Une question éthique connexe concerne la propriété : à qui appartiennent l’intelligence et la valeur qu’elle crée? Les systèmes d’IA sont formés sur d’immenses quantités de connaissances générées par l’homme, pourtant la propriété intellectuelle qui en résulte demeure contestée. Plusieurs sociétés technologiques ont commencé à officialiser des ententes contractuelles pour régler ce problème, y compris la proposition de règlement de 1,5 G$ d’Anthropic AI pour les droits d’auteur en septembre 2025, le plus important recouvrement de droits d’auteur à ce jour⁷. Toutefois, le débat n’est toujours pas résolu.

Les préoccupations d’équité de cette nature ne sont pas nouvelles. Les révolutions industrielles précédentes exigeaient souvent que les travailleurs forment des remplaçants ou des homologues à l’étranger, ce qui créait une pression à la baisse sur les salaires et une augmentation des inégalités. La distinction aujourd’hui réside dans la rapidité et l’échelle. Le « travailleur » en formation – un système d’IA – est plus rapide, plus ciblé et fonctionne en continu. L’accroissement des marges qui en résulte profite de manière disproportionnée aux actionnaires, aux dirigeants et, dans certains cas, aux investisseurs privés.

Bien que la gouvernance de l’IA ait fait l’objet de discussions approfondies, moins d’attention a été accordée à la façon dont les approches de l’entreprise vis-à-vis l’IA façonnent la culture organisationnelle, le perfectionnement des talents et la formation du capital humain. Si l’IA remplace les postes de premier échelon et les tâches répétitives, le gel des embauches et la réduction des occasions de début de carrière pourraient avoir des répercussions disproportionnées sur les nouveaux diplômés.

Cela soulève des questions sur la façon dont les futurs leaders seront formés sans les cycles traditionnels de mentorat, d’apprentissage expérientiel et de responsabilité progressive. Les styles de leadership, l’apprentissage collaboratif, les normes en milieu de travail et les réseaux professionnels sont tous façonnés par une interaction humaine soutenue. Supprimer les rôles de début de carrière risque d’éliminer un échelon critique de l’échelle professionnelle, avec des effets de deuxième ordre sur la créativité, l’engagement et le développement sociétal.

Au cours des deux dernières décennies, les progrès technologiques rapides ont entraîné à plusieurs reprises des défis sociaux et de gouvernance complexes, allant de la protection des renseignements personnels à la cybersécurité en passant par la responsabilité éthique et le vol de propriété intellectuelle. Historiquement, la réponse des entreprises et des décideurs politiques a eu tendance à accuser un retard sur l’innovation, n’apparaissant souvent qu’après que le mal soit fait.

Selon nous, ce cycle doit être brisé. Dans le cas de l’IA, les cadres d’entreprise et politiques devraient précéder, plutôt que suivre, le déploiement à grande échelle pour atténuer les risques les plus graves pour les marchés financiers et la stabilité sociale. Un cadre d’IA favorable aux travailleurs pourrait offrir une voie vers la préservation de modèles de revenus et de consommation résilients, qui demeurent fondamentaux pour la durabilité des marchés à long terme.

Dans nos premiers engagements à l’égard de l’IA, les discussions étaient vastes et fragmentées, couvrant l’adoption, la gouvernance, l’éducation et les contrôles. Pour améliorer notre approche de gérance, nous avons concentré l’engagement des conseils d’administration sur trois domaines clés :

1. Déterminer si les conseils d’administration possèdent les compétences et les connaissances appropriées pour superviser les risques liés à l’IA, et si des structures de surveillance efficaces sont en place.
2. Analyser comment l’adoption de l’IA a remodelé la structure et la culture organisationnelles.
3. Évaluer si les gains de productivité générés par l’IA peuvent être quantifiés de façon fiable.

La qualité, la composition et l’efficacité des conseils d’administration demeurent l’un des piliers fondamentaux sur lesquels nous évaluons les pratiques de gouvernance d’entreprise des sociétés en portefeuille. Naturellement, évaluer si les conseils d’administration possèdent une expertise pertinente en matière d’IA, au moyen de la formation ou de l’expérience, est une étape fondamentale pour comprendre la qualité de la surveillance.

Nous cherchons à comprendre comment les conseils d’administration entendent évoluer, notamment par des changements liés aux nominations ou aux départs à la retraite, et quelles compétences sont prioritaires. Avec les bonnes compétences en place, des conseils d’administration bien structurés, largement indépendants et très performants peuvent aider à soutenir la surveillance des risques importants, y compris les risques environnementaux et sociaux qui ont une incidence financière.

La deuxième question sur la façon dont l’IA a façonné les sociétés émettrices a donné des réponses variées selon notre expérience. Certaines sociétés se sont concentrées sur des outils discrets et des gains d’efficacité, tandis que d’autres s’expriment au niveau culturel. Comprendre comment l’IA transforme la culture d’entreprise s’est avéré particulièrement instructif.

Dans certains de nos engagements auprès des sociétés en portefeuille, nous avons constaté un accent plus marqué sur des philosophies centrées sur l’humain, mais soutenues ou renforcées par la technologie – et plus précisément, l’IA. Dans certains cas, de tels axiomes sont intégrés dans les descriptions et les communications de l’entreprise. Ces déclarations représentent ce que le professeur Edgar H. Schein, du MIT Sloan, décrit comme des « artéfacts » culturels, c’est-à-dire des expressions visibles des valeurs organisationnelles⁸. Toutefois, l’examen des artéfacts à lui seul est insuffisant, et les valeurs adoptées par la direction peuvent également ne pas correspondre aux hypothèses sous-jacentes des employés. Pour évaluer la culture de manière significative, la gérance nécessite un engagement à tous les niveaux de l’organisation – conseils d’administration, direction et employés non-cadres – afin de comparer les points de vue et de repérer les incohérences.

Le modèle de Schein met également l’accent sur le fait que la culture est transmise au moyen d’un apprentissage partagé et de la transmission de solutions aux nouveaux membres. En d’autres termes, cette transmission de solutions témoigne de la validité de telles solutions ou valeurs communes. Dans un environnement d’IA agentique, où l’IA remplace de plus en plus les postes de premier échelon, les occasions de cette transmission diminuent. Les implications sont doubles. 

Premièrement : La responsabilité demeure entre les mains des décideurs humains, même si l’IA effectue une plus grande part du travail analytique.

Deuxièmement : La boucle de rétroaction sur le perfectionnement, où un mauvais travail devient un moment propice à l’apprentissage, est affaiblie.

Bien que le fait de soumettre une nouvelle requête aux systèmes d’IA puisse être efficace, cela élimine le processus de développement du capital humain, ce qui réduit la capacité organisationnelle à long terme. Plus important encore, sans occasions structurées pour tester, renforcer et faire évoluer les hypothèses communes avec des participants humains capables de recevoir de la rétroaction et d’être tenus responsables, la culture organisationnelle risque de s’éroder au fil du temps.

Bien que la primauté de l’actionnaire ait longtemps dominé la stratégie d’entreprise, les résultats du marché sont façonnés par des hypothèses sociétales plus générales. Comme il est indiqué à la partie I, le renouveau de la pensée polanyienne met en évidence les périodes où les systèmes de marché sont forcés de se réintégrer au sein des structures sociales. Si des penseurs comme Adam Smith et Milton Friedman ont façonné les visions prédominantes sur la maximisation des profits, ces idées sont aujourd’hui remises en question.

La théorie des parties prenantes, avancée par Edward Freeman, soutient que la création de valeur à long terme nécessite d’équilibrer les intérêts des employés, des collectivités et de l’environnement avec ceux des actionnaires⁹. Cette perspective a gagné du terrain dans certaines parties du monde développé, reposant sur la conviction qu’une maximisation non contrôlée des profits pourrait ultimement nuire à la valeur actionnariale elle-même, en particulier lorsque les actionnaires sont aussi des travailleurs par le biais des régimes de retraite.

Alors que les marchés continuent de récompenser les gains à court terme générés par l’IA, la question se pose de savoir si les entreprises ne privilégient pas des victoires rapides au détriment de la main-d’œuvre, augmentant potentiellement la dépendance aux transferts gouvernementaux ou aux mécanismes de revenu universel. 

Pour les investisseurs, la compréhension des gains de productivité générés par l’IA nécessite d’abord une divulgation fiable et normalisée. Des informations normalisées sur les gains de productivité concrétisés aideraient les investisseurs à distinguer les gains d’efficacité déjà obtenus des anecdotes prometteuses de cas d’utilisation potentiels moins certains. Sans quantification, il est difficile de distinguer les gains d’efficacité réalisés des discours ambitieux.

Lorsque des gains sont réalisés, les actionnaires sont susceptibles d’obtenir une part importante grâce à l’accroissement des marges et à l’appréciation des actions. De nombreux membres de la direction participent également au moyen de régimes de rémunération fondés sur les actions, qui sont souvent explicitement liés à des seuils de rendement. Dans des cas extrêmes, certains dirigeants-propriétaires ont même demandé aux actionnaires de voter et d’approuver d’importantes attributions d’actions liées à des seuils de rendement extraordinaires, verrouillant ainsi, à tout le moins, le potentiel de gain lié aux gains de productivité de l’IA si des seuls de rendement astronomiques sont atteints.

Cela soulève la question de savoir si les employés, dont le travail soutient à la fois la production et la consommation, devraient également participer à la création de valeur générée par l’IA. Les employés peuvent faire face à des inconvénients structurels : la participation continue aux régimes d’actions est souvent subordonnée à l’emploi, tandis que de nombreux employés en sont totalement exclus en raison de leur ancienneté ou de leur admissibilité.

Une solution potentielle consiste à repenser la participation aux capitaux propres au moyen de structures de type « fiducie d’avantages sociaux pour les employés ». Celles-ci alloueraient une partie des gains de productivité générés par l’IA aux employés actuels et anciens, indépendamment du maintien de leur lien d’emploi. De telles structures se distingueraient des régimes de rémunération traditionnels et pourraient être gérées de la même façon que les régimes de retraite.

Bien que cette approche ne soit pas présentée comme une solution définitive, elle illustre comment l’innovation du secteur privé pourrait atténuer les risques de déplacement de la main-d’œuvre plus efficacement qu’une éventuelle intervention gouvernementale.

La gouvernance de tels cadres pourrait également bénéficier d’une représentation significative des employés au sein du conseil d’administration, équilibrant ainsi les intérêts des actionnaires et de la direction. Des exemples internationaux, comme la représentation des employés au sein des conseils d’administration sur les marchés allemands¹⁰, démontrent la viabilité de telles structures de gouvernance. Une réflexion plus approfondie serait nécessaire quant au niveau réel de la représentation des administrateurs « représentant les employés », mais l’idée serait de représenter équitablement la catégorie des employés au sein du conseil d’administration, en équilibrant les intérêts des actionnaires et de la direction. Une telle représentation au niveau du conseil d’administration apporterait des points de vue appropriés aux discussions et à la stratégie de l’entreprise, ce qui aiderait à renforcer la capacité du conseil d’administration à réfléchir à long terme et à gérer les risques.