La prévision qui refusait de mourir
Depuis plus d’une décennie, un seul chiffre ancre la peur publique de l’automatisation : 47%. En 2013, les économistes de l’Oxford Martin School Carl Benedikt Frey et Michael Osborne ont estimé que cette part de l’emploi américain se trouvait dans des professions à haut risque d’informatisation, sur une fenêtre future non précisée qu’ils décrivaient seulement comme « peut-être une décennie ou deux ». L’article est devenu l’un des documents de travail en économie les plus cités du siècle, et le chiffre de 47% circule encore dans les titres et les présentations directoriales comme s’il s’agissait d’une prédiction établie plutôt que d’une estimation probabiliste construite sur des hypothèses datant de 2013 quant aux tâches qu’un logiciel pourrait plausiblement apprendre.
En 2022, Robert D. Atkinson, de l’Information Technology and Innovation Foundation, disposait de l’expérience naturelle qui manque aux autres prévisionnistes : neuf années de données réelles du marché du travail. Son verdict fut sans détour. Les États-Unis avaient créé environ 16 millions d’emplois depuis la publication de l’article, le chômage se situait à 3,7%, et lorsqu’il a comparé les scores de risque par profession de Frey et Osborne à ce qui s’était réellement passé dans ces professions, la corrélation s’est révélée faible — environ 0,26. Les 47% ne se sont pas produits. Cela ne signifie pas que l’automatisation est inoffensive ; cela signifie qu’un score de vulnérabilité figé à un instant donné, aussi rigoureusement modélisé soit-il, est un mauvais guide pour une décennie de changement technologique, économique et institutionnel. Toute affirmation ci-dessous sur des métiers « sûrs » doit être lue en gardant ce mode d’échec à l’esprit.
Deux paradoxes que l’on confond sans cesse
Les discussions sur le travail manuel et l’IA invoquent régulièrement deux idées comme si elles étaient interchangeables. Elles ne le sont pas, et la différence compte pour la planification.
Le paradoxe de Moravec est une observation computationnelle, nommée d’après le livre de 1988 du roboticien Hans Moravec, Mind Children, et formulée à la même époque par Rodney Brooks et Marvin Minsky. Il énonce que le raisonnement abstrait est peu coûteux en calcul pour une machine, alors que l’habileté sensorimotrice et perceptive d’un tout-petit — l’équilibre, la préhension, la perception de la profondeur, la reconnaissance d’objets dans le désordre — est extraordinairement coûteuse. Cela explique pourquoi un modèle peut réussir un examen du barreau avant qu’un robot ne sache plier le linge de façon fiable.
Le paradoxe de Polanyi est le terme d’économie du travail, et c’est celui qui prédit réellement quels emplois résistent à l’automatisation. L’économiste du MIT David Autor l’a formulé dans un document de travail du NBER de septembre 2014, en s’appuyant sur l’observation de 1966 du philosophe Michael Polanyi selon laquelle « nous savons plus que nous ne pouvons dire ». Les artisans qualifiés diagnostiquent régulièrement un circuit défaillant, une vanne bloquée ou un compresseur qui peine, à l’aide d’une reconnaissance de motifs qu’ils ne peuvent pas articuler pleinement sous forme de règles — ce qui signifie qu’elle ne peut pas non plus être codifiée proprement dans des données d’entraînement ou un arbre de décision. La conclusion même d’Autor reste valable : « les défis pour substituer des machines aux travailleurs dans des tâches exigeant adaptabilité, bon sens et créativité demeurent immenses ».
La distinction compte parce que le paradoxe de Moravec concerne les corps robotiques, et le paradoxe de Polanyi concerne le jugement humain tacite. Un métier peut résister à l’automatisation pour l’une de ces raisons, pour les deux, ou pour aucune — et les confondre produit des prédictions bâclées.
Ce que montrent 200 000 conversations réelles — et ce qu’elles ne montrent pas
Frey et Osborne ont modélisé la vulnérabilité de l’extérieur. En 2025, Microsoft Research a adopté une approche différente : Kiran Tomlinson et ses collègues ont examiné 200 000 conversations anonymisées de Bing Copilot au regard de la base de données O*NET des activités professionnelles, produisant un « score d’applicabilité de l’IA » pour des centaines de professions. Les professions les moins bien notées — phlébotomistes, aides-soignants, masseurs, opérateurs d’équipement et couvreurs — partagent un trait évident : le travail se fait sur un corps, dans un lieu précis, avec les mains.
Les chercheurs ont été explicites : il s’agit d’une mesure du chevauchement des tâches avec un chatbot, non d’une prévision de licenciements. Dans un billet de blog de suivi répondant à une couverture médiatique emballée, ils ont écrit : « notre étude ne tire aucune conclusion sur la suppression d’emplois ; dans l’article, nous mettions explicitement en garde contre l’utilisation de nos résultats pour tirer une telle conclusion ». Un score d’applicabilité bas aujourd’hui décrit les domaines où l’IA générative est actuellement peu utile en tant qu’assistant conversationnel. Cela ne dit rien d’un robot vieux de cinq ans doté de meilleures caméras et d’actionneurs moins coûteux — ce qui est précisément le territoire que suit le chapitre du site sur les robots humanoïdes.
La complication : « manuel » n’est pas une seule chose
C’est ici que l’histoire simple se brise. Le Future of Jobs Report 2025 du Forum économique mondial a demandé aux employeurs quelles compétences ils s’attendaient à voir gagner ou perdre en importance d’ici 2030. Presque toutes les catégories de compétences devaient croître en importance. Seules deux devaient décliner en net — et l’une d’elles était « la dextérité manuelle, l’endurance et la précision », à 24% de solde négatif.
Cela ne contredit pas les données sur les métiers ci-dessus ; c’est un rappel que le « travail manuel » recouvre des emplois radicalement différents. La préparation de commandes en entrepôt, les postes de chaîne de montage et la manutention industrielle répétitive sont manuels, physiquement exigeants, et représentent précisément le type de mouvement structuré et répétable que la robotique industrielle automatise depuis des années — bien avant que l’IA générative n’existe. Un électricien agréé qui diagnostique un tableau inconnu dans une maison inconnue est lui aussi « manuel », mais cela ne ressemble en rien à une tâche d’entrepôt en termes d’imprévisibilité, de responsabilité, ou de besoin de jugement. Les employeurs interrogés par le WEF semblent percevoir le premier cas alors même que la demande se maintient pour le second. Un métier n’est pas protégé par le fait d’être manuel ; il est protégé par la combinaison d’un jugement tacite et d’une exigence stricte de présence physique, ou d’une demande structurelle de remplacement qu’un robot ne peut pas encore satisfaire à bas coût.
Cinq métiers, deux raisons différentes d’en attendre de la demande
Les projections 2025-2035 de l’Occupational Outlook Handbook du Bureau of Labor Statistics (BLS) illustrent les deux mécanismes à la fois :
| Métier | Croissance projetée | Postes ouverts annuels | Salaire médian (mai 2025) |
|---|---|---|---|
| Électriciens | 9% | ~72 700 | 63 190 $ |
| Plombiers, tuyauteurs, calorifugeurs | 7% | ~42 000 | 63 800 $ |
| Techniciens CVC/réfrigération | 11% | ~40 600 | 61 010 $ |
| Installateurs d’ascenseurs/escaliers mécaniques | 6% | ~1 900 | 109 910 $ |
| Aides à domicile/aides-soignants à la personne | 18% | ~760 500 | 35 800 $ |
Les électriciens, les plombiers et les techniciens CVC combinent le jugement propre au paradoxe de Polanyi (diagnostiquer un système inconnu) avec une main-d’œuvre en place vieillissante et un parcours d’apprentissage de plusieurs années — environ quatre à cinq ans et près de 2 000 heures rémunérées par an pour les électriciens — qui ne peut pas être comprimé simplement parce que la demande augmente. Les installateurs d’ascenseurs affichent le salaire le plus élevé des cinq, reflet d’une spécialité étroite, agréée, critique pour la sécurité, avec peu de nouveaux entrants. Les aides à domicile et les aides-soignants à la personne se situent à l’autre bout de l’échelle salariale mais enregistrent de loin le plus grand nombre absolu de postes ouverts, porté par la démographie plutôt que par une pénurie de places de formation : une population vieillissante a besoin de plus de soins en présentiel que ne peut en offrir la main-d’œuvre actuelle, et cette demande est comparativement peu sensible à l’automatisation parce qu’elle dépend d’une présence physique, d’une confiance et d’un jugement en personne que la robotique actuelle ne peut fournir ni à l’échelle ni au coût requis.
Le fil conducteur
Rien de tout cela n’équivaut à une exemption permanente. Un métier paraît durable lorsqu’il exige une compétence tacite qui résiste à la codification, lorsque la main-d’œuvre qui l’assure se réduit plus vite que la demande, ou lorsque l’emploi exige une présence physique qu’aucun robot n’assure encore à bas coût — idéalement plus d’une de ces conditions à la fois. Il paraît fragile lorsque la composante « manuelle » est en réalité répétitive et structurée, exactement le type de travail manuel que la robotique industrielle et d’entrepôt cible depuis une génération. Lire les données de croissance et de salaire du BLS constitue un premier filtre raisonnable pour un foyer ou un jeune travailleur pesant ses options, mais c’est un filtre, pas une garantie — la même discipline qui aurait dû empêcher de traiter les 47% comme un évangile en 2013 s’applique à chaque chiffre de cet article.