Dans une salle de réunion d’une entreprise de services financiers à Paris, un analyste junior a passé les six derniers mois à regarder un outil d’IA produire en trente secondes des résumés qui lui prenaient deux heures. Il n’a pas été licencié. Mais le recrutement de deux postes similaires, prévu pour le début de l’année, a été suspendu. L’effet n’est pas visible comme un licenciement. Il est visible comme une absence — un poste qui n’existe plus, une carrière qui ne commence pas.
C’est ce que le chiffre de 3,8% ne capture pas complètement. Le débat autour de l’impact de l’IA sur l’emploi est souvent présenté comme une confrontation entre optimistes et pessimistes — ceux qui pensent que la technologie créera plus d’emplois qu’elle n’en détruira, et ceux qui pensent l’inverse. La réalité documentée est plus granulaire et, à certains égards, plus dérangeante que l’un ou l’autre camp ne l’admet.
Ce que les études récentes montrent — notamment celles publiées par Goldman Sachs et le BCG — c’est que les emplois les plus exposés à l’IA ne subissent pas tous une destruction de poste. Dans beaucoup de cas, ils subissent une transformation. La tâche reste, mais son contenu change. Les parties répétitives, standardisées, producibles en volume sont absorbées par l’outil. Ce qui reste à l’humain, c’est le jugement, le contexte, la relation, la décision. Pour les travailleurs expérimentés qui savent exercer ces dimensions, la productivité augmente — et avec elle, dans certains secteurs, la rémunération. Les données montrent une croissance salariale d’environ 3,8% dans les métiers fortement exposés à l’IA, supérieure à celle des métiers qui n’y sont pas encore touchés.
Mais cette bonne nouvelle pour les travailleurs établis cache une mauvaise nouvelle pour ceux qui arrivent. Les jeunes diplômés entre 22 et 25 ans, cherchant leur premier emploi dans les secteurs logiciel, finance ou analyse de données, font face à une réduction documentée des opportunités d’entrée allant jusqu’à 12,8% dans certains segments. Les tâches d’entrée de gamme — celles par lesquelles on commence une carrière, qu’on maîtrise progressivement, et sur lesquelles on construit une expertise — sont précisément les tâches que l’IA absorbe en premier. Le premier échelon de l’échelle professionnelle est en train de disparaître dans plusieurs secteurs, sans que le reste de l’échelle soit nécessairement rétréci.
Il y a un phénomène supplémentaire qui n’est pas encore bien comptabilisé : les réembauches. Un nombre croissant d’entreprises qui avaient rapidement remplacé des équipes humaines par des systèmes d’IA ont commencé à recruter à nouveau pour les mêmes profils. La raison n’est pas sentimentale. C’est que l’IA manque du savoir institutionnel — la compréhension des procédures informelles, des dynamiques clients, des contextes spécifiques — qui rend un employé expérimenté efficace dans une organisation particulière. Cette réembauche silencieuse n’apparaît dans aucun rapport sur l’IA et l’emploi, mais elle dit quelque chose d’important sur les limites actuelles des systèmes.
Ce qui est encore franchement incertain, c’est la question de la compensation à long terme. Toutes les révolutions technologiques précédentes ont détruit des emplois et en ont créé de nouveaux — c’est l’argument standard. Mais la vitesse de déploiement de l’IA et l’étendue des domaines qu’elle touche simultanément rendent difficile d’identifier avec précision où les emplois de remplacement vont émerger, dans quels délais, et si les travailleurs déplacés auront les compétences pour les occuper sans formation lourde. Ce n’est pas la première fois que cette question se pose dans l’histoire économique. C’est peut-être la première fois qu’elle se pose à cette vitesse.
