Embauches des jeunes : la Banque de France mesure un recul de 28,3 % dans les métiers exposés à l’IA générative

Le 8 octobre 2026, la Banque de France a publié son billet de blog n° 463, « L’IA générative : les premiers changements du marché du travail touchent les jeunes ». Le texte est signé par Marco G. Palladino, Antonin Bergeaud, Antoine Bertheau, Simon Bunel et Oscar Degos, et il est accompagné d’un policy paper du Laboratoire de l’innovation et du futur du travail (LIFT) d’HEC Paris, référencé 2026-02.

Le résultat central est net : dans le quintile de métiers le plus exposé à l’IA générative, les embauches en contrat à durée indéterminée des 21-29 ans sont, en mars 2026, inférieures de 28,3 % à leur niveau de novembre 2022. Dans le quintile le moins exposé, le recul n’est que de 7,5 % sur la même période. L’écart entre les deux groupes atteint donc un peu plus de 20 points de pourcentage.

Pour un dirigeant ou un DRH français, ce n’est pas une projection : c’est une mesure réalisée sur des données administratives, et elle porte sur un comportement d’entreprise — le recrutement — qui relève directement de la décision des employeurs.

Ce que mesure l’étude, et ce qu’elle ne mesure pas

Les données

Les auteurs mobilisent les données administratives de mouvements de main-d’œuvre, c’est-à-dire les déclarations d’embauches et de fins de contrat, de janvier 2019 à mars 2026. Ils apparient ces données avec l’enquête mensuelle de conjoncture de la Banque de France pour environ 6 000 entreprises, ce qui leur permet de distinguer les entreprises déclarant un usage intensif de l’IA — environ 600 au début de 2026 — des autres.

L’indice d’exposition est construit à partir de la nomenclature ROME de France Travail, qui recense plus de 1 500 métiers. Un modèle de langage évalue, compétence par compétence, si l’IA peut réaliser ou assister la tâche, en tenant compte des freins : expertise tacite, présence physique, interaction humaine. Les métiers sont ensuite classés en quintiles d’exposition sur la base des codes PCS à 310 professions. Les séries sont désaisonnalisées et lissées par filtre Hodrick-Prescott.

Les auteurs comparent aussi leur indice d’exposition théorique à l’usage réellement observé, à l’aide du jeu de données Google AI & Economy ATLAS v1.0 publié en avril 2026.

La nuance qui change l’interprétation

Le point le plus important pour un employeur est aussi le moins repris dans la presse : l’étude ne constate pas de divergence statistiquement significative des niveaux d’emploi totaux entre les entreprises à usage intensif de l’IA et les autres. Les effectifs ne se contractent pas de façon visible.

Ce qui change, c’est la composition et le rythme des recrutements. Les fins de CDI reculent également dans les métiers exposés — d’environ 23 %, contre 6 % dans les métiers les moins exposés — mais moins fortement que les embauches. Autrement dit, les sorties ralentissent moins que les entrées, et le renouvellement des effectifs se grippe. Les auteurs parlent d’un gel des embauches de jeunes, non d’une destruction nette de postes.

Cette distinction a des conséquences pratiques immédiates. Une entreprise qui ne voit pas sa masse salariale baisser peut très bien être en train de laisser vieillir sa pyramide des âges et d’interrompre la fabrication de ses propres compétences intermédiaires, sans qu’aucun indicateur de gestion ne s’allume.

Un effet concentré sur les débuts de carrière

L’écart entre métiers exposés et métiers peu exposés dépend fortement de l’âge. Il dépasse 20 points chez les 21-29 ans. Il se réduit pour les 30-39 ans puis les 40-49 ans. Il tombe sous 4 points après 50 ans, et disparaît presque entièrement au-delà.

Le cas des développeurs et ingénieurs informatiques est le plus marqué : les embauches de jeunes en CDI y reculent de 42 % sur la période. Mais le phénomène ne se réduit pas à l’informatique. Les auteurs précisent qu’en retirant les développeurs de l’échantillon, l’écart entre métiers exposés et métiers peu exposés reste de 17 points.

L’écart persiste également lorsque les CDD sont ajoutés aux CDI, ce qui écarte l’hypothèse d’un simple glissement du CDI vers des contrats plus courts. Tous contrats confondus, les embauches de 21-29 ans reculent d’environ 22 % dans les métiers exposés, alors qu’elles progressent légèrement — de l’ordre de 1 % — dans les métiers physiques.

Les précautions à garder

Trois réserves méritent d’être posées, parce qu’elles conditionnent l’usage que l’on peut faire de ces chiffres.

La causalité n’est pas démontrée de façon définitive. La période de référence est novembre 2022, mois de la mise à disposition publique de ChatGPT. Mais la conjoncture française s’est dégradée sur la même période, et les métiers les plus exposés à l’IA générative — métiers de bureau, de l’information, du conseil, du développement logiciel — sont aussi ceux qui avaient le plus recruté pendant la phase d’expansion post-Covid. Une partie du recul peut relever d’un retour à la moyenne après une surchauffe. Les auteurs traitent cette objection par un modèle de Poisson à effets fixes entreprise et secteur, et par la comparaison entre entreprises utilisatrices et non utilisatrices, mais la démonstration reste de l’ordre de la corrélation renforcée.

L’indice d’exposition est une construction. Il repose sur l’évaluation, par un modèle de langage, de ce que l’IA sait faire. C’est une méthode désormais courante en économie du travail, mais elle mesure un potentiel technique, pas un usage effectif. C’est précisément pourquoi les auteurs la confrontent aux données d’usage réel.

Le chiffre de « 75 000 emplois » n’est pas dans les documents publiés. Plusieurs reprises de presse ont converti les pourcentages en un volume annuel de l’ordre de 75 000 embauches perdues, l’une d’entre elles l’attribuant même à des « données Pôle emploi ». Or ni le billet de la Banque de France ni le policy paper d’HEC LIFT ne publient de volume absolu : ils ne donnent que des pourcentages. Ce chiffre relève donc d’une extrapolation journalistique, dont le mode de calcul n’est exposé nulle part. Le document de travail complet — LIFT Working Paper 2026-02, « Exposition des métiers à l’IA générative, adoption par les entreprises et dynamiques du marché du travail en France » — est référencé par le billet de la Banque de France et permettra de trancher.

Ce que cela dit du marché de la formation

Le résultat le plus utile n’est pas le chiffre de 28,3 %, c’est le mécanisme qu’il révèle. Les entreprises ne remplacent pas des salariés par de l’IA ; elles cessent de recruter les profils dont les tâches sont les plus assistables, c’est-à-dire les profils juniors. Or les tâches assistables sont exactement celles par lesquelles un junior apprenait son métier.

Ce constat recoupe celui de l’essai randomisé de David Autor et de ses co-auteurs, analysé ici le 9 octobre : l’accès à un assistant d’IA améliore immédiatement la qualité du travail rendu par les juniors, sans leur faire acquérir l’expertise correspondante. Les deux travaux, indépendants l’un de l’autre et de méthodes différentes, convergent vers la même zone de risque : le milieu de la pyramide des compétences, dans cinq à dix ans.

Cela déplace la question de la formation. Un plan de montée en compétences IA qui se limite à faire utiliser les outils ne répond pas au problème identifié : les juniors savent déjà les utiliser, et leur production s’améliore. Ce qui manque, c’est le dispositif qui transforme cette production assistée en compétence propre — relecture critique, exercices sans outil, transmission explicite par les seniors.

Ce qu’il faut faire

Mesurer avant de conclure. Extrayez vos embauches des trois dernières années par tranche d’âge et par famille de métiers, et comparez à votre niveau de fin 2022. L’étude donne la méthode : ce qui compte est l’écart entre vos métiers exposés et vos métiers peu exposés, pas la tendance globale. Si l’écart est supérieur à 15 points chez vos moins de 30 ans, vous êtes dans la situation décrite.

Regarder la pyramide, pas la masse salariale. Un effectif stable peut masquer un vieillissement rapide. Le bon indicateur est la part des moins de 30 ans dans les métiers exposés, suivie trimestriellement, et le délai moyen depuis le dernier recrutement junior dans chaque équipe.

Identifier les postes où le junior était l’apprentissage. Dans les métiers de rédaction, d’analyse, de développement, de support, le poste junior produisait de la valeur modeste mais fabriquait l’expertise de niveau 2. Si vous ne recrutez plus à ce niveau, il faut désigner explicitement par quel autre dispositif cette expertise sera produite — alternance, parcours interne, mobilité — et le budgéter.

Mettre le sujet à l’ordre du jour du dialogue social avant d’y être contraint. Un gel des embauches juniors concomitant d’un déploiement d’IA est précisément le type de situation qui alimente les contentieux récents sur la consultation du comité social et économique. Documenter la décision, ses motifs et ses alternatives coûte beaucoup moins cher que de la justifier devant un juge des référés.

Ne pas acheter de formation sur la base du chiffre de 75 000. Les prestataires qui construisent une offre sur un volume d’emplois détruits utilisent une donnée que les documents publiés ne contiennent pas. La donnée robuste est l’écart de 20 points sur les embauches de jeunes, et elle appelle une réponse sur la fabrique des compétences, pas sur la peur.

Sources

Sources primaires

• Banque de France, « L’IA générative : les premiers changements du marché du travail touchent les jeunes », billet de blog n° 463, 8 octobre 2026
• HEC Paris, Laboratoire de l’innovation et du futur du travail (LIFT), « IA générative : un gel des embauches de jeunes dans les métiers exposés », Policy Paper 2026-02, octobre 2026

Analyses secondaires

• Journal du Net, « Les embauches en CDI des jeunes actifs reculent dans les métiers exposés à l’IA générative », 8 octobre 2026
• Epoch Times France, « IA : les embauches en CDI des jeunes reculent de 28,3 % dans les métiers les plus exposés », 9 octobre 2026
• Agence Anadolu, « IA : les recrutements de jeunes reculent, sans baisse nette des effectifs des entreprises », 8 octobre 2026
• Journal de l’Économie, « L’IA vole 75 000 emplois par an aux jeunes diplômés », 9 octobre 2026 — exemple de l’extrapolation discutée dans l’article