Effets de l'emploi à: Premiers signes, les jeunes tombent de l'emploi

L'adoption généralisée de l'intelligence artificielle générative commence à laisser des traces mesurables sur le marché du travail. Le rapport « Canaries dans la mine de charbon? Six faits sur les récents effets de l'emploi de l'intelligence artificielle » (Brynjolfsson, Chandar, Chen – août 2025) fournit l'une des premières analyses à grande échelle basées sur des données administratives à haute fréquence, provenant du principal fournisseur de logiciels pour les salaires aux États-Unis.

Les preuves les plus claires concernent les travailleurs au début de la carrière, entre 22 et 25 ans: dans ces professions, la probabilité d'emploi a diminué de 13% par rapport aux collègues plus expérimentés ou à ceux qui travaillent dans des domaines moins exposés à la technologie.

Ce n'est pas un phénomène généralisé, mais un signal qui prévoit comment l'IA n'affecte pas uniformément: les figures les plus juniors sont absorbées, dans les rôles où l'automatisation prévaut sur l'apixe humain.

Objectifs de l'étude

Cette étude est une production du Stanford Digital Economy Lab, Institut de recherche du Stanford Institute for Human-Center Artificial Intelligence de l'Université de Stanford.

Le but de l'étude est de clarifier comment la dynamique de l'emploi se transforme en secteurs le plus exposé à l'automatisation dirigée par l'IA.

Le titre rappelle une métaphore historique: les « Canaries dans la mine » étaient des oiseaux amenés par des mineurs dans des tunnels souterrains comme un danger précoce de danger. Étant plus sensible au monoxyde de carbone, les Canaries ont cessé de chanter ou sont mortes avant que le gaz ne devienne mortel pour les humains, donnant ainsi le temps d'évacuer.

Dans le rapport, cette image devient un symbole des groupes de travailleurs plus exposés aux effets de l'IA: les jeunes au début de la carrière, dont les signes de difficulté pourraient anticiper une dynamique plus large destinée à toucher d'autres bandes du marché du travail.

Selon les rapports de l'indice AI, les performances des modèles ont augmenté de façon exponentielle: en 2023, ils n'ont résolu que 4,4% des problèmes de programmation sur SWE-Bench, une référence pour l'ingénierie logicielle, tandis qu'en 2024, le pourcentage est passé à 71,7%. Dans le même temps, l'adoption au travail est devenue répandue: les recherches récentes montrent qu'à l'été 2025, 46% des adultes américains avaient déjà utilisé des outils pour des activités professionnelles génératives.

La méthodologie du rapport

La valeur du rapport réside également dans la méthodologie. Les chercheurs ont analysé des millions d'observations mensuelles au niveau individuel collecté par ADP, le plus grand fournisseur de services de paie aux États-Unis. L'ensemble de données couvre des dizaines de milliers d'entreprises jusqu'en juillet 2025 et vous permet de relier les variations de l'emploi à l'exposition des différentes professions aux technologies de l'IA. Cette approche vous permet d'observer en temps réel comment l'introduction de nouvelles technologies modifie l'équilibre entre les catégories de travailleurs.

Six preuves clés sur l'impact de l'IA

La baisse de l'emploi chez les jeunes travailleurs exposés

Le premier fait documenté concerne la baisse significative de l'emploi chez les jeunes travailleurs, en particulier dans les professions les plus exposées à l'IA. Dans des secteurs tels que le développement de logiciels et le service client, le rapport montre que les travailleurs entre 22 et 25 ans ont enregistré une baisse de 20% par rapport au pic de 2022.

Pour les mêmes professions, les travailleurs âgés ont plutôt vu l'emploi se développer. L'impact est donc générationnel et non seulement sectoriel, avec les bandes juniors les plus vulnérables que les collègues ayant une plus grande expérience.

L'explication proposée par les auteurs est liée à la nature des compétences. Les jeunes apportent sur le marché avant tout des connaissances codifiées, c'est-à-dire les notions apprises dans les cours de formation et donc plus facilement remplacées par des algorithmes.

Au contraire, les travailleurs experts ont des connaissances silencieuses, acquises avec expérience et moins reproductibles par les machines. Il n'est donc pas surprenant que les effets négatifs se concentrent sur les cohortes plus jeunes, tandis que les autres groupes d'âge maintiennent ou renforcent leur position.

Stagnation de la croissance globale pour les jeunes

Un deuxième fait concerne la tendance générale de l'emploi. Dans l'ensemble, le marché américain reste solide, avec une croissance totale des emplois et de faibles taux de chômage. Cependant, l'analyse par les groupes d'âge met en évidence une tendance divergente: pour les jeunes de 22 à 25 ans, l'occupation s'est prise dans les secteurs de grande envergure de l'IA, tandis que pour les travailleurs entre 35 et 49 ans, il a augmenté jusqu'à 9%. Cet écart explique pourquoi la croissance globale des jeunes semble stagnante, face à une croissance robuste pour les adultes.

La différence ne dépend pas uniquement de la situation économique. Les auteurs montrent que dans les secteurs à faible exposition à l'IA, les jeunes ont fait le pas avec les collègues plus âgés. C'est donc l'exposition spécifique à la technologie qui détermine la divergence. Cela confirme l'idée que les jeunes sont devenus les «Canaries dans la mine»: le premier à montrer des signes de difficultés dans les contextes où l'IA entre en substitut au travail humain.

Automatisation contre la productivité augmenter

Le troisième fait concerne la distinction entre l'automatisation et l'augmentation. Toutes les applications d'IA ne génèrent pas d'effets négatifs sur l'emploi. Dans les cas où l'IA remplace les tâches répétitives et codées, les jeunes subissent des contractions d'emploi. Dans les cas où l'IA soutient plutôt l'activité humaine, ce qui le rend plus efficace, l'occupation ne tombe pas et se développe parfois.

Les auteurs démontrent cette différence en utilisant l'indice économique anthropique, qui classe les interactions avec les modèles d'IA dans trois catégories:

automobile (substitut),
augmenté (soutien)
neutre.

Les résultats confirment que les jeunes travailleurs subissent des réductions, en particulier dans les contextes avec un contenu automatique élevé, tandis que dans les secteurs à forte altitude d'augmentation des utilisations, aucun effet négatif significatif n'émerge. Cette distinction est cruciale pour les politiques de travail: ce n'est pas la présence de l'IA en soi qui détermine l'impact, mais le type d'activité que la technologie va mener à bien.

Effets robustes au-delà des chocs d'entreprise

Le quatrième fait concerne la solidité des analyses. Pour exclure que les résultats étaient liés à des chocs sectoriels ou à des sociétés particulières, les auteurs ont effectué des régressions avec des effets fixes au niveau des affaires et de la période. Même en tenant compte de ces facteurs, l'effet reste évident: pour les jeunes de 22 à 25 ans dans les professions les plus exposées, il y a une baisse de 12 points logarithmiques dans l'emploi, statistiquement significatif.

Cela signifie que la dynamique observée ne peut pas s'expliquer par des facteurs tels que les taux d'intérêt, la situation de secteurs spécifiques ou les stratégies d'entreprises individuelles. Il s'agit plutôt d'un phénomène structurel, lié à l'introduction et à la propagation de l'IA générative sur le marché du travail. Les analyses de la robustesse excluent également des explications alternatives telles que l'excès de l'embauche post-confortable ou la plus grande facilité de travail à distance.

Effets de l'emploi de l'IA: impact plus fort sur l'emploi que sur les salaires

Le cinquième fait mis en évidence par le rapport concerne les salaires. Malgré la baisse des emplois chez les jeunes dans des secteurs exposés, les salaires restent stables. L'analyse des salaires de base annuels, correcte pour l'inflation, montre qu'il n'y a pas de différences significatives ni par âge ni par degré d'exposition à l'IA.

Cette stabilité des salaires suggère que les entreprises préfèrent réglementer l'impact de l'IA en réduisant l'embauche plutôt qu'en réduisant les salaires des travailleurs déjà occupés. Une autre explication est la « Salarié« , C'est-à-dire la rigidité des salaires à court terme, déjà documentée dans d'autres recherches. Dans tous les cas, la divergence entre l'emploi et la tendance de la rémunération souligne que les premiers ajustements aux progrès technologiques se produisent principalement sur le volume des emplois.

Résultats confirmés par des tests de robustesse

Le sixième a fait concerner la confirmation des résultats grâce à de nombreux tests de robustesse. Les auteurs ont exclu uniquement les professions technologiques, les entreprises TIC et les professions éloignées: les résultats restent inchangés. Même l'extension de l'échantillon à la période d'avant 2018 ne montre pas la même dynamique, qui ne devient plutôt évidente qu'à partir de 2022, en correspondance avec la propagation des modèles génératifs.

Même les différences d'éducation n'expliquent pas les résultats. Dans les professions avec une grande altitude de diplômés, une baisse globale est observée, tandis que chez ceux à faible altitude de diplômés, les jeunes sont pénalisés en particulier dans les secteurs les plus exposés. Dans ces cas, la vulnérabilité s'étend également jusqu'à 40 ans, un signe que l'expérience peut offrir une protection mineure lorsque les compétences requises ne sont pas très liées aux cours de formation structurés.

Conclusions

L'image qui émerge est claire: l'IA génératrice produit déjà des effets tangibles sur le marché du travail, emprisonnant les jeunes travailleurs dans les premières expériences dans les secteurs les plus exposés à l'automatisation. Six faits clés résument l'impact:

baisse de l'emploi des jeunes dans des rôles exposés,
Stagnation générale pour les jeunes,
Claitement différence entre l'automatisation et l'augmentation,
effets robustes nets des chocs sectoriels,
impact plus fort sur l'emploi que sur les salaires,
Confirmer à travers de nombreux tests de robustesse.

Les auteurs soulignent que, comme dans les transitions technologiques précédentes, le processus d'ajustement pourrait générer de nouvelles opportunités à moyen long terme. Cependant, le signal actuel ne peut pas être ignoré: les «Canaries de la mine» sont des jeunes qui négligent le marché du travail, et leurs difficultés pourraient anticiper des transformations plus larges. Surveiller l'évolution des données dans les années à venir sera crucial pour comprendre si la trajectoire de l'IA suivra celle des révolutions technologiques précédentes, conduisant à une croissance généralisée, ou si elle accentuera encore les inégalités entre générations et secteurs