L’intelligence artificielle va-t-elle supprimer des emplois ?
Une étude de Coface et de l’Observatoire des emplois menacés et émergents estime qu’avec l’utilisation de l’Intelligence artificielle (IA) près de 5 millions d’emplois en France sont menacés d’ici à la fin de la décennie1. Emploi, productivité, compétences, automatisation : le vrai choc ne sera pas seulement social, il sera aussi économique dans la mesure où il obligera chaque fonction, chaque métier et chaque organisation à prouver sa valeur réelle pour ne pas se faire remplacer par une IA. Contrairement aux thèses alarmistes prédisant la fin du travail, nous soutenons que l’intelligence artificielle met plutôt celui-ci à l’épreuve de sa valeur réelle. En effet, cette nouvelle technologie obligera les organisations à questionner leur chaîne de valeur : ce qui relève de la compétence sera augmenté ; ce qui relève de la friction, de la lenteur ou de la rente de complexité sera exposé et remplacé.
Quels métiers sont les plus menacés par l’IA ?
Les grandes vagues technologiques ne remplacent pas toujours des métiers entiers. Elles décomposent les activités, transforment les tâches, recomposent les compétences et déplacent la valeur. L’IA accélère ce mouvement parce qu’elle touche le langage, la synthèse, la recherche documentaire, l’écriture, le code, l’analyse, la traduction, l’assistance client ou encore la production de supports. Elle entre donc au cœur du travail cognitif. Elle ne frappe pas seulement l’usine ou le bureau administratif ; elle atteint les fonctions qui se croyaient protégées par le diplôme, l’expertise, l’expérience ou la maîtrise des procédures. L’IA est d’abord une technologie de recomposition des tâches. Elle écrit, résume, classe, traduit, compare, code, explique, simule, reformule et assiste. Elle ne remplace pas le juriste, le consultant, le développeur, le communicant, le chargé d’études ou le cadre administratif. Elle absorbe des fragments de leur activité qui relèvent des tâches basiques de type répétitives.
L’IA va-t-elle remplacer l’humain au travail ?
La question que cette nouvelle réalité soulève est celle de la place de la valeur humaine. L’IA remet en question les modèles économiques fondés sur la facturation du temps passé qui permettait d’intégrer les temps humains (veille technologique, formation, discussions informelles, …). Ce point est décisif car si l’on raisonne uniquement par métiers, on ne voit pas la transformation réelle. Un emploi peut rester officiellement stable alors que son contenu change profondément. Un métier peut conserver son intitulé tout en perdant les tâches qui formaient le jugement. Une organisation peut maintenir les effectifs tout en déplaçant l’intelligence du processus vers des modèles, des plateformes, des prestataires ou des systèmes propriétaires. Les études empiriques montrent déjà des gains de productivité importants dans certains contextes. Dans le support client, l’accès à un assistant d’IA augmente la productivité moyenne des agents et profite particulièrement aux travailleurs moins expérimentés2. Dans des tâches professionnelles d’écriture, l’usage de ChatGPT réduit le temps de réalisation et améliore la qualité moyenne des productions3. Les travaux de Microsoft Research, fondés sur des usages réels de Copilot, indiquent que les activités d’information, d’écriture, d’enseignement, de conseil et de communication figurent parmi les plus directement concernées4. Ces résultats ne prouvent pas néanmoins que l’IA va tout remplacer. Ils prouvent que des pans entiers de la production moyenne deviennent moins coûteux.
Le marché du travail de l’IA ne sera pas uniforme. Les rapports récents du FMI, de l’OIT, du WEF et de PwC convergent sur un point : l’exposition sera forte, mais les effets seront polarisés5. Certaines fonctions gagneront en productivité, en salaire et en autonomie. D’autres seront standardisées, surveillées ou rendues plus substituables. L’IA crée une nouvelle hiérarchie. Au sommet, ceux qui conçoivent, possèdent ou contrôlent les modèles, les données, les infrastructures et les interfaces. Ensuite, ceux qui utilisent l’IA pour entreprendre, vendre, décider, produire plus vite et se rendre plus autonomes. Puis ceux qui travaillent sous l’IA : salariés évalués, prescrits, planifiés ou contrôlés par des systèmes qu’ils ne maîtrisent pas. Enfin, ceux dont la valeur reposait principalement sur des procédures, des formats ou des rentes d’accès.
La question des juniors sera particulièrement difficile. Si les tâches d’entrée dans le métier sont automatisées, comment apprend-on encore ? Si l’IA produit la première recherche, la première note, la première synthèse, le premier code, le premier brouillon, que reste-t-il comme espace de formation ? Ce risque de rupture dans la chaîne de formation des nouveaux collaborateurs menace directement la transmission intergénérationnelle du savoir-faire. En externalisant aux modèles de langage les travaux d’exécution qui servaient souvent à l’apprentissage du métier, les organisations risquent d’empêcher les débutants d’acquérir une compréhension de leur métier et de développer leur intuition opérationnelle6. Sans engagement volontariste pour mettre en place de nouvelles modalités d’apprentissage guidé, les organisations pourraient faire face à d’importantes difficultés de recrutement et pourraient à terme s’avérer incapables de renouveler leurs viviers d’experts.
Qu’est-ce qu’une rente de complexité ?
Une rente de complexité apparaît lorsqu’un acteur tire sa valeur moins de ce qu’il produit que de sa capacité à naviguer dans une complexité qu’il contribue parfois à maintenir. Cette rente existe dans les grandes organisations, les administrations, les professions réglementées, le conseil, la conformité, certains métiers de coordination et une partie des fonctions support. Elle se nourrit de procédures, d’interfaces, de normes, de formats, de langage spécialisé et d’asymétries d’information.
L’IA attaque directement ces zones. Elle réduit le coût de compréhension d’un document. Elle accélère l’accès à un résumé. Elle rend plus facile la comparaison d’offres, de contrats, de normes ou de politiques publiques. Elle permet à un acteur isolé de produire une veille, une note, une analyse ou un support que seules des structures plus lourdes pouvaient auparavant produire à coûts raisonnables. Elle ne tue pas l’expertise forte. Elle fragilise l’expertise moyenne qui vivait de l’accès, du temps facturé, du jargon et de la rareté artificielle.
C’est ici que le débat devient économique. L’IA ne détruit pas seulement des emplois, elle détruit des excuses productives. Elle demande à chaque activité : êtes-vous une compétence ou une friction ? Êtes-vous une capacité rare ou une interface coûteuse ? Produisez-vous une décision, une relation, une prise de risque, une invention, ou seulement un document de plus ? Cette interrogation est certes brutale, mais utile. Beaucoup d’organisations sont devenues lourdes parce qu’elles ont empilé des couches de coordination pour gérer leur propre complexité. Elles ont créé des fonctions pour réparer des problèmes qu’elles avaient elles-mêmes produits. L’IA peut devenir un révélateur de ces coûts cachés. Elle montre quelles tâches existaient pour créer de la valeur et lesquelles existaient seulement parce que le système était trop difficile à traverser.
Comment se préparer à la transformation du travail par l’IA ?
Pour les entreprises, le piège consiste à confondre automatisation et intelligence organisationnelle. Remplacer une tâche par une sortie d’IA ne crée pas forcément de la valeur. Cela peut produire du temps gagné, mais aussi du bruit, des erreurs, une dépendance à un outil, une perte de mémoire métier ou une baisse de qualité invisible.
La bonne stratégie consiste à auditer les tâches selon leur valeur réelle. Les tâches à faible valeur doivent disparaître ou être fortement automatisées. Les tâches répétitives mais nécessaires doivent être industrialisées. Les tâches formatrices doivent être repensées, pas supprimées. Les tâches de jugement doivent rester liées à des personnes capables de comprendre les données, les limites du modèle, le contexte et la responsabilité finale.
L’entreprise qui réussira avec l’IA ne sera pas celle qui aura adopté le plus d’outils. Ce sera celle qui aura compris quelles tâches sont des frictions, quelles tâches sont des compétences et quelles tâches sont des lieux d’apprentissage. Le gain durable ne viendra pas de l’automatisation aveugle. Il viendra de la capacité à supprimer les coûts inutiles tout en renforçant les compétences qui créent réellement de la valeur. Faire un choix stratégique et visionnaire, en ayant une réflexion en dehors du cadre de pensée classique (par exemple avec l’« edge innovation »7), restera en effet une compétence 100% humaine.
L’IA peut réduire les barrières d’entrée, mais elle peut aussi en créer de nouvelles. Les modèles avancés exigent du calcul, des données, des talents, des infrastructures cloud, une distribution mondiale et une conformité juridique coûteuse. Ces conditions favorisent les grands acteurs. Une technologie capable de désintermédier les organisations peut aussi renforcer quelques plateformes dominantes.
Le risque est simple : remplacer les anciennes rentes de complexité par des rentes d’infrastructure. Si quelques acteurs contrôlent les modèles, les API, les clouds, les standards, les jeux de données, les interfaces professionnelles et les places de marché, alors l’IA ne libère pas réellement le travail. Elle déplace la dépendance. Elle retire du pouvoir aux organisations anciennes pour le transférer vers des plateformes plus puissantes.
La régulation devrait donc éviter deux erreurs. La première serait de freiner l’IA au nom d’une défense générale des tâches existantes. Cela protégerait les rentes anciennes et ralentirait les gains de productivité. La seconde serait d’imposer une conformité si lourde que seuls les grands groupes pourraient l’absorber. Cela verrouillerait le marché au nom de la sécurité.
La bonne ligne est plus exigeante : responsabilité claire, auditabilité, portabilité des données, interopérabilité, pluralité des fournisseurs, limitation des verrouillages propriétaires, transparence sur les dépendances critiques. L’objectif n’est pas de figer le travail avant l’IA. Il est de garantir que la destruction des anciennes frictions ne crée pas de nouvelles captivités.
La note est disponible ci-dessous
- De Calignon, G. (2026). IA : le grand bouleversement à venir du marché du travail. Les Echos. https://www.lesechos.fr/monde/europe/ia-le-grand-bouleversement-a-venir-du-marche-du-travail-2221760 ↩︎
- Brynjolfsson, E., Li, D., Raymond, L., Generative AI at Work, Quarterly Journal of Economics, 2025. https://academic.oup.com/qje/article/140/2/889/7990658 ↩︎
- Noy, S., Zhang, W., Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence, Science, 2023. https://www.science.org/doi/10.1126/science.adh2586 ↩︎
- Tomlinson, K., Jaffe, S., Wang, W., Counts, S., Suri, S., Working with AI: Measuring the Applicability of Generative AI to Occupations, Microsoft Research, 2025. https://arxiv.org/abs/2507.07935 ↩︎
- IMF, Gen-AI: Artificial Intelligence and the Future of Work, Staff Discussion Note, 2024. https://www.imf.org/en/publications/staff-discussion-notes/issues/2024/01/14/gen-ai-artificial-intelligence-and-the-future-of-work-542379
ILO, Generative AI and Jobs: A Refined Global Index of Occupational Exposure, Working Paper, 2025. https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
World Economic Forum, The Future of Jobs Report 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/
PwC, 2026 Global AI Jobs Barometer, 2026. https://www.pwc.com/gx/en/services/ai/ai-jobs-barometer.html ↩︎ - Morandini, S., Fraboni, F., De Angelis, M., Puzzo, G., Giusino, D., & Pietrantoni, L. (2023). The impact of artificial intelligence on workers’ skills: Upskilling and reskilling in organisations. Informing Science: The International Journal of an Emerging Transdiscipline, 26, 39-68. https://doi.org/10.28945/5078 ↩︎
- Bazalgette, D., Langlois-Berthelot, J., Gaie, C. (2024, October 30). « Edge innovation » : une approche créative pour révéler l’inattendu ? Polytechnique Insights. https://www.polytechnique-insights.com/tribunes/science/edge-innovation-une-approche-creative-pour-reveler-linattendu/ ↩︎
