L'IA face au salariat : automatisation, emploi et transformation du travail

Comprendre le choc technologique : de quoi parle-t-on ?

Avant de mesurer l'impact de l'IA sur le salariat, il faut préciser la nature du choc. Toutes les intelligences artificielles ne se valent pas, et toutes les activités humaines ne sont pas également exposées.

L'intelligence artificielle générative, une rupture depuis 2023

Les IA dites « génératives » produisent du texte, du code informatique, des images ou du son à partir d'instructions en langage naturel. Leur particularité est de s'attaquer non plus seulement aux tâches manuelles répétitives, comme les vagues d'automatisation précédentes, mais aussi à des tâches cognitives longtemps considérées comme protégées : rédaction, synthèse, traduction, programmation, analyse de données, service client.

Cette caractéristique classe l'IA parmi les technologies à usage général (comme l'électricité ou l'informatique en leur temps) : des innovations qui diffusent dans l'ensemble de l'économie et transforment progressivement l'organisation de la production. Leur effet ne se limite pas à un secteur ; il redéfinit la manière dont le travail est découpé, réparti et rémunéré.

Raisonner par les tâches, et non par les métiers

L'analyse économique contemporaine invite à raisonner par les tâches plutôt que par les métiers. Un métier est un ensemble de tâches ; l'IA en automatise certaines, en complète d'autres, et en laisse beaucoup à l'humain. Un même emploi peut donc voir une partie de son contenu délégué à la machine sans disparaître pour autant.

Cette approche par les tâches a deux vertus. D'abord, elle évite les prédictions grossières annonçant la « fin » de professions entières. Ensuite, elle met en lumière l'effet le plus fréquent : la recomposition des postes. Le comptable, le juriste ou le graphiste ne disparaissent pas mécaniquement ; leur activité se réorganise autour des tâches que la machine ne sait pas ou ne doit pas accomplir seule, comme la supervision, l'arbitrage, la relation ou la responsabilité.

Le vieux débat : chômage technologique ou destruction créatrice ?

La crainte que les machines détruisent l'emploi n'est pas neuve. Elle traverse l'histoire économique depuis la révolution industrielle, et deux grandes lectures continuent de structurer le débat sur l'IA et l'emploi.

La thèse du chômage technologique

Dès l'entre-deux-guerres, l'idée d'un « chômage technologique » est formulée : le progrès technique supprimerait des emplois plus vite que l'économie n'est capable d'en recréer et d'y réaffecter la main-d'œuvre. Selon cette lecture, l'automatisation entraîne, au moins à court terme, un décalage entre les compétences détruites et les compétences demandées, source de chômage frictionnel et de tensions sociales.

Appliquée à l'IA, cette thèse insiste sur la vitesse et l'ampleur inédites de la diffusion : si des tâches cognitives sont massivement automatisées en quelques années, les systèmes de formation et le marché du travail pourraient ne pas s'ajuster assez vite. Le risque n'est pas nécessairement une disparition nette de l'emploi, mais une transition douloureuse pour les travailleurs les plus exposés.

La destruction créatrice

À cette crainte répond la thèse de la destruction créatrice : le capitalisme se renouvelle en permanence, les innovations détruisant des activités anciennes tout en créant de nouvelles, plus productives. Les gains de productivité permis par la technologie font baisser les coûts, augmentent le pouvoir d'achat et la demande, et financent l'apparition de nouveaux biens, services et emplois.

Dans cette lecture, le solde de long terme de l'automatisation est positif : chaque grande vague technique a suscité des peurs de chômage de masse qui ne se sont pas matérialisées durablement, car de nouveaux besoins et de nouveaux métiers ont émergé. Les défenseurs de cette thèse rappellent que l'IA crée aussi directement de l'activité : conception et entretien des systèmes, supervision, sécurité, formation, métiers d'interface.

Ces deux thèses ne sont pas nécessairement contradictoires : la première décrit surtout le court terme et les coûts d'ajustement, la seconde le long terme et le potentiel de croissance. Le cœur du débat porte sur la transition : sa durée, son coût humain, et la répartition de ses gains.

Ce que montre l'analyse du marché du travail

Au-delà des grandes thèses, les travaux récents sur l'IA et l'emploi convergent sur quelques constats prudents. Ils rappellent que le résultat n'est pas déterminé par la technologie seule, mais par les choix d'organisation, de formation et de régulation.

Automatisation et complémentarité

L'effet de l'IA sur un emploi dépend du rapport entre deux forces. L'effet de substitution réduit la demande de travail sur les tâches que la machine accomplit désormais. L'effet de complémentarité l'augmente, au contraire, lorsque l'IA rend le travailleur plus productif sur les tâches qu'il conserve, ou fait naître de nouvelles tâches.

Les études les plus récentes suggèrent que les fonctions les plus exposées à l'automatisation voient leur demande et l'exigence de compétences se simplifier, tandis que les fonctions où l'IA joue un rôle d'augmentation voient leur demande et la complexité des compétences croître. Autrement dit, la même technologie peut appauvrir certains postes et enrichir d'autres.

La polarisation du marché du travail

Un phénomène observé de longue date pourrait être accentué par l'IA : la polarisation du marché du travail. Les emplois intermédiaires, faits de tâches routinières et codifiables, sont les plus exposés à l'automatisation. Les emplois très qualifiés (conception, décision, expertise) et certains emplois de service peu automatisables (relation, soin, présence physique) résistent mieux.

La nouveauté de l'IA générative est qu'elle atteint désormais des tâches cognitives autrefois réservées aux diplômés, y compris des postes juniors et des fonctions support. Certaines compétences longtemps considérées comme un avantage pour les travailleurs qualifiés perdent de leur valeur relative, ce qui déplace les lignes traditionnelles de la polarisation.

Lecture indicative : l'exposition d'une tâche ne préjuge pas de la disparition de l'emploi qui la contient.

IA et salariat : destruction et création d'emplois

Combien d'emplois l'IA va-t-elle détruire ou créer ? Les chiffres circulent abondamment et doivent être maniés avec prudence : ce sont des projections, sensibles aux hypothèses retenues, non des mesures. Elles donnent toutefois des ordres de grandeur utiles au débat.

Des estimations largement diffusées sur l'horizon 2030 avancent la disparition possible de l'ordre de plusieurs dizaines de millions de postes à l'échelle mondiale, mais aussi la création d'un nombre supérieur de nouveaux emplois, aboutissant à un solde net positif. En France, certaines projections estiment qu'une part significative de l'emploi, de l'ordre de plusieurs millions de postes, pourrait être exposée d'ici la fin de la décennie, en particulier sur les fonctions administratives, support et les postes juniors.

Ces travaux insistent sur un point commun : la majorité des métiers seront transformés plutôt que supprimés. L'IA prend en charge des tâches, mais l'humain reste requis pour la supervision, la créativité, la relation, la décision et la responsabilité. De nouveaux métiers apparaissent autour de la conception, de l'entraînement, de la sécurité et de l'intégration des systèmes.

Quelles pistes pour accompagner la transition ?

Si le débat sur le nombre net d'emplois reste ouvert, un consensus se dégage sur la nécessité d'accompagner la transition. Plusieurs leviers sont discutés, sans qu'aucun ne fasse l'unanimité.

Formation et requalification

La montée de l'IA valorise les compétences complémentaires à la machine : esprit critique, créativité, compétences relationnelles, capacité d'apprentissage. La formation initiale et continue apparaît comme le premier levier pour réduire le décalage entre compétences détruites et compétences demandées, et pour permettre aux travailleurs de se redéployer vers les tâches augmentées plutôt que substituées.

• Développer la formation continue et la reconversion tout au long de la vie.

• Renforcer les compétences numériques de base et l'usage raisonné des outils d'IA.

• Valoriser les compétences comportementales et cognitives difficiles à automatiser.

Protection sociale et régulation

Un second champ de débat concerne la protection sociale et la régulation. Faut-il adapter l'assurance chômage et l'accompagnement des transitions professionnelles ? Comment répartir les gains de productivité entre profits, salaires et financement de la protection sociale ? Comment encadrer l'usage de l'IA au travail, la qualité de l'emploi et la responsabilité des décisions automatisées ? Ces questions relèvent de choix collectifs, non de la seule technologie.

• Adapter les dispositifs d'accompagnement et de transition professionnelle.

• Réfléchir au partage des gains de productivité générés par l'automatisation.

• Encadrer les usages de l'IA pour préserver la qualité et le sens du travail.

Le point commun de ces pistes est de rappeler que l'impact de l'IA sur le salariat n'est pas écrit d'avance : il dépend autant des institutions, de la formation et des politiques publiques que des capacités techniques des machines.

Une peur ancienne : ce que l'histoire nous apprend

Pour éclairer le présent, l'histoire des vagues technologiques offre un point de comparaison utile. La crainte que la machine remplace l'homme a accompagné chaque grande innovation, sans que le chômage de masse redouté ne s'installe durablement.

De la révolution industrielle à l'informatique

Au début du XIXe siècle, l'introduction des machines dans l'industrie textile provoqua des révoltes ouvrières, des travailleurs allant jusqu'à briser les métiers qui menaçaient leurs emplois. Un siècle et demi plus tard, l'informatique et la robotisation suscitèrent des inquiétudes comparables sur l'avenir du travail de bureau et de l'usine. Dans les deux cas, des emplois disparurent, mais l'économie en recréa d'autres, souvent dans des secteurs qui n'existaient pas auparavant.

Cette leçon historique nourrit l'optimisme des tenants de la destruction créatrice. Elle appelle toutefois une réserve : le fait que les transitions passées se soient globalement bien terminées ne garantit pas que la prochaine suivra le même chemin. La rapidité de diffusion de l'IA et l'étendue des tâches concernées constituent des différences que certains jugent qualitatives, et non seulement quantitatives.

Cette fois, est-ce différent ?

L'argument selon lequel « cette fois, c'est différent » revient à chaque vague et s'est souvent révélé exagéré. Mais deux caractéristiques de l'IA générative méritent l'attention : elle s'attaque au travail cognitif, longtemps considéré comme le refuge de l'emploi qualifié, et elle progresse à un rythme rapide. Rien ne permet de trancher définitivement entre continuité et rupture ; la prudence commande de ne céder ni au catastrophisme ni à la certitude tranquille.

Salaires, inégalités et qualité de l'emploi

L'impact de l'IA sur le salariat ne se réduit pas au nombre d'emplois. Il concerne aussi les salaires, les inégalités et la nature même du travail, qui sont au cœur du débat en économie du travail.

Un effet ambigu sur les salaires

L'automatisation peut tirer les salaires vers le bas sur les tâches substituées, dont la valeur relative diminue, et vers le haut sur les tâches complémentaires, où le travailleur devient plus productif. L'effet net sur le salaire moyen dépend de la répartition de ces forces et du partage des gains de productivité entre les entreprises, les salariés et les consommateurs.

Un risque d'accroissement des inégalités

Si les gains se concentrent sur les détenteurs du capital et les travailleurs les mieux placés pour tirer parti de l'IA, les inégalités peuvent se creuser. À l'inverse, une diffusion large des outils et un accès facilité à la formation peuvent réduire cet écart. Là encore, le résultat n'est pas déterminé par la technologie, mais par les institutions et les choix de politique économique.

La qualité de l'emploi est un autre enjeu : selon la manière dont l'IA est déployée, elle peut décharger les travailleurs des tâches pénibles et répétitives, ou au contraire intensifier le travail, accroître le contrôle et appauvrir le contenu des postes. Le même outil peut donc améliorer ou dégrader les conditions de travail, ce qui déplace le débat du seul terrain de l'emploi vers celui de l'organisation du travail.

Penser l'IA et le salariat en économiste

Pour raisonner rigoureusement sur l'IA et le salariat, mieux vaut se donner une grille d'analyse plutôt que de suivre les titres alarmistes ou enthousiastes. Trois distinctions structurent le raisonnement.

La première oppose le court terme au long terme : les coûts d'ajustement se paient immédiatement, tandis que les gains de productivité et les créations d'emplois se déploient plus lentement. Confondre les deux horizons conduit à des conclusions erronées, dans un sens comme dans l'autre.

La deuxième distingue l'effet moyen de la distribution : un solde net positif à l'échelle d'une économie peut coexister avec des pertes lourdes pour certains territoires, secteurs ou catégories de travailleurs. C'est souvent cette distribution, plus que la moyenne, qui détermine l'acceptabilité sociale et politique de la transition.

La troisième sépare ce qui relève de la technologie de ce qui relève des institutions. La machine fixe un champ des possibles ; ce sont les entreprises, les politiques publiques, la formation et le droit du travail qui décident de la manière dont ce potentiel se traduit en emplois, en salaires et en conditions de travail. Autrement dit, l'avenir du salariat face à l'IA reste largement un choix collectif, non une fatalité technique.