La fenêtre de correction : le coût du retard que personne ne budgète

Cinquante-trois ans plus tard, cette fenêtre est toujours ouverte. Et l'outil censé la refermer pourrait être en train de l'élargir.

Un modèle, une mécanique, une variable

Le rapport The Limits to Growth, publié en 1972 par le Club de Rome, repose sur un modèle de simulation appelé World3. Cinq variables mondiales (population, production industrielle, nourriture, ressources, pollution) interagissent sur deux siècles. Le rapport est devenu l'un des textes les plus cités et les plus mal compris du vingtième siècle, parce que la plupart des gens en retiennent une conclusion qui n'existe pas : "le monde va s'effondrer".

Ce que le modèle montre est plus précis et plus utile. Il mesure ce qui se passe quand un signal arrive et que la correction tarde. Le scénario central ne décrit pas un manque de ressources. Il décrit un retard de décision. La cascade fonctionne ainsi : moins de production industrielle entraîne moins d'investissement, qui entraîne moins de nourriture par habitant, qui entraîne une dégradation du bien-être. Chaque variable tire la suivante vers le bas.

La variable qui sépare les scénarios n'est pas la quantité de ressources. C'est la vitesse de la réponse.

Cinquante ans de données : la dynamique tient

En 2021, Gaya Herrington, alors analyste chez KPMG, publie dans le Journal of Industrial Ecology une mise à jour empirique du modèle. Elle superpose les données réelles collectées depuis 1972 aux douze scénarios originaux. Les données suivent de plus près deux trajectoires : BAU2 (ressources plus abondantes que prévu, réponse lente) et CT, Comprehensive Technology (technologie largement déployée, déclin évité, croissance plafonnée).

En 2024, Nebel et ses co-auteurs recalibrent entièrement le modèle World3 avec les paramètres réels. L'effet principal est de rehausser les pics de la plupart des variables et de les décaler de quelques années vers le futur. La dynamique du modèle tient. Les dates bougent. La mécanique, non.

Pour un dirigeant, c'est une information opérationnelle : la trajectoire reste ouverte, et la variable de contrôle est le délai entre le signal et la décision.

L'IA et la promesse non tenue

Le scénario CT suppose un rythme de progrès technologique de 4 % par an. Le rythme réel observé est plus proche de 1,5 %. L'écart entre ces deux chiffres est la fenêtre de correction.

L'hypothèse la plus séduisante est simple : si l'intelligence artificielle accélère le progrès technologique, elle pourrait rapprocher le rythme réel du seuil que le scénario CT exige. McKinsey estimait en 2023 que l'IA pourrait ajouter jusqu'à 3,4 points de productivité par an d'ici 2040. Goldman Sachs projetait une hausse de 1,5 point par an sur une décennie.

Les mesures réelles racontent autre chose. En mars 2026, Goldman Sachs publie une analyse qui ne trouve aucune corrélation significative entre l'adoption de l'IA et la productivité au niveau macroéconomique, tout en constatant des gains de 30 % sur des tâches spécifiques. Daron Acemoglu, du MIT, estime en 2024 que les gains de productivité totale des facteurs liés à l'IA ne dépasseront pas 0,53 à 0,66 % en tout sur dix ans.

La promesse est à 3,4 points par an. La mesure est à 0,66 % total sur dix ans. L'écart entre les deux est la fenêtre de correction elle-même.

L'écart ne disqualifie pas le potentiel de l'IA. Mais il interdit de le présupposer.

Le paradoxe énergétique

Les data centers dédiés à l'intelligence artificielle font plus que tripler leur consommation électrique entre 2025 et 2030, selon l'Agence Internationale de l'Énergie. La consommation totale des data centers double sur la même période, de 485 à 950 térawattheures. Ces centres se raccordent aux mêmes réseaux électriques que les usines.

Selon le Lawrence Berkeley National Laboratory, le délai médian entre la demande de raccordement au réseau et la mise en service est passé de moins de deux ans à près de cinq ans en quinze ans. Les marchés régionaux intègrent la demande des data centers plus vite qu'ils ne construisent la capacité correspondante.

Deux boucles de rétroaction se font face. La première est vertueuse : l'IA accélère la détection des signaux, comprime les délais de décision, pousse le progrès technologique vers le seuil requis. La seconde est destructrice : l'IA consomme une quantité croissante d'électricité, entre en compétition avec l'industrie pour l'accès au réseau, et contribue au ralentissement de la production industrielle qui déclenche la cascade de Meadows.

La fenêtre 2025-2035 est la décennie où l'une des deux boucles l'emportera.

Le signal que personne n'a lu pendant dix ans

La dynamique que Meadows a décrite n'est pas réservée aux modèles planétaires. Chaque organisation a sa propre courbe.

La Redoute était le leader français de la vente à distance. Le signal du commerce en ligne était lisible dès le début des années 2000. La correction a tardé. En juin 2014, Kering cède l'entreprise pour un euro symbolique, après avoir engagé environ 315 millions d'euros dans un plan de transformation et 180 millions de mesures sociales, et un plan de suppression de 1 178 postes sur 3 437 salariés. Le signal était public pendant dix ans. C'est la fenêtre de correction qui s'est refermée.

La question pour un dirigeant n'est pas de savoir si Meadows avait raison. C'est de savoir combien de temps le signal met à devenir une décision dans sa propre organisation.

Ce que ça change concrètement

J'opère moi-même une organisation augmentée par l'intelligence artificielle. Des analyses qui prenaient des jours sortent en quelques minutes. Des flux de données traités en continu sans mobiliser une équipe permanente. La compression des délais est réelle, mesurable, quotidienne.

Et c'est là que le paradoxe devient invisible. La seule ressource que je gère consciemment est informationnelle : les tokens, la mémoire de contexte, la vitesse de production. L'électricité qui alimente ces tokens reste totalement en dehors de mon champ de décision. L'expérience individuelle est celle de la libération. Mais quand chaque utilisateur ne perçoit que l'accélération sans sentir le poids énergétique de ses propres requêtes, personne ne ressent le signal que le modèle mesure. La déconnexion entre l'expérience individuelle et la conséquence systémique est exactement le type de retard que Meadows a décrit.

La variable n'a pas changé

Ce n'est pas la ressource qui manque en premier. Ce n'est pas la technologie qui échoue. C'est le temps entre le moment où l'on sait et le moment où l'on agit.

Des signaux qui arrivent et que personne ne lit. Des décisions qui tardent parce que le coût du retard n'est pas sur la facture du mois. Des processus qui s'empilent parce que les retirer demande un courage que le calendrier trimestriel ne récompense pas.

Cette lecture est réfutable : si les gains de productivité mesurés rejoignent le rythme requis avant que la contrainte électrique ne morde, la fenêtre de correction se referme d'elle-même et cette analyse aura eu tort. C'est mesurable. Nous le saurons d'ici dix ans.

La courbe ne punit pas la croissance. Elle punit le retard.

La fenêtre de correction est un concept proposé par Peter Guillon pour nommer l'écart entre le signal reçu et la décision prise. Il s'applique aux trajectoires d'organisations comme aux trajectoires macroéconomiques. Voir la définition au lexique.