et ensuite un concurrent sur le marché des services cognitifs à haute valeur ajoutée. Partenaire, parce que les entreprises européennes externalisent massivement vers l’Inde leurs fonctions IT, R&D et services partagés, et parce que le cadre démocratique indien en fait un allié naturel dans la gouvernance mondiale de l’IA face aux modèles autoritaires. Concurrent, parce que l’IA générative va permettre aux prestataires indiens de monter dans la chaîne de valeur : demain, ce ne sont plus seulement les tâches de saisie et de codage routinier qui seront réalisées depuis Bangalore ou Pune, mais l’analyse juridique, la modélisation financière, le conseil réglementaire et la conception d’architectures logicielles complexes. Ce mouvement, combiné à la pression chinoise sur l’industrie manufacturière, dessine pour l’Europe un double ciseau qui rend d’autant plus urgente la montée en gamme vers les activités où le capital organisationnel européen, qualité institutionnelle, standards réglementaires, confiance, constitue un avantage comparatif durable.

Le temps presse et la fenêtre se referme

Le paradoxe de Solow européen n’est pas réductible à une question de retard technologique. L’Europe dispose des ingénieurs, de la recherche fondamentale et d’une base industrielle pour participer à la révolution numérique à armes égales avec les États-Unis. Ce dont elle manque, et ce qu’elle manque depuis vingt-cinq ans, c’est la capacité à transformer ces actifs en capital productif à l’échelle : le financement, la mise à l’échelle, la diffusion organisationnelle et la simplification institutionnelle.

Le miroir américain est instructif précisément parce qu’il n’illustre pas une supériorité intrinsèque mais une série de choix institutionnels, marchés de capitaux unifiés, tolérance au risque, flexibilité organisationnelle, qui ont permis au paradoxe de Solow de se résoudre plus rapidement et plus complètement qu’en Europe. Ces choix sont réplicables, en partie au moins, dans le cadre institutionnel européen, à condition de traiter la fragmentation du marché comme l’obstacle principal qu’elle est.

L’irruption de l’IA générative rend cette question urgente. Chaque année supplémentaire de fragmentation est une année où les hyperscalers américains consolident leur avance en données d’entraînement, en infrastructure et en effets réseau, des avantages qui se renforcent eux-mêmes. Le rapport Draghi a posé le bon diagnostic et les bonnes prescriptions. La question qui se pose désormais à l’Europe n’est plus intellectuelle : c’est une question de volonté politique.

Notes et références

1. Solow, R. (1987). ‘We’d better watch out.’ New York Times Book Review, 36.

2. Draghi, M. (2024). The Future of European Competitiveness. European Commission, septembre 2024. McKinsey Global Institute (2024). Investment: Taking the pulse of European competitiveness.

3. Corrado, C., Hulten, C. & Sichel, D. (2005). Measuring capital and technology: An expanded framework. In Measuring Capital in the New Economy. University of Chicago Press.

4. BEI (2024). EIB Working Paper 2024/01, Dynamics of productive investment and gaps between the United States and EU countries.

5. Gordon, R. (2016). The Rise and Fall of American Growth. Princeton University Press. Voir aussi Letta, E. (2024). Much More Than a Market. Rapport sur l’avenir du marché intérieur de l’UE.

6. Draghi, M. (2024), op. cit. Les donnees citees sont issues de la partie B du rapport, section technologies numeriques.

7. Rapport Draghi (2024), section RGPD et competitivite numerique. Bradford, A. (2024). The False Choice Between Digital Regulation and Innovation. Oxford Institute for Ethics in AI.

8. Brynjolfsson, E. & Rock, D. (2021). The productivity J-curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333-372.

9. ECIPE Policy Brief 09/2024, Keeping Up with the US: Why Europe’s Productivity Is Falling Behind. Donnees Eurostat sur l’adoption des services cloud par les entreprises europeennes.

10. David, P. (1990). The dynamo and the computer: An historical perspective on the modern productivity paradox. American Economic Review, 80(2), 355-361.

11. Brynjolfsson, E. & Hitt, L. (2000). Beyond computation: Information technology, organizational transformation and business performance. Journal of Economic Perspectives, 14(4), 23-48.

12. Conference Board (2024). Total Economy Database. PTF zone euro vs États-Unis, 2000-2024. Swiss Institute of Artificial Intelligence, Europe’s Productivity Gap Is a TFP Problem, Not Capital (2024).

13. BEI Working Paper 2024/01, op. cit.

14. ECIPE (2024). Future-proofing the EU’s Investment Attractiveness. Les donnees sur les depenses en intangibles des entreprises a forte vs faible croissance sont issues de l’analyse CompNet.

15. ECIPE Policy Brief 09/2024, op. cit.

16. Draghi, M. (2024), op. cit., p. 14. Voir aussi Janger, J. (2006). The Lisbon Strategy: What went wrong and why. WIFO Working Paper.

17. Draghi, M. (2024), op. cit. L’expression ‘slow agony’ est utilisee dans l’introduction du rapport partie A.

18. Contextualsolutions.de (2025). Draghi’s Report on EU Competitiveness: One Year On. Estime a environ 11% des recommandations implementees en septembre 2025.

19. Draghi, M. (2024), op. cit., section cloud: « It is too late for the EU to try and develop systematic challengers to the major US cloud providers. »

20. Janus Henderson Investors (2026). AI Investing in China: A Pragmatic Approach. Morgan Stanley Research (2026). China Five-Year Plan 2026–2030, objectifs R&D et projections part economie numerique dans le PIB.

21. Morgan Stanley Research (2025). China AI and Robotics Market Outlook 2028. Thunderbit (2026). Top AI Statistics 2026, marche IA Chine : 47 Mds USD en 2024, projection 104 Mds USD vers 2030.

22. Sinolytics / FrenchWeb (2025). La Chine mobilise ses entreprises publiques pour financer l’IA, 931 appels d’offres SOEs representant plus de 60 % de la demande GenAI domestique en 2024.

23. Usine Digitale (2024). La Chine investit 44,12 milliards d’euros dans l’industrie des semi-conducteurs, Big Fund III, troisieme phase du Fonds chinois d’investissement dans les circuits integres.

24. FMI / Georgieva, K. (2024). Promouvoir une croissance economique durable en Chine. Forum sur le developpement de la Chine, Pekin, 24 mars 2024, estimation +3 500 Mds USD sur 15 ans avec reformes favorables au marche.

25. Morgan Stanley Research (2025). China Robotics Leadership, 40 % du marche mondial des robots industriels, secteur projete a 108 Mds USD en 2028. Usine Digitale (2025). La Chine deja en tete de la prochaine revolution liee a l’IA.

26. MeitY / Government of India (2024). State of India’s Digital Economy Report 2024, economie numerique a 11,74 % du PIB en 2022-23 (402 Mds USD), projection 20 % d’ici 2029-30 a un rythme 2x superieur a la croissance globale.

27. MeitY (2024), op. cit. 14,67 millions de travailleurs dans le secteur numerique (2,55 % de la population active), productivite 5x superieure a la moyenne de l’economie indienne.

28. IBEF / Invest India (2025). Indian Information Technology Sector, exports IT-BPM FY2024 : 190 Mds USD, dont 54 % vers les Etats-Unis et 31 % vers l’Europe (UK inclus).

29. Goldman Sachs Global Institute (2025). AI Will Define the Next Era: Will India Capitalize on the Opportunity?, GenAI : +1 200-1 500 Mds USD au PIB indien d’ici 2030. IBEF (2025) : marche IA indien a 28,8 Mds USD en 2025, CAGR 45 %.