Que montrent vraiment les données de 2025–2026 sur l’IA et l’emploi?

Les manchettes sur l’IA et l’emploi oscillent entre « il ne se passe rien » et « l’effondrement des emplois de bureau a commencé ». Les deux peuvent citer une étude. Pour s’y retrouver, il faut regarder ce que chaque mesure peut voir et ne pas voir, car en 2026 deux équipes de recherche rigoureuses observent la même économie et trouvent des choses différentes à des échelles différentes.

Cet article met à jour les textes précédents du site sur les emplois de premier échelon et les professions en croissance avec des données allant jusqu’au milieu de 2026.

La vue d’ensemble : pas de bouleversement clair pour l’instant

Le Budget Lab de l’Université Yale suit chaque mois l’ensemble du marché du travail américain à l’aide de la Current Population Survey, l’enquête gouvernementale auprès des ménages qui sert à calculer le taux de chômage. Sa mise à jour de septembre 2026, fondée sur les données d’août, ne trouve aucune preuve claire d’un bouleversement lié à l’IA. La composition des professions change à peine plus vite qu’au moment où Internet s’est répandu à la fin des années 1990, et ce changement a commencé avant ChatGPT. Les travailleurs des emplois les plus exposés à l’IA ne tombent pas au chômage plus souvent, et une comparaison statistique entre travailleurs exposés et non exposés ne montre pour l’instant aucune empreinte claire de l’IA.

Les chercheurs restent prudents sur la portée de ce résultat. Leurs mesures d’« exposition » sont des indicateurs indirects, construits en partie à partir des données des entreprises d’IA elles-mêmes, et les technologies passées ont mis des décennies, pas des mois, à transformer le travail. L’absence de signal aujourd’hui n’est pas une prévision.

La vue rapprochée : moins de jeunes embauchés dans les emplois exposés

Les économistes de Stanford Erik Brynjolfsson, Bharat Chandar et Ruyu Chen utilisent une autre lentille : les dossiers de paie d’ADP, une grande entreprise de traitement de la paie, qui couvrent des millions de travailleurs. Leur mise à jour d’août 2026, avec des données jusqu’en juin 2026, ne trouve pas non plus de déplacement à l’échelle de l’économie. Mais dans les professions les plus exposées à l’IA, l’emploi des 22 à 25 ans est inférieur de 19 % à ce qu’il aurait été s’il avait progressé au même rythme que celui des jeunes dans des emplois moins exposés. Les travailleurs expérimentés des mêmes emplois ne montrent pas un tel écart, et celui-ci s’est creusé depuis que les auteurs l’ont signalé pour la première fois en août 2025.

Trois détails précisent le portrait. La baisse vient surtout d’entreprises qui embauchent moins de jeunes, pas de mises à pied. Elle se concentre là où l’usage de l’IA remplace surtout une tâche (l’IA la fait) plutôt que de compléter un travailleur (l’IA aide une personne à la faire); dans les usages complémentaires, l’emploi est stable ou en hausse. Et les salaires ont peu bougé : l’ajustement porte sur le nombre d’emplois. Les auteurs parlent de signaux d’alerte précoces, des « canaris dans la mine », et non d’une preuve de cause, et notent que certaines tendances ont commencé avant l’IA générative.

Pourquoi les deux peuvent avoir raison

Les deux constats se complètent. Une baisse d’embauche pour un groupe d’âge dans un ensemble de professions est trop petite pour faire bouger les totaux nationaux, mais elle compte énormément pour les diplômés qui tentent d’entrer dans ces domaines. Le Bureau of Labor Statistics des États-Unis allait dans le même sens dans ses projections de 2025 : il prévoit une croissance plus lente ou un recul là où les tâches centrales sont faciles à reproduire pour l’IA générative, comme la transcription médicale et le service à la clientèle, tout en prévoyant une croissance pour les développeurs de logiciels, parce que des logiciels moins chers pourraient stimuler la demande.

Un exemple concret : évaluer vos propres tâches

La distinction de Stanford entre remplacer et compléter vous donne une façon pratique d’examiner votre emploi. Dressez la liste de vos tâches de la semaine et classez-les.

Tâche	Part de ma semaine	Rôle de l’IA aujourd’hui	Exposition
Rédiger des courriels courants aux clients	20 %	Peut écrire un brouillon complet	Élevée : remplacement
Résumer des notes de réunion	10 %	Peut produire le résumé	Élevée : remplacement
Analyser un budget avec une gestionnaire	15 %	Accélère le travail dans le tableur	Moyenne : complément
Régler la plainte d’un client au téléphone	25 %	Peu	Faible
Former un nouveau collègue	10 %	Peut préparer du matériel	Faible : complément

Vous pouvez demander à un assistant de vous aider à bâtir une première version de ce tableau :

Prompt

Voici la liste des tâches de mon emploi d’adjointe administrative, avec la part approximative de ma semaine que chacune occupe : [coller la liste].
Pour chaque tâche, dis-moi si les outils d’IA actuels pourraient surtout la faire, surtout m’aider à la faire, ou à peine m’aider.
Explique ton raisonnement en une ligne par tâche et signale les cas où tu n’es pas sûr.

Traitez sa réponse comme un point de départ : vous savez quelles tâches cachent du jugement, des relations ou des responsabilités qu’une liste ne montre pas.

À essayer : notez dix tâches de vos deux dernières semaines de travail, estimez la part du temps que chacune a prise, et marquez chacune « l’IA la fait », « l’IA m’aide » ou « l’IA aide à peine ». Additionnez la part de la première colonne.

Quelles tâches de votre travail sont les plus exposées?

Les tâches les plus exposées ont trois traits en commun : elles commencent et finissent à l’écran, elles suivent un modèle qu’on peut décrire, et leur résultat se vérifie vite. Rédiger des documents types, résumer, transcrire, répondre aux questions courantes et produire un premier jet de code en font partie. C’est pourquoi le service à la clientèle et les postes de développement logiciel de premier échelon apparaissent à la fois dans les analyses du BLS et de Stanford.

Les tâches qui résistent dépendent de la confiance, de la présence physique, du jugement dans l’incertitude ou de la responsabilité d’une décision : négocier, prendre soin des gens, gérer les exceptions, approuver un travail. Notez aussi que l’exposition d’une tâche n’est pas le risque pour un emploi. Si l’IA prend en charge le cinquième de votre semaine, la question devient ce que vous faites du temps libéré.

Si la première colonne de votre évaluation est importante, les données suggèrent deux gestes. Déplacez votre temps vers la colonne « l’IA m’aide » en apprenant à bien diriger et vérifier le travail de l’IA, puisque c’est là que les données de Stanford montrent que l’emploi tient. Et accumulez l’expérience que les jeunes ont maintenant plus de mal à obtenir : gérer les exceptions et les personnes, la partie du travail qu’aucun modèle ne décrit.