Le vrai risque de l'IA sur l'emploi n'est pas celui que vous croyez

Depuis 2022, le débat sur l'IA et l'emploi se rejoue en boucle dans les médias, les conférences et les dîners en ville. D'un côté, les optimistes : l'IA est une nouvelle révolution industrielle, elle créera plus d'emplois qu'elle n'en détruira, comme l'a fait l'électricité ou l'informatique. De l'autre, les pessimistes : les robots arrivent, la grande substitution est en marche, nous allons tous au chômage.

Ces deux positions ont en commun d'être spectaculaires, aisément compréhensibles, et de passer à côté du vrai sujet. Le risque réel de l'IA sur l'emploi n'est pas la disparition de masse. C'est quelque chose de plus insidieux, de plus difficile à voir et de plus difficile à combattre. C'est la polarisation.

Ce que montrent vraiment les données

Daron Acemoglu, Prix Nobel d'économie 2024 et professeur au MIT, a publié en 2024 une étude qui a ébranlé le consensus technoptimiste. Contrairement aux prédictions de McKinsey ou du Forum Économique Mondial qui annonçaient une création nette d'emplois grâce à l'IA, Acemoglu et ses coauteurs concluaient que les bénéfices en termes de productivité de l'IA actuelle étaient « significativement surestimés » et que le ratio destruction/création d'emplois pourrait être fortement négatif sur les dix prochaines années.

Son argument central : les révolutions technologiques précédentes (électricité, informatique) ont créé des emplois parce qu'elles ouvraient de nouveaux champs de production entiers. L'IA actuelle est principalement une technologie d'automatisation de l'existant, pas une technologie d'augmentation des capacités humaines dans des domaines nouveaux. Elle fait mieux ce qui se faisait déjà, sans nécessairement ouvrir de nouveaux marchés de travail à la hauteur de ce qu'elle ferme.

Cette nuance est décisive. Elle explique pourquoi les études sectorielles montrent des suppressions de postes concrètes là où les grandes projections macro restent floues sur les emplois créés.

Le taylorisme cognitif : quand le travail intellectuel devient une chaîne

Frederick Taylor a révolutionné le travail industriel au début du XX° siècle en décomposant chaque tâche en sous-opérations élémentaires, optimisables et mesurables. L'ouvrier ne fabriquait plus un objet : il vissait un boulon, cent fois par heure, en suivant un protocole précis. Cette rationalisation a augmenté la productivité et dégradé l'autonomie et la qualification des travailleurs.

L'IA appliquée au travail intellectuel reproduit une logique similaire. Appelons-la le taylorisme cognitif. Un consultant qui rédigeait autrefois une note de synthèse de A à Z — collecte documentaire, analyse, structuration, rédaction — se retrouve aujourd'hui dans une chaîne où l'IA fait la collecte et le premier jet, et où le consultant « valide », « ajuste » et « finalise ». Son rôle s'est rétrécit. Sa valeur ajoutée perçue aussi. Et demain, quand l'IA ajustera elle-même, que restera-t-il ?

Ce mécanisme est déjà à l'oeuvre dans plusieurs secteurs. Dans le droit, des plateformes comme Harvey AI ou Clio produisent des premières versions de contrats et de mémoires. Les associés seniors supervisent, les collaborateurs juniors deviennent des correcteurs. Dans la comptabilité, les outils de clôture automatisée réduisent la partie « traitement » pour laisser la partie « interprétation » aux seniors — mais cette interprétation ne nécessite plus une armée de juniors pour préparer les données. Dans le journalisme, les agences de presse utilisent l'IA pour les articles de synthèse standard, recentrant les journalistes humains sur les enquêtes et les analyses — mais en réduisant leurs effectifs globaux.

Le résultat commun : les postes ne disparaissent pas totalement, mais ils se transforment en postes de supervision appauvrie, avec moins d'autonomie, moins d'apprentissage, et une valeur marchande en baisse.

Les juniors : les premières victimes invisibles

Si la polarisation est le risque systémique, l'exclusion des juniors est sa manifestation la plus immédiate et la plus sous-estimée.

La logique de la progression professionnelle dans les métiers qualifiés repose sur un principe simple : on entre dans un poste junior, on apprend par la pratique, on monte en compétence, on devient senior. Ce modèle fonctionne parce que les juniors font un travail utile — imparfaitement, mais réellement utile — que les seniors n'ont pas le temps de faire eux-mêmes.

L'IA court-circuite ce mécanisme. Quand un outil génère des premières versions de rapports, d'analyses, de code ou de visuels en quelques secondes, le besoin de juniors pour produire ces versions disparaît. Les seniors gardent leur poste — ils supervisent et orientent l'IA. Mais les postes d'entrée, qui étaient les marchepied vers les postes seniors, se réduisent drastiquement.

Les données l'confirment. Dans les cabinets d'audit des Big 4 (Deloitte, PwC, EY, KPMG), les recrutements de jeunes diplômés ont reculé de 20 à 35 % entre 2022 et 2025 selon les rapports sectoriels, alors que les effectifs seniors sont restés stables. Dans les cabinets de conseil en stratégie, BCG et McKinsey ont annoncé des plans d'automatisation de leurs fonctions analytiques qui touchent principalement les grades analysts et associates. Dans l'informatique, les premiers postes de développeurs juniors sont sous pression de l'accélération des outils de génération de code.

C'est un piège à long terme. Si les juniors d'aujourd'hui ne peuvent pas acquérir l'expérience pratique qui les formerait aux postes seniors de demain, qui occupera ces postes dans dix ans ? La réponse optimiste est « ceux qui auront appris à travailler avec l'IA ». Mais cette réponse esquive la question de la voie d'entrée : comment apprend-on à travailler avec l'IA en finance, en droit ou en stratégie si les postes juniors qui permettaient cet apprentissage n'existent plus ?

L'inégalité augmentée

La polarisation a une conséquence directe sur les inégalités. Dans un marché du travail polarisé, ceux qui entrent dans la force du travail avec un capital élevé — diplômes d'élite, réseaux, compétences en IA dès la formation — accèdent aux postes en croissance. Ceux qui arrivent avec un capital moyen — bons diplômes généraux, compétences intermédiaires, pas de réseau solide — trouvent un marché intermédiaire qui se rétracte.

Ce n'est pas une projection théorique. L'étude « AI and Inequality » publiée par le National Bureau of Economic Research en 2024 documente une corrélation croissante entre l'adoption de l'IA en entreprise et l'augmentation des inégalités salariales intra-entreprises. Les salaires des postes les plus exposés à l'augmentation IA (les seniors qui pilotent les outils) progressent. Les salaires des postes les plus exposés à la substitution (les exécutants qualifiés) stagnent ou reculent.

En France, cette dynamique se superpose à un marché du travail déjà segmenté entre insiders (CDI, grandes entreprises, secteur public) et outsiders (CDD, intérim, freelances). L'IA risque d'approfondir cette fracture : les insiders bien positionnés se dotent d'outils IA qui augmentent leur productivité et sécurisent leur position. Les outsiders font face à une concurrence accrue des outils pour les tâches qu'ils exécutaient.

Pourquoi le récit du « remplacement total » est presque rassurant

Il y a quelque chose de paradoxal dans le fait que le scénario catastrophiste — « les robots nous remplacent tous » — soit en réalité le moins perturbateur psychologiquement. S'il était vrai, les réponses seraient claires : revenu universel, retraite anticipée, réduction du temps de travail, refondation du système éducatif. La société ferait face à un choc visible, massif, politiquement incontournable.

Le scénario réel est plus difficile à traiter politiquement. La polarisation et le taylorisme cognitif progressent lentement, de manière diffuse, secteur par secteur. Les suppressions de postes juniors ne font pas les manchettes. La dégradation des conditions de travail des analystes n'est pas un fait divers. La stagnation salariale du milieu de la grille ne déclenche pas de mouvements sociaux.

Cette invisibilité relative est ce qui rend le phénomène difficile à combattre. Les politiques publiques s'adaptent aux chocs visibles. Elles s'adaptent moins bien aux transformations diffuses qui s'étalent sur dix à quinze ans et dont les victimes ne se reconnaissent pas nécessairement comme victimes d'une même cause.

Ce que l'histoire des transitions technologiques enseigne

Acemoglu ne nie pas que les technologies précédentes aient finalement créé plus d'emplois qu'elles n'en ont détruit. Mais il souligne deux conditions qui n'étaient peut-être pas réunies avec l'IA actuelle. Premièrement, les transitions passées ont pris des décennies, laissant le temps aux systèmes éducatifs et aux marchés du travail de s'adapter. L'IA générative se déploie sur des années, pas des générations. Deuxièmement, les technologies passées ont créé des secteurs entiers (l'industrie automobile, les télécoms, l'informatique) avec des millions de postes nouveaux. L'IA, pour l'instant, améliore des secteurs existants sans en créer massivement de nouveaux.

Ce qui ne signifie pas que la création d'emplois nouveaux est impossible. Des domaines comme la maintenance et l'audit des systèmes d'IA, la médiation humaine dans les interactions IA-client, la formation à l'usage des outils, ou les métiers du soin et de l'accompagnement qui ne se robotisent pas — tous ces domaines offrent des pistes réelles. Mais la transition ne sera pas automatique. Elle nécessitera des politiques éducatives volontaristes, des investissements dans la formation continue, et peut-être une réflexion sur la redistribution des gains de productivité que l'IA génère.

En guise de conclusion : l'optimisme sans naïveté

Ce serait une erreur de conclure de cette analyse que l'IA est une catastrophe annoncée. Elle ne l'est pas. Les gains de productivité qu'elle génère sont réels et bénéficient à la société dans son ensemble — des soins de santé plus précis, des services plus accessibles, des décisions mieux informées. Le problème n'est pas dans la technologie elle-même, mais dans la manière dont ses fruits et ses coûts sont distribués.

L'histoire des transitions technologiques montre que les sociétés qui s'en sortent le mieux sont celles qui anticipent la distribution inégale des bénéfices et qui mettent en place des mécanismes correcteurs avant que les fractures ne deviennent irréparables. Ce n'est pas du pessimisme. C'est du pragmatisme.

Le vrai risque de l'IA sur l'emploi, ce n'est pas une apocalypse robotique que nous aurions raté. C'est une transformation silencieuse que nous observons déjà, que nous comprenons déjà, et que nous pourrions corriger — si nous choisissions de regarder le problème en face plutôt que de nous rassurer avec des scénarios extrêmes dans un sens ou dans l'autre.

Cet article clôt la série « IA et emploi » de l'Observatoire Mon Job en Danger. Retrouvez l'ensemble des analyses sur notre page dédiée.