IA et emploi : le marché du travail commence-t-il réellement à changer ?

Une nouvelle étude française apporte des éléments particulièrement intéressants.

Dans Generative AI and the Changing Demand for Skills, Marie-Renée Andreescu et Éric Maurin, chercheurs à la Paris School of Economics, analysent plusieurs années de données de France Travail afin d’étudier l’évolution des offres d’emploi, des compétences recherchées, des candidatures, des salaires proposés et des embauches depuis l’apparition de l’intelligence artificielle générative. Il s’agit pour l’instant d’un document de travail déposé en septembre 2026, et non d’un résultat scientifique définitif ayant déjà fait l’objet de plusieurs années de validation.

Leurs résultats ne montrent pas une disparition générale du travail. Ils révèlent quelque chose de plus subtil : dans certaines professions fortement liées à l’informatique, les entreprises publient moins d’offres, certaines compétences techniques traditionnelles sont moins demandées et le nombre de candidats disponibles pour chaque poste augmente fortement.

Au même moment, des recherches menées aux États-Unis et au Canada commencent à faire apparaître un autre signal : les travailleurs en début de carrière semblent rencontrer davantage de difficultés que leurs collègues plus expérimentés dans certains métiers très exposés à l’IA.

Pour les chercheurs d’emploi, les étudiants et les personnes en reconversion, la question n’est donc peut-être plus seulement de savoir si « l’IA va remplacer des emplois ».

La question devient : quelles compétences continuent de différencier un candidat lorsque certaines tâches qui exigeaient autrefois une expertise technique peuvent désormais être réalisées ou accélérées avec quelques instructions en langage naturel ?

Une étude qui observe beaucoup plus que les offres d’emploi

L’un des grands intérêts de l’étude française vient de la richesse de ses données.

Les chercheurs disposent des offres publiées sur la plateforme du service public français de l’emploi, soit en moyenne plus de 600 000 nouvelles offres par trimestre entre 2021 et 2025. Ils peuvent connaître le métier concerné, le salaire proposé et les compétences demandées par l’employeur parmi une classification comprenant des dizaines de milliers de compétences.

Mais ils observent également ce qui se passe ensuite : le nombre de candidats, leurs principales caractéristiques et, grâce au rapprochement avec les données de sécurité sociale, les embauches effectivement réalisées.

Cette distinction est importante, car une diminution du nombre d’annonces ne signifie pas nécessairement une diminution comparable de l’emploi. Une entreprise peut recruter autrement, promouvoir des travailleurs à l’interne ou simplement avoir moins besoin de publier certains postes.

À l’inverse, le taux de chômage peut rester relativement stable alors que les possibilités offertes aux personnes qui essaient d’entrer dans une profession se détériorent fortement.

C’est pourquoi observer simultanément les offres, les candidatures et les embauches permet d’obtenir une image beaucoup plus intéressante du marché.

Trois catégories de métiers pour comparer l’évolution du marché

Les chercheurs divisent les professions en plusieurs catégories selon l’importance des compétences informatiques qui étaient demandées avant l’arrivée de ChatGPT.

La première comprend les spécialistes de l’informatique : développeurs de logiciels, administrateurs de systèmes d’information, spécialistes des systèmes et réseaux, consultants informatiques ou techniciens spécialisés.

La deuxième rassemble des métiers que l’étude qualifie d’« exposés à l’informatique ». Il ne s’agit pas nécessairement de professionnels de la technologie. On y retrouve notamment des comptables, secrétaires, assistants administratifs, assistants en ressources humaines, assistants de direction ou secrétaires comptables. Une partie importante du travail s’effectue devant un ordinateur et certaines offres exigeaient traditionnellement la maîtrise de logiciels particuliers.

Enfin, les chercheurs utilisent comme groupe de comparaison des professions dans lesquelles les employeurs demandaient très rarement des compétences informatiques particulières, comme certains emplois de soins, d’entretien ou de manutention.

L’objectif est alors d’observer si, après l’arrivée de l’IA générative, les professions qui dépendaient davantage des compétences informatiques évoluent différemment des autres.

Le changement n’a pas commencé immédiatement avec ChatGPT

Le lancement public de ChatGPT remonte à novembre 2022.

Pourtant, les chercheurs n’observent pas immédiatement un effondrement des offres d’emploi informatiques.

Pendant plusieurs trimestres, les trajectoires restent relativement similaires entre les différentes catégories professionnelles. La rupture devient surtout visible vers la fin de 2023 et en 2024.

Cette chronologie est intéressante, car elle correspond davantage au moment où des outils professionnels plus performants commencent à se généraliser : modèles plus puissants, assistants de programmation, analyse de données par conversation et intégration progressive de l’IA dans les logiciels utilisés quotidiennement par les entreprises.

Au début de 2025, l’étude estime que les offres concernant les métiers informatiques spécialisés sont environ 30 % moins nombreuses relativement au groupe de comparaison qu’elles ne l’étaient dans la trajectoire observée à la fin de 2022. Pour les professions exposées à l’informatique, le recul relatif dépasse 10 %.

Les chercheurs vérifient également que cette évolution ne correspond pas simplement à un retour au marché d’avant la pandémie. Les données historiques couvrant 2016 à 2025 montrent elles aussi une rupture marquée à partir de 2024.

Il faut néanmoins être prudent avec l’interprétation.

L’étude ne dispose évidemment pas d’une deuxième France identique dans laquelle ChatGPT n’aurait jamais existé. Les années 2023 à 2025 ont également été marquées par des taux d’intérêt élevés, un ralentissement de certains investissements et une correction importante du recrutement technologique après les années de pandémie.

Les résultats constituent donc un signal compatible avec un effet de l’IA générative, et non la preuve que chaque emploi disparu l’a été directement « à cause de ChatGPT ».

Les auteurs réalisent toutefois plusieurs tests supplémentaires pour vérifier que leurs résultats ne sont pas simplement provoqués par le déclin de quelques secteurs, par les professions nécessitant beaucoup de rédaction ou par un retour à la situation prépandémique. Les grandes tendances persistent.

Le phénomène le plus intéressant concerne peut-être les compétences

La diminution des offres n’est qu’une partie de l’histoire. Le contenu même des annonces change.

Chez les spécialistes de l’informatique, les employeurs demandent légèrement plus souvent des compétences liées à l’intelligence artificielle, mais moins souvent certaines compétences de programmation traditionnelles. Dans le même temps, les compétences liées à la communication et à la présentation deviennent davantage présentes dans les offres.

Cette évolution suggère une transformation possible de la valeur du travail informatique.

Lorsque produire une première version d’un programme devient plus facile grâce à un assistant de programmation, la capacité à écrire chaque ligne de code peut devenir relativement moins rare. En revanche, comprendre le problème à résoudre, choisir une bonne architecture, vérifier le résultat, communiquer avec les utilisateurs et expliquer une solution deviennent proportionnellement plus importants.

Cela ne signifie pas que « savoir programmer ne sert plus à rien ».

Cela signifie plutôt que la programmation seule pourrait progressivement devenir moins différenciante que la capacité à utiliser cette compétence dans un contexte plus large.

Excel illustre parfaitement ce qui est en train de changer

Le même phénomène apparaît dans de nombreux emplois de bureau.

Prenons un exemple très simple.

Il y a quelques années, un employeur pouvait rechercher un assistant administratif capable de maîtriser les tableaux croisés dynamiques, des formules complexes ou plusieurs fonctionnalités avancées d’Excel.

Une personne possédant cette expertise pouvait accomplir certaines tâches beaucoup plus rapidement qu’un collègue ne la maîtrisant pas.

Aujourd’hui, de nombreux outils permettent à un utilisateur de demander en langage naturel :

« Regroupe ces dépenses par fournisseur, compare-les au trimestre précédent, repère les anomalies et prépare un graphique. »

L’utilisateur doit toujours comprendre les données, vérifier le résultat et savoir ce qu’il souhaite obtenir. Mais la barrière technique nécessaire pour produire le tableau ou la formule diminue.

Or l’étude française constate précisément un recul important des offres de professions de bureau qui exigent explicitement des compétences informatiques particulières. Au début de 2025, ces annonces sont environ 40 % moins nombreuses relativement au groupe de comparaison qu’au début de 2023. Les exigences liées aux logiciels bureautiques font notamment partie des compétences en recul.

Ce phénomène pourrait devenir beaucoup plus important que la simple automatisation d’un métier entier.

L’IA ne doit pas nécessairement remplacer un comptable, un assistant RH ou un développeur pour transformer le marché.

Il suffit qu’elle permette à chaque travailleur d’accomplir davantage de tâches.

Productivité supérieure ne signifie pas automatiquement davantage d’emplois

Imaginons une entreprise qui emploie dix personnes capables de produire chacune dix unités de travail.

La production totale est donc de 100 unités.

Si l’utilisation de l’IA permet ensuite à chaque personne d’en produire quinze, l’entreprise n’a plus besoin que d’environ sept personnes pour produire les mêmes 100 unités.

Elle peut choisir de conserver ses dix employés et de produire davantage.

Elle peut également profiter des gains de productivité pour diminuer ses coûts et remplacer moins de travailleurs lorsqu’ils quittent l’entreprise.

C’est précisément pourquoi l’impact d’une technologie sur l’emploi est difficile à prévoir.

Si la baisse du coût de production provoque une explosion de la demande, davantage de travailleurs peuvent finalement être nécessaires.

Si la demande n’augmente pas suffisamment, une entreprise peut produire la même quantité avec moins de personnes.

Les deux scénarios sont possibles.

Moins d’offres, mais pas moins de candidats

C’est ici que les résultats français deviennent particulièrement importants pour les chercheurs d’emploi.

Le nombre de personnes intéressées par les métiers informatiques ne diminue pas au même rythme que les possibilités offertes par les entreprises.

Au milieu de 2025, le nombre de candidats par offre dans les professions informatiques spécialisées est environ 50 % plus élevé qu’à la fin de 2022. Dans les professions exposées à l’informatique, l’augmentation est d’environ 10 %.

Autrement dit, le changement peut être ressenti très fortement par un candidat sans provoquer immédiatement une vague spectaculaire de licenciements.

Une personne peut simplement constater qu’elle doit envoyer davantage de candidatures pour obtenir une entrevue, qu’une offre attire beaucoup plus de candidats ou que les entreprises ouvrent moins souvent des postes juniors.

Cela constitue une différence importante entre perdre un emploi existant et ne pas obtenir l’emploi qui aurait été créé auparavant.

La transformation peut se produire sans licenciements massifs

Imaginons une entreprise qui emploie 100 personnes.

Chaque année, 15 travailleurs partent naturellement et l’entreprise en recrute habituellement 20 pour poursuivre sa croissance.

Après avoir automatisé une partie du travail, elle ne licencie personne. Elle décide simplement de ne recruter que dix personnes pour remplacer les départs.

Un an plus tard, l’effectif est passé de 100 à 95.

Pourtant, aucune annonce officielle n’a indiqué que cinq personnes avaient été « remplacées par l’IA ».

Ce mécanisme permet de comprendre pourquoi les embauches constituent aujourd’hui un indicateur particulièrement important.

Et les données américaines commencent précisément à faire apparaître ce phénomène chez les jeunes travailleurs.

Aux États-Unis, les jeunes travailleurs montrent un signal beaucoup plus marqué

En août 2026, des chercheurs du Stanford Digital Economy Lab ont publié une nouvelle version de leur étude Canaries in the Coal Mine?, basée sur des données administratives de paie d’ADP couvrant des millions de travailleurs américains jusqu’en juin 2026.

Leur conclusion ne décrit pas non plus une destruction massive de l’emploi dans toute l’économie.

En revanche, parmi les travailleurs de 22 à 25 ans occupant les professions les plus exposées à l’IA, l’emploi se situe environ 19 % sous le niveau qu’il aurait atteint s’il avait évolué au même rythme que celui de jeunes travailleurs exerçant des professions moins exposées.

La différence n’apparaît pas de manière comparable chez les travailleurs expérimentés. Et surtout, les chercheurs observent que l’ajustement semble provenir principalement de recrutements moins nombreux, plutôt que d’une augmentation massive des licenciements.

Les auteurs restent eux-mêmes prudents. Une analyse publiée en février 2026 indiquait que les données les plus convaincantes apparaissaient surtout à partir de 2024 et que certaines évolutions antérieures pouvaient avoir d’autres causes.

Mais le signal mérite d’être suivi.

Et au Canada ?

La situation canadienne permet justement d’éviter les conclusions trop rapides.

Une étude de Statistique Canada publiée en janvier 2026 ne trouve pas de diminution générale de l’emploi depuis 2022 dans les professions fortement exposées à l’intelligence artificielle.

De novembre 2022 à décembre 2025, l’emploi a généralement continué de progresser dans les différentes catégories étudiées.

Il serait donc incorrect d’affirmer que l’IA a déjà provoqué une destruction généralisée des emplois au Canada.

Un résultat attire néanmoins l’attention.

Dans les professions où la programmation occupe une place importante — notamment certains développeurs, ingénieurs logiciels et concepteurs Web — l’emploi des travailleurs âgés de moins de 30 ans était à peu près au même niveau en décembre 2025 qu’en novembre 2022.

Pendant la même période, l’emploi des travailleurs de 30 à 49 ans dans ces professions avait augmenté de près de 30 %. La divergence devient statistiquement significative vers la fin de 2024.

Ce résultat ne démontre pas que l’IA en est la cause.

Mais il ressemble suffisamment aux observations américaines pour que la question des emplois de premier échelon mérite une attention particulière.

Pourquoi les postes juniors pourraient-ils être davantage touchés ?

Dans de nombreuses professions, le début de carrière comprend une proportion importante de tâches relativement standardisées.

Un développeur junior peut être chargé de produire une petite fonctionnalité, corriger un bug simple, rédiger de la documentation, créer des tests ou adapter une interface.

Un assistant administratif peut préparer un tableau, reformater des données ou rédiger un premier brouillon.

Un professionnel du marketing débutant peut produire plusieurs variantes d’un texte, effectuer une première recherche ou préparer une présentation.

Ce sont précisément des tâches sur lesquelles les systèmes d’IA générative progressent rapidement.

Le senior, lui, apporte généralement autre chose : expérience, connaissance du contexte, capacité à arbitrer, responsabilité, relation avec les clients, compréhension des conséquences d’une décision et aptitude à reconnaître une solution apparemment convaincante mais incorrecte.

L’entreprise peut donc être tentée de conserver ses travailleurs expérimentés tout en réduisant le nombre de postes destinés à des personnes qui entraient traditionnellement dans la profession.

À long terme, cela soulève un paradoxe : si les entreprises recrutent moins de juniors aujourd’hui, comment formeront-elles les professionnels expérimentés dont elles auront besoin demain ?

L’intelligence artificielle devient déjà un outil de travail courant au Canada

Il ne s’agit plus seulement d’une technologie expérimentale.

En mars 2026, Statistique Canada constatait que 53,8 % des travailleurs occupant une profession fortement exposée à l’IA et où celle-ci est considérée comme complémentaire utilisaient déjà des outils d’IA générative au travail.

Dans les professions fortement exposées mais présentant une complémentarité plus faible, la proportion atteignait 45,9 %. Dans les professions faiblement exposées, elle n’était que de 14,2 %.

Il faut également relativiser ces chiffres : utiliser l’IA ne signifie pas lui déléguer tout son travail. Parmi les utilisateurs canadiens interrogés, environ les deux tiers déclaraient l’utiliser pour certaines tâches seulement, tandis que l’utilisation pour la majorité des tâches demeurait beaucoup plus rare.

Nous sommes donc davantage dans une phase d’intégration progressive que dans une automatisation totale des emplois.

Un emploi exposé n’est pas nécessairement un emploi condamné

L’Organisation internationale du Travail apporte ici une distinction essentielle.

Après avoir étudié près de 30 000 tâches professionnelles, l’OIT estime qu’environ un travailleur sur quatre dans le monde exerce une profession présentant un certain degré d’exposition à l’IA générative.

Seulement 3,3 % de l’emploi mondial se situe toutefois dans la catégorie d’exposition la plus élevée.

La conclusion de l’organisation est donc que la transformation des emplois est actuellement beaucoup plus probable que leur disparition complète.

Les métiers administratifs demeurent parmi les plus exposés, mais l’amélioration des modèles augmente également l’exposition de professions plus spécialisées comme l’analyse financière, le développement Web ou la programmation d’applications.

C’est pourquoi il vaut mieux raisonner en termes de tâches qu’en termes de métiers entiers.

• Un comptable ne fait pas uniquement de la saisie de données.

• Un développeur n’écrit pas uniquement du code.

• Un conseiller en emploi ne rédige pas uniquement des CV.

Un professionnel combine généralement des tâches techniques, relationnelles, analytiques, administratives et décisionnelles.

L’IA peut en automatiser certaines sans pouvoir reprendre l’ensemble du rôle.

Le véritable changement pourrait être une « compression » du travail

Le débat oppose souvent deux scénarios : soit l’emploi existe, soit l’IA le remplace.

La réalité pourrait être beaucoup moins visible.

Une équipe qui nécessitait auparavant un gestionnaire, deux professionnels intermédiaires et quatre juniors pourrait produire le même volume de travail avec un gestionnaire, deux professionnels intermédiaires, deux juniors et plusieurs outils d’IA.

Aucun métier n’a disparu.

Mais l’organisation nécessite moins de personnes.

Cette compression du travail est particulièrement difficile à détecter, car elle peut se produire progressivement au rythme des départs, des départs à la retraite et des postes qui ne sont simplement jamais ouverts.

Pour un chercheur d’emploi, les conséquences sont néanmoins très réelles.

Certaines compétences techniques risquent-elles de perdre de la valeur ?

Il serait excessif de dire que les compétences techniques deviennent inutiles.

Mais leur valeur peut évoluer lorsqu’elles deviennent plus faciles à mobiliser.

Pendant longtemps, maîtriser Excel, SQL, Photoshop, un langage de programmation ou certains logiciels professionnels constituait une barrière importante.

Un travailleur qui ne possédait pas cette compétence ne pouvait tout simplement pas accomplir certaines tâches.

L’IA change progressivement cette relation.

Une personne qui ne connaît presque pas SQL peut demander à un assistant de générer une requête. Une personne peu à l’aise avec Excel peut demander une analyse de données en langage naturel. Une personne ayant des notions de programmation peut créer une première version fonctionnelle d’une application avec l’aide d’un agent de développement.

La compétence ne disparaît pas : celui qui comprend SQL ou la programmation sera beaucoup mieux placé pour vérifier le résultat.

Mais la barrière d’accès diminue.

Lorsque davantage de personnes peuvent accomplir une tâche, savoir uniquement l’exécuter devient potentiellement moins différenciant.

Ce que cela change pour votre CV

Dans ce contexte, énumérer uniquement des outils devient progressivement insuffisant.

Écrire : « Excel – avancé » ou : « ChatGPT – avancé » renseigne assez peu un recruteur sur votre capacité réelle à créer de la valeur.

Un CV devrait davantage montrer ce que vous avez réussi à accomplir grâce à ces outils.

Par exemple, au lieu d’indiquer simplement la maîtrise d’Excel, un candidat peut expliquer qu’il a automatisé un tableau de suivi, réduit le temps nécessaire à la préparation d’un rapport ou construit un processus permettant de détecter des anomalies.

Même principe avec l’intelligence artificielle.

Il n’est probablement pas nécessaire d’ajouter une longue liste de ChatGPT, Gemini, Claude, Copilot et autres outils simplement parce qu’ils ont été utilisés occasionnellement.

Ce qui différencie davantage un candidat est sa capacité à expliquer le problème traité, l’utilisation qu’il a faite de l’IA, les vérifications effectuées et le résultat obtenu.

Autrement dit : outil utilisé → problème résolu → résultat obtenu.

Cette logique devient particulièrement importante à mesure que l’accès aux outils se démocratise.

Pour les jeunes diplômés, l’expérience concrète devient encore plus importante

Si une partie des tâches autrefois confiées aux débutants peut être automatisée, le diplôme seul risque de moins suffire à démontrer sa capacité professionnelle.

Un étudiant ou un jeune diplômé peut donc avoir intérêt à transformer ses apprentissages en preuves concrètes : projets universitaires, projets personnels, stages, bénévolat, portfolio, études de cas ou réalisations techniques.

Le but n’est pas nécessairement de devenir spécialiste de l’intelligence artificielle.

Il s’agit de pouvoir montrer : « voici un problème auquel j’ai été confronté, voici comment je l’ai analysé, voici les outils que j’ai utilisés et voici le résultat ».

Cette démonstration est beaucoup plus difficile à automatiser qu’une simple liste de compétences.

Les compétences humaines ne deviennent pas importantes parce que « l’IA n’en possède pas »

On entend souvent que l’avenir appartient simplement aux « soft skills ». C’est trop simpliste.

Certaines compétences relationnelles peuvent également être assistées par l’IA : rédaction, préparation d’une présentation, synthèse d’une réunion ou service à la clientèle de premier niveau.

Ce qui devient particulièrement intéressant est la combinaison entre expertise technique, compréhension métier et capacités humaines.

• Comprendre un contexte.

• Déterminer quelle information est importante.

• Poser les bonnes questions.

• Déceler une erreur.

• Prendre une décision lorsque plusieurs solutions sont possibles.

• Assumer la responsabilité du résultat.

• Communiquer avec les personnes concernées.

Ces capacités permettent également d’utiliser l’IA beaucoup plus efficacement.

L’étude française fournit justement un indice allant dans cette direction : alors que certaines exigences de programmation diminuent chez les spécialistes informatiques, les compétences de communication deviennent davantage recherchées.

Il faut également éviter de transformer chaque candidature en « candidature IA »

L’autre risque consiste à réagir de manière excessive.

L’utilisation de l’intelligence artificielle ne doit pas devenir le centre du CV d’un candidat dont le métier n’a rien à voir avec l’IA.

• Un recruteur cherche toujours avant tout quelqu’un capable d’exercer le poste.

• Un comptable doit comprendre la comptabilité.

• Un éducateur doit comprendre le développement de l’enfant.

• Un technicien doit comprendre son environnement technique.

• Un conseiller doit comprendre les personnes qu’il accompagne.

L’IA constitue alors un outil supplémentaire permettant éventuellement de mieux accomplir certaines tâches.

La stratégie la plus solide consiste donc à développer une expertise professionnelle réelle, enrichie par la capacité d’utiliser intelligemment les nouveaux outils, plutôt qu’une expertise superficielle dans une succession d’applications d’IA.

Faut-il s’inquiéter ?

Les données actuelles ne permettent pas d’annoncer une disparition générale de l’emploi.

Au Canada, l’emploi a continué de progresser dans les professions exposées à l’IA jusqu’à la fin de 2025.

Aux États-Unis, Stanford ne trouve pas non plus de déplacement massif de travailleurs à l’échelle de toute l’économie.

Et l’OIT considère toujours la transformation des métiers comme beaucoup plus probable que leur remplacement complet.

Mais il serait tout aussi imprudent d’ignorer les nouveaux signaux.

En France, certaines professions fortement liées à l’informatique connaissent une diminution relative importante des offres et des embauches, accompagnée d’une hausse de la concurrence entre candidats.

Aux États-Unis, les jeunes travailleurs sont particulièrement concernés dans certaines professions exposées.

Au Canada, les emplois intensifs en programmation continuent globalement de croître, mais cette croissance bénéficie beaucoup plus aux travailleurs de 30 à 49 ans qu’aux moins de 30 ans.

Ces résultats ne constituent pas encore la preuve d’une transformation définitive du marché du travail. Ils sont cependant suffisamment cohérents pour justifier de s’y préparer.

Le marché du travail ne récompense pas seulement les compétences : il récompense leur rareté

Une compétence possède une valeur particulière lorsqu’elle permet de faire quelque chose que peu de personnes sont capables de réaliser.

Pendant plusieurs années, savoir produire un rapport complexe dans Excel, développer une petite application, manipuler une base de données ou créer certains contenus numériques représentait une barrière technique importante.

L’intelligence artificielle diminue progressivement certaines de ces barrières, mais cela ne rend pas l’expertise inutile.

Au contraire, lorsqu’une machine peut produire rapidement une réponse plausible, savoir reconnaître une bonne réponse, comprendre les conséquences d’une décision et savoir quoi demander devient encore plus important.

Le candidat de demain ne sera donc probablement pas simplement celui qui « sait utiliser l’IA » car des millions de personnes sauront utiliser l’IA.

Le candidat qui se différenciera sera davantage celui qui peut démontrer :

une expertise réelle, une capacité à résoudre des problèmes, une compréhension de son secteur, des réalisations concrètes et la capacité d’utiliser l’IA comme un multiplicateur de ces compétences.

Une transition qui ne fait probablement que commencer

Il reste enfin une grande inconnue.

La plupart des données actuellement disponibles permettent surtout d’observer les conséquences des premières générations d’outils d’IA générative déployées entre 2022 et 2025.

Or les technologies évoluent maintenant vers des systèmes capables non seulement de répondre à une question, mais également d’enchaîner plusieurs étapes, d’utiliser des outils et d’exécuter des workflows plus complets.

Les auteurs de l’étude française soulignent eux-mêmes que l’arrivée de systèmes plus « agentiques » pourrait constituer une nouvelle étape et que de futures recherches seront nécessaires pour déterminer si elle amplifie ou atténue les tendances actuellement observées.

Nous n’avons donc probablement pas encore suffisamment de recul pour connaître la forme définitive que prendra cette transformation.

Mais une chose devient progressivement plus claire : l’intelligence artificielle n’a pas besoin de remplacer entièrement un métier pour modifier profondément le marché du travail.

Elle peut simplement permettre à une équipe plus petite de produire davantage, réduire le nombre de postes ouverts, modifier les compétences recherchées et permettre à davantage de candidats d’accéder à des tâches auparavant réservées à des spécialistes.

Pour les travailleurs et les chercheurs d’emploi, la meilleure réponse n’est donc ni la panique ni l’ignorance.

Elle consiste à suivre l’évolution de son métier, comprendre quelles tâches deviennent plus faciles à automatiser et investir davantage dans les compétences qui permettent de comprendre, contrôler, appliquer et dépasser les résultats produits par les outils.

Car dans un marché où produire devient progressivement plus facile, la capacité à savoir quoi produire, pourquoi le produire et si le résultat est réellement bon pourrait devenir l’un des principaux avantages professionnels.

Sources principales

L’analyse s’appuie principalement sur le document de travail Generative AI and the Changing Demand for Skills de Marie-Renée Andreescu et Éric Maurin, sur les travaux du Stanford Digital Economy Lab consacrés aux effets récents de l’IA sur l’emploi, sur les données de Statistique Canada concernant l’emploi et l’utilisation de l’IA générative au travail ainsi que sur l’indice mondial d’exposition professionnelle à l’IA générative de l’Organisation internationale du Travail.