En 1865, l’économiste britannique William Stanley Jevons publie The Coal Question et pose un constat qui agace tout le monde : les nouvelles machines à vapeur de James Watt sont beaucoup plus efficaces que les anciennes. Elles consomment moins de charbon par unité d’énergie produite. Logiquement, la demande totale de charbon devrait baisser. C’est l’inverse qui se produit. La consommation britannique de charbon est multipliée par dix entre 1830 et 1865.
Pourquoi ? Parce que quand une ressource devient moins chère à utiliser, on invente de nouvelles façons de l’utiliser. La machine à vapeur efficace ne remplace pas l’ancienne à volume constant. Elle rend viable des usages qui n’existaient pas. Nouveaux trajets ferroviaires, nouvelles usines, nouvelles industries. Le gain unitaire est absorbé, puis dépassé, par l’explosion des usages.
📌 Le paradoxe de Jevons appliqué à l’IA : Les économistes appellent ça l’effet rebond. Et il se joue en ce moment avec l’IA générative. Sauf que la ressource en jeu n’est pas le charbon. C’est le temps de travail des professionnels qualifiés.
Le temps libéré ne reste jamais libre
L’étude Harvard/BCG de 2023 (Navigating the Jagged Technological Frontier), menée sur 758 consultants du Boston Consulting Group, mesure des gains de 12 à 25 % en rapidité et jusqu’à 40 % en qualité sur des tâches créatives et analytiques. Une étude MIT sur des rédacteurs professionnels montre un gain de 37 % en vitesse sur des tâches d’écriture. Pour les développeurs, GitHub rapporte 55 % de rapidité en plus sur la complétion de code avec Copilot.
Ces gains sont réels. Ce qui pose problème, c’est ce qu’on en fait.
+90%
de tâches administratives après introduction d’outils IA
Microsoft WTI 2025
−10%
de temps consacré au travail profond
164 000 travailleurs étudiés
Le Microsoft Work Trend Index 2025 montre que l’introduction de l’IA a augmenté les tâches administratives de plus de 90 % tout en réduisant le travail profond de près de 10 %. Les utilisateurs ne profitent pas du temps gagné pour faire moins. Ils font plus. Plus de réunions, plus d’emails, plus de documents, plus de micro-décisions. Le volume de travail s’étend pour remplir la capacité libérée. Et la dépasser.
Cal Newport, l’auteur de Deep Work et Slow Productivity, a documenté ce piège. Son analyse est directe : accélérer les tâches a une manière d’en attirer de nouvelles dans leur sillage. Le résultat n’est pas une utopie productive mais une frénésie plus intense. On ne travaille pas moins. On travaille différemment, sur un plus grand nombre de choses, avec l’impression permanente d’aller vite sans avancer sur l’essentiel.
Trois mécanismes d’effet rebond
L’effet rebond IA ne fonctionne pas de manière uniforme. Il passe par trois canaux distincts.
L’inflation des livrables. Quand produire un document prend quatre heures au lieu de deux jours, on n’en produit pas un en quatre heures. On en produit cinq en deux jours. La proposition commerciale qui n’aurait jamais été rédigée parce que le prospect semblait tiède devient viable. La variante de présentation qu’on n’aurait pas eu le temps de tester devient obligatoire. Le standard de qualité attendu par le client monte mécaniquement, parce que le client sait que l’IA existe et que ses prestataires l’utilisent. Le temps unitaire baisse, le volume total monte, le temps global reste constant ou augmente.
L’expansion des périmètres. L’IA rend accessible des tâches qui étaient hors de portée d’une personne seule. Un indépendant peut maintenant produire une stratégie SEO complète, un plan éditorial, des maquettes de landing pages et un audit technique en une semaine. Avant l’IA, il aurait externalisé trois de ces quatre tâches. Résultat : il travaille sur plus de fronts simultanément, gère plus de complexité, et le temps qu’il économise sur chaque tâche est réinvesti dans l’ouverture de nouvelles. C’est l’équivalent exact des nouvelles lignes ferroviaires rendues possibles par la machine de Watt.
La compression des délais clients. Ce mécanisme est le plus vicieux parce qu’il vient de l’extérieur. Quand un marché entier accélère, les délais attendus se compriment. Un audit qui prenait trois semaines peut désormais être livré en cinq jours ? Le client s’attend à cinq jours. Puis à trois. Puis à un intermédiaire en 48 heures. Le gain de productivité est progressivement capté par le marché, pas par le producteur. Les économistes parlent de dissipation de la rente : l’avantage concurrentiel d’une innovation se redistribue aux acheteurs à mesure que les concurrents l’adoptent.
Le paradoxe à l’échelle macro : 89 % des entreprises ne voient rien
L’effet rebond individuel se double d’un problème macro qui devrait faire réfléchir tous les évangélistes de l’IA. J’en fais partie, donc je me le dis aussi.
89%
des entreprises ne constatent aucun impact mesurable de l’IA sur leur productivité, malgré 69 % d’adoption.
NBER Working Paper 34836, fév. 2026 · ~6 000 dirigeants
McKinsey confirme sous un autre angle : sur 88 % d’organisations utilisant l’IA, seules 6 % en tirent un impact financier significatif (plus de 5 % d’EBIT attribuable). BCG situe le chiffre à 5 %.
On a déjà vu ce film. Robert Solow, prix Nobel d’économie, écrivait en 1987 qu’on voyait l’ère informatique partout sauf dans les statistiques de productivité. Il a fallu attendre la fin des années 1990, soit 15 à 20 ans après les premiers investissements massifs en informatique, pour que les gains apparaissent dans les chiffres macro. Paul David avait montré un précédent similaire avec l’électricité : 40 ans de décalage.
Erik Brynjolfsson (Stanford) explique ce décalage par la courbe en J : les technologies à usage général nécessitent des investissements complémentaires massifs (refonte des processus, formation, nouvelle organisation du travail) qui n’apparaissent pas dans les indicateurs traditionnels. Pendant cette phase, la productivité mesurée peut même baisser. Une étude du Census Bureau montre que les entreprises manufacturières ayant adopté l’IA voient leur productivité chuter de 1,33 point dans un premier temps, avant de surperformer sur un horizon de quatre ans.
Au niveau individuel, les gains sont réels mais absorbés par l’effet rebond. Au niveau organisationnel, ils existent en puissance mais restent bloqués par l’absence de transformation structurelle. Beaucoup d’agitation, peu de résultats mesurables.
Ce que ça change pour les professionnels du droit
74%
des professionnels du droit français utilisent l’IA régulièrement
Lamy Liaisons, oct. 2025
×3
d’adoption en cabinet en un an aux USA (11% → 30%)
ABA TechReport 2024
Thomson Reuters rapporte que les professionnels équipés économisent environ 5 heures par semaine, et les grands cabinets constatent des réductions de 30 % sur le temps de revue contractuelle.
Aucun de ces chiffres ne dit que les avocats travaillent moins ou gagnent plus.
Ce qu’on observe en pratique : les cabinets qui utilisent l’IA traitent plus de dossiers, produisent des mémoires plus longs, couvrent plus de jurisprudence dans leurs analyses. Le standard de diligence monte. Un avocat qui présente une recherche couvrant 15 décisions là où son concurrent en cite 50 grâce à l’IA perd en crédibilité, même si les 15 suffisaient. La course est au volume et à l’exhaustivité apparente, pas au gain de temps.
Le phénomène se voit aussi dans la tarification. Les clients corporate, qui savent que l’IA existe, commencent à challenger les honoraires au temps passé. Un contrat qui prenait 8 heures à rédiger n’en prend plus que 3 ? Le client s’attend à payer pour 3 heures. Le gain d’efficacité est transféré au client. L’avocat doit prendre plus de dossiers pour maintenir son chiffre d’affaires. Jevons, encore.
Sortir du piège : trois principes opérationnels
Identifier le paradoxe ne suffit pas. Encore faut-il y répondre concrètement.
Distinguer production et progression. Produire plus de livrables, ce n’est pas la même chose qu’avancer vers un objectif stratégique. Le réflexe face au temps libéré par l’IA, c’est de produire : un document de plus, un email de plus, une proposition de plus. La discipline, c’est de se poser la question avant de lancer une tâche : est-ce que ce livrable fait progresser un objectif à 6 mois, ou est-ce que je le produis parce que c’est devenu facile ? Si c’est la deuxième réponse, le temps serait mieux investi ailleurs.
Facturer la valeur, pas le temps. C’est la seule parade structurelle contre la compression des délais. Tant qu’un professionnel facture au temps passé, tout gain de productivité est mécaniquement capté par le client. La migration vers la facturation au forfait, à la valeur ou au résultat devient une nécessité économique à mesure que l’IA accélère la production. Un audit SEO qui génère 40 % de trafic organique en plus vaut le même prix qu’il ait pris deux semaines ou deux jours à produire. La discussion sur le prix doit porter sur le résultat, pas sur l’effort.
Protéger du temps non-productif. Le conseil le plus contre-intuitif, et probablement le plus utile. Le temps gagné par l’IA ne devrait pas être intégralement réinvesti en production. Une partie devrait aller à la réflexion stratégique sans outil, sans prompt, sans livrable attendu. Paul Graham appelle ça le Maker’s Schedule : des blocs longs et ininterrompus pour le travail créatif profond. Ethan Mollick (Wharton) arrive à la même conclusion par un autre chemin : le vrai levier IA n’est pas le prompting, c’est la capacité à déléguer et diriger. Et cette capacité se développe dans les moments de recul, pas dans les sprints de production.
La vraie question est organisationnelle
La machine à vapeur n’a pas rendu les entreprises victoriennes plus rentables en faisant tourner les anciennes usines plus vite. Elle a rendu possible un nouveau type d’organisation industrielle. Les usines ont changé de forme, de taille, de localisation. Paul David montre que ce processus a pris des décennies, et que les entreprises qui ont simplement branché la nouvelle machine sur l’ancienne organisation sont celles qui en ont le moins profité.
McKinsey et BCG convergent sur ce point : ce qui distingue les 5 à 6 % d’entreprises qui créent de la valeur avec l’IA, ce n’est ni la sophistication des outils, ni la qualité des prompts. C’est la refonte de leurs processus. Les leaders sont trois fois plus susceptibles d’avoir redessiné leurs workflows que les retardataires (McKinsey, 2025).
⚠️ Brancher ChatGPT sur un cabinet d’avocats organisé comme en 2019, c’est brancher la machine de Watt sur une mine de charbon à bras. Ça va un peu plus vite, mais le gain structurel est nul. La vraie transformation suppose de repenser ce qui est produit, comment c’est produit, comment c’est facturé, et comment le temps des professionnels est réparti entre production, direction et réflexion.
Jevons n’est pas une fatalité
Le paradoxe de Jevons n’est pas une loi physique. C’est une tendance comportementale. L’effet rebond se produit quand on ne le voit pas, quand on laisse le temps libéré se remplir par défaut.
Les professionnels qui tireront le plus de valeur de l’IA dans les deux prochaines années ne seront pas les plus rapides. Ce seront ceux qui auront compris que la vitesse de production est un moyen, pas une fin, et qui auront réinvesti leur temps dans ce que l’IA ne sait pas faire : voir loin, décider sous incertitude, construire des systèmes qui créent de la valeur sans leur présence permanente.
Sources
- W.S. Jevons, The Coal Question (1865)
- Harvard Business School / BCG, Navigating the Jagged Technological Frontier (2023)
- Microsoft Work Trend Index 2025
- NBER Working Paper 34836, Firm Data on AI (février 2026)
- McKinsey Global Survey, The State of AI in 2025 (mars 2025)
- BCG, Are You Generating Value from AI? The Widening Gap (septembre 2025)
- Lamy Liaisons / OpinionWay, Impact de l’IA sur les avocats et juristes en 2025
- ABA, 2024 Artificial Intelligence TechReport
- Thomson Reuters, Generative AI in Professional Services Survey (2025)
- Erik Brynjolfsson, The Productivity J-Curve (AEJ, 2021)
- Ethan Mollick, Management as AI Superpower, One Useful Thing (2025)
- Cal Newport, Slow Productivity (2024)
- Paul Graham, Maker’s Schedule, Manager’s Schedule (2009)