Comment l’IA va-t-elle affecter l’emploi ?

Depuis le lancement public de ChatGPT en novembre 2022, une question familière a refait surface avec une intensité renouvelée : l’intelligence artificielle (IA) va-t-elle détruire des emplois ? La question elle-même n’est pas nouvelle, mais avec l’IA générative, elle devient plus impérieuse. Les machines industrielles menacent principalement le travail physique. Les logiciels perturbent surtout les tâches routinières. Or, les modèles d’IA générative touchent désormais le langage, l’analyse, le codage, les images et les éléments du travail intellectuel. Cette évolution explique pourquoi le débat actuel semble différent : pour la première fois, la technologie affecte directement une large part des emplois qualifiés dans le secteur tertiaire.

Pour les investisseurs, cette question va au-delà des considérations sociales ou politiques. Elle affecte directement la productivité, les marges bénéficiaires, les salaires, la consommation et, en fin de compte, la croissance potentielle. Un choc lié à l’IA qui détruirait des emplois sans créer d’autres sources de revenus pèserait sur la demande. A l'inverse, une augmentation de la productivité induite par l’IA sans pertes d’emplois généralisées soutiendrait les bénéfices des entreprises. Entre ces deux cas de figure se profile un scénario plus subtil : l’emploi global peut rester globalement stable, tandis que la main-d’œuvre se redistribue entre les secteurs.

Simply put explore cette hypothèse en examinant si les données sectorielles sur l’emploi ont déjà été influencées par l’arrivée de grands modèles de langage (LLM) tels que ChatGPT.

Lire aussi : Les marchés au delà de la crise iranienne : résultats et IA en soutien

Comment le progrès technologique façonne le travail

Les économistes étudient depuis longtemps la relation entre le progrès technologique et l’emploi. Un cadre classique est la théorie du déversement d’Alfred Sauvy¹, également développée par Jean Fourastié, qui décrit comment les gains de productivité suppriment des emplois dans certaines activités tout en en créant d’autres ailleurs. Au lieu de disparaître complètement, l’emploi se déplace d’un secteur à l’autre – historiquement de l’agriculture vers l’industrie, et de l’industrie vers les services. Cette intuition n’est pas uniquement française. Dans la tradition anglo-saxonne, Allan Fisher et Colin Clark ont proposé un point de vue similaire à travers la théorie des trois secteurs, qui montre qu’à mesure que les économies se développent, la main-d’œuvre s’oriente progressivement vers les services. L’idée de base est la même. Le progrès technologique ne réduit pas nécessairement la quantité de travail : il modifie l’endroit où le travail est effectué. Ce cadre est particulièrement utile pour réfléchir à l’IA aujourd’hui. La question essentielle n’est pas seulement de savoir combien d’emplois seront détruits, mais quels secteurs absorberont la main-d’œuvre ensuite.

Des travaux plus récents redéfinissent cette logique en termes de tâches. Daron Acemoglu et Pascual Restrepo font la distinction entre un effet de déplacement, où l’automatisation remplace la main-d’œuvre dans des tâches spécifiques, et un effet de réintégration, où de nouvelles tâches apparaissent et créent une nouvelle demande de main-d’œuvre. L’IA générative complique cet équilibre, car elle affecte non seulement le travail répétitif, mais aussi les activités cognitives. Selon les estimations, environ 80% de la main-d’œuvre américaine pourrait voir au moins 10% de ses tâches affectées par les outils d’IA, tandis qu’environ 20% pourraient voir la moitié de leurs tâches exposées. Ces chiffres mesurent l’exposition plutôt que les pertes d’emploi, mais ils soulignent l’ampleur d’un changement potentiel.

Lire aussi : A quel point les bénéfices des entreprises américaines sont-ils menacés par un choc d’offre pétrolière ?

Les premières données empiriques sont plus nuancées. Des études montrent que les outils d’IA peuvent augmenter la productivité, en particulier pour les travailleurs moins-expérimentés, en agissant comme un complément plutôt que comme un substitut. Les institutions internationales se font l’écho de ce tableau contrasté. Le FMI, par exemple, estime qu’environ 40% de l’emploi mondial est exposé à l’IA, et que ce chiffre atteint près de 60% dans les économies avancées. Certains emplois peuvent bénéficier de gains de productivité, tandis que d’autres peuvent être confrontés à une demande de main-d’œuvre plus faible, à des salaires plus bas ou à un ralentissement de l’embauche.

Trois conclusions se dégagent :

1. la destruction de tâches ne doit pas être confondue avec la destruction d’emplois ;
2. les dynamiques sectorielles sont plus importantes que les chiffres globaux de l’emploi ;
3. s’il est encore trop tôt pour établir un lien de causalité formel, il est déjà possible – et utile – d’étudier les effets de l’IA sur les tendances de l’emploi.

Les effets de l’IA sont visibles dans la plupart des secteurs

Pour ce faire, nous avons analysé 866 séries de données sur l’emploi par secteur aux Etats-Unis tirées de l’enquête auprès des entreprises. Pour chaque série, nous avons estimé la tendance antérieure à ChatGPT et vérifié si celle-ci avait évolué de manière significative depuis décembre 2022 (le premier mois complet suivant le lancement de ChatGPT). Pour limiter la contamination par les distorsions liées à la pandémie, la période allant de mars 2020 à novembre 2022 a été exclue.

Notre conclusion est sans ambiguïté : les tendances sectorielles de l’emploi ont changé.

À tous les niveaux d’agrégation, environ trois quarts de toutes les séries présentent une variation statistiquement significative. Ces évolutions sont généralisées et ne se limitent pas à un ensemble restreint de secteurs liés à la technologie. A l’heure actuelle, la plupart sont négatives, mais une minorité non négligeable, environ 20%, est positive. Toutefois, ces changements n’impliquent pas que l’IA détruit déjà l’emploi en termes globaux. L’emploi total dépend toujours du cycle économique, des taux d’intérêt, de la demande, des politiques publiques et de la vitesse d’adaptation des entreprises. Ce que les données suggèrent, c’est que le marché du travail est entré dans une phase de réallocation active.

Certains secteurs, souvent liés aux flux de travail numériques, aux fonctions administratives ou à la normalisation post-pandémie, affichent des tendances plus faibles. D’autres, plus étroitement liés à la présence physique, aux soins de santé, aux infrastructures ou aux services locaux, montrent une amélioration relative. Il est important de noter que les secteurs qui bénéficient de cette évolution ne sont ni petits ni marginaux.

FIGURE 1. Part des séries d’emploi par secteur aux Etats-Unis présentant une rupture de tendance depuis le lancement de ChatGPT²

Où le changement est-il le plus visible ?

Un examen plus approfondi des différents secteurs permet d’obtenir une image plus claire.

Les évolutions négatives les plus marquées apparaissent généralement dans les secteurs où la croissance de l’emploi a été particulièrement forte avant 2020 ou étroitement liée à la dynamique post COVID-19. L’entreposage, les services de messagerie, l’emploi intérimaire, les services aux entreprises, la conception de systèmes informatiques et l’infrastructure de données en sont des exemples marquants. Nombre d’entre eux sont en lien direct avec des chaînes de valeur numériques ou des fonctions administratives exposées à l’automatisation.

En revanche, des ruptures positives sont plus fréquemment observées dans les secteurs liés aux besoins physiques, aux soins de santé, aux transports locaux, aux infrastructures et à certains services publics. Les activités liées aux soins infirmiers et résidentiels, à l’assistance sociale, au transport de voyageurs et à certaines infrastructures se distinguent. Leur point commun est qu’elles sont plus difficiles à automatiser complètement, car elles dépendent de la présence physique, de l’interaction humaine, ou de contraintes logistiques réelles ou réglementaires. De tels emplois pourraient éventuellement être perturbés par la robotique, mais celle-ci ne fait pas partie de la révolution technologique actuelle.

Les secteurs affectés négativement ne sont pas toujours ceux que l’on associe instinctivement à l’IA. Certains reflètent une normalisation cyclique ou une évolution de la demande. Cela met en évidence une limitation importante : cette analyse identifie les changements observés dans l’emploi depuis le lancement de ChatGPT, mais ne démontre pas un lien de causalité direct avec ce dernier. Néanmoins, l’ampleur et la cohérence des résultats suggèrent que l’IA interagit avec un marché du travail déjà en transition, et qu’elle pourrait amplifier cette transition plutôt que d’en être à l’origine.

La conclusion la plus raisonnable n’est donc pas que l’IA détruit déjà des emplois à grande échelle, mais que la situation est plus nuancée. Les évolutions des tendances en matière d’emploi sont généralisées et plus souvent négatives que positives, mais il existe clairement des secteurs qui tirent leur épingle du jeu. Cela correspond précisément à ce que prévoient les théories historiques du changement structurel : le travail ne disparaît pas, mais la croissance de l’emploi est redistribuée entre les activités.

FIGURE 2. Secteurs présentant les ruptures de tendance positives et négatives les plus importantes en matière d’emploi depuis ChatGPT³

En d’autres termes, Simply put, l’intelligence artificielle ne supprime pas encore d’emplois au niveau macroéconomique, mais elle redéfinit déjà les secteurs où se concentre la croissance de l’emploi. 

Indicateurs macro/en temps réel

Nos indicateurs en temps réel propriétaires de dernière génération dédiés à la croissance mondiale, à l’évolution inattendue de l’inflation et des politiques monétaires au niveau mondial sont conçus pour suivre la progression récente des facteurs macroéconomiques qui animent les marchés.

Nos indicateurs en temps réel montrent actuellement que :

• Notre indicateur de croissance mondiale a enregistré une hausse cette semaine, grâce à une forte augmentation des signaux en provenance de la Chine, liée à l’amélioration des données sur les exportations. L’indicateur en temps réel se situe actuellement à un niveau bas, mais en hausse.
• Notre indicateur d’inflation a progressé à l’échelle mondiale, avec une hausse particulièrement marquée dans la zone euro en raison de l’augmentation des coûts.
• A l’instar de la croissance, notre indicateur de politique monétaire a augmenté, reflétant principalement la hausse en Chine soutenue par des données sur les exportations plus solides.

Indicateurs en temps réel pour la croissance mondiale : évolution à long terme (à gauche) et récente (à droite)

Note explicative : l’indicateur en temps réel de LOIM rassemble différents indicateurs économiques à un moment précis, afin de déterminer la probabilité de survenance d’un risque macroéconomique donné, comme la croissance, les surprises en matière d’inflation et les surprises en matière de politique monétaire. L’indicateur en temps réel va de 0% (croissance faible, surprises en matière d’inflation modérées et politique monétaire accommodante) à 100% (croissance forte, risque élevé de surprises en matière d’inflation et politique monétaire restrictive).