Deux phrases vraies, prononcées le même mois, qui semblent se contredire. La première : il n'y a pas de chômage de masse dû à l'intelligence artificielle — 91 % des entreprises ont maintenu ou augmenté leurs effectifs ces trois derniers mois. La seconde : l'emploi des 22-25 ans, dans les métiers très exposés à l'IA, se situe 19 % en dessous de son niveau attendu.
Les deux sont mesurées, publiées et exactes. Elles coexistent parce que ce qui se passe n'est pas la disparition de l'emploi. C'est l'avantage qui change de mains — et l'on peut savoir, assez précisément, de quel côté du comptoir chacun va tomber.
L'agrégat : pas d'apocalypse
Le Future of Jobs Report du Forum économique mondial projette 170 millions d'emplois créés et 92 millions supprimés d'ici 2030 — un solde positif de 78 millions. La base n'est pas une intuition : plus de mille employeurs représentant 14 millions de travailleurs dans 55 économies.
Du côté des recruteurs, le Well-Being Index de Principal, réalisé du 22 juin au 13 juillet 2026 auprès de mille entreprises de 2 à 10 000 salariés, montre 91 % maintenant (44 %) ou augmentant (47 %) leurs effectifs sur les trois mois précédents, et 72 % des PME qui ne prévoient pas de réduire le personnel l'an prochain.
Et le Laboratoire d'économie numérique de Stanford, la source la plus rigoureuse de ce texte, l'écrit noir sur blanc : il n'y a pas de destruction généralisée d'emplois associée à l'IA dans l'économie.
Le détail : les dégâts sont concentrés, et ils s'aggravent
C'est la même étude de Stanford — d'Erik Brynjolfsson, Bharat Chandar et Ruyu Chen, à partir des données de paie d'ADP entre novembre 2022 et juin 2026 — qui apporte le chiffre inconfortable. Chez les travailleurs de 22 à 25 ans dans des métiers très exposés à l'IA, l'emploi est environ 19 % en dessous de ce qu'il serait s'il avait suivi celui de leurs pairs du même âge dans des métiers moins exposés.
Deux nuances comptent plus que le chiffre :
L'écart se creuse. Il était de 15 % en juillet 2025 et atteint 19 % en juin 2026. Onze mois, quatre points.
Il n'atteint pas les plus âgés. Les travailleurs expérimentés dans les mêmes métiers ne présentent pas d'écart comparable. Autrement dit : ce n'est pas le métier qui disparaît — c'est sa marche d'entrée.
Et il existe un critère pour savoir quelles fonctions entrent dans ce calcul : celles qui reposent sur le savoir codifié — formel, standardisé, documenté. Là où l'IA automatise au lieu de compléter, l'emploi baisse. Là où elle complète, non.
L'autre versant : adopter à moitié ne compte pas
Voici le résultat qui change le plus une décision de dirigeant, et il est presque toujours mal rapporté. On lit partout que « les entreprises ayant adopté l'IA ont vu leur emploi croître de 10 % ». Ce n'est pas ce que dit l'étude.
Les travaux du SIEPR, à Stanford, ont croisé les dépenses de plus de 21 000 entreprises américaines (données Ramp) avec des données d'effectifs de Revelio Labs. Le résultat se scinde en deux :
Les adoptants intensifs — qui ont dépensé en moyenne 33,67 dollars par salarié et par mois les trois premiers mois — ont vu leurs effectifs croître de 10,2 % sur les deux années suivantes. Et, à rebours du récit dominant, les postes de niveau débutant y ont augmenté de 12 %.
Les adoptants peu intensifs — en moyenne 2,78 dollars par salarié et par mois — n'ont connu aucune variation statistiquement significative de l'emploi. Ni hausse, ni baisse. Rien.
📌 Traduit pour qui décide d'un budget : l'abonnement à dix dollars distribué à l'équipe n'est pas une adoption de l'IA, c'est une ligne de dépense. L'écart entre les deux groupes de l'étude est d'environ douze fois en dépense par personne — et c'est lui, et non la décision « d'utiliser l'IA », qui sépare ceux qui ont grandi de ceux qui n'ont pas bougé.
Pourquoi les deux versants racontent la même histoire
Rassemblez les trois pièces et le dessin apparaît : dans les entreprises ayant adopté intensivement, l'emploi a progressé jusqu'à la base ; dans les métiers de savoir codifié, la marche d'entrée a rétréci ; et à l'échelle agrégée, l'un compense l'autre et le total bouge à peine.
Il n'y a pas moins de postes. Le poste a changé de place — il a quitté l'endroit où la valeur était de connaître la règle pour aller là où la valeur est de décider avec la règle en main. Le même rapport du Forum économique mondial estime que 39 % des compétences actuelles seront obsolètes en cinq ans. Ce n'est pas l'emploi qui expire. C'est la compétence.
Quoi en faire, sans dramatiser
Si vous décidez pour l'entreprise : choisissez entre adopter vraiment et ne pas adopter. L'entre-deux est le seul scénario que l'étude montre sans effet — vous payez la licence, vous ne formez personne, vous ne changez aucun processus et vous récoltez exactement ce qu'ont mesuré ceux qui dépensaient 2,78 dollars par tête. Si vous vous lancez, concentrez-vous sur un processus et menez-le jusqu'au bout plutôt que de distribuer des accès.
Si vous recrutez des débutants : la marche qui a disparu est celle des tâches de savoir codifié — résumer, transcrire, relire selon un modèle, chercher un précédent. Il vaut la peine de réécrire le poste autour de ce qui reste : le jugement, le contact client, la vérification de ce que la machine a produit. Les entreprises de l'étude qui ont grandi à la base ont fait cela.
Si vous vendez des services professionnels : séparez, dans ce que vous livrez, la part codifiée de la part de jugement. La première devient une commodité dans les prochaines années, avec ou sans vous. La seconde est ce qui soutient le prix — et c'est elle qui doit rester visible dans la proposition, sur le site et dans la conversation.
Si votre carrière en est déjà au point où le marché semble ne plus avoir de place pour vous : la lecture est différente et nous en avons parlé dans carrière en déclin. La donnée d'ici aide sur un point précis : l'écart n'atteint pas les personnes expérimentées. Le problème, dans ce cas, n'est presque jamais l'âge — c'est la proportion de votre travail qui relève du savoir codifié.
Ce que ce texte n'affirme pas
Trois réserves, car sur ce sujet la certitude se vend bon marché. La projection du Forum économique mondial date de janvier 2025 et c'est une projection, pas une mesure — la réalité de 2030 peut ne pas lui ressembler. Les deux études de Stanford portent sur les États-Unis ; d'autres marchés ont une composition et un rythme d'adoption différents, les chiffres indiquent donc une direction, pas une magnitude. Et corrélation n'est pas causalité : les entreprises qui dépensent davantage en IA par salarié étaient probablement déjà différentes à plusieurs égards, et une partie de leur croissance peut venir de là.
Ce qui reste, malgré ces trois réserves, est solide : aucune apocalypse à l'échelle agrégée, des dégâts réels et croissants sur un segment précis, et un gain conditionné à l'intensité — pas à l'intention.
Si votre entreprise est précisément dans cet entre-deux que l'étude montre sans effet — outil souscrit, processus inchangé —, c'est l'objet de notre implémentation d'IA pour entreprises : choisir un processus, mesurer l'avant, et le mener jusqu'au résultat. Et si la question reste de savoir si l'IA remplace l'équipe, les cas d'IKEA et de Meta sont dans un autre de nos textes.
Questions fréquentes
L'intelligence artificielle détruit-elle des emplois ?
À l'échelle agrégée, non. Le Laboratoire d'économie numérique de Stanford affirme explicitement qu'il n'y a pas de destruction généralisée d'emplois associée à l'IA, et le Well-Being Index de Principal a trouvé 91 % d'entreprises maintenant ou augmentant leurs effectifs sur les trois mois précédant l'enquête. Ce qui existe, ce sont des dégâts concentrés : chez les 22-25 ans dans des métiers très exposés, l'emploi est environ 19 % en dessous du niveau attendu.
Pourquoi les jeunes sont-ils les plus touchés ?
Parce que la marche d'entrée de la plupart des métiers est faite de savoir codifié — formel, standardisé, documenté : résumer des documents, transcrire, relire selon un modèle, chercher un précédent. C'est exactement là où l'IA automatise au lieu de compléter. Les travailleurs plus expérimentés dans ces mêmes métiers ne présentent pas d'écart comparable, car la part de jugement du travail leur reste.
Adopter l'IA fait-il croître les effectifs d'une entreprise ?
Seulement avec de l'intensité. Dans l'étude du SIEPR, à Stanford, les entreprises ayant dépensé en moyenne 33,67 dollars par salarié et par mois les trois premiers mois ont vu leurs effectifs croître de 10,2 % sur les deux années suivantes, les postes de niveau débutant progressant de 12 %. Celles qui dépensaient environ 2,78 dollars par salarié et par mois n'ont connu aucune variation statistiquement significative. L'adoption à moitié n'apparaît pas dans le résultat.
Combien une entreprise doit-elle dépenser en IA pour voir un effet ?
L'étude ne fixe pas de seuil universel, et il serait erroné de lire les 33,67 dollars par salarié et par mois comme un objectif de budget. Ce qu'elle montre, c'est l'ordre de grandeur de l'écart : environ douze fois entre le groupe qui a grandi et celui qui n'a pas bougé. Le signal utile porte sur la proportion, pas sur le prix — et mieux vaut concentrer sur un processus que distribuer des accès à tous.
Quelles compétences deviennent obsolètes avec l'IA ?
Le Future of Jobs Report du Forum économique mondial estime que 39 % des compétences actuelles seront obsolètes en cinq ans. Le critère pratique qui ressort des données de Stanford est le type de savoir : ce qui est codifié — règle, modèle, procédure documentée — perd de la valeur plus vite ; ce qui repose sur le jugement en situation d'incertitude, le contact humain et la vérification de ce que produit la machine, non.
Ces chiffres valent-ils hors des États-Unis ?
Avec réserve. Les deux études de Stanford et l'enquête de Principal portent sur les États-Unis, et d'autres marchés ont une composition sectorielle et un rythme d'adoption différents. La projection du Forum économique mondial est mondiale, mais c'est une projection réalisée en janvier 2025. L'usage honnête de ces données est comme indication de direction — qui vend du savoir codifié perd son avantage, qui adopte intensivement gagne — et non comme prévision de magnitude.