Commencer par trois questions distinctes
Le débat sur l’IA et l’emploi devient confus lorsque trois mesures sont traitées comme interchangeables. L’exposition demande si une technologie pourrait accomplir certaines tâches d’une profession. Les effets observés demandent si l’emploi, les heures, les salaires, l’embauche ou la qualité du travail ont réellement changé. Les pronostics estiment ce qui pourrait se produire sous certaines hypothèses de capacité, d’adoption, de demande, de réglementation et d’économie générale. Un emploi peut être fortement exposé sans disparaître : les tableurs ont transformé la comptabilité, par exemple, tout en augmentant la demande pour certains travaux comptables.
La meilleure estimation mondiale d’exposition disponible en 2025 provenait de l’Organisation internationale du travail et de l’institut polonais NASK. Leur indice au niveau des tâches a classé environ 25 % de l’emploi mondial comme présentant une certaine exposition à l’IA générative, mais seulement 3,3 % dans la catégorie la plus exposée. Les auteurs ont conclu que la transformation était plus probable que le remplacement total, car la plupart des professions combinent des tâches automatisables et non automatisables. L’exposition était plus élevée dans les économies à revenu élevé et pour les femmes, en grande partie parce que l’emploi administratif est réparti de façon inégale. Ce sont des estimations modélisées, pas un décompte d’emplois déjà perdus (OIT–NASK, mai 2025).
Ce qui a été réellement observé
En septembre 2026, la preuve d’un chômage de masse à l’échelle de toute l’économie causé par l’IA générative n’est pas établie. L’adoption est substantielle mais inégale, et les statistiques officielles de l’emploi n’identifient pas de catégorie propre « causé par l’IA ». Les entreprises peuvent invoquer l’IA tout en réduisant leurs effectifs pour des raisons de taux d’intérêt, de sureffectif antérieur, de délocalisation, ou de restructuration ordinaire. Les licenciements annoncés constituent donc une preuve causale plus faible qu’une étude comparant des travailleurs ou des entreprises similaires avec des degrés d’exposition à l’IA différents.
Le schéma le plus crédible à court terme est une réallocation au sein des emplois et des filières de recrutement. Des expériences de terrain ont trouvé des gains de productivité dans des tâches délimitées comme le service client et l’écriture, souvent avec des gains plus importants pour les travailleurs moins expérimentés. Cela n’implique pas le même effet sur l’ensemble d’une profession : une production plus rapide peut réduire les effectifs, augmenter la demande, élever la qualité, ou simplement augmenter le volume de travail. L’Index IA 2026 de Stanford rapporte que les effets sur le marché du travail sont inégaux et concentrés dans certaines professions exposées et certaines filières de recrutement de jeunes travailleurs, mais cette preuve reste en développement plutôt qu’elle ne démontre qu’une génération entière a été déplacée (Stanford HAI, 2026).
Les tâches administratives demeurent parmi les plus exposées, tandis que l’exposition s’est étendue au travail professionnel numérisé comme la programmation, l’analyse et la finance. La présence physique ne rend pas un emploi durablement à l’abri ; elle limite seulement ce que les systèmes actuels de texte et d’écran peuvent faire sans robotique — un écart que la page de ce manuel sur l’état de la robotique humanoïde examine directement. Le jugement encadré par une licence professionnelle et la confiance interpersonnelle peuvent aussi ralentir la substitution, bien que les institutions puissent tout de même automatiser la préparation, le triage, la documentation et la surveillance autour de ces rôles.
Corriger le pronostic vedette
Le Future of Jobs Report 2025 du Forum économique mondial a estimé 170 millions d’emplois créés et 92 millions déplacés d’ici 2030, pour une croissance nette de 78 millions. Ces chiffres couvrent cinq macrotendances ensemble : le changement technologique, la fragmentation géoéconomique, la transition verte, le changement démographique et l’incertitude économique. Ce n’est pas une estimation des emplois créés ou détruits par la seule IA. Dans les attentes des employeurs contenues dans le rapport, l’IA et la technologie de traitement de l’information étaient associées à 11 millions d’emplois créés et 9 millions déplacés. La méthodologie combine une enquête auprès de plus de 1 000 grands employeurs avec des données d’emploi de l’OIT, si bien qu’elle représente des attentes d’employeurs projetées mondialement, pas un résultat mesuré (WEF, janvier 2025). Le WEF est une organisation dirigée par des employeurs, une perspective que les lecteurs devraient garder à l’esprit en interprétant son enquête.
Les estimations des cabinets de conseil mesurent souvent des « heures techniquement automatisables ». Elles peuvent être utiles pour la planification de scénarios mais ne sont pas des pronostics de chômage. Le déploiement dépend de la fiabilité, de la refonte des flux de travail, de la responsabilité juridique, des coûts d’intégration, de la négociation salariale, de la préférence du client, et du fait que l’automatisation rende un service assez bon marché pour développer la demande. Un modèle capable d’accomplir 60 % des tâches listées dans une démonstration n’a pas nécessairement automatisé 60 % du rôle rémunéré d’un travailleur.
Ce qu’une transition vers l’AGI pourrait changer
Tout ce qui précède concerne l’IA générative actuelle. Les effets de l’AGI sur le travail sont des projections, car aucun test convenu n’a établi que l’AGI existe. Un système capable d’apprendre de nouveaux domaines de façon fiable, de planifier sur de longs horizons, d’utiliser des outils et d’améliorer des flux de travail pourrait exposer un éventail beaucoup plus large de travail cognitif. Si la robotique devenait aussi bon marché et fiable, le travail physique pourrait suivre. Inversement, la réglementation, les structures de propriété, la préférence humaine et la demande complémentaire pourraient préserver ou créer du travail même avec des systèmes bien plus puissants.
L’incertitude clé n’est pas seulement la capacité mais la répartition des gains. Une croissance rapide de la productivité peut coexister avec une baisse du revenu du travail si les propriétaires de capital captent la plupart des rendements. Elle peut aussi financer des salaires plus élevés, des semaines de travail plus courtes, des services publics, ou des dividendes sociaux si les institutions répartissent les gains. « Y aura-t-il des emplois ? » est donc une question moins complète que de demander qui possède les systèmes, qui peut négocier, qui supporte les coûts de transition, et si les foyers conservent revenu et agentivité.
Exposition inégale et effets de second ordre
Les transitions sont rarement uniformes. Les centres administratifs peuvent être affectés avant les régions dominées par la construction ou le travail de soin. Les tâches de niveau débutant peuvent se réduire même quand les rôles seniors persistent, affaiblissant la voie par laquelle les novices deviennent experts. Les travailleurs handicapés peuvent gagner une assistance précieuse tout en rencontrant aussi un filtrage et une surveillance automatisés. Les pays à faible revenu peuvent gagner l’accès à l’expertise, tout en perdant le travail de services délocalisé dont dépendent les économies locales.
La mesure passe aussi à côté de la qualité de l’emploi. L’IA peut supprimer les tâches ingrates, mais elle peut intensifier le travail par la surveillance, les objectifs algorithmiques, et l’attente d’une production constante. Un décompte d’emploi stable peut dissimuler une compression salariale, moins d’heures, une autonomie dégradée, ou un basculement de l’emploi salarié vers une contractualisation précaire. Inversement, il peut dissimuler de nouveaux bénéfices d’accessibilité et d’entrepreneuriat. Un tableau de bord responsable devrait suivre l’embauche, les salaires, les heures, les postes vacants, le contenu des tâches, le contrôle du travailleur, et la répartition — pas seulement les licenciements.
Une lecture pratique pour le foyer
Ne prenez pas de décision de carrière irréversible sur la base d’un seul pronostic. Traitez l’exposition comme une invitation à la diligence raisonnable :
- Dressez la liste des tâches pour lesquelles vous êtes payé, y compris le travail relationnel, de responsabilité, et de contexte physique que les intitulés de poste omettent.
- Testez les outils actuels sur des tâches réelles et notez leur fiabilité, la charge de supervision, et le coût des échecs.
- Observez les changements dans l’embauche, les achats et les flux de travail de votre employeur — pas seulement les déclarations de la direction.
- Construisez une preuve transférable de jugement, de connaissance du domaine, de confiance client, et de productivité assistée par IA.
- Réduisez la concentration du foyer sur un seul employeur ou un ensemble de tâches étroit lorsque c’est possible.
La conclusion honnête en septembre 2026 n’est ni « rien ne se passe » ni « la plupart des emplois sont sur le point de disparaître ». Les preuves actuelles montrent une exposition substantielle des tâches, une adoption inégale, des gains de productivité dans des cadres délimités, et une disruption précoce dans certains canaux de recrutement. Les affirmations de croissance nette massive de l’emploi restent des pronostics. Le déplacement à l’échelle de l’AGI est un scénario plausible dont l’ampleur dépend autant du déploiement et de l’économie politique que de la capacité du modèle.