13 % de jeunes en moins dans les emplois exposés à l’IA

À la question de savoir ce que l’IA générative fait au travail de bureau en 2026, la réponse directe est la suivante : elle automatise des tâches précises et bien délimitées — premier jet de code, contacts clients routiniers, demandes adressées aux ressources humaines, revue de contrats, rédaction de documents, traduction et images d’illustration —, et les entreprises en encaissent les gains principalement en ralentissant leurs recrutements, non en procédant à des licenciements massifs ◈ Preuves solides [3] [43] [44]. Les données de paie d’ADP montrent que les travailleurs âgés de 22 à 25 ans, dans les professions les plus exposées à l’IA, ont connu un recul relatif de leur emploi de 13 % après la fin de 2022, tandis que leurs aînés occupant les mêmes postes se maintenaient ou progressaient ◈ Preuves solides [3]. À l’échelle de l’économie tout entière, en revanche, le Yale Budget Lab et la Brookings Institution n’ont décelé aucune perturbation notable trente-trois mois après la mise en ligne de ChatGPT [86], et une étude portant sur 25 000 salariés danois n’a relevé aucun effet significatif sur les revenus ou le temps de travail dans aucune des onze professions exposées [4]. Ce rapport examine le travail lui-même, fonction par fonction, ainsi que l’écart entre les gains observés au niveau des tâches et les résultats constatés au niveau des entreprises. Sa conclusion est que l’effet le plus lourd de conséquences de l’IA sur le marché du travail, à ce jour, réside dans le rétrécissement de la voie d’accès aux professions qualifiées.

L’ampleur des intentions des entreprises ne fait aucun doute. Challenger, Gray and Christmas, cabinet qui recense les suppressions d’emplois annoncées aux États-Unis, a fait de l’IA le motif de licenciement le plus cité en 2026, avec 120 136 suppressions qui lui étaient attribuées à la fin septembre, soit environ 21 % de l’ensemble des suppressions annoncées ✓ Fait établi [1]. Cette part a culminé au niveau record de 40 % en mai avant de retomber à 9 % en septembre [1]. Amazon a supprimé quelque 30 000 postes administratifs depuis octobre 2025, soit environ 10 % de ses effectifs de bureau, après que son directeur général eut annoncé aux salariés que l’IA réduirait ces effectifs au cours des prochaines années [45] [46]. Salesforce a ramené son service d’assistance d’environ 9 000 personnes à quelque 5 000, à mesure que des agents d’IA prenaient en charge près de la moitié des conversations avec les clients [17]. Block a supprimé environ 4 000 de ses plus de 10 000 emplois en février 2026, en affirmant que la plupart des entreprises suivraient dans l’année [81].

Face à ces annonces, les données dures du marché du travail paraissent d’un calme frappant. Les enquêtes régionales de la Fed de New York d’août 2025 indiquaient que 40 % des entreprises de services recouraient à l’IA, contre 25 % un an plus tôt, mais que 1 % seulement avaient licencié du personnel pour cette raison ✓ Fait établi [43]. Un an plus tard, la même banque concluait que les licenciements dus à l’IA demeuraient très rares et que les entreprises préféraient la reconversion au renvoi, qualifiant les effets de court terme d’évolutifs plutôt que de perturbateurs [44]. La productivité du secteur non agricole américain a progressé de 2,1 % en 2025 et de 2,2 % sur l’année achevée au deuxième trimestre 2026, alors que le nombre d’heures travaillées restait quasiment stable [41]. Ce schéma — davantage de production pour à peine plus de travail — est compatible avec un récit d’automatisation, mais les statistiques de productivité ne sauraient à elles seules établir quelle part en revient à l’IA ⚖ Contesté [41] [42].

La clé de la conciliation tient à ce que les employeurs font réellement du temps que l’IA leur fait gagner. La plupart ne licencient pas la personne dont les tâches se réduisent ; ils cessent de remplacer les départs, gèlent le recrutement de jeunes diplômés et laissent l’attrition naturelle faire son œuvre ◈ Preuves solides [15] [19] [44]. Les effectifs du service client de Klarna sont passés d’environ 5 000 à environ 3 000 personnes, en grande partie par attrition, avant que l’entreprise ne fasse machine arrière [15]. IBM a suspendu en 2023 les embauches pour ses fonctions administratives plutôt que de les supprimer [19]. KPMG a réduit de 29 % son programme de recrutement de jeunes diplômés au Royaume-Uni entre 2023 et 2024 [48]. Aucune de ces décisions n’apparaît comme un licenciement dans les statistiques du chômage. Chacune ne se traduit que par un emploi qui n’a jamais vu le jour — ce qui explique pourquoi l’automatisation du travail de bureau a été si silencieuse, et pourquoi il est si facile d’en sous-estimer la portée.

Les données recueillies au niveau des tâches expliquent pourquoi l’effet se concentre là où il se concentre. Les études contrôlées montrent que les gains de productivité les plus importants profitent aux novices et aux moins performants : 34 % pour les agents d’assistance les moins expérimentés [14], 43 % pour les consultants les plus faibles dans une expérience menée par le Boston Consulting Group [34], et les gains les plus élevés chez les développeurs débutants lors d’essais de terrain de GitHub Copilot [8]. Autrement dit, l’IA excelle précisément dans le travail fondamental — recherche documentaire, premiers jets, analyse élémentaire, correspondance courante — pour lequel on recrutait traditionnellement les jeunes salariés et grâce auquel ils apprenaient leur profession ◈ Preuves solides [51]. Dès lors que ce travail peut être accompli par un outil supervisé par un salarié expérimenté, l’argument économique en faveur de l’embauche d’un débutant s’affaiblit, alors même que l’outil rend ce débutant plus productif.

Ce rapport s’articule autour de cette tension. Les sections deux à quatre examinent les fonctions où l’automatisation est la plus avancée — le logiciel, les fonctions administratives, le droit et le travail créatif — et ce que les données contrôlées en disent pour chacune. La section cinq confronte les données de productivité à l’évolution des effectifs, ainsi qu’à l’histoire des technologies de bureau antérieures. La section six suit l’effet jusqu’aux postes de premier échelon. La section sept compare la manière dont les États-Unis, le Royaume-Uni, le Japon, l’Allemagne, l’Inde et le Danemark absorbent ce changement, et la façon dont les régulateurs y répondent. La section huit pèse les arguments les plus solides de part et d’autre du débat sur le déplacement de l’emploi et expose ce que les données, considérées ensemble, permettent d’affirmer.

Le développement logiciel est le domaine où l’IA générative est passée le plus vite du statut de nouveauté à celui de norme. L’enquête DORA 2025 auprès des professionnels de la technologie a établi le taux d’adoption de l’IA chez les développeurs à 90 %, contre 76 % un an plus tôt, avec une utilisation médiane de deux heures par jour ✓ Fait établi [11]. L’enquête 2025 de Stack Overflow, menée auprès de 49 009 développeurs, indiquait que 84 % d’entre eux utilisaient ou comptaient utiliser des outils d’IA [12]. Dans les plus grandes entreprises, les affirmations sont plus ambitieuses encore. Satya Nadella déclarait en avril 2025 que 20 % à 30 % du code figurant dans les dépôts de Microsoft était écrit par l’IA [6]. Sundar Pichai affirmait en avril 2026 qu’environ 75 % du nouveau code de Google était généré par l’IA puis relu par des ingénieurs, contre quelque 25 % en octobre 2024 et 50 % à l’automne 2025 [5]. Il s’agit de déclarations de dirigeants portant sur des indicateurs non définis, émanant d’entreprises qui vendent elles-mêmes des outils de programmation assistée par l’IA, et il convient de les lire comme telles ⚖ Contesté [5] [6].

Les données contrôlées sont plus modestes, mais restent substantielles. La première expérience largement citée, en 2023, confiait aux développeurs une tâche unique et circonscrite — écrire un serveur HTTP en JavaScript — et concluait que ceux qui utilisaient GitHub Copilot terminaient 55,8 % plus vite [7]. Une étude plus vaste et plus réaliste, publiée dans Management Science, a attribué de manière aléatoire l’accès à Copilot à 4 867 développeurs de Microsoft, d’Accenture et d’une entreprise anonyme du classement Fortune 100. Elle a mis en évidence une hausse de 26,08 % du nombre de tâches accomplies par semaine, 13,55 % de commits supplémentaires et 38,38 % de compilations en plus ✓ Fait établi [8]. Les développeurs les moins expérimentés ont adopté l’outil plus facilement et en ont tiré davantage de bénéfices [8]. Les demandes de fusion (pull requests) mesurent le débit plutôt que la valeur produite, mais il s’agit là des estimations causales les plus solides dont on dispose pour le travail logiciel professionnel.

Les contre-preuves les plus solides proviennent de METR, un groupe de recherche à but non lucratif. Lors d’un essai randomisé publié en juillet 2025, seize développeurs open source expérimentés ont traité 246 problèmes réels dans de vastes bases de code matures qu’ils connaissaient bien. Lorsqu’ils étaient autorisés à utiliser des outils d’IA, il leur fallait 19 % de temps en plus pour terminer ✓ Fait établi [9]. Avant l’étude, ils avaient anticipé une accélération de 24 % ; après coup, ils restaient persuadés que l’IA les avait rendus 20 % plus rapides [9]. Une étude de suivi publiée en février 2026, fondée sur les outils de la fin 2025 et sur 57 développeurs, laissait entrevoir une accélération probable de 18 % pour les participants déjà présents et de 4 % pour les nouveaux — mais METR elle-même n’y voyait qu’un indice très faible, car les développeurs refusaient de plus en plus de participer sans IA et évitaient les tâches où elle les aidait le plus [10].

Considérées ensemble, ces études dessinent un schéma cohérent : l’IA accélère le travail circonscrit et bien spécifié en terrain inconnu, et aide surtout les développeurs les moins expérimentés, tandis qu’elle apporte moins — voire une valeur négative — aux experts qui travaillent sur des systèmes complexes qu’ils maîtrisent déjà ◈ Preuves solides [8] [9] [10]. La qualité demeure la question non résolue. DORA a constaté que, alors même que plus de 80 % des répondants faisaient état d’une productivité accrue, l’adoption de l’IA restait associée négativement à la stabilité des livraisons logicielles [11]. Stack Overflow a observé que la confiance reculait à mesure que l’usage progressait : 46 % des développeurs déclaraient en 2025 se méfier de l’exactitude des résultats produits par l’IA, contre 31 % en 2024, face à 33 % qui leur faisaient confiance, et 66 % citaient comme principale source de frustration les réponses presque justes, mais pas tout à fait [12].

Ce qui arrive à l’emploi dans le logiciel est plus nuancé que ne le laissent penser les chiffres sur la part du code. Le Stanford AI Index 2026 indique que l’emploi des développeurs âgés de 22 à 25 ans a reculé de près de 20 % depuis 2024 ✓ Fait établi [58]. Les données d’Indeed montrent pourtant que les offres d’emploi en développement logiciel aux États-Unis ont augmenté d’environ 15 % depuis février 2025, alors que l’ensemble des offres reculait d’environ 7 % — 71 % de la hausse concernant des postes de niveau confirmé [13]. La demande se déplace plutôt qu’elle ne s’effondre : les employeurs recherchent des ingénieurs expérimentés capables de spécifier, de relire et d’intégrer du code généré par l’IA, et veulent moins de débutants pour l’écrire de A à Z ◈ Preuves solides [13] [3].

Il s’agit de la première et de la plus nette manifestation d’un schéma qui revient tout au long de ce rapport. Les tâches automatisées sont celles par lesquelles les jeunes développeurs apprenaient autrefois — code standard, tests, petites fonctionnalités, migrations. Pichai a décrit une migration de code complexe, menée conjointement par des agents et des ingénieurs, achevée six fois plus vite que des ingénieurs seuls n’auraient pu le faire un an plus tôt [5]. Un travail de ce type mobilisait naguère une équipe de jeunes salariés. Les ingénieurs confirmés qui supervisent aujourd’hui les agents ont appris leur art en effectuant précisément ce travail, ce qui soulève une question à laquelle le secteur n’a pas encore répondu : d’où viendra la prochaine génération d’ingénieurs confirmés ◈ Preuves solides [3] [58] ?

Le logiciel montre aussi à quel point les affirmations des dirigeants peuvent devancer la réalité mesurée. La part du code n’est pas la productivité : une ligne générée par l’IA puis réécrite par un humain compte dans le premier indicateur mais n’ajoute rien au second, et aucune des entreprises qui publient des chiffres sur la part du code n’a précisé comment elle les mesure ⚖ Contesté [5] [6]. La conclusion défendable que l’on peut tirer des données contrôlées est que l’IA a accru le débit des développeurs de l’ordre de 10 % à 30 % sur des tâches professionnelles courantes, avec de fortes variations et des questions non résolues quant à la qualité et à la maintenabilité à long terme ◈ Preuves solides [8] [10] [11]. C’est un gain considérable pour une seule technologie. Ce n’est pas, en l’état des connaissances, la fin de la profession de développeur.

Le service client a été la première fonction de bureau dans laquelle l’IA générative a été étudiée à grande échelle dans un véritable environnement de travail, et ses résultats restent parmi les plus cités. Erik Brynjolfsson, Danielle Li et Lindsey Raymond ont suivi 5 179 agents d’assistance d’une entreprise de logiciels pendant le déploiement progressif d’un assistant d’IA. La productivité, mesurée en nombre de demandes résolues par heure, a augmenté de 14 % en moyenne et de 34 % pour les agents novices et peu qualifiés, avec un effet minime pour les plus expérimentés ✓ Fait établi [14]. La satisfaction des clients s’est améliorée et la rotation du personnel a diminué [14]. L’outil opérait en diffusant à tous les pratiques des meilleurs agents. Dans cette étude, il augmentait les capacités des travailleurs au lieu de les remplacer — mais la même capacité, déployée directement auprès des clients, devient un substitut.

C’est ce que Klarna a tenté. En février 2024, la société suédoise de paiement annonçait que son assistant d’IA traitait environ 75 % des conversations avec les clients dans plus de 35 langues, accomplissant l’équivalent du travail de 700 agents à temps plein et ramenant le délai de résolution de onze minutes à deux [15]. Ses effectifs sont passés d’environ 5 000 à environ 3 000 personnes, principalement par attrition et gel des embauches [15]. En mai 2025, l’entreprise avait changé de cap et expérimentait un nouveau modèle fondé sur des agents humains travaillant à distance. Son directeur général, Sebastian Siemiatkowski, a confié à Bloomberg que le coût avait pesé d’un poids trop prépondérant et qu’il en avait résulté une baisse de la qualité ✓ Fait établi [16].

Salesforce offre le cas inverse : celui d’une entreprise qui a taillé profondément dans ses effectifs et s’en dit satisfaite. Marc Benioff a déclaré début septembre 2025 que l’entreprise avait ramené ses effectifs d’assistance d’environ 9 000 à environ 5 000 personnes parce que ses agents Agentforce traitaient près de la moitié des conversations avec les clients, un système de supervision transmettant les cas complexes à des humains ✓ Fait établi [17]. Quelques mois plus tôt, il avait affirmé que l’IA accomplissait 30 % à 50 % du travail chez Salesforce [17]. La trajectoire d’IBM a été plus lente et plus révélatrice. En mai 2023, Arvind Krishna estimait qu’environ 30 % de 26 000 postes sans contact avec la clientèle — soit environ 7 800 emplois — pourraient être remplacés par l’IA en cinq ans, et suspendait les recrutements correspondants [19]. En mai 2025, le nombre confirmé de postes de ressources humaines remplacés par des agents d’IA s’élevait à environ 200, tandis que le système AskHR d’IBM résolvait 94 % des demandes RH courantes et que l’effectif total avait augmenté [18].

L’assurance et les opérations financières empruntent la même voie. Allianz Partners, qui emploie plus de 22 000 personnes, dont environ 14 000 affectées aux demandes téléphoniques et à la gestion des sinistres, a confirmé en juillet 2026 qu’elle supprimerait 1 500 à 1 800 emplois en Europe — 7 % à 8 % de ses effectifs — en invoquant l’IA ✓ Fait établi [20]. Ergo, filiale de Munich Re, supprime par ailleurs environ 1 000 postes en Allemagne, en partie en raison de l’automatisation [20]. JPMorgan a indiqué aux investisseurs en mai 2025 que l’IA permettrait de réduire de 10 % en cinq ans les effectifs de ses fonctions opérationnelles ; une dirigeante de haut rang a déclaré qu’elle parierait sur un chiffre supérieur à cette projection [85] [47]. Au troisième trimestre 2025, le bénéfice de la banque a progressé de 12 % tandis que ses effectifs n’augmentaient que de 1 % [47].

La comptabilité illustre le versant augmentatif de l’automatisation des fonctions administratives. Une étude de Stanford signée Jung Ho Choi et Chuan Xie a interrogé 277 comptables et analysé plus de 200 000 transactions dans 79 petits cabinets. Les comptables utilisant l’IA suivaient 55 % de clients en plus, consacraient 8,5 % de leur temps hebdomadaire à des tâches à plus forte valeur ajoutée et bouclaient leurs comptes mensuels 7,5 jours plus tôt ◈ Preuves solides [21]. Ils devaient encore corriger les erreurs des outils [21]. Les gains se sont ici traduits en production, et non en réduction d’effectifs — du moins jusqu’à présent. Que ces 55 % de clients supplémentaires par comptable signifient à terme moins de comptables dépend de la capacité de la demande de services comptables à croître au même rythme.

Le rapport du MIT devenu célèbre en août 2025 pour avoir établi que 95 % des projets pilotes d’IA générative en entreprise ne produisaient aucun rendement mesurable sur le compte de résultat comportait un détail moins souvent cité mais important ici : les meilleurs rendements qu’il relevait concernaient l’automatisation des fonctions administratives, grâce à laquelle les entreprises réduisaient leurs dépenses de traitement externalisé et d’agences extérieures ⚖ Contesté [22]. La méthodologie de ce rapport a été largement critiquée pour l’étroitesse de son échantillon d’entretiens et sa définition restrictive du succès [22]. Le sens de ce constat n’en est pas moins cohérent avec d’autres données. Les économies que les entreprises réalisent grâce à l’automatisation des fonctions administratives proviennent souvent d’abord des prestataires, des sous-traitants et des agences — des travailleurs qui ne figurent pas sur la masse salariale de l’entreprise et dont les pertes restent invisibles dans ses effectifs.

La leçon du back-office est que la substitution est réelle mais rarement nette. Lorsque l’IA traite une interaction bien définie et à fort volume — une réinitialisation de mot de passe, l’état d’un remboursement, une question courante sur la politique RH —, elle peut remplacer le contact humain à grande échelle ◈ Preuves solides [17] [18]. Lorsque les interactions sont chargées d’émotion, ambiguës ou à fort enjeu, la qualité se dégrade et les clients s’en aperçoivent, comme Klarna l’a découvert [16]. Les entreprises convergent vers un modèle hybride : traitement automatisé des contacts courants, transfert à un humain pour le reste et réduction régulière des effectifs par attrition. Pour les travailleurs, ce modèle hybride signifie moins de postes au bas de l’échelle de l’assistance et, pour ceux qui restent, un portefeuille de dossiers plus lourd et plus difficile.

Le droit a été l’un des premiers à adopter ces outils. Allen and Overy, qui a depuis fusionné avec le cabinet américain Shearman and Sterling, a déployé Harvey auprès de plus de 3 500 avocats dans 43 bureaux en février 2023, à l’issue d’une phase de test au cours de laquelle les avocats avaient posé environ 40 000 questions [24]. En mars 2026, Harvey comptait plus de 1 000 clients, dont une majorité des cent plus grands cabinets d’avocats américains, ainsi qu’environ 100 000 avocats utilisateurs, et avait levé 200 millions de dollars sur la base d’une valorisation de 11 milliards de dollars ✓ Fait établi [23]. L’enquête 2025 de Thomson Reuters auprès de 2 275 professionnels du droit, de la fiscalité et de la comptabilité montrait qu’ils attendaient de l’IA une économie de cinq heures par semaine, soit environ 240 heures par an [28]. Les tâches automatisées sont précises : premières versions de notes, revue de contrats, synthèses d’audit préalable (due diligence), recherche jurisprudentielle et comparaison de documents.

Les données contrôlées confirment des gains de rapidité importants et des gains de qualité plus nuancés. Le premier essai randomisé portant sur l’IA dans l’analyse juridique, mené par Jonathan Choi, Amy Monahan et Daniel Schwarcz, a montré que GPT-4 n’apportait que des améliorations légères et irrégulières de la qualité, mais des réductions importantes et constantes du temps nécessaire, les participants les moins compétents enregistrant les gains de qualité les plus élevés ✓ Fait établi [26]. Une étude de suivi de 2025 a testé deux outils plus récents sur six tâches juridiques réalistes. La productivité a progressé de 50 % à 130 % sur cinq des six tâches ; les deux outils ont amélioré la qualité ; l’outil juridique fondé sur la recherche documentaire n’a pas accru le taux d’hallucinations, tandis que le modèle de raisonnement généraliste produisait des analyses plus approfondies mais introduisait des contenus inventés [25]. L’outil qu’achète un cabinet, et l’usage qu’en font ses avocats, comptent autant que le fait même de recourir à l’IA.

Le coût de l’erreur est désormais mesurable. Une base de données tenue par Damien Charlotin, de HEC Paris, recensait en juin 2026 environ 1 600 décisions de justice rendues dans le monde impliquant des contenus hallucinés par l’IA — jurisprudences fabriquées, fausses citations ou références inventées — et s’enrichissait de cinq à six cas par jour ✓ Fait établi [27]. Plus de 1 000 de ces affaires concernaient les États-Unis [27]. Chacune correspond à un cas où le temps gagné à la rédaction a été reperdu, avec intérêts, en sanctions, en atteinte à la réputation et en remontrances judiciaires. Le Bureau of Labor Statistics (BLS) cite désormais explicitement l’IA comme un facteur limitant la demande d’auxiliaires juridiques et d’assistants juridiques, dont le travail de recherche et de préparation de documents recoupe le plus ce que font les outils, et prévoit une stagnation approximative de leur emploi d’ici à 2034 [29].

Le travail créatif et linguistique offre les preuves de substitution les plus nettes, car les plateformes de travail indépendant en ligne enregistrent chaque mission et chaque paiement. Xiang Hui, Oren Reshef et Luofeng Zhou ont constaté qu’après la mise en ligne de ChatGPT, les rédacteurs indépendants d’une grande plateforme avaient subi une baisse de 2 % de leurs missions mensuelles et de 5,2 % de leurs revenus mensuels ; après l’arrivée des générateurs d’images, les indépendants spécialisés dans l’image ont vu leurs missions reculer de 3,7 % et leurs revenus de 9,4 % ✓ Fait établi [30]. Contrairement à l’idée répandue selon laquelle l’IA ne pénalise que les travailleurs peu qualifiés, les indépendants les mieux notés et les plus expérimentés ont été plus durement touchés [30]. Une seconde étude, signée Ozge Demirci, Jonas Hannane et Xinrong Zhu, a relevé une baisse de 21 % des offres de missions de rédaction et de programmation exposées à l’automatisation en l’espace de huit mois, les offres de rédaction reculant de plus de 30 % et celles de création d’images de 17 % [31].

La traduction et l’illustration font apparaître la même pression du point de vue des travailleurs. Une enquête menée en 2024 auprès de 787 membres de la Society of Authors britannique a révélé que 36 % des traducteurs et 26 % des illustrateurs avaient déjà perdu du travail au profit de l’IA générative, et que plus de 43 % des traducteurs déclaraient une baisse de leurs revenus ◈ Preuves solides [32]. Il s’agit d’une enquête auprès de membres volontaires, non d’un échantillon aléatoire, qu’il convient de lire comme un signal fort plutôt que comme un taux précis [32]. En avril 2025, le directeur général de Duolingo a annoncé aux salariés que l’entreprise cesserait progressivement de recourir à des prestataires pour les tâches que l’IA pouvait assumer, notamment la création de contenus et la traduction, et n’augmenterait ses effectifs que là où les équipes pourraient démontrer que leur travail n’était pas automatisable [33]. Après une levée de boucliers publique, il a assuré que l’IA ne remplacerait pas les salariés à temps plein de l’entreprise [33] — une distinction qui, une fois encore, situe les premières pertes en dehors de la masse salariale.

L’étude du BCG, conduite avec des chercheurs de Harvard, de Wharton et du MIT, reste l’expérience la plus détaillée sur l’IA dans le travail intellectuel de haut niveau, et sa conclusion centrale s’est vérifiée d’une fonction à l’autre : l’IA resserre la distribution des compétences ◈ Preuves solides [34] [14] [26]. Les consultants les plus faibles ont gagné 43 %, les agents d’assistance les moins expérimentés 34 %, et les étudiants en droit les moins compétents ont enregistré les plus forts gains de qualité. Ethan Mollick, l’un des auteurs, a observé que lorsque l’IA est très performante, les humains n’ont plus aucune raison de travailler dur ni de rester attentifs [34]. Cette observation fait le lien entre les gains de rapidité et les affaires d’hallucinations. À mesure que les outils s’améliorent, le contrôle humain qui en détecte les erreurs devient à la fois plus important et moins exercé.

Pour le droit, la rédaction et la traduction, les données permettent de tirer trois conclusions. Premièrement, l’IA a déjà réduit la demande à la marge la plus substituable de ces marchés — missions sur plateformes, traduction courante, banques d’images et recherche confiée aux débutants ◈ Preuves solides [30] [31] [32]. Deuxièmement, le travail qui subsiste est plus complexe et, selon Demirci et ses collègues, mieux rémunéré, mais il est moins abondant et la concurrence pour l’obtenir est plus rude [31]. Troisièmement, dans les professions réglementées, le goulet d’étranglement s’est déplacé de la production des documents vers leur vérification, et les professionnels les mieux placés pour vérifier sont ceux qui ont été formés à l’ancienne, en rédigeant eux-mêmes ce que l’IA rédige désormais ◈ Preuves solides [26] [27]. Les professions se vident par la base de la pyramide, non par son sommet.

Chaque vague antérieure d’automatisation du travail de bureau a suscité, à ses débuts, le même débat sur la disparition annoncée du travail administratif, et le bilan est instructif. Lorsque LEO I a pris en charge la paie de J. Lyons en 1954, il a remplacé une fonction qu’assuraient des salles entières de commis [78]. Avec l’arrivée des tableurs, les États-Unis ont perdu environ 400 000 commis aux écritures et à la comptabilité au cours des trois décennies et demie suivantes — mais ont gagné quelque 600 000 comptables et auditeurs, car une analyse devenue moins chère a fait naître une demande accrue ✓ Fait établi [76]. Le nombre de distributeurs automatiques de billets est passé d’environ 60 000 en 1985 à 352 000 en 2002, tandis que celui des employés de guichet progressait légèrement, d’environ 500 000 à 527 000, parce que chaque agence nécessitait moins de personnel et que les banques ouvraient davantage d’agences [77]. Dans chaque cas, la tâche a disparu avant la profession, et la profession a changé de forme plutôt que de s’éteindre.

L’IA générative produit déjà des gains de temps mesurables au niveau des travailleurs pris individuellement. Une enquête d’économistes de la Fed de Saint-Louis a établi que les utilisateurs de l’IA générative économisaient 5,4 % de leurs heures de travail, ce qui correspond à une économie d’environ 1,1 % de l’ensemble des heures travaillées dans l’économie ◈ Preuves solides [37]. L’analyse par Anthropic de millions de conversations avec ses modèles Claude a estimé que les tâches exigeant un diplôme universitaire étaient accélérées d’un facteur 12 environ, et a ramené son estimation, corrigée du taux de réussite, de la contribution potentielle à la croissance de la productivité du travail à 1,0 à 1,2 point de pourcentage par an [38]. Les usages évoluent vers l’automatisation. Dans le trafic des entreprises passant par l’interface de programmation d’Anthropic, la plupart des interactions consistent désormais à déléguer des tâches entières plutôt qu’à collaborer sur elles [38].

Les rendements au niveau des entreprises sont bien plus minces. L’enquête 2025 de McKinsey sur l’état de l’IA (State of AI) a montré que seules 39 % des organisations faisaient état d’un effet quelconque de l’IA sur leur résultat d’exploitation à l’échelle de l’entreprise, et que la plupart d’entre elles le situaient en dessous de 5 % ✓ Fait établi [39]. L’enquête 2025 d’IBM auprès de 2 000 dirigeants a établi que seulement 25 % des initiatives d’IA avaient produit le rendement escompté, et que 16 % seulement avaient été déployées à l’échelle de l’entreprise [40]. Les données du Census Bureau montrent que 17 % à 20 % des entreprises américaines utilisaient l’IA entre décembre 2025 et mai 2026, mais que 37 % des entreprises de 250 salariés ou plus y recouraient [35]. Le taux d’adoption dépend fortement de la manière dont on le mesure : une note de la Réserve fédérale a établi que 18 % des entreprises utilisent l’IA, mais que 78 % des travailleurs sont employés par des entreprises qui l’utilisent ◈ Preuves solides [36].

Le résultat danois constitue l’élément de preuve le plus important sur ce que l’IA fait au travail, car il relie l’usage individuel à des registres administratifs plutôt qu’à des déclarations des intéressés. Son message n’est pas que l’IA ne produit aucun effet. C’est que le temps gagné est absorbé — par de nouvelles tâches, par la supervision et l’intégration de l’IA, par une production accrue à salaire égal — au lieu d’être converti en hausse de rémunération ou en réduction du temps de travail ◈ Preuves solides [4]. Ce sont les entreprises, et non les travailleurs, qui captent le gain, et elles le captent principalement à travers les dépenses qu’elles ne font pas. L’analyse en revient ainsi aux effectifs. Les grands employeurs ont passé 2025 et 2026 à gérer explicitement leurs effectifs de bureau à la baisse ou à la stabilité, tandis que leur production augmentait :

• Amazon : environ 30 000 postes administratifs supprimés en octobre 2025 et en janvier 2026, soit environ 10 % des effectifs de bureau, après une note interne affirmant que l’IA réduirait ces effectifs [45] [46]
• Salesforce : effectifs du service client ramenés d’environ 9 000 à environ 5 000 personnes, des agents d’IA traitant près de la moitié des conversations [17]
• Block : environ 4 000 de ses plus de 10 000 emplois supprimés en février 2026, les outils d’IA étant directement invoqués [81]
• JPMorgan : effectifs des fonctions opérationnelles appelés à baisser de 10 % en cinq ans, alors que le bénéfice du troisième trimestre 2025 progressait de 12 % pour une hausse des effectifs de 1 % [85] [47]
• KPMG Royaume-Uni : recrutement de jeunes diplômés réduit de 29 %, de 1 399 à 942, entre 2023 et 2024 [48]

Plusieurs de ces entreprises affirment que l’IA n’en est pas la raison principale. Amazon a présenté ses suppressions comme une réduction des échelons hiérarchiques et de la bureaucratie [46]. Les cabinets comptables invoquent un ralentissement économique et la délocalisation, en plus de l’IA [48]. Le Yale Budget Lab a averti en février 2026 que certaines entreprises pratiquaient peut-être l’« AI-washing », en imputant à l’IA des licenciements aux causes plus profondes, comme les embauches excessives de l’après-pandémie et la réaffectation des budgets aux investissements dans l’IA ⚖ Contesté [42]. Andy Challenger, dont le cabinet compile les données sur les licenciements, a résumé sans détour la logique sous-jacente en mai 2026 : que des emplois individuels soient ou non remplacés par l’IA, l’argent consacré à ces postes, lui, l’est bel et bien [75]. Les budgets qui finançaient autrefois des effectifs sont réorientés vers la capacité de calcul, et cette réaffectation est réelle, qu’un travailleur donné ait ou non été remplacé par un outil donné.

Les estimations macroéconomiques s’étendent sur un ordre de grandeur, ce qui est en soi instructif. Le modèle fondé sur les tâches de Daron Acemoglu situe le gain de productivité globale des facteurs à 0,66 % au plus sur dix ans [59]. Le Penn Wharton Budget Model prévoit une hausse de 1,5 % du niveau du PIB d’ici à 2035, la contribution à la croissance annuelle de la productivité culminant à 0,2 point de pourcentage en 2032 [60]. Goldman Sachs, qui avait calculé en 2023 que l’équivalent de 300 millions d’emplois à temps plein dans le monde était exposé à l’automatisation [56], estime que 6 % à 7 % de la main-d’œuvre américaine serait déplacée si l’IA était largement adoptée, le chômage étant temporairement supérieur d’environ 0,5 point de pourcentage pendant la transition ⚖ Contesté [57]. Cet écart reflète des désaccords sur le nombre de tâches que l’IA peut accomplir de manière fiable et sur la rapidité avec laquelle les entreprises se réorganiseront autour d’elle — précisément les variables que les études menées au niveau des tâches désignent comme les plus incertaines.

Les preuves les plus rigoureuses de ce que l’IA affecte déjà l’emploi proviennent des données de paie, et non d’enquêtes. Erik Brynjolfsson, Bharat Chandar et Ruyu Chen ont exploité les registres mensuels d’ADP, le premier gestionnaire de paie des États-Unis, couvrant des millions de travailleurs. Ils ont constaté que les salariés âgés de 22 à 25 ans occupant les professions les plus exposées à l’IA — parmi lesquelles le développement logiciel et le service client — avaient connu un recul relatif de leur emploi de 13 % après la fin de 2022, une fois neutralisés les chocs propres à chaque entreprise ◈ Preuves solides [3]. Les travailleurs plus âgés exerçant les mêmes professions se sont maintenus ou ont progressé [3]. Une version révisée de l’article, publiée en août 2026 et fondée sur des données allant jusqu’à juin 2026, porte l’écart à 19 % [3].

Deux éléments rendent ce constat plus convaincant qu’une simple corrélation. D’abord, les reculs se concentrent dans les professions où l’IA sert principalement à automatiser des tâches, alors que l’emploi a progressé dans celles où elle sert surtout à augmenter le travail humain [3]. Ensuite, l’ajustement s’opère par l’emploi plutôt que par les salaires — les entreprises embauchent moins de jeunes, sans les payer moins [3]. Brynjolfsson l’a résumé en août 2025 : l’emploi avait commencé à décliner pour les jeunes travailleurs des professions très exposées, comme la programmation et les centres d’appels, tandis que les travailleurs plus âgés et ceux qui utilisent l’IA pour augmenter leur travail avaient vu leurs emplois progresser [3]. Les auteurs qualifient leurs résultats de descriptifs plutôt que de causaux [3].

Le phénomène dépasse largement le logiciel. Le suivi par la Fed de New York des jeunes diplômés du supérieur âgés de 22 à 27 ans fait apparaître un taux de chômage d’environ 5,6 % au deuxième trimestre 2026, contre environ 4,2 % pour l’ensemble des travailleurs — une inversion d’une ampleur inhabituelle —, et un taux de sous-emploi d’environ 42 % ✓ Fait établi [50]. Le Burning Glass Institute a constaté que les offres exigeant moins de trois ans d’expérience avaient fortement reculé après 2022 dans des domaines exposés à l’IA tels que les opérations commerciales, la gestion de projet et la finance, et que l’avantage conféré par un diplôme face au chômage s’était réduit à son plus bas niveau depuis trente ans [51]. Son rapport relevait que l’IA générative excelle précisément dans le travail fondamental que les jeunes salariés accomplissent traditionnellement : recherche documentaire, premiers jets, analyse de données élémentaire et communications courantes [51].

Au Royaume-Uni, les données sur les offres d’emploi sont plus saisissantes encore. Adzuna a constaté que les offres de premier échelon — postes pour jeunes diplômés, apprentissages, stages et postes de débutant — avaient chuté de 31,89 % entre novembre 2022 et la mi-2025, et que leur part dans l’ensemble des offres était passée de 28,9 % à 25 % ◈ Preuves solides [49]. Les quatre plus grands cabinets comptables ont fortement réduit leur recrutement de jeunes diplômés : KPMG de 29 %, Deloitte de 18 %, EY de 11 % et PwC de 6 %, et Indeed a enregistré une baisse de 44 % des annonces destinées aux jeunes diplômés en comptabilité au Royaume-Uni par rapport à 2023 [48]. Le gouverneur de la Réserve fédérale Michael Barr a déclaré en février 2026 que les travailleurs en début de carrière dans les domaines exposés à l’IA subissaient déjà des reculs relatifs de leur emploi, et averti que le court terme pourrait avoir pour eux des conséquences à long terme [79].

Le lien de causalité est véritablement contesté ⚖ Contesté [52] [42]. L’Economic Innovation Group a soutenu en janvier 2026 que le recul de l’emploi des jeunes dans les professions exposées à l’IA s’explique mieux par le resserrement monétaire le plus brutal depuis quatre décennies, qui a frappé le plus durement les embauches dans la technologie et la finance, secteurs sensibles aux taux d’intérêt [52]. Le Burning Glass Institute lui-même évoque également une surabondance de jeunes diplômés [51]. Le Yale Budget Lab a constaté en avril 2026 que les chômeurs et les actifs occupés présentaient la même exposition aux tâches relevant de l’IA, ce à quoi l’on ne s’attendrait pas si l’IA chassait les gens de leur emploi [42]. Les embauches excessives de l’après-pandémie dans la technologie et la fin de l’argent bon marché ont touché précisément les secteurs où l’exposition à l’IA est la plus forte, ce qui rend les deux explications difficiles à départager.

Le poids des données plaide néanmoins en faveur d’une affirmation plus restreinte, qui résiste à ces objections ◈ Preuves solides [3] [44] [58]. Au sein des mêmes professions et des mêmes entreprises, les jeunes travailleurs perdent du terrain par rapport à leurs aînés, et les pertes sont plus importantes là où l’IA automatise les tâches que là où elle les augmente [3]. Les taux d’intérêt n’expliquent pas de manière évidente cet écart d’âge au sein d’une même profession. Les employeurs interrogés par la Fed de New York disent s’attendre à ce que l’IA ralentisse les embauches, notamment celles de jeunes diplômés, plutôt qu’elle n’entraîne des licenciements [43] [44]. L’automatisation silencieuse du travail de bureau est, à ce stade, essentiellement une automatisation de l’entrée : le travail que l’on confiait autrefois aux nouvelles recrues est confié à des logiciels, et les recrues ne sont pas embauchées.

Les institutions internationales s’accordent sur l’ampleur de l’exposition et divergent sur sa signification. Le Fonds monétaire international (FMI) estimait en janvier 2024 que près de 40 % de l’emploi mondial, et environ 60 % dans les économies avancées, était exposé à l’IA, et avertissait que celle-ci aggraverait probablement les inégalités dans la plupart des scénarios [54]. L’indice 2025 de l’Organisation internationale du travail (OIT) situait l’exposition à 25 % de l’emploi mondial, le travail administratif constituant le groupe professionnel le plus exposé, et mettait en évidence un net écart entre les sexes : dans les pays à revenu élevé, 9,6 % de l’emploi féminin relève de la catégorie la plus exposée, contre 3,5 % de l’emploi masculin ✓ Fait établi [53]. L’enquête 2025 du Forum économique mondial auprès des employeurs prévoyait 170 millions d’emplois créés et 92 millions supprimés d’ici à 2030, 40 % des employeurs s’attendant à réduire leurs effectifs là où l’IA peut automatiser des tâches [55]. L’exposition mesure ce que l’IA pourrait toucher, non ce qu’elle remplacera, et l’OIT elle-même insiste sur la transformation plutôt que sur la substitution [53].

Les États-Unis sont le pays où le débat sur le déplacement de l’emploi est le plus vif et les données les plus riches. Les annonces des entreprises, les décomptes de licenciements de Challenger et les résultats tirés des données de paie d’ADP convergent tous vers une restructuration du travail de bureau liée à l’IA ◈ Preuves solides [1] [3]. Pourtant, le Yale Budget Lab ne relève aucune perturbation à l’échelle de l’économie [42], et la Fed de New York constate très peu de licenciements dus à l’IA [44]. Les responsables de la Réserve fédérale ont commencé à traiter la question comme un enjeu de politique économique. Le gouverneur Christopher Waller déclarait en octobre 2025 que l’IA semblait progresser si vite que les pertes d’emplois pourraient précéder l’apparition des nouveaux emplois [80]. Le Royaume-Uni est le pays où l’effet sur les postes de premier échelon apparaît le plus nettement dans les données sur les offres d’emploi, comme l’a montré la section six [49] [48]. Le groupe de réflexion IPPR avertissait en 2024 que jusqu’à 8 millions d’emplois britanniques pourraient disparaître dans le pire scénario d’une seconde vague d’adoption, les postes administratifs, de premier échelon et à temps partiel étant les premiers exposés [61].

Le Japon présente la même technologie en des termes opposés. Le Recruit Works Institute prévoit une pénurie de plus de 11 millions de travailleurs d’ici à 2040 [66], si bien que l’IA y est présentée comme un remède à la rareté de la main-d’œuvre plutôt que comme une menace pour l’emploi. Mizuho Financial Group a indiqué que l’IA absorberait en dix ans un volume de travail équivalant à environ 5 000 postes administratifs, soit à peu près 33 % de son personnel de bureau au Japon, les salariés étant réaffectés à des fonctions commerciales et au contact de la clientèle plutôt que licenciés ◈ Preuves solides [64]. La loi japonaise de promotion de l’IA (AI Promotion Act), adoptée par la Diète le 28 mai 2025, constitue un cadre de droit souple, dépourvu de sanctions et de toute obligation spécifique en matière d’emploi [65]. La réaffectation est réelle, mais sur une décennie elle pourrait tout de même signifier moins d’embauches de personnel administratif — le même mécanisme silencieux, à l’œuvre sous un autre nom [64].

L’Allemagne et le Danemark fournissent les données administratives les plus rigoureuses. L’Institut de recherche sur l’emploi (IAB), organe de recherche de l’Agence fédérale allemande pour l’emploi, estime que 38 % des salariés exercent des professions dont plus de 70 % des tâches sont techniquement automatisables, la hausse la plus forte concernant les experts hautement qualifiés et les services informatiques [67]. Son étude de 2025 ne relevait à ce jour aucune perte d’emplois significative imputable à l’IA [67]. Les données des registres danois, examinées à la section cinq, aboutissent au même résultat nul pour les revenus et les heures travaillées [4]. En Inde, le tableau est contrasté. Tata Consultancy Services a annoncé en juillet 2025 la suppression d’environ 12 000 emplois, soit environ 2 % de ses 613 000 salariés, principalement dans l’encadrement intermédiaire et supérieur [62]. Infosys, à l’inverse, a continué d’embaucher environ 20 000 jeunes diplômés par an, formés à l’IA avant leur affectation, et Wipro en visait environ 10 000 ◈ Preuves solides [63].

La régulation s’est jusqu’ici attachée à la manière dont l’IA sert à gérer les travailleurs plutôt qu’à la question de savoir si elle les remplace. Le règlement européen sur l’IA (AI Act) classe à haut risque les systèmes d’IA utilisés pour le recrutement, la promotion, le licenciement, la répartition des tâches et la surveillance, et son obligation de maîtrise de l’IA s’applique depuis le 2 février 2025 ✓ Fait établi [68]. Mais en juillet 2026, l’omnibus numérique de l’Union européenne consacré à l’IA a reporté les obligations relatives aux systèmes à haut risque, y compris celles qui concernent l’emploi, d’août 2026 au 2 décembre 2027 [69]. La loi générale du Colorado sur l’IA (Colorado AI Act) a été repoussée de février à juin 2026 [71]. L’État de New York a ajouté en 2025 une case à son formulaire de notification des licenciements demandant aux employeurs si l’automatisation ou l’IA figurait parmi les motifs des suppressions ; la première année, aucun des plus de 160 déclarants ne l’a cochée au titre de l’IA [70]. Les sénateurs américains Mark Warner et Josh Hawley ont proposé que les licenciements, les embauches et les reconversions liés à l’IA fassent l’objet d’une déclaration trimestrielle obligatoire auprès du département du Travail [73].

Sur le plan politique, le débat s’est polarisé plus vite que les données n’ont progressé. Un rapport du personnel de la minorité démocrate de la commission HELP du Sénat affirmait en octobre 2025 que l’IA et l’automatisation pourraient remplacer près de 100 millions d’emplois américains en dix ans, mais ses estimations avaient été produites en partie en interrogeant ChatGPT et n’avaient fait l’objet d’aucune évaluation par les pairs ⚖ Contesté [72]. À l’autre extrémité, de nombreux dirigeants du secteur technologique assurent que les nouveaux emplois seront plus nombreux que ceux qui disparaîtront. Dario Amodei, d’Anthropic, avertissait en mai 2025 que l’IA pourrait supprimer la moitié des emplois de bureau de premier échelon et porter le chômage à 10 % à 20 % d’ici un à cinq ans [82]. Jensen Huang, de Nvidia, s’est dit en désaccord avec presque tout ce qu’Amodei affirmait à ce sujet [83], tandis que Jim Farley, de Ford, déclarait que l’IA remplacerait littéralement la moitié des employés de bureau aux États-Unis [84].

La protection la plus efficace est jusqu’ici venue non de la loi, mais de la négociation. La convention de 2023 de la Writers Guild of America, qui a mis fin à une grève menée du 2 mai au 24 septembre, interdit à l’IA d’écrire ou de réécrire des textes littéraires et empêche les studios d’imposer son usage aux scénaristes ✓ Fait établi [74]. Ce modèle fonctionne là où les travailleurs sont organisés et où leur production est facile à définir. La plupart des emplois de bureau ne remplissent aucune de ces deux conditions. Le déficit de politique publique qui ressort de la comparaison entre pays est donc précis : aucune grande juridiction ne mesure les embauches que l’IA empêche, et presque aucune des règles existantes ne les saisirait si elle le faisait ◈ Preuves solides [70] [73]. Les gouvernements réglementent le licenciement visible, tandis que la non-embauche invisible passe sans être enregistrée.

Chaque colonne contient des éléments solides, et le désaccord se resserre dès lors que l’on comprend ce que chacun mesure. Les études agrégées — l’analyse de la structure des professions menée à Yale, les données des registres danois, les relevés administratifs allemands — cherchent à savoir si l’IA a modifié l’emploi total, les revenus ou les heures travaillées à l’échelle de professions entières ◈ Preuves solides [42] [4] [67]. Ce n’est pas le cas, pas encore. Les études fondées sur la paie et les offres d’emploi cherchent à savoir si le flux de nouveaux entrants dans les emplois exposés à l’IA a changé ◈ Preuves solides [3] [49] [50]. C’est le cas. Un marché du travail peut afficher des totaux stables alors même que ses flux d’entrée se contractent, parce que les titulaires conservent leur emploi et que l’attrition est lente. Le stock d’emplois de bureau est calme ; le flux entrant ne l’est pas.

Les données des entreprises sur les licenciements appellent un scepticisme particulier, dans les deux sens ⚖ Contesté [1] [42] [70]. Challenger comptabilise ce que les entreprises déclarent dans leurs annonces, non ce qui a réellement causé les suppressions, et la part de l’IA parmi les motifs invoqués est tombée de 40 % en mai 2026 à 9 % en septembre [1]. Le même cabinet indiquait en août 2026 que les embauches annoncées avaient progressé de 25 % sur un an [2]. Les données des déclarations new-yorkaises laissent penser que les entreprises invoquent l’IA dans leurs communiqués de presse, où elle signale l’efficacité aux investisseurs, mais non dans leurs déclarations légales, où l’attribution emporte des conséquences [70]. L’erreur inverse est pourtant tout aussi possible. Lorsque l’IA absorbe le travail d’un poste qui n’est jamais publié, aucune annonce, aucune déclaration ni aucune demande d’allocation chômage n’en garde la trace. L’effet silencieux est par définition sous-estimé, et l’effet bruyant probablement surestimé.

Les données recueillies fonction par fonction dessinent une hiérarchie claire de l’exposition ◈ Preuves solides [17] [8] [31] [27]. Le service client et le traitement administratif courant sont exposés à la substitution la plus directe, car les tâches y sont volumineuses, bien définies et faciles à contrôler. Le développement logiciel connaît d’importants gains de débit et un net déplacement de la demande des débutants vers les profils confirmés. La rédaction indépendante, la traduction et les banques d’images subissent une substitution par le bas sur des marchés déjà précaires. Le droit et la comptabilité enregistrent les gains de rapidité les plus importants, avec les modes de défaillance les plus coûteux, ce qui maintient pour l’instant le relecteur humain à sa place. Dans tous ces domaines, le travailleur le moins expérimenté est à la fois celui qui gagne le plus à utiliser l’outil et celui que l’outil remplace le plus facilement [14] [34].

Ce paradoxe constitue la conclusion centrale de ce rapport. Dans les études contrôlées, l’IA est un facteur d’égalisation : elle élève surtout les moins performants et réduit les écarts de compétences dans l’assistance, le conseil, le droit et le logiciel ✓ Fait établi [14] [34] [26] [8]. Sur le marché du travail, elle fonctionne comme une barrière : elle rend l’embauche du débutant moins nécessaire au moment précis où elle rendrait ce débutant plus productif [3] [51]. Lequel de ces deux effets l’emporte dépend des choix que font les employeurs quant à ceux qui utilisent l’outil. Si les entreprises confient l’IA aux débutants et continuent de les embaucher, l’effet d’égalisation l’emporte. Si elles la confient aux salariés confirmés et cessent d’embaucher des débutants, l’effet de barrière l’emporte — et les données de paie donnent à penser que, jusqu’à présent, le second choix est le plus fréquent.

Trois évolutions modifieraient cette évaluation. La première serait l’apparition de preuves nettes de déplacement dans les données agrégées — une hausse du chômage parmi les travailleurs expérimentés des professions exposées, et non un simple ralentissement des entrées. Les séries du Yale Budget Lab et de la Fed de New York sont celles qu’il convient de surveiller [42] [44]. La deuxième serait la preuve que la productivité engendrée par l’IA fait progresser les salaires ou crée de nouvelles professions à grande échelle, comme les tableurs l’ont fait pour les comptables [76]. Les données danoises, qui ne montrent des gains de revenus que dans 3 % à 7 % des cas, n’en témoignent pas encore [4]. La troisième serait une reprise des embauches de premier échelon, à mesure que les entreprises découvriraient, comme Klarna dans le service client, que tailler trop profondément dégrade la qualité [16].

Pour les responsables politiques, les données font apparaître un problème de mesure avant un problème de protection. Aucune juridiction n’enregistre de manière systématique les emplois que l’IA empêche, et la déclaration volontaire n’a rien produit [70]. Une déclaration obligatoire des évolutions d’embauche liées à l’IA, du type de celle que proposent Warner et Hawley, rendrait au moins visible l’effet silencieux [73]. Pour les employeurs, les données donnent à penser que la stratégie la moins coûteuse à court terme — recourir à l’IA pour éviter d’embaucher des débutants — comporte un coût à long terme, la perte des filières de formation, qu’aucune entreprise ne supportera seule. Pour les travailleurs qui entament une carrière qualifiée en 2026, le constat est sans appel : les tâches par lesquelles on apprenait autrefois sa profession sont celles que l’IA accomplit désormais le mieux, et l’accès au travail de bureau passe de plus en plus par la capacité à la superviser, à la vérifier et à la corriger ◈ Preuves solides [3] [34] [51].