L'IA est mauvaise pour les jeunes travailleurs : il existe des preuves et c'est mauvais pour tout le monde

Depuis des mois, le marché du travail technologique envoie des signaux inquiétants : grâce à l’IA, moins de place pour les profils juniors, plus de prudence dans l’embauche, plus de stabilité pour ceux qui ont déjà de l’expérience. Les experts et les études universitaires l’ont dit. Aujourd’hui, ces signaux apparaissent pour la première fois dans les données officielles.

Le document de travail signé par Leland Crane et Paul Soto, économistes à la Réserve fédérale, montre qu’aux États-Unis, la croissance de l’emploi des codeurs a fortement ralenti après novembre 2022, soit après l’arrivée de ChatGPT.

L’estimation la plus citée est celle d’environ 500 000 places en moins par rapport à la tendance qui aurait pu être observée sans la diffusion de grands modèles linguistiques. Il faut le lire attentivement : il ne s’agit pas d’un effondrement de l’emploi, mais d’un manque de croissance.

Mais le point le plus utile n’est pas le nombre. C’est la leçon organisationnelle qui ressort des données. L’IA n’affecte pas uniformément une profession entière. Elle affecte d’abord les rôles construits sur des tâches distinctes, séparables du reste du travail et mal intégrées aux responsabilités supérieures. En d’autres termes, les groupes d’emplois les plus faibles sont touchés en premier.

C’est pourquoi les codeurs juniors, les contractuels et les postes de débutants sont particulièrement fragiles, tandis que les profils et rôles seniors combinant programmation, contexte commercial et capacité de décision résistent mieux.

Les données officielles comblent une lacune

Utilisation de la grue et du Soto O*NET Et Enquête démographique actuelle pour mesurer les tendances de l’emploi dans les professions à forte intensité de programmation. Même après ajustement pour tenir compte des ralentissements dans certains secteurs, ils constatent que la croissance annuelle de l’emploi des codeurs est d’environ 3 points de pourcentage inférieure à ce qu’elle était avant ChatGPT. L’emploi continue de croître, mais beaucoup moins qu’auparavant. Dans les secteurs plus denses en programmeurs, le ralentissement est encore plus visible.

Et une autre donnée permet de comprendre le phénomène : environ 40 % des codeurs travaillent dans conception de systèmes informatiques et services connexesun domaine qui comprend de nombreuses activités de sous-traitance et de conseil en logiciels. Ici, le travail tend à être plus modulaire, plus assignable en blocs, plus facile à compresser lorsqu’une partie de la production est automatisée.

Cette étape est également importante pour ceux qui gèrent les personnes et les budgets. Jusqu’à présent, de nombreuses entreprises considéraient l’IA avant tout comme un levier de productivité individuelle. L’article montre que l’effet est déjà suffisamment fort pour apparaître dans les statistiques globales de l’emploi, du moins dans le codage. Il ne s’agit plus seulement d’adopter des outils. C’est un problème de structure des rôles.

Le regroupement explique pourquoi les juniors sont les premiers concernés

La distinction décisive n’est pas entre travail manuel et travail cognitif, ni entre métiers « à risque » et métiers « sûrs ». La véritable distinction se situe entre les œuvres composées d’activités étroitement imbriquées et les œuvres composées de pièces relativement autonomes.

Un codeur junior écrit du code selon les spécifications, corrige les bogues, met à jour les composants et produit une sortie délimitée. Si l’IA absorbe certaines de ces activités, son rôle se réduit immédiatement. Un développeur senior quant à lui utilise le codage dans un contexte plus large : architecture, priorités, traduction des exigences, rapport au produit, choix techniques, prise en charge du résultat. Ici, le code n’est pas un bloc détachable gratuit. Il est intégré à des tâches qui nécessitent de l’expérience, du contexte et du jugement. L’IA accélère une partie du travail, mais ne vide pas le rôle.

Pour les managers, la leçon est qu’il ne suffit pas de se demander quelles tâches l’IA peut accomplir. Il faut se demander dans quelle mesure ces tâches sont séparables du reste, quel poids elles pèsent sur la valeur globale du rôle et ce qui reste entre les mains de la personne une fois que la composante la plus standard a été automatisée.

Les autres métiers où la même logique peut se répéter

Le codage est le premier cas bien mesuré, mais la logique est plus large. Dans les cabinets d’avocats, le travail junior concentre de nombreuses activités standardisables : recherche documentaire, revue des contrats de base, due diligence, organisation du matériel. L’associé ou le senior counsel définit plutôt la stratégie, négocie, interprète le contexte, évalue le risque.

Si l’IA compresse le premier bloc, la pression est relâchée en premier sur les entrées.

En finance et en conseil, le scénario est similaire. Les analystes juniors préparent des ensembles de données, mettent à jour les modèles récurrents et construisent les premières ébauches de mémos et de présentations. Les profils senior sélectionnent les variables importantes, lisent les signaux faibles, parlent au client, prennent des décisions. Ici aussi la partie la plus exposée est la partie modulaire.

Dans le journalisme professionnel et le contenu commercial, les premières années de votre carrière coïncident souvent avec des résumés de documents, des réécritures, des ébauches de briefing, des mises à jour de tableaux et des recherches préliminaires. Le travail de haut niveau relie les sources, la vérification, le contexte, la hiérarchie de l’information et la responsabilité éditoriale. L’IA ne remplace pas la profession dans son ensemble : elle réduit d’abord la portée des tâches les plus atomisées.

Les dommages les plus graves que nous causons à l’avenir des entreprises

Il y a une chose que je n’arrive pas à sortir de ma tête en lisant les données sur les codeurs juniors, et elle vient de l’expérience de mon travail passé, où j’ai dirigé de nombreux développeurs au fil des ans. On confond deux phénomènes différents : l’automatisation d’une tâche et la disparition d’une expérience d’apprentissage. Enlever à un junior la possibilité de se tromper sur un bug ennuyeux, de réessayer, de comprendre ce qui ne marche pas, cet ennui, paradoxalement, a été le moteur avec lequel se sont formés les seniors de demain.

Dans les organisations réelles que je connais, la recomposition des rôles évoquée dans le document ne se produit presque jamais intentionnellement : elle se produit par urgence, parce que quelqu’un est parti et que les autres se sont débrouillés. Si l’IA compresse la partie modulaire du travail junior et que personne ne redessine consciemment ce qui reste, les connaissances, la culture, les sous-processus non écrits, vous n’obtenez pas un rôle rationalisé : vous obtenez un rôle vidé. Un coût qui n’apparaît dans aucun KPI, mais qui se voit les années suivantes.

Les données américaines parlent d’un manque de croissance et non d’un effondrement. Les transformations les plus profondes se font ainsi, non pas avec un mur mais avec une pente. Et ceux qui y travaillent les reconnaissent toujours tard.

Fabio Lalli

La question managériale : il ne suffit pas de couper, il faut repenser le travail

Ici, l’erreur la plus simple est de confondre l’automatisation d’un certain nombre de tâches avec la non-pertinence d’un rôle. Un manager qui interprète mal le phénomène peut supprimer trop rapidement les profils juniors et découvrir plus tard qu’il a affaibli le vivier de compétences. De nombreux métiers s’apprennent en effectuant le premier travail qui est aujourd’hui le plus exposé à l’automatisation. Si cet anneau s’amincit, le bassin d’où naîtront les seniors de demain sera réduit.

C’est pourquoi le bundling n’est pas qu’une simple théorie du travail. C’est un critère de conception organisationnelle. Les entreprises qui adoptent l’IA de manière plus réfléchie ne se contentent pas de mesurer les économies en heures. Ils examinent la combinaison d’exécution, de supervision, de jugement et de coordination. Ils comprennent que la valeur réside non seulement dans la réalisation plus rapide d’activités standards, mais aussi dans le choix des activités qui restent humaines, de la façon dont les rôles sont recomposés et des compétences qui se raréfient.

Concrètement, cela change au moins quatre choix managériaux.

Le premier concerne la conception des postes. Si un rôle junior est constitué presque exclusivement de tâches automatisables, il ne suffit pas de remplacer cette partie par un copilote. Nous devons ajouter des activités de contexte, de révision, de relation avec l’entreprise, de compréhension du domaine. Sinon, le rôle perd sa masse critique.
La seconde concerne le modèle de recrutement. Dans les mois à venir, il sera moins utile d’embaucher uniquement pour l’exécution de tâches standards et plus utile de rechercher des personnes capables de rester à la frontière entre discipline, processus et business. Dans le domaine des logiciels, cela signifie, par exemple, accorder plus d’importance à la capacité à traduire les exigences et à lire l’impact du produit, et pas seulement à la vitesse de codage.
Le troisième concerne la formation. Si l’IA engloutit les tâches de base, l’apprentissage ne peut plus être laissé à une exposition spontanée à un travail répétitif. Il faut le concevoir. Nous avons besoin de parcours de coaching plus explicites, d’évaluations structurées, de rotations et de tâches progressives qui établissent des critères ainsi que des résultats.
Le quatrième concerne les KPI. Mesurer uniquement la productivité individuelle risque de donner une image partielle. Une équipe peut produire plus de tickets fermés ou plus de lignes de code et, dans le même temps, appauvrir la qualité des décisions ou interrompre la formation de profils intermédiaires. Les managers devront également observer les erreurs, les retouches, les délais de remontée, la dépendance à l’égard des seniors et la capacité de l’équipe à absorber de nouveaux travaux sans goulots d’étranglement.

Parce que les entrepreneurs sont un cas à observer

Dans le document, il y a un détail qui mérite attention : le poids très élevé de l’œuvre dans conception de systèmes informatiques et services connexes. C’est un indice important car il signale la vulnérabilité des rôles achetés par tâche, projet ou module. Lorsqu’une entreprise opte pour une exécution standardisée, l’IA intervient plus facilement en remplacement. Lorsqu’il achète l’intégration, le jugement et la responsabilité du résultat, il a tendance à intervenir en tant que soutien.

Pour cette raison, les managers devraient également relire le périmètre fabriquer ou acheter. Certains contrats externes peuvent devenir plus faciles à compresser. D’autres, précisément parce qu’ils nécessitent une coordination complexe et une connaissance du domaine, pourraient rester stratégiques. La différence ne vient pas de l’étiquette du fournisseur. Elle est déterminée par le degré de décomposabilité de l’œuvre.

Pour l’instant, le signal vient des embauches plutôt que des salaires

Crane et Soto observent également un autre élément utile : ils ne constatent pas de rupture nette dans les salaires moyens des codeurs en 2022. L’impact, du moins jusqu’à présent, se manifeste principalement dans les volumes d’emploi. C’est un point pertinent pour ceux qui dirigent des organisations. Les transformations de cette phase ne se manifestent pas nécessairement par des licenciements immédiats ou un effondrement des salaires.

Ils peuvent apparaître d’abord comme geler à l’embauche, réduction de la demande de profils niveau d’entréefusion des rôles, sélection plus sévère à l’entrée.

C’est exactement le genre de mouvement que de nombreuses entreprises expérimentent déjà sans le nommer ouvertement. L’article lui donne une forme empirique.

Le risque stratégique appauvrit la couche intermédiaire

La lecture managériale la plus utile, en fin de compte, est la suivante : l’IA n’élimine pas automatiquement la main-d’œuvre qualifiée, mais elle peut vider les couches intermédiaires et initiales dont se nourrit cette main-d’œuvre. Une organisation qui ne retient que les seniors dotés d’outils et coupe trop les entrées risque de devenir efficace à court terme et fragile à moyen terme. Il y aura moins de coûts aujourd’hui, mais aussi moins de compétences en formation, moins de mobilité interne, moins de turnover.

Les données américaines sur les codeurs montrent que le premier impact de l’IA se concentre là où le travail est le plus décomposable. Pour les entreprises, le choix n’est pas d’utiliser ou non ces outils. Il s’agit de savoir s’il faut simplement extraire l’efficacité des tâches les plus standards ou utiliser l’IA pour repenser les rôles, l’apprentissage et les responsabilités.

Dans le premier cas, les coûts de main-d’œuvre sont réduits. Dans la seconde, on construit une organisation qui résiste même après la première vague d’automatisation.