Le débat sur lintelligence artificielle et lemploi est aujourdhui dominé par un faux dilemme. Dun côté, certains prédisent des suppressions demplois ā grande échelle ; de lautre, dautres soulignent que les données globales ne montrent encore que peu de changements. Ces deux observations peuvent ętre vraies. Si les effets de lIA sur lemploi ā léchelle de léconomie restent limités, les conditions dune disruption se dessinent déjā au niveau des tâches, des entreprises et des débuts de carričre. Dans ce contexte, attendre des preuves évidentes que le choc soit déjā lā serait une erreur. Les données qui trancheront finalement le débat napparaîtront peut-ętre quune fois que loccasion dinfluencer lissue sera passée.
La promesse de gains de productivité n’est plus seulement théorique. Dans une étude portant sur 5 172 agents du service client, l’accès à un assistant conversationnel a augmenté de 15 % le nombre de problèmes résolus par heure. Ce sont les employés les moins expérimentés qui ont le plus progressé, ce qui suggère que l’outil diffusait une partie des connaissances tacites des meilleurs éléments. Mais au-delà des limites de ses capacités, l’IA peut nuire aux performances en produisant des réponses cohérentes, plausibles, mais erronées.
Les gains au niveau des tâches ne se traduisent pas automatiquement par une croissance économique. Ils diminuent lorsque les résultats générés par les machines doivent être vérifiés, coordonnés et intégrés dans un produit ou un service. Au cours des prochaines années, la principale contrainte pesant sur la croissance de la productivité induite par l’IA sera probablement l’assimilation organisationnelle plutôt que les capacités des modèles. À l’instar de l’avènement de l’électricité, l’IA exige des entreprises qu’elles repensent leurs processus et leurs responsabilités avant que ses avantages ne se manifestent pleinement.
La prudence s’impose également en matière d’emploi. En août 2026, les données salariales portant sur des millions de travailleurs américains ne révèlent aucun signe de suppression généralisée d’emplois à l’échelle de l’économie. Pourtant, l’emploi chez les 22-25 ans occupant des postes exposés à l’IA est aujourd’hui inférieur de 19 % à ce qu’il serait s’il avait suivi le rythme de l’emploi de leurs pairs moins exposés. Cet écart reflète davantage une baisse des embauches qu’une augmentation des licenciements.
Ce constat met en évidence une faille dans la manière dont la question est généralement abordée. Comme l’a montréLuis Garicano de la London School of Economics, un emploi n’est pas une tâche isolée ; c’est un ensemble de tâches. Pour les professionnels expérimentés, l’expertise technique, la connaissance des clients, le jugement, la responsabilité et la coordination forment généralement un tout étroitement lié. L’IA vient compléter ce travail. Un poste junior correspond souvent à un ensemble moins cohérent de tâches. La recherche, l’analyse initiale, les premières ébauches ou le simple codage peuvent être dissociés et automatisés. La même technologie peut donc accroître la valeur du professionnel expérimenté tout en vidant de sa substance le poste junior.
Le risque le plus grave à court terme n’est pas le chômage de masse, mais l’effondrement de l’apprentissage. Depuis des siècles, les professions forment des experts de la même manière : les débutants effectuent des tâches élémentaires et apprennent par la pratique. Ce sont précisément ces tâches que l’IA absorbe en premier. Dans une petite expérience aléatoire menée par Anthropic, les développeurs utilisant un assistant IA ont obtenu un score inférieur de 17 points de pourcentage à un test de maîtrise par rapport à ceux travaillant sans assistant, alors que le gain de temps n’était pas statistiquement significatif. L’IA est particulièrement utile aux personnes qui possèdent déjà l’expertise nécessaire pour la contrôler, alors même qu’elle menace le parcours par lequel cette expertise est acquise.
Cette contradiction suggère que les politiques publiques doivent se concentrer sur la reconstruction du premier échelon de l’échelle professionnelle. Les apprentissages et les programmes universitaires devraient être évalués en fonction des compétences acquises par les étudiants, et non en fonction de la capacité des diplômés à accomplir des tâches que les machines sont désormais capables d’effectuer. Les employeurs devraient confier aux jeunes la responsabilité de projets complets et tester leur capacité à expliquer, remettre en question et corriger les résultats générés par l’automatisation. Comme cette formation implique un coût privé tout en produisant un rendement social important, elle nécessitera des mesures incitatives et un cofinancement public.
Le risque apparaît avant même que les emplois ne disparaissent. L’utilisation de l’IA reste concentrée chez les travailleurs hautement rémunérés et hautement qualifiés, transformant une technologie au potentiel égalitaire en un multiplicateur des avantages existants. Cette tendance n’est pas inévitable : la formation financée par les employeurs figure parmi les facteurs les plus déterminants de l’adoption de ces technologies sur le lieu de travail. La compétence durable ne réside pas dans la maîtrise d’une interface particulière, mais dans la capacité à cerner un problème, à vérifier les sources, à détecter les erreurs et à savoir quand le jugement humain doit prévaloir.
Les gouvernements doivent également mesurer le changement avant qu’il n’apparaisse dans les données agrégées sur le chômage. Parmi les indicateurs pertinents figurent la part des postes vacants ouverts aux débutants, l’évolution des qualifications requises, l’adoption de l’IA par niveau de revenu et la part du travail dans la valeur ajoutée des secteurs à forte intensité d’IA. Chaque indicateur devrait être lié à l’avance à un seuil d’intervention. Un tableau de bord dépourvu de seuils de déclenchement ne ferait que constater le retard.
Les entreprises, quant à elles, sont confrontées à un choix entre deux formes de déploiement. Elles peuvent automatiser des fragments d’un processus existant, accumulant ainsi des projets pilotes, des évaluations et des déceptions. Ou bien elles peuvent repenser le processus de bout en bout, en précisant ce qui peut être délégué, ce qui doit être vérifié et ce qui nécessite un jugement humain. Ce choix détermine à la fois la productivité et la qualité du travail. L’orientation de la technologie n’est pas figée : la politique de concurrence, les marchés publics, les règles de responsabilité et la participation des travailleurs peuvent favoriser l’augmentation des capacités humaines plutôt qu’une simple substitution.
L’Europe ne devrait pas chercher à éviter les bouleversements au prix d’un retard accru. Une adoption trop lente sacrifierait la productivité sans préserver les emplois à long terme. L’Europe doit accélérer l’adoption tout en donnant aux travailleurs le temps et les institutions nécessaires pour s’adapter.
Le 17 septembre, Philippe Aghion et moi-même réunirons au Collège de France des économistes, des technologues, des chefs d’entreprise et des décideurs politiques afin de clarifier ces choix. L’objectif n’est pas de fabriquer un consensus, mais de distinguer les désaccords que des données plus solides peuvent résoudre des décisions qui requièrent un jugement collectif.
L’IA peut élargir l’accès à l’expertise, soutenir l’innovation et rétablir la croissance qui fait défaut à l’Europe. Mais rien ne garantit que ses avantages se répercuteront d’eux-mêmes. La prospérité partagée dépendra moins des performances du prochain modèle de pointe que de notre capacité à préserver le développement des compétences, à réorganiser le travail et à répartir équitablement les gains. Nous avons encore le temps d’y parvenir. L’absence de choc global n’est pas une raison d’attendre ; c’est la raison pour laquelle nous pouvons encore agir.
By Éric Hazan
JDF TV
L'actualité en vidéo
