Les travaux sur le lien entre l'IA et le marché du travail n’en sont qu’à leurs débuts

« Depuis le déploiement des grands modèles de langage (large language models, LLM), il y a une vague de travaux et une avalanche de prédictions quant à l'impact de l'intelligence artificielle (IA) sur le marché du travail et à quel horizon. Il y a également des travaux, et de nombreuses spéculations, sur la façon par laquelle l’IA affecte actuellement le marché du travail. Aucun de ces travaux ne constitue, et ne saurait constituer, le dernier mot sur la question. Dans cette analyse, j'examine une sélection de travaux récents et constate que les données relatives à l'impact actuel de l'IA sur le marché du travail sont peu concluantes et que les affirmations selon lesquelles elle aura un impact négatif sur certains groupes de travailleurs sont prématurées.

Il y a trois raisons expliquant pourquoi la recherche naissante sur l'impact de l'IA sur le marché du travail n'a fait qu'effleurer le sujet et pourquoi toutes les questions importantes à propos des effets de l'IA sur le marché du travail restent sans réponse.

La première est que les premiers résultats de recherche, qui se focalisent sur l'influence de l'IA sur la demande de travail, sont collectivement peu concluants. La deuxième est que les résultats de recherche fondés sur les données actuelles sur l'IA et le marché du travail constituent nécessairement des signaux faibles concernant l'avenir. La troisième est que les travaux existants portant sur la demande de travail ne représentent qu'une infime partie des vastes questions urgentes de la recherche en IA et que l’on s’est surtout concentré sur la demande de travail, sous-explorant les autres canaux via lesquels l’IA est susceptible d’affecter le marché du travail. […]

Pourquoi les travaux actuels sur l'IA et la demande de travail sont-ils peu concluants ?

La plupart des travaux récents sur l'IA et le marché du travail se sont concentrés sur la demande de travail, c'est-à-dire la question de comment l'IA modifiera les emplois, les compétences ou les tâches des travailleurs que rémunèreront les employeurs. Ces travaux classent les professions (ou les secteurs d'activité) selon la probabilité qu’elles soient affectées par l'IA, puis analysent comment les tendances ou caractéristiques des professions les plus susceptibles d'être affectées par l'IA diffèrent de ceux des professions les moins susceptibles de l'être. La plupart de ces travaux se focalisent sur les professions ou les secteurs plutôt que sur les compétences ou les tâches, car les données relatives au marché du travail les plus facilement disponibles sont celles concernant les professions et secteurs.

Pour classer les professions, les chercheurs développent ou utilisent une ou plusieurs mesures d'exposition ou d'utilisation de l'IA. L'exposition à l'IA se réfère à la probabilité qu'une profession (ou les tâches qui la composent) soit assistée ou remplacée par l'IA, tandis que l'utilisation de l'IA se réfère à la manière et à l’ampleur avec lesquelles les personnes dans cette profession utilisent déjà l’IA.

Point important et potentiellement source de confusion : il y a désormais de nombreuses mesures d'exposition à l’IA et d'utilisation de l'IA utilisées dans les travaux sur l’IA et elles ne s’accordent pas toujours. L'exposition à l’IA et l'utilisation de l'IA sont deux concepts distincts et de nombreuses professions présentent des niveaux d'exposition et d'utilisation différents, comme le montrent Gimbel et alii [2025] (cf. graphique 1). Certains de ces classements ou classifications reposent sur le jugement humain, tandis que d'autres sont générés par les modèles de langage (LLM) eux-mêmes.

Par exemple, plusieurs emplois de bureau et administratifs présentent un faible niveau d'utilisation actuelle de l'IA, mais un niveau d'exposition potentielle élevé. Il y a aussi des divergences entre les différentes mesures d'exposition. Et, bien sûr, les professions avec le plus fort usage ou la plus forte exposition pourraient changer à mesure qu’évoluent les capacités de l’IA, ses coûts et les normes entourant son usage.

Une façon d'exploiter ces mesures d'exposition ou d'utilisation consiste à les combiner aux caractéristiques descriptives des professions, telles que leur répartition géographique ou leur profil démographique, pour prévoir quels territoires ou groupes démographiques pourraient être les plus affectés par l'IA. Manning et Aguirre [2026] adoptent cette approche pour comprendre quels groupes démographiques et quels territoires pourraient être les plus exposés à l'IA et lesquels pourraient le mieux s'adapter aux pertes d'emplois induites par l'IA.

Plusieurs études de grande envergure ont combiné des mesures d'exposition ou d'utilisation de l'IA avec des données récentes sur l'emploi par profession afin d'analyser la corrélation entre les tendances suivies par l'emploi et l'exposition ou l'utilisation de l'IA dans une profession. Brynjolfsson, Chandar et Chen [2025] ont fusionné leurs mesures d'exposition à l'IA préférées avec des données d'emploi détaillées fournies par le prestataire de services de paie ADP, dont les données incluent des informations très détaillées sur les professions et les caractéristiques démographiques. Ils ont constaté que l'emploi a davantage diminué pour les jeunes travailleurs exerçant des professions fortement exposées à l'IA, mais pas pour ceux exerçant des professions faiblement exposées ; les différences d'évolution de l'emploi selon l'exposition professionnelle à l'IA étaient minimes pour les travailleurs plus âgés (cf. graphique 2). 

À l'inverse, Eckhardt et Goldschlag [2025] ont constaté que le chômage augmentait moins pour les travailleurs occupant des professions plus exposées à l'IA en utilisant les données publiques sur l’emploi tirées de l’enquête sur la population active (CPS) (cf. graphique 3). L'échantillon de la CPS est beaucoup plus petit que celui d’ADP, ce qui limite l'analyse par quintile d'exposition à l'IA à des groupes d'âge restreints. Ils ont toutefois répété leur analyse en utilisant différentes mesures d'exposition à l'IA. Les conclusions générales sont globalement robustes, malgré quelques légères différences entre les mesures. Iscenko et Millet [2026] adoptent une approche similaire à celle de Brynjolfsson et alii et constatent que les offres d'emploi ont davantage diminué dans les professions exposées à l'IA, mais cette tendance a débuté en 2022, soit avant la sortie de ChatGPT. Ils affirment que la chronologie de la baisse des offres d'emploi correspond davantage à l'évolution macroéconomique de la hausse des taux d'intérêt qu'au lancement des LLM. Frank et alii [2026] ont abouti à des résultats similaires.

Ces études sur l'IA et la demande de travail se concentrent naturellement sur les professions qui existent aujourd’hui, pour lesquelles des données sur l'emploi et des mesures d'exposition à l’IA et d'utilisation de l'IA sont disponibles. L'IA pourrait créer des professions entièrement nouvelles ou de nouvelles formes de travail dans les professions existantes, ce qui pourrait constituer une source importante de croissance de l'emploi. Les travaux sur les précédentes vagues de changement technologique suggèrent que les nouvelles professions contribuent effectivement à la croissance de l'emploi, en particulier lorsque les innovations assistent les activités professionnelles plutôt qu’elles ne les automatisent [Autor et alii, 2024].

Ensemble, ces premiers travaux montrent l'intérêt de combiner de nouvelles mesures de l'IA avec les données relatives au marché du travail qui sont à notre disposition et ils illustrent également pourquoi interpréter ces résultats uniquement au prisme de l'IA est complexe, voire problématique. Les résultats peuvent être sensibles à la mesure de l'IA choisie. L'exposition à l’IA ou l'utilisation de l'IA pourrait être corrélée à d'autres différences entre les professions, telles que l'ampleur du sur-recrutement durant la pandémie, l'adéquation au télétravail, l'exposition aux droits de douane ou le recours à la main-d’œuvre immigrée, des facteurs qui pourraient également expliquer les différences que l’on a récemment observées dans les tendances de l'emploi entre les professions. 

Les premiers résultats ne sont que des signaux faibles

Même les résultats de recherche les plus solides ou les nombreux témoignages concernant l'impact actuel de l'IA sur le marché du travail doivent être pris avec des pincettes. La diffusion commerciale de la génération actuelle de grands modèles de langage (LLM) est si récente que tout impact économique durable ne se manifestera probablement pas avant plusieurs années dans les données sur l'emploi, la production ou la productivité. Les précédentes révolutions technologiques ont eu des répercussions économiques des années, voire des décennies après, une fois que les entreprises se sont réorganisées pour tirer pleinement parti des nouvelles technologies.

En outre, l'IA progresse rapidement. Les percées se succèdent rapidement et notre compréhension actuelle des capacités de l'IA est bien plus avancée que celle que nous avions il y a un an et probablement bien moins avancée que celle que nous aurons dans un an. À mesure que les capacités de l'IA évoluent, son impact probable sur le marché du travail évolue également. Même des conclusions robustes quant à la manière dont la génération actuelle de LLM affecte le marché du travail ou pourrait modifier la demande pour certaines tâches ou professions pourraient rapidement devenir obsolètes.

De plus, nos outils et méthodes de recherche sont encore en développement. À mesure que les capacités de l'IA se précisent et que la littérature scientifique se développe, chercheurs et décideurs politiques s’accorderont sur des définitions communes de l'exposition, de l'utilisation et de l'adoption, ainsi que sur des standards pour mesurer l'impact économique. D'ici là, les résultats de la recherche pourraient être fortement influencés par les différences de définitions et de classifications. Comme évoqué précédemment, la littérature récente et foisonnante qui explore les tendances de l'emploi dans les emplois les plus susceptibles d'être affectés par l'IA utilise de multiples indicateurs d'exposition et d'utilisation de l'IA au niveau des professions. Il n’y a pas de consensus parmi les chercheurs ni concernant ces indicateurs, ni sur la manière de mesurer l'adoption.

Parce que l'IA est plus susceptible d'affecter les emplois qualifiés que les précédentes vagues d'innovation technologique, la recherche et les chercheurs pourraient également être plus sujets à des biais qui n'ont pas encore été pleinement identifiés ni pris en compte. Par exemple, le débat public actuel sur l’impact de l'IA sur l'emploi rappelle, d'une certaine manière, celui d'il y a dix ans sur l’impact de l’automatisation sur l'emploi. Mais les personnes qui réalisent les travaux et les récits sur le lien entre IA et marché du travail sont probablement plus exposées aux LLM qu'à l'automatisation de la décennie précédente, qui était censée menacer davantage les emplois "routiniers" dans les usines et les bureaux. Aujourd'hui, alors que chercheurs, journalistes, consultants et créateurs de contenu peuvent facilement constater l’exposition de leur propre emploi à l'IA, ce "biais du narrateur" pourrait déteindre sur l'interprétation et le ton des résultats de recherche.

Nous devons nous inquiéter des travaux qui s'appuient sur les déclarations des entreprises concernant l'impact de l'IA sur leurs activités. L'enthousiasme suscité par l'IA, les investissements dans l’IA et les avancées vraiment stupéfiantes de l’IA incitent les employeurs, les employés et les décideurs politiques à montrer comment ils exploitent l'IA. Si l'on vous demande régulièrement comment vous comptez utiliser l'IA pour réaliser des économies, accroître la productivité ou gagner en efficacité, vous serez incité à surattribuer vos décisions d'investissement, d'embauche ou opérationnelles à l'IA. Un PDG sera plus prompt à attribuer un gel des embauches ou une vague de licenciements à l'IA qu'admettre avoir trop embauché après la pandémie.

Enfin, méfions-nous du "biais du lampadaire", qui pourrait affecter notre compréhension de l'IA : les sujets qui s’appuient sur les données et les méthodes les plus facilement disponibles pourraient aboutir à des conclusions différentes de ceux que l’on pourrait réaliser avec d’autres données et d’autres méthodes. Ce biais devrait s'atténuer avec le temps, à mesure que les données pertinentes seront de plus en plus disponibles et que les méthodes de recherche se consolideront, mais cela devrait nous amener à rester prudents avec les premiers travaux se penchant sur l’impact de l'IA sur le marché du travail.

L'IA pourrait affecter bien plus que la demande de travail

Les études portant sur le lien entre IA et demande de travail que j’ai citées ne représentent qu'une part du paysage des recherches sur l’IA. Bien qu'elles aient bénéficié d'une plus grande attention du public que les travaux sur les effets sur la productivité, l'offre de travail et la dynamique de transition, ces trois domaines méritent davantage d'attention (et d’études !) pour bien comprendre comment l'IA pourrait affecter les marchés du travail.

La productivité

Une littérature en plein essor a examiné l'impact de l'IA sur la productivité des entreprises, principalement via une analyse approfondie d'une équipe ou d'une entreprise ; Imas [2026] en fait la synthèse. Beaucoup de ces études portent sur les activités de programmation ou de service client. La plupart constatent des gains de productivité, avec toutefois des exceptions notables : une étude a conclu que l'IA ralentissait les développeurs et une autre que les consultants s’appuyaient trop sur l'IA pour des tâches dépassant ses capacités, ce qui entraînait une baisse des performances. La productivité individuelle n'est pas le seul effet. Dell'Acqua et alii [2025] ont constaté que l'IA améliore la collaboration au sein des équipes et permet de dépasser les cloisonnements fonctionnels traditionnels, tandis que Jiang et alii [2025] ont observé que l'exposition à l'IA augmente le temps de travail et diminue la satisfaction des salariés.

Comme pour la demande de travail, on ne doit pas s'attendre à ce que ces études sur l'impact de l’IA sur la productivité aboutissent à un consensus ou à une conclusion uniforme. L'IA pourrait avoir des effets différents sur la productivité selon les professions, les entreprises, les secteurs d'activité ou les types de travailleurs, et ces effets pourraient changer au fil du temps, au gré des évolutions dans les capacités de l'IA.

De plus, les résultats qu’obtiennent les premières études pourraient ne pas être généralisables, compte tenu du type d'entreprises qui utilisent actuellement l'IA. Les données actuelles tirées de l'enquête « Business Trends and Outlook Survey » du Bureau du recensement américain montrent que moins d'un cinquième des entreprises utilisent l'IA et encore moins l’utilisent directement pour la production de biens et de services. Les entreprises qui utilisent l'IA aujourd'hui sont encore des adopteurs précoces et les études sur la productivité des entreprises publiées actuellement se basent sur elles.

L’offre de travail

La recherche s'est relativement peu intéressée aux effets potentiels de l'IA sur l'offre de travail. Théoriquement, l'IA pourrait influencer l’envie et la disponibilité des individus pour le travail de multiples façons. Elle pourrait améliorer la recherche d'emploi, en facilitant la recherche d'offres et l'identification des bons appariements ; à l'inverse, elle pourrait la compliquer si les candidatures, le recrutement et la sélection des candidats étaient davantage automatisés, obligeant ainsi les candidats et les recruteurs à mettre en place et à adopter de nouvelles procédures et normes. L'IA pourrait également influencer l'offre de travail en allégeant les tâches ménagères (ce qui augmenterait l'offre de travail) ou en rendant les loisirs plus attrayants (ce qui diminuerait l'offre de travail). Comme pour l’impact de l’IA sur la demande de travail, les effets de l'IA sur l'offre de travail pourraient être différents selon les personnes et évoluer au fil du temps, au gré des développements de l'IA.

Les effets de l'innovation technologique sur l'offre de travail ont été sous-estimés par la recherche économique. Si l’on demande aux économistes quelles sont les technologies qui ont eu le plus grand impact sur le marché du travail au cours du siècle dernier, rares seront ceux qui mentionneront la pilule contraceptive, qui a profondément transformé les choix dans leur scolarité et de carrière des femmes et contribué à une forte hausse de leur taux d’activité dans les dernières décennies du XXe siècle [Goldin et Katz, 2002]. Plus récemment, les technologies et les normes favorisant la communication vidéo et le télétravail ont soutenu l'offre de travail des mères de jeunes enfants et des personnes en situation de handicap.

Les dynamiques de transition

Outre l'impact à long terme de l'IA sur le marché du travail, il y a un risque réel de perturbations et de destructions d’emploi à court terme. Même si l'IA alimente la croissance de la productivité et un maintien généralisé de l'emploi pour la quasi-totalité des personnes souhaitant travailler, la transition pourrait être chaotique. Les travaux sur les effets de transition induits par les changements technologiques, politiques et structurels, peuvent nous donner une idée de ce à quoi pourrait ressembler la transition de l’IA, même si l'impact que l'IA aura en définitive sur le marché du travail sera probablement très différent des effets à long terme des changements technologiques, politiques et structurels antérieurs.

Dans une vaste synthèse sur les mutations technologiques passées, Deming, Ong et Summers [2024] notent que d'importantes modifications de la répartition de l'emploi peuvent survenir même durant des périodes de transformation économique relativement lentes. Aux États-Unis, la croissance de l'emploi, initialement en forme d'haltère dans les années 1990 et 2000 (où la croissance des emplois peu et hautement qualifiés dépassait celle des emplois moyennement qualifiés), a pris l’apparence d’une courbe à la forme plus classique entre 2016 et 2022 (la croissance des emplois hautement qualifiés ayant été plus rapide que celle des emplois peu et moyennement qualifiés) (cf. graphique 4).

Les bouleversements peuvent s'avérer particulièrement problématiques lorsqu'ils sont géographiquement concentrés. Par exemple, Autor, Dorn et Hanson [2013] montrent que l'augmentation de l'exposition aux importations chinoises lors du "choc chinois" (China shock) a varié considérablement d’une zone d’emploi à l'autre, des analyses ultérieures révélant des répercussions économiques et politiques locales notables. Des travaux antérieurs de Blanchard et Katz [1992] montrent que les chocs au niveau des États tendent à persister, l'emploi local suivant une trajectoire durablement inférieure à celle qu’il suivait antérieurement. Il est peut-être encourageant de constater que nombre de professions fortement exposées à l'IA (comme le travail administratif et de bureau) ne sont pas particulièrement concentrées sur des zones d’emploi particulières ; les personnes dont l'emploi est menacé par l'IA pourraient encore trouver de nombreuses opportunités d'emploi localement.

Les premières observations suggèrent que les perturbations liées à la transition vers l'IA ne dépassent pas le rythme des récentes évolutions technologiques. La composition de l’emploi a évolué au cours des trois dernières années à un rythme similaire à celui observé après le début de l'ère de l'ordinateur commercial (1984) et celui de l'ère de l’internet commercial (1996) et cette évolution ne s'est pas accélérée depuis la sortie de ChatGPT.

Si l’on regarde à plus long terme, la composition de l’emploi a évolué plus rapidement depuis la période de référence prépandémique (2019-2024) qu'au cours des décennies précédentes (cf. graphique 5). Cependant, ces transformations de l’emploi sont moins marquées que celles des années 1910, 1940 et 1950, lorsqu’il y a eu des transitions spectaculaires de l'agriculture à l'industrie manufacturière, puis aux services administratifs et professionnels. L'intelligence artificielle n'est d'ailleurs pas le seul changement significatif sur le marché du travail par rapport à la période prépandémique. La transition actuelle vers l'IA pourrait ne pas être sans précédent et les enseignements du passé pourraient rester pertinents. […] »

Jed Kolko, « Research on AI and the labor market is still in the first inning », PIIE, 10 mars 2026.