Impact de l’IA sur le travail : les économistes entre productivité et emploi
Le consensus le plus large parmi les économistes sur l’impact de l’IA sur le travail concerne la productivité. Ce sera positif, du moins à moyen et long terme. Pour le reste en revanche : beaucoup de doutes. Dans une enquête du Wall Street Journal menée auprès de 16 des économistes les plus célèbres au monde, 15 personnes interrogées indiquent que l’intelligence artificielle renforcera considérablement la productivité du travail.
Des doutes sur d’autres questions que tout le monde se pose : l’IA supprimera-t-elle plus d’emplois qu’elle n’en crée ? Ou bien cela modifiera-t-il les emplois, les entreprises et les carrières sans réduire l’emploi global ?
L’analyse du WSJ est utile à la fois pour comprendre où se dirige actuellement le consensus des économistes et pour comprendre les zones d’ombre actuelles.
La question est devenue plus urgente car l’adoption se poursuit alors que le marché du travail ne montre pas encore de trajectoire unique. Le Pew Research Center, dans un résumé publié en mars 2026 d’enquêtes menées en 2025, constate que la moitié des adultes américains se disent plus préoccupés qu’enthousiasmés par l’utilisation accrue de l’IA dans la vie quotidienne ; parmi les travailleurs américains, la part de ceux qui déclarent qu’au moins une partie de leur travail est effectuée avec l’IA est passée de 16 % en 2024 à 21 % en septembre 2025, mais 65 % continuent de l’utiliser peu ou pas du tout.
Le panel cité par le journal américain comprend Daron Acemoglu, Ajay Agrawal, David Autor, Nicholas Bloom, Bharat Chandar, David Deming, Jason Furman, Martha Gimbel, Joshua Gans, Rebecca Henderson, Jed Kolko, Tomas Philipson, Pascual Restrepo, Raffaella Sadun, Michael Strain et Justin Wolfers. Il s’agit d’une liste qui comprend des spécialistes du travail, des économistes de l’innovation, des professeurs d’écoles de commerce et d’anciens conseillers économiques de la Maison Blanche. Acemoglu, professeur au MIT, fait partie des lauréats du prix Nobel d’économie 2024.
Impact de l’IA sur le travail : le consensus porte sur la productivité
Le premier point de convergence est le suivant : l’IA augmentera la capacité productive des travailleurs et des entreprises. Le débat entre économistes ne porte pas tant sur l’existence du gain d’efficacité, mais plutôt sur sa répartition entre les entreprises, les travailleurs qualifiés, les profils juniors, les territoires et les secteurs.
Le résultat est conforme à certaines des recherches empiriques les plus récentes. Dans l’article scientifique « Generative AI at Work », rédigé par Erik Brynjolfsson, Danielle Li et Lindsey Raymond et publié le Le journal trimestriel d’économievolume 140, numéro 2, mai 2025, DOI 10.1093/qje/qjae044, l’introduction d’un assistant génératif dans un service de support client a augmenté de 15 % la productivité mesurée en cas résolus par heure sur 5 172 agents. Les gains les plus importants ont été réalisés par les travailleurs moins expérimentés ou moins performants, car le système a transféré plus rapidement des pratiques similaires à celles de meilleurs opérateurs.
Ces données aident également à comprendre la position d’Autor et Sadun. Pour Autor, l’IA peut augmenter la productivité des professionnels lorsqu’elle développe des compétences coûteuses, telles que le diagnostic, l’ingénierie ou la recherche scientifique. Pour Sadun, la valeur augmente lorsque les travailleurs expérimentent, traduisent rapidement leurs idées en actions et valident les résultats dans leur contexte organisationnel.
Là où les économistes divisent : emplois, cols blancs et inégalités
La photographie du WSJ montre une image moins compacte lorsqu’on passe du potentiel technique aux effets sur l’emploi. Interrogés sur le solde net des emplois, 8 économistes indiquent qu’il n’y a pas de changement global, 5 prédisent une perte nette et 2 une croissance nette. Quant à savoir si l’IA remplace ou complète les travailleurs aujourd’hui, 8 personnes la considèrent principalement comme un complément et 5 comme une technologie de remplacement.
Voici le résumé des principaux points de consensus et de dissidence qui ont émergé dans l’enquête du WSJ.
| Thème | Résultat dans l’enquête du WSJ | Lecture pour les entreprises |
|---|---|---|
| Productivité du travail | 15 oui, 0 non | Le gain d’efficacité est le domaine de consensus le plus fort |
| Solde net des sièges | 8 aucun changement, 5 perte nette, 2 croissance nette | Le risque n’est pas uniforme : il dépend des tâches, de la demande et de la réorganisation |
| Substitution ou complément | 8 complément, 5 substitution | La même technologie peut automatiser ou augmenter le travail humain |
| Inégalités de revenus selon l’éducation | 7 augmentation, 5 diminution, 2 aucun changement | La formation et l’accès aux outils pèsent sur la répartition des bénéfices |
| Demande d’emploi en col blanc | 6 aucun changement, 5 réduction, 3 augmentation | Les activités cognitives standardisées sont plus exposées que les capacités de jugement |
| Recrutement et développement des talents au cours des 5 prochaines années | 7 impact fort, 6 impact certain, 1 impact minimal | Les RH et la formation au cœur de l’adoption de l’IA |
| Bénéficiaires entre entreprises | 6 petits et nouveaux, 2 grands et établis, 3 ni l’un ni l’autre | L’IA peut réduire les barrières d’échelle, mais une capacité organisationnelle est nécessaire |
La ligne la plus prudente vient d’Acemoglu, Restrepo, Henderson, Chandar et Wolfers, qui, dans l’enquête, font partie de ceux qui voient un risque plus élevé de remplacement ou de perte nette. Acemoglu souligne les effets durables des chocs technologiques et commerciaux antérieurs sur les travailleurs exposés, en particulier lorsque l’impact est concentré sur les marchés locaux ou sur des professions spécifiques. Restrepo met en avant une possible divergence entre les métiers cognitifs simplifiés par l’IA et les activités où la technologie amplifie les talents des meilleurs.
La gamme la plus complémentaire est soutenue par Agrawal, Deming, Furman, Gans, Kolko, Philipson, Sadun et Strain. Dans cette lecture, l’IA n’élimine pas automatiquement la demande de main-d’œuvre : elle réduit le coût de certaines activités, peut augmenter la demande pour le service final et ouvre des espaces pour des rôles plus orientés vers le jugement, la coordination, la relation client et la refonte des processus.
Le nœud des emplois de cols blancs et des profils juniors
La partie la plus sensible du débat concerne le travail de bureau. Wolfers résume le point sans détour : l’IA intervient dans le travail cognitif et affecte donc des domaines qui semblaient jusqu’à présent plus protégés que lors des vagues précédentes d’automatisation industrielle.
Autor signale les risques pour les rôles basés sur le traitement de l’information de routine, tels que la gestion des assurances standard, la traduction, les copies répétitives ou les tâches administratives à grande échelle.
Deming considère que les emplois répétitifs de cols blancs créés pour réduire les coûts de transaction au sein et entre les entreprises sont plus exposés.
Les recherches les plus récentes ne permettent pas de clore le débat. Le document de travail « Les Canaries dans la mine de charbon ? Six faits sur les effets récents de l’intelligence artificielle sur l’emploi », publié par le Stanford Digital Economy Lab le 13 novembre 2025 par Erik Brynjolfsson, Bharat Chandar et Ruyu Chen, utilise des données administratives à haute fréquence d’ADP et constate une baisse relative de 16 % de l’emploi pour les travailleurs âgés de 22 à 25 ans dans les professions américaines les plus exposées à l’IA, après contrôles au niveau de l’entreprise. Les auteurs soulignent que les preuves concordent avec un impact disproportionné sur les profils d’entrée, en particulier là où l’IA automatise plutôt qu’augmente le travail humain.
Les données dialoguent avec les mises en garde de Martha Gimbel sur les chemins imprévisibles de la discontinuité technologique. Les jeunes peuvent être plus exposés au début parce qu’ils occupent des rôles d’entrée plus standardisés, mais ils ont également plus de temps pour redévelopper leurs compétences et leur trajectoire professionnelle. Les travailleurs d’âge mûr, s’ils sont déplacés après des années dans le même rôle, peuvent être confrontés à des transitions plus coûteuses.
Petites entreprises et nouveaux entrants : pourquoi l’IA peut réduire certaines barrières
Un deuxième point pertinent pour les entreprises concerne l’échelle. Dans le panel du WSJ, 6 économistes désignent les petites et les nouvelles entreprises comme principaux bénéficiaires possibles, contre 2 qui considèrent les grandes entreprises consolidées comme favorisées et 3 qui ne choisissent aucune des deux options. L’argument est clair : si l’IA fait baisser le coût de compétences auparavant coûteuses ou difficiles à trouver, une startup ou une PME peut mener des activités qui nécessitaient des équipes plus importantes, des consultants externes ou des fonctions spécialisées.
Ce thème est confirmé par le rapport « Generative AI and the SME Workforce : New Survey Evidence », publié par l’OCDE le 5 novembre 2025, basé sur une enquête représentative menée en 2024 auprès de plus de 5 000 PME en Autriche, au Canada, en Allemagne, en Irlande, au Japon, en Corée et au Royaume-Uni. 31 % des PME interrogées utilisent déjà l’IA générative ; parmi ceux qui l’utilisent, 65 % signalent une amélioration des performances des employés. Cependant, 83 % ont déclaré qu’il n’y avait aucun effet sur les besoins globaux en personnel, tandis que 6 % ont indiqué une augmentation et 9 % une réduction.
Ce point démystifie l’idée d’un impact immédiat et uniforme sur l’emploi. Dans les PME, l’IA semble agir d’abord sur les performances, les charges de travail, les déficits de compétences et le recours à des fournisseurs externes. La question de l’emploi survient plus tard, lorsque l’entreprise décide si elle souhaite transformer ses bénéfices en nouvelles capacités, en baisse de prix, en davantage de clients ou en diminution de la demande de main-d’œuvre.
Des conseils qui tiennent même si les prévisions divergent
Les recommandations des économistes convergent plus que les prévisions.
Agrawal appelle à déplacer l’investissement personnel des compétences pures de prospective vers le jugement, la pensée critique, la définition des problèmes et la maîtrise de l’IA.
Gans suggère d’apprendre à utiliser l’IA quelle que soit la tâche qui vous est confiée. Wolfers appelle à une pensée critique et à une familiarité pratique avec les outils.
Bloom considère l’éducation comme une protection historique contre les chocs technologiques. Sadun ajoute l’expérimentation, la passion pour le domaine professionnel et la capacité d’évoluer au sein de la dynamique organisationnelle.
Pour les entreprises, qu’est-ce que cela signifie ?
Il est nécessaire de cartographier les tâches, en distinguant les activités standardisables, les activités à haut jugement et les étapes dans lesquelles la valeur naît de la relation ou de la coordination.
Il faut mesurer les effets non seulement sur la rapidité et le coût, mais aussi sur la qualité, les erreurs, la satisfaction client, l’apprentissage des profils juniors et la rétention.
Nous devons empêcher que l’automatisation des activités d’entrée n’efface le chemin par lequel les nouveaux travailleurs acquièrent des connaissances tacites.
Le point de rencontre entre économistes est donc pragmatique. L’IA augmentera la productivité, mais la productivité à elle seule ne décide pas qui gagne, qui perd et quelles compétences sont les plus demandées. Les décisions seront prises en fonction des choix de modèles organisationnels, de formation, de gouvernance des outils et de refonte des processus.
Les entreprises qui utilisent l’IA uniquement pour réduire les tâches standard pourraient réaliser des économies rapides et affaiblir le renouvellement des compétences. Ceux qui l’utilisent pour étendre leurs capacités, réduire les goulots d’étranglement et créer de nouveaux rôles auront plus de marge pour transformer l’efficacité technique en avantage opérationnel.
