Étude de Stanford : comment l’IA change les emplois, les entreprises et le capital
Le Stanford Digital Economy Lab a publié le premier numéro du Indicateurs économiques de l’IAun ensemble d’indicateurs conçus pour suivre plus fréquemment les effets économiques de l’intelligence artificielle. Le centre dirigé par Erik Brynjolfsson part d’un constat simple : la diffusion de l’IA est plus rapide que la capacité à mesurer ses effets sur l’emploi, la productivité et les investissements. Pour cette raison, le rapport rassemble trois outils :
- Tableau de bord des Canaries pour le marché du travail,
- Traqueur de décollage pour les signes macroéconomiques d’une possible accélération de la croissance
- Moniteur d’adoption pour la diffusion de l’IA auprès des particuliers et des entreprises.
Le premier résultat est aussi le plus utile pour ceux qui s’intéressent à l’économie réelle : il n’existe, du moins pour l’instant, aucune preuve décisive d’une transformation générale du marché du travail ou d’un « décollage » de l’économie américaine tiré par l’IA. Les signaux les plus forts se concentrent ailleurs, notamment chez les travailleurs en début de carrière et dans les métiers où l’usage de l’IA tend davantage vers l’automatisation que vers l’accompagnement humain.
Sur le marché du travail, l’effet moyen reste limité
La partie la plus concrète du rapport est la Tableau de bord des Canariesdéveloppé avec ADP Research. Stanford utilise les données de paie d’un échantillon équilibré de 25 000 entreprises couvrant cinq ans jusqu’en avril 2026. En novembre 2022, qui sert actuellement de base pour mesurer la période suivant le lancement de ChatGPT, l’échantillon comprenait 4,6 millions de travailleurs associés à plus de 730 professions. ADP, rappelle le journal, gère les salaires d’environ un travailleur américain sur six, même si l’échantillon employé ici ne représente pas l’ensemble du marché du travail américain et sert avant tout à capter les premiers signaux.
Sur une base globale, l’écart entre les professions les plus exposées et les moins exposées à l’IA semble modeste. A partir de fin 2022, les métiers les plus exposés connaîtront une croissance de 1,1% par an, contre 2% pour les moins exposés. Dans le résumé initial du rapport, Stanford parle de différences « modestes » après l’introduction de ChatGPT. C’est un point important car il redimensionne une partie du discours public : jusqu’à présent, il n’y a pas eu d’effondrement généralisé de l’emploi dans les métiers les plus touchés par l’IA générative.
Ce tableau change cependant si l’on considère l’âge des travailleurs. Et c’est là que le rapport devient plus pertinent également pour les entreprises, les universités et les décideurs publics.
Les jeunes entre 22 et 25 ans sont les plus exposés
Parmi les travailleurs en début de carrière, âgés de 22 à 25 ans, Stanford constate une divergence marquée. Dans les métiers les plus exposés à l’IA, les emplois se contractent de 3,8 % par an ; dans les pays les moins exposés, elle croît de 2% par an. Dans le graphique dédié aux différentes tranches d’âge, les deux groupes de professions les plus exposés affichent une nette baisse après novembre 2022, tandis que les trois autres groupes enregistrent une croissance. Cette tendance s’affaiblit dans les tranches d’âge suivantes et tend à disparaître chez les travailleurs plus âgés.
Le résumé du rapport est le suivant : la divergence est « prononcée » pour le travailleurs en début de carrière et peut être aperçu, sous une forme plus atténuée, même jusqu’à l’âge de 34 ans. Stanford cite également quelques cas d’emploi : parmi les jeunes, le nombre de développeurs de logiciels et d’opérateurs de service client diminue considérablement ; en revanche, dans une profession moins exposée comme celle des aides à domicile, l’emploi des jeunes augmente. L’impact de l’IA n’est donc pas uniforme : il évolue selon l’âge, la profession et le type d’activité exercée.
Le rapport rappelle que les travailleurs entre 22 et 25 ans représentaient 7,4 % de l’emploi dans l’échantillon en novembre 2022. Ils ne constituent donc pas la majorité de la main-d’œuvre, mais ils constituent le groupe qui accède le plus souvent à des postes subalternes, à des apprentissages ou à des postes de premier échelon. Si l’IA réduit cette première étape, le risque économique ne concerne pas seulement les chiffres d’aujourd’hui : il concerne la formation du capital humain de demain.
L’automatisation et le coaching ne produisent pas les mêmes effets
L’un des passages les plus intéressants des travaux de Stanford est la distinction entre l’utilisation de l’IA comme automatisation et son utilisation comme augmentationc’est-à-dire comme support du travail humain. Pour ce faire, le rapport utilise leRapport sur l’indice économique anthropique : courbes d’apprentissagepublié le 24 mars 2026 par Anthropic et cité comme base de classification des usages professionnels de l’IA.
Il en résulte qu’il n’existe pas de relation linéaire entre la part d’utilisation de l’IA en mode support et l’évolution de l’emploi. Au lieu de cela, une corrélation plus visible apparaît lorsque l’automatisation prévaut. Les professions dans lesquelles la part de l’utilisation de l’automatisation est plus élevée affichent des diminutions ou des augmentations beaucoup plus faibles de l’indice d’emploi. En d’autres termes, ce n’est pas l’exposition à l’IA elle-même qui explique tout ; La manière dont l’IA est utilisée dans les processus métier est importante.
Pour un économiste du travail, il s’agit d’une distinction cruciale. Si l’IA remplace des tâches entières, l’effet sur les postes subalternes peut être rapide. Toutefois, si elle apparaît comme un outil permettant d’augmenter la productivité de ceux qui travaillent, l’impact sur l’emploi pourrait être plus ténu ou s’orienter vers une redéfinition des compétences. Stanford ne prétend pas que le deuxième scénario prévaut déjà aujourd’hui. Il affirme, de manière plus sobre, que la nature de l’utilisation de l’IA peut façonner ses effets sur le travail.
Un débat ouvert, avec des études qui ne disent pas la même chose
Cet article a le mérite de ne pas présenter ses résultats comme définitifs. Dans sa revue de la littérature, Stanford appelle à des études allant dans des directions différentes. Brynjolfsson, Chandar et Chen, dans un rapport de 2025, avaient déjà signalé une diminution de l’emploi dans les emplois exposés parmi les jeunes travailleurs après l’arrivée de ChatGPT. Hosseini Maasoum et Lichtinger, dans un document de travail de 2026, constatent une forte baisse de l’emploi des jeunes dans les entreprises qui adoptent l’IA par rapport à celles qui ne le font pas.
D’autres études interprètent cependant le phénomène différemment. Le Budget Lab de Yale, dans un rapport de 2026 basé sur le Enquête démographique actuellesignale une relation faible entre l’exposition à l’IA et l’emploi global. Des travaux ultérieurs menés par Gimbel, Kendall et Nunn à partir de 2026 aboutissent à une conclusion similaire après correction des différences sous-jacentes entre les professions exposées et non exposées. Lambert et Schindler, toujours en 2026, constatent une baisse du poids des embauches juniors dans les emplois exposés, mais soutiennent que les données peuvent s’expliquer par l’exposition au travail à distance.
Cette dissidence est importante. Cela signifie que les preuves disponibles ne justifient pas les slogans dans un sens ou dans l’autre. Il n’existe pas encore de preuves d’un remplacement général des emplois ; dans le même temps, les signaux concernant les jeunes sont suffisamment cohérents pour ne pas être considérés comme du bruit statistique. C’est précisément pourquoi Stanford insiste sur la nécessité d’indicateurs plus fréquents et comparables.
Le « décollage » de l’économie n’est pas encore visible
La deuxième section du rapport, la Traqueur de décollagecherche à répondre à une question plus ambitieuse : l’IA mène-t-elle les États-Unis vers une croissance explosive ? Stanford suit 12 indicateurs globaux. En mai 2026, sept ne montraient aucune preuve de décollage, trois montraient des preuves légères et deux des preuves solides. La conclusion du rapport est la suivante : dans l’ensemble, aucune preuve décisive d’un décollage n’est observée.
Parmi les indicateurs discutés, l’un d’entre eux montre une évidence : la part des revenus des facteurs allant au capital continue de croître à long terme. Dans un scénario de croissance tirée par l’IA, écrit Stanford, le capital devrait remplacer suffisamment de travail humain pour pousser cette part à des niveaux toujours plus élevés. C’est un signal cohérent avec la thèse d’une plus grande centralité du capital, mais il ne suffit pas à lui seul à certifier une nouvelle ère de croissance hors d’échelle.
Un deuxième indicateur, la croissance de la productivité totale des facteurs, reste neutre. Stanford ne voit aucune rupture par rapport aux niveaux récents. C’est peut-être la conclusion la plus inquiétante du rapport : si l’IA transformait déjà profondément l’efficacité de l’économie américaine, on pourrait s’attendre ici aussi à une accélération plus visible. Il n’y est pas pour le moment.
Le troisième exemple concerne le poids des équipements de traitement de l’information, c’est-à-dire les semi-conducteurs et autres biens informatiques, dans le stock d’équipements privés non résidentiels. Après la baisse entre 2000 et 2015, la part a de nouveau augmenté jusqu’à retrouver les niveaux observés au début des années 2000. Pour Stanford, il s’agit d’une preuve légère, mais non solide, d’une réaffectation du capital vers l’infrastructure nécessaire à l’IA.
L’adoption augmente, mais pas de la même manière partout
Le troisième pilier du rapport est leMoniteur d’adoptionqui collecte des enquêtes sur l’utilisation de l’IA par les particuliers et les entreprises. Sur le plan individuel, l’adoption autodéclarée de l’IA à des fins professionnelles et personnelles a généralement augmenté. Cependant, Stanford fait également état d’un renversement dans les recherches les plus récentes sur l’utilisation de l’IA sur le lieu de travail. Ce n’est pas encore un recul, mais c’est le signe que la courbe d’adoption peut connaître des pauses, des doutes ou des usages moins intenses que prévu.
Du côté des entreprises, le tableau est plus clair. Stanford cite une enquête réalisée en 2026 auprès d’entreprises aux États-Unis, au Royaume-Uni, en Allemagne et en Australie : L’adoption est déjà répandue et est principalement motivée par les entreprises américaines. Pour toutes les applications à l’exception de la génération de texte modélisé par un langage, les entreprises s’attendent à une augmentation de leur adoption au cours des trois prochaines années. Les écarts les plus importants entre l’adoption actuelle et attendue apparaissent dans la robotique et les véhicules autonomes.
Le message économique est que les entreprises investissent et expérimentent, mais la transformation reste inégale. Dans certains secteurs, l’IA est déjà un outil opérationnel quotidien ; dans d’autres, il s’agit encore d’un pari à moyen terme, lié au coût du matériel, à la réglementation, à l’intégration dans les processus et à la disponibilité des compétences internes.
Le véritable point crucial est de mesurer avant que la transformation ne soit terminée
Dans sa lettre d’introduction, Brynjolfsson écrit que le risque est d’avancer « aveuglément » dans l’une des phases les plus importantes de l’histoire économique récente. Le cœur du projet réside ici : créer une infrastructure de mesure qui rende visibles les effets de l’IA sur le travail, la productivité, les compétences et la création de valeur. La fonction de ces indicateurs n’est pas de clore le débat, mais de le rendre moins idéologique et plus en adéquation avec les données.
Le premier numéro de Indicateurs économiques de l’IA il ne prononce pas une phrase définitive. Livrez quelque chose de plus utile : une carte de démarrage. Il affirme que l’impact moyen de l’IA sur l’emploi est pour l’instant limité. Il affirme que les jeunes occupant des postes de premier échelon sont beaucoup plus vulnérables que le reste de la population active. Il dit que l’automatisation pèse plus que le coaching. Il affirme que les entreprises américaines poussent à l’adoption, alors que la macroéconomie ne montre pas encore de rupture nette. Pour les investisseurs, les gestionnaires et les gouvernements, il ne s’agit pas d’attendre des données définitives. Il s’agit de décider s’il faut se préparer alors que les signaux sont encore sélectifs, et non lorsqu’ils sont déjà devenus structurants.
