La crainte du chômage est bien réelle
59 % des personnes interrogées se disent préoccupées par l'IA, notamment par le risque de voir leur emploi remplacé1 2. Depuis janvier 2023, les statistiques recensent environ 370 000 suppressions de postes liées à l’IA. Pour le seul mois de janvier 2026, l'IA est évoquée dans près de 7 % des suppressions d'emplois aux États-Unis3. Plusieurs chercheurs renommés ont publiquement alerté sur le risque d'une mauvaise gestion des conséquences sociales de l’implantation à grande échelle de l’IA. Dans son rapport 2026 sur les risques mondiaux, le Forum économique mondial estime d’ailleurs que les conséquences négatives de l’IA pourraient peser bien davantage à l’horizon de dix ans qu’à court terme4. Son impact ne se limite déjà plus aux activités numériques : les progrès de la robotique et des systèmes capables d’agir dans le monde physique élargissent rapidement son champ d’application. Dans les entreprises, des conflits sociaux très médiatisés, notamment chez Samsung, montrent également que les résistances peuvent se durcir lorsque les salariés ont le sentiment que les gains profitent de manière disproportionnée aux actionnaires et aux dirigeants.
La diffusion, plus que la puissance des modèles, dictera le rythme
Notre conviction première n'est pas tant la puissance des modèles que leur diffusion dans l'économie qui déterminera les effets de l'IA sur l'emploi. Or la diffusion d'une technologie prend du temps, car elle suppose une transformation de l'ensemble des systèmes et ne repose pas uniquement sur ses performances. Les entreprises doivent identifier les cas d'usage, intégrer les outils pertinents, repenser les méthodologies de travail, former les équipes, contrôler les résultats, gérer les risques de cybersécurité et de protection des données, et clarifier les responsabilités en cas de défaillance. Dans bien des cas, le coût de mise en œuvre reste supérieur aux économies de main-d'œuvre espérées. Cela plaide davantage pour un usage ciblé de l'IA en appui des salariés qu’une implémentation généralisée. L'histoire montre d'ailleurs qu'une technologie ne transforme jamais seule un secteur. Aux États-Unis, la part de l'emploi agricole est passée de 41 % de la population active en 1920 à environ 5 % en 1970. Les tracteurs n'ont toutefois pas, à eux seuls, provoqué cette évolution : la mécanisation des récoltes, les progrès dans les semences, la logistique et les méthodes de production ont transformé le secteur sur plusieurs décennies5. Les technologies numériques ont souvent suivi une trajectoire similaire : les gains de productivité mettent d’abord du temps à se matérialiser, avant de s’accélérer à mesure que les entreprises adaptent leur organisation et leurs méthodes de travail6 7. Il en va de même aujourd'hui : l'usage de l'IA progresse plus vite que la transformation des organisations. Selon l’institut de sondage Gallup, en 2026, un actif sur deux utilisait l'IA au moins occasionnellement, pour autant dans les organisations qui l'avaient adoptée, à peine un salarié sur dix estimait que son travail avait véritablement été transformé8.
Les gains de productivité ne se traduisent pas nécessairement par une baisse de la demande de travail mais peuvent prendre la forme d'un meilleur service, de nouvelles tâches, d'une production plus importante ou d'une baisse des prix qui stimule la demande : le paradoxe de Jevons appliquée au marché du travail. L'histoire du coton, de l'acier et de l'automobile montre que l'automatisation peut aller de pair avec une hausse de la production et de l'emploi tant que la demande continue de progresser sur une longue période9.