PIB, amplification de la main-d'œuvre et exportabilité nette

Constat clé : En utilisant l'adoption au niveau des organisations, des multiplicateurs de tâches réalistes (typiquement 1,14×–1,26×, avec 1,67× comme plafond spécifique à la tâche), et un facteur d'utilisation par défaut de 40 %, l'effet de niveau à court terme sur le PIB pour le Canada varie d'environ +0,8 % dans les cas conservateurs à +8,36 % dans les scénarios ambitieux et bien exécutés — avant de comptabiliser toute contribution à l'exportation nette provenant de la vente de capacité de calcul à l'étranger.

Deux canaux d'IA complémentaires pour augmenter le PIB

À la base, le PIB = C + I + G + (X − M), et le PIB par habitant peut être décomposé en productivité × emploi/population × heures/travailleur. Lorsqu'un sous-ensemble de travailleurs devient plus productif, le PIB évolue proportionnellement à une règle empirique simple : impact ≈ part d'adoption × gain de productivité × utilisation. C'est le moteur derrière les fourchettes de scénarios : nous combinons l'adoption au niveau des organisations dans les secteurs privé et public, les pondérons par leurs parts d'emploi, multiplions par (m − 1) où m est le multiple de productivité au niveau de la tâche (par exemple, 1,14, 1,26, 1,67), et appliquons u (la fraction des heures réellement touchées par l'IA). Cela produit un effet de niveau mécanique de premier ordre sur le PIB que l'on peut ajuster à la hausse ou à la baisse en fonction des changements d'hypothèses.

Le Canada peut augmenter son PIB par le biais de deux canaux d'IA complémentaires, chacun décrit plus en détail dans les pages suivantes :

1. Productivité intérieure — les entreprises et les organismes publics produisant plus par heure, et
2. Impact des exportations nettes — vente de la capacité GPU des centres de données canadiens à des acheteurs étrangers alors que l'offre mondiale est limitée. (Pour fournir une estimation plus prudente du potentiel d'augmentation du PIB, nous n'avons pas tenu compte de l'impact des exportations nettes.) Cependant, nous pensons que, si elle est exécutée correctement, cela pourrait générer un impact significatif sur le PIB, tout en augmentant l'influence géopolitique du Canada.

En utilisant l'adoption au niveau des organisations (et non les chiffres d'utilisation personnelle), des multiplicateurs de tâches réalistes (typiquement 1,14×–1,26× ; 1,67× comme plafond spécifique à la tâche), et un facteur d'utilisation pour la part des heures réellement augmentées, l'effet de niveau à court terme sur le PIB varie de bien moins de 1 % dans les cas conservateurs à des chiffres élevés à un chiffre dans les scénarios ambitieux et bien exécutés. Au fil du temps, ces gains de niveau devraient être intégrés dans des trajectoires de croissance annuelles conformes aux garde-fous macroéconomiques largement cités (environ +0,4–0,9 pp/an à la productivité du travail si l'adoption, les compléments et l'utilisation continuent d'augmenter).

Parallèlement, si le Canada développe son infrastructure d'IA plus rapidement que la plupart de ses pairs de l'OCDE (hors États-Unis/Chine), les exportations de services de calcul pourraient ajouter un coup de pouce distinct et substantiel à (X − M) tant que le marché mondial reste contraint par l'offre.

Productivité intérieure

Fourchettes de scénarios de l'OCDE (contexte pour les pairs)

Dans les économies avancées, l'adoption par les entreprises s'étend aujourd'hui d'environ faible → élevé = ~6 % → ~28 % des entreprises, avec des effets de productivité au sein des tâches crédibles se regroupant autour de 1,14×–1,26× et 1,67× comme limite supérieure pour les tâches bien définies. Le croisement de ces fourchettes d'adoption avec les multiplicateurs (et un u = 40 % par défaut) produit une grille claire des niveaux de ΔPIB qui reste agnostique aux structures nationales — utile pour comparer les chiffres du Canada à ceux de ses pairs.

Fourchettes de scénarios et grille pour le Canada (ce que signifient les chiffres)

Pour le Canada, nous utilisons uniquement l'adoption au niveau des organisations : les fourchettes du secteur privé sont basées sur l'utilisation actuelle et les plans à court terme ; les fourchettes du secteur public sur les parts mises en œuvre/en phase pilote. Nous pondérons par l'emploi (≈ 78 % privé / 22 % public) et maintenons u = 40 % dans la grille de base. Le résultat est trois fourchettes intuitives :

• A — « empreinte mise en œuvre » produit environ ≈ 0,8 % → 3,8 % selon que les tâches atteignent en moyenne 1,14× → 1,67×.
• B — « montée en puissance à court terme (incl. pilotes partiels) » donne ≈ 1,1 % → 5,3 %.
• C — « mise en œuvre + conversion des pilotes » atteint ≈ 1,8 % → 8,4 %.

Ce sont des effets de niveau, et non des taux de croissance annuels ; ils se matérialisent sur plusieurs années à mesure que les outils, les processus, les données, les compétences et la gouvernance s'adaptent. Ils évoluent également de manière linéaire : si seulement 25 % des heures sont augmentées par l'IA à court terme, multipliez la grille par 0,25 ÷ 0,40 = 0,625 ; si le gain moyen par tâche est de 1,20×, ajustez par (0,20 ÷ 0,14) à partir de la colonne 1,14×, et ainsi de suite.

Comment lire les pages suivantes

1. Les fourchettes de l'OCDE définissent les garde-fous externes (adoption × multiplicateur).
2. La grille du Canada applique la structure d'adoption et d'emploi canadienne pour quantifier les niveaux de ΔPIB plausibles, avec des indicateurs clairs pour m et u.
3. La section sur l'exportation de calcul montre comment traduire les plans de capacité en exportations nettes et, par conséquent, en PIB via (X − M).

Ensemble, ils vous offrent un moyen cohérent et prêt à l'emploi pour tester le potentiel de l'IA au Canada à travers les canaux de la productivité et du commerce — sans double comptage et avec des hypothèses que vous pouvez ajuster de manière transparente.

Comment comptabiliser l'augmentation du PIB intérieur

Effet de premier ordre sur le niveau du PIB :

ΔGDP ≈ [ s_priv·a_priv + s_pub·a_pub ] × u × (m − 1)

…où :

• a_priv, a_pub = parts d'adoption au niveau des organisations (privé/public).
• s_priv, s_pub = parts d'emploi (privé/public).
• m = multiple de productivité au niveau de la tâche pour les heures augmentées (par exemple, 1,14, 1,26, 1,67).
• u = part des heures d'un travailleur typique qui sont réellement augmentées par l'IA (fourchette typique d'utilisation précoce de 25 à 60 %).

Fourchettes de scénarios de l'OCDE (adoption × multiplicateur)

Repères (entreprises, niveau organisationnel)

• Fourchettes d'adoption : A = 6 % (faible), B = 13,5 % (moyen), C = 27,6 % (élevé).
• Multiplicateurs : Faible = ×1,14, Base = ×1,26, Élevé = ×1,67.
• Utilisation par défaut : u = 40 % des heures augmentées (ajuster les cellules en multipliant par u/0,40).

Effets de niveau mécaniques (pourcentage du PIB), en utilisant ΔPIB ≈ adoption × u × (m − 1) :

Adoption ↓ \ Multiplicateur →	Faible ×1,14	Base ×1,26	Élevé ×1,67
A — 6 %	0,34 %	0,62 %	1,61 %
B — 13,5 %	0,76 %	1,40 %	3,62 %
C — 27,6 %	1,55 %	2,87 %	7,40 %

Notes

• Ce sont des fourchettes d'entreprises de type OCDE — elles ne pondèrent pas l'emploi public par rapport à l'emploi privé.
• Traiter ×1,67 comme un plafond spécifique à la tâche (par exemple, rédaction professionnelle, codage bien défini).
• Pour les trajectoires annuelles, échelonner l'adoption/l'utilisation dans le temps et vérifier par rapport aux garde-fous macroéconomiques (environ 0,4–0,9 pp/an à la productivité du travail sur 10 ans).

Fourchettes de scénarios pour le Canada (niveau organisationnel uniquement, pas d'utilisation personnelle)

Pondérations de l'emploi (Canada)

• s_priv = 78,4 %, s_pub = 21,6 % de l'emploi total.

Définitions de l'adoption (niveau organisationnel)

• Privé (A → C) :
  • A : 12,2 % des entreprises ont utilisé l'IA pour produire/livrer au cours des 12 derniers mois (T2-2025).
  • B : 14,5 % prévoient d'utiliser l'IA au cours des 12 prochains mois (T3-2025).
  • C : 24,9 % cas élevé = 12,2 % + 14,5 % parmi les non-utilisateurs → 0,122 + 0,145·(1−0,122).
• Public (A → C) :
  • A : 22 % des organisations du secteur public ont mis en œuvre l'IA.
  • B : 38 % = mis en œuvre + la moitié des pilotes (22 % + 0,5×32 %).
  • C : 54 % = mis en œuvre ou en phase pilote.

Multiplicateurs. Faible = ×1,14, Base = ×1,26, Élevé = ×1,67. Utilisation par défaut. u = 40 % des heures augmentées.

Grille Canada — Effet de niveau ΔPIB (pourcentage du PIB), en utilisant ΔPIB ≈ [ s_priv·a_priv + s_pub·a_pub ] × u × (m − 1) :

Bande d'adoption ↓ \ Multiplicateur →	Faible ×1,14	Base ×1,26	Élevé ×1,67
A — « empreinte mise en œuvre » (a_priv 12,2 %, a_pub 22 %)	0,80 %	1,49 %	3,84 %
B — « montée en puissance à court terme » (a_priv 14,5 %, a_pub 38 %)	1,10 %	2,04 %	5,25 %
C — « mise en œuvre + pilotes convertis » (a_priv 24,9 %, a_pub 54 %)	1,75 %	3,25 %	8,36 %

Facteurs d'échelle rapides.

• Modifier u : multiplier tout le tableau par (u / 0,40).
• Modifier m : remplacer (m − 1). Exemple : avec ×1,20, mettre à l'échelle la colonne Faible par (0,20 / 0,14) ≈ 1,43×.
• Si vous préférez plans T2-2025 = 17,9 % au lieu de 14,5 % pour les secteurs privé B/C, remplacer a_priv en conséquence et recalculer C comme suit : 0,122 + 0,179·(1−0,122) ≈ 27,4 %.

Interprétation et calendrier.

• Ce sont des effets de niveau qui maintiennent les autres facteurs macroéconomiques constants ; les trajectoires macroéconomiques réalisées s'accumulent généralement sur plusieurs années à mesure que l'adoption, les compléments (compétences, données, calcul) et la refonte des processus mûrissent.
• Utiliser le garde-fou de 10 ans de l'OCDE (≈ +0,4–0,9 pp/an à la productivité du travail) pour cartographier ces niveaux en trajectoires de croissance annuelles.

Points clés à retenir

• Parmi les pairs de l'OCDE, l'adoption de l'IA au niveau de l'entreprise s'étend approximativement de faible → élevé = 6 % → 28 %.
• Les effets crédibles sur la productivité au niveau des tâches/équipes se regroupent autour de ×1,14 → ×1,26, avec ×1,67 comme plafond pour les tâches bien définies.
• Pour le Canada, en utilisant uniquement l'adoption au niveau de l'organisation (pas de statistiques au niveau de l'utilisateur) et une utilisation par défaut u = 40 %, les effets de niveau implicites varient de ≈ +0,8 % (Conservateur ×1,14) à ≈ +8,36 % (Ambitieux ×1,67) sur une base mécanique de premier ordre.
• Les garde-fous macroéconomiques (OCDE) suggèrent que la croissance annuelle de la productivité du travail pourrait être augmentée de ~0,4–0,9 pp/an sur une décennie à mesure que l'adoption et l'utilisation s'intensifient — il faut donc échelonner ces bandes dans le temps.

Sources à l'appui des intrants utilisés

• Canada (secteur privé, niveau organisationnel) : A utilisé l'IA pour produire/livrer (T2-2025) : 12,2 % ; plus 17,9 % prévoient d'adopter des logiciels d'IA au cours des 12 prochains mois (même publication) — Statistique Canada. Prévoit d'utiliser l'IA (T3-2025) : 14,5 % (Le Quotidien) — Statistique Canada.
• Canada (secteur public, niveau organisationnel) : 22 % mis en œuvre, +32 % en phase pilote (c'est-à-dire 54 % mis en œuvre ou en phase pilote) ; 48 % des fonctionnaires utilisent des outils d'IA au travail (sondage KPMG, 18 sept. 2025) — KPMG.
• Poids de l'emploi (Canada) : Part du secteur public dans l'emploi total ≈ 21,6 % — Institut C.D. Howe.
• Référentiels d'adoption OCDE/UE (entreprises) : Entreprises de l'UE-27 utilisant l'IA en 2024 : 13,5 % ; les plus élevées : Danemark 27,6 %, Suède 25,1 %, Belgique 24,7 % — Commission européenne.
• Multiplicateurs de productivité au niveau des tâches/équipes : ×1,14 (+14 %) : « L'IA générative au travail » (agents de soutien à la clientèle, déploiement sur le terrain) — NBER. ×1,26 (+26 %) : Trois expériences sur le terrain avec des développeurs de logiciels (Microsoft, Accenture, Fortune-100), ECR — MIT Economics. ×1,67 (~+67 % implicite) : Expérience contrôlée GitHub Copilot (55,8 % plus rapide pour une tâche de codage) — arXiv.
• Garde-fou macroéconomique (horizon de 10 ans) : Modèle micro-macro de l'OCDE : +0,25–0,6 pp à la PTF par an, environ +0,4–0,9 pp à la croissance de la productivité du travail — OCDE.

Impact sur les exportations nettes (Vente de capacité de calcul à des pays étrangers)

Le deuxième moteur augmente directement (X − M). Traiter la capacité GPU vendue à partir de serveurs situés sur le sol canadien à des non-résidents comme des exportations de services informatiques (livrés numériquement). Modéliser l'offre en heures GPU équivalentes H100 :

Heures GPU exportables = GPU installés × 8 760 × utilisation × part d'exportation × facteur de performance

Multiplier par une trajectoire de prix ($/heure-H100) pour obtenir les exportations. Ensuite, soustraire un contenu d'importation nivelé par heure GPU — matériel importé amorti et tout logiciel/licence étranger — pour obtenir les exportations nettes : Exportations nettes ≈ heures GPU × (prix − LIC).

Tant que le calcul mondial reste rare, supposer une forte adoption aux prix cibles (limitée par la latence et les règles du commerce numérique) ; à mesure que les marchés mûrissent, passer à un modèle de part de marché. Quoi qu'il en soit, ce canal est additionnel aux gains de productivité nationaux et peut être significatif si le Canada accélère la construction de centres de données, l'interconnexion et l'approvisionnement en énergie propre plus rapidement que ses pairs.

Nous croyons fermement que le Canada a le potentiel de devenir un exportateur net de puissance de calcul d'IA. Cependant, nous avons intentionnellement omis une analyse complète du PIB de cette valeur d'exportation afin de présenter une estimation plus prudente de l'impact global sur le PIB. Néanmoins, nous recommandons fortement de prioriser ce secteur comme une partie cruciale des futures stratégies d'exportation du Canada.

Qu'est-ce qui constitue l'« exportation de calcul » ?

Traiter la vente de calcul GPU/IA à partir de serveurs situés au Canada à des non-résidents comme des services livrés numériquement (OMC Mode 1 : transfrontalier). Dans les statistiques commerciales standard, cela relève des EBOPS 2010 « Services de télécommunications, d'informatique et d'information → Services informatiques (SI2) » et fait partie des services livrables numériquement. Cela couvre l'infonuagique/l'hébergement, le traitement des données et l'infrastructure de plateforme (IaaS/PaaS).

Pourquoi c'est important : le compter de cette manière signifie que l'exportation apparaît dans X (services), stimulant directement (X − M) ; tout GPU importé ou licence étrangère affecte M au moment où ils se produisent, maintenant le PIB cohérent avec la valeur ajoutée nationale.

Capacité d'offre : Des GPU aux heures GPU exportables

Définir une unité uniforme (par exemple, heure GPU équivalente H100) pour combiner différents accélérateurs. Pour chaque classe de GPU i, les heures GPU exportables en année t sont la somme, pour toutes les classes, de :

Heures GPU exportables = Σ ( N_i,t × 8 760 h/an × u_i,t × s_i,t^export × φ_i )

où N représente les GPU installés, u est l'utilisation, s^export est la part vendue aux non-résidents, et φ est le facteur de performance par rapport à H100.

• u (utilisation) capture la disponibilité et l'efficacité de la réservation (la formation est groupable, donc 60 à 90 % est courant en régime permanent).
• s^export est la fraction de la capacité vendue à l'étranger (limitée par les restrictions de localisation des données / services numériques sur les marchés de destination ; utilisez l'ISCN numérique de l'OCDE pour paramétrer la demande atteignable par pays/région).
• Vérifiez la faisabilité du raccordement/de la montée en puissance du réseau électrique pendant que vous planifiez la capacité — des travaux récents de l'AIE signalent l'électricité et l'interconnexion comme des contraintes contraignantes dans certaines localités.

Trajectoire des prix : $p par heure GPU équivalente H100

Comparez avec les prix catalogue des hyperscalers (limite supérieure) et appliquez votre remise de gros :

• AWS p5.48xlarge (8× H100) à la demande (us-east-1) ≈ 98,32 $ US/h → ≈ 12,29 $ US par heure H100.
• Azure ND H100 v5 (8× H100) à la demande ≈ 98,32 $ US/h (dépend de la région).
• Les prix de Google Cloud A3 (8× H100) varient selon la région ; la page de prix des GPU de Google confirme les cadres A3 à la demande/Spot (utilisez le SKU de la région pour vos marchés cibles).

Revenus bruts d'exportation

Exportations de services informatiques_t = Heures GPU exportables_t × p_t ⇒ ΔX_t = Exportations_t

Ceci est comptabilisé sous "Services informatiques (SI2)" dans les exportations de services. À titre de référence, les exportations totales de services du Canada s'élevaient à 219,9 G$ en 2024 ; les exportations de services informatiques s'ajouteraient à cette ligne.

Importations à soustraire (pour obtenir les exportations nettes)

Les services informatiques ont un contenu en capital importé important (accélérateurs, serveurs, optiques) et des dépenses d'exploitation importées (licences/support étrangers). Pour maintenir l'alignement avec le PIB par dépense (C + I + G + (X − M)), suivez :

1. Dépenses en capital importées (biens) l'année de leur arrivée (pics ponctuels).
2. Services importés nécessaires à la prestation de services informatiques (par exemple, licences logicielles étrangères, support spécialisé).

Une méthode pratique — en particulier pour les scénarios sur 10 ans — consiste à calculer un contenu d'importation annualisé par heure GPU (CIA) afin de pouvoir le déduire du prix chaque année :

CIA_t = ( Dépenses en capital importées_t × FRC + Dépenses d'exploitation importées_t ) ÷ Heures GPU exportables_t

• Le FRC est un facteur de récupération du capital utilisant la durée de vie de l'actif L et le taux d'actualisation r.
• L'électricité est nationale et n'est donc pas soustraite dans (X − M) (bien qu'elle soit importante pour la rentabilité).
• La communauté des comptes nationaux affine activement les directives pour le cloud computing dans le SCN/BPM — utilisez ce qui précède comme une première approximation optimale alignée sur la pratique actuelle.

Ensuite :

Exportations nettes de services informatiques_t = Exportations_t − Importations_t ≈ Heures GPU exportables_t × (p_t − CIA_t)

et l'effet incrémental sur le PIB dû au commerce en l'année t est Δ(X − M)_t.

Sources de données

• Cadre statistique et classification : OCDE/FMI/ONU/OMC Manuel sur la mesure du commerce numérique (2e éd.) — liste les services livrables numériquement et cartographie l'EBOPS 2010 SI2 ("Services informatiques") — OCDE. ONU MSITS 2010 (modes de fourniture et concepts de commerce des services) — UNSD. Documents OMC/ONU sur la fourniture transfrontalière du Mode 1 — UNSD.
• Données de référence pour le Canada : Série principale des exportations de services (pour étalonner votre ajout) — Statistique Canada.
• Contraintes et accès au marché : ISCN numérique de l'OCDE (obstacles au commerce numérique transfrontalier) — OCDE. AIE sur la demande d'électricité des centres de données et de l'IA et les limites du réseau (alimente u et la montée en puissance) — AIE.
• Références de prix : AWS p5.48xlarge ≈ 98,32 $ US/h (us-east-1) ; Azure ND H100 v5 ≈ 98,32 $ US/h ; Prix de Google Cloud A3 H100 par région — Cost Calculator, Vantage.