Emploi et compétences 8 min de lecture

IA et emploi : ce que mesurent réellement les données publiées cet été

Une enquête publiée les 29 et 30 août 2026 a relancé le débat sur l’effet de l’intelligence artificielle sur l’emploi, avec un chiffre bas : 3 % des travailleurs américains déclarent avoir perdu un emploi à cause de l’IA depuis 2023. Ce résultat a été largement repris comme un démenti aux prévisions de destruction massive d’emplois.

Il mérite mieux qu’une lecture au premier degré. Rapproché de trois autres séries de données publiées cet été — des données de paie américaines, les projections du Bureau of Labor Statistics et une étude de la Direction générale du Trésor —, il dessine un tableau cohérent, mais qui ne dit pas ce que le chiffre isolé semble dire. Pour un dirigeant ou un DRH, l’écart entre ces mesures est plus instructif que chacune d’elles.

L’enquête déclarative : 3 % de pertes d’emploi, 6 % de créations

Ce que dit l’enquête

Jeffrey C. Dixon, sociologue au College of the Holy Cross, a fait réaliser par l’institut YouGov une enquête auprès de 1 250 actifs américains, interrogés entre le 30 juillet et le 4 août 2026. Les résultats, publiés par l’auteur puis relayés par la presse économique les 29 et 30 août, se résument à trois pourcentages :

  • environ 3 % des répondants déclarent avoir perdu un emploi du fait de l’IA depuis 2023 ;
  • environ 6 % déclarent avoir obtenu un poste qui n’existait pas avant l’IA ;
  • environ 9 % déclarent avoir obtenu une promotion ou une progression liée à l’IA.

L’auteur formule ainsi son résultat central : « Only about 3% of workers said they had lost a job due to AI since 2023, while roughly 6% indicated they landed a job that didn’t exist before AI. »

Ce que l’enquête ne peut pas dire

Trois limites, dont l’auteur reconnaît lui-même une partie : il s’agit d’une étude en cours, non encore relue par les pairs.

La première limite est celle du déclaratif. Un salarié dont le poste n’a pas été renouvelé sait rarement si la décision tient à l’automatisation, à la conjoncture ou à un arbitrage budgétaire. Une enquête d’opinion mesure des attributions, pas des causes.

La deuxième limite est celle de la population interrogée : des actifs en emploi. Ceux qui ont quitté le marché du travail, ou qui n’y sont jamais entrés, ne sont pas dans l’échantillon. Or c’est précisément là que d’autres données situent l’effet principal.

La troisième limite est la taille : 1 250 répondants, pour des effets de l’ordre de quelques points de pourcentage, laissent une marge d’incertitude substantielle sur chacun des trois chiffres.

Le contre-champ : ce que montrent les données de paie

Les mêmes semaines, le Digital Economy Lab de Stanford a publié une version révisée de son étude Canaries in the Coal Mine?, signée Erik Brynjolfsson, Bharat Chandar et Ruyu Chen. La méthode est différente : non pas des déclarations, mais des données administratives de paie fournies par ADP, portant sur plusieurs millions de salariés américains et couvrant la période allant jusqu’à juin 2026.

Le premier constat rejoint l’enquête déclarative : il n’y a pas de vague de licenciements massifs attribuable à l’IA à l’échelle de l’économie.

Le second le contredit sur un segment précis. L’emploi des 22-25 ans dans les métiers les plus exposés à l’IA se situe 19 % en dessous de ce qu’il serait s’il avait suivi la trajectoire de leurs pairs dans les métiers moins exposés. Cet écart s’est creusé progressivement : il était de 15 % en juillet 2025, il atteint 19 % en juin 2026. En valeur absolue, entre novembre 2022 et juin 2026, l’emploi des 22-25 ans a reculé de 11 % dans les métiers surexposés, tandis qu’il progressait de 10 % dans les métiers moins exposés.

Le troisième constat est le plus important pour un DRH. L’ajustement passe par la réduction des embauches, non par l’augmentation des ruptures : « reduced hiring of young workers rather than increased separations ». Personne ne perd son emploi ; les postes juniors ne sont simplement plus ouverts.

Cela explique l’écart avec l’enquête déclarative. Une enquête auprès de salariés en poste ne peut pas capter une embauche qui n’a pas eu lieu. Les deux résultats ne se contredisent pas : ils mesurent deux choses différentes.

Le quatrième constat nuance la lecture technologique. Les reculs se concentrent dans les métiers où l’IA remplace des tâches humaines ; là où elle les complète, l’emploi stagne ou progresse. Enfin, l’ajustement se fait par le volume d’emploi plutôt que par les salaires de base.

Ce que projettent les statistiques publiques

Le Bureau of Labor Statistics américain a publié le 16 juillet 2026 ses projections d’emploi 2024-2034 lues au prisme de l’IA. Elles vont dans un sens que le débat public retient peu : l’adoption des technologies d’IA « is expected to fuel strong job growth among computer and mathematical occupations in coming years ».

Les chiffres avancés sont substantiels : +33,5 % pour les data scientists entre 2024 et 2034, soit 82 500 emplois supplémentaires ; +28,5 % pour les analystes en sécurité de l’information (52 100 emplois) ; +15,8 % pour les développeurs logiciels (267 700 emplois) ; +21,5 % pour les analystes en recherche opérationnelle (24 100 emplois).

Les reculs projetés, eux, sont d’une autre magnitude : -5,5 % pour les représentants du service client, -5,8 % pour les secrétaires juridiques. Le déplacement anticipé est réel, mais il est lent et concentré sur des fonctions administratives précises — pas un effondrement transversal.

Et en France ?

La Direction générale du Trésor a publié le 30 juin 2026 une étude consacrée aux effets de l’IA sur l’emploi (Trésor-Éco n° 391, par M. Chopard, E. Cotet, T. Gantois et E. Villani). Sa conclusion est prudente : « l’effet net agrégé reste incertain, avec des risques pour certains travailleurs ».

L’étude relève trois éléments directement transposables au contexte français. Les premiers licenciements attribués à l’IA se concentrent dans les secteurs les plus exposés — finance, informatique. L’insertion professionnelle des jeunes semble ralentir, ce qui recoupe précisément le constat de Stanford sur les 22-25 ans. Et l’adoption de l’IA par les entreprises françaises reste encore limitée, ce qui signifie que l’essentiel de l’ajustement est devant nous, pas derrière.

Le Trésor y ajoute une recommandation explicite : un accompagnement par les politiques publiques, « notamment en matière de formation », pour soutenir la reconversion des travailleurs exposés et diffuser l’IA dans l’ensemble de l’économie. L’étude note par ailleurs que 62 % des Français voient l’IA comme un risque pour l’emploi, selon le baromètre du numérique 2025.

Comment lire ces chiffres quand on dirige une entreprise

Quatre lectures se dégagent de la confrontation de ces sources.

Le risque n’est pas le licenciement, c’est le gel des entrées. C’est le point le plus robuste, parce qu’il est établi sur des données de paie et non sur des déclarations, et parce qu’il est confirmé indépendamment en France par le Trésor. Une entreprise qui ne licencie pas peut néanmoins transformer profondément sa pyramide des âges en cessant simplement d’ouvrir des postes juniors pendant trois ans.

La conséquence se voit à retardement. Une cohorte junior absente ne pose pas de problème l’année où elle n’est pas recrutée. Elle en pose un quatre ou cinq ans plus tard, lorsque les postes intermédiaires ne trouvent plus de candidats internes. C’est un risque de gestion prévisionnelle des emplois et des compétences, pas un risque social immédiat.

La distinction remplacement / complémentarité est opérationnelle. Le résultat de Stanford — recul là où l’IA se substitue, stabilité ou croissance là où elle complète — est directement utilisable dans une cartographie des métiers. Il invite à documenter, poste par poste, si l’outil déployé exécute la tâche ou l’assiste.

Les chiffres rassurants sont des chiffres américains. L’enquête Dixon comme les projections du BLS portent sur les États-Unis. La France présente un taux d’adoption plus faible et une structure d’emploi différente. Le Trésor le dit : l’ajustement français est largement à venir.

Ce qu’il faut faire

Mesurer avant d’arbitrer. Avant toute décision de gel ou d’ouverture de postes, établir la part des recrutements juniors dans les trois dernières années et son évolution. L’effet documenté par Stanford est invisible dans un tableau de bord qui ne suit que les effectifs totaux.

Cartographier les métiers selon l’axe remplacement / complémentarité, et non selon l’axe « exposé / non exposé ». Deux fonctions également exposées à l’IA évoluent en sens opposés selon que l’outil se substitue à la tâche ou l’assiste. Cette distinction conditionne l’arbitrage entre reconversion et recrutement.

Traiter le sujet en consultation, pas en information. L’introduction de nouvelles technologies relève de la consultation du comité social et économique au titre de l’article L. 2312-8, II, 4° du code du travail, qui vise « l’introduction de nouvelles technologies, tout aménagement important modifiant les conditions de santé et de sécurité ou les conditions de travail ». Les juges des référés ont déjà tiré les conséquences de cette obligation pour des outils d’IA générative : le tribunal judiciaire de Créteil, par ordonnance du 15 juillet 2025 (RG n° 25/00851), a suspendu l’utilisation des outils concernés jusqu’à la clôture du processus de consultation. L’obligation est procédurale : elle se sanctionne par la suspension du déploiement, indépendamment de la qualité du projet.

Budgéter la montée en compétences maintenant. Deux réformes du financement de la formation entrent en application cet automne et modifient les circuits de paiement : elles sont détaillées dans notre article sur la facturation électronique et la réforme TVA des OPCO. Un plan de formation engagé en septembre ne suit pas le même circuit qu’un plan engagé en octobre.

Se méfier du chiffre unique. Le « 3 % » qui a circulé cette semaine est exact dans son périmètre et trompeur hors de lui. La règle applicable ici vaut au-delà de ce sujet : demander systématiquement quelle population a été mesurée, par quelle méthode, sur quelle période, avant de fonder une décision d’organisation sur un pourcentage.

Sources

Sources primaires

Analyses secondaires

Rédaction Carrière Web
Fondatrice de Carrière Web — BT Communication

Cheffe d'entreprise, diplômée de journalisme, à la tête d'une agence de communication spécialisée dans le webmarketing. Férue de nouvelles technologies. Accompagne les TPE et PME dans l'intégration de l'intelligence artificielle : diagnostic, déploiement, mesure des gains. Anime également les formations en communication et marketing digital du catalogue.

À lire ensuite

Dans la même veine.

Un premier échange de 30 minutes.

Sans engagement, sans diaporama. On regarde où vous en êtes, et je vous dis franchement si nous sommes le bon interlocuteur.

Réserver un créneau