L'IA est en train de remodeler le marché du travail d'entrée de gamme : les dernières preuves de l'économiste de Stanford, Brynjolfsson.

Contexte de l'événement

En juin 2026, Erik Brynjolfsson, directeur du laboratoire d'économie numérique de l'Université de Stanford, a publié conjointement avec ADP Research le « Canaries Dashboard » (Tableau de bord des canaris), basé sur les données salariales d'ADP couvrant environ un sixième des travailleurs américains, pour suivre en temps réel l'impact de l'IA sur l'emploi. Ce tableau de bord fait suite à un article très controversé d'août 2025 – cette étude avait révélé que, depuis la généralisation de l'IA générative, l'emploi des travailleurs de 22 à 25 ans avait considérablement diminué dans les professions les plus exposées à l'IA. À l'époque, des économistes de Google avaient évoqué les taux d'intérêt comme facteur, et Torsten Slok d'Apollo Global Management estimait qu'il s'agissait simplement d'une caractéristique d'un marché à faible embauche et faible licenciement.

Les nouvelles données couvrent jusqu'en avril 2026, et près de quatre ans plus tard, l'impact de ChatGPT reste clair : la tendance à la baisse de l'emploi des jeunes travailleurs non seulement ne s'est pas inversée, mais s'est aggravée, passant de 2,8 % par an à plus de 4 %. Brynjolfsson a déclaré à Fortune : « Quoi que ce soit, cela ne disparaît pas. »

Analyse de l'économie numérique : l'IA démantèle les échelons inférieurs de l'échelle professionnelle

Du point de vue de l'économie numérique, l'IA ne remplace pas les emplois de manière uniforme, mais s'infiltre au niveau des tâches. Brynjolfsson, en collaboration avec Nela Richardson, économiste en chef d'ADP, a découvert que l'IA automatise en priorité les tâches « codifiables » ne nécessitant pas beaucoup d'expérience – recherche, synthèse, planification, mise en forme, etc. – qui constituent précisément le cœur du travail des employés débutants. Les travailleurs plus expérimentés possèdent des connaissances tacites difficiles à coder, ce qui leur offre un tampon.

Le tableau de bord montre que l'emploi global de tous les groupes d'âge a très peu changé – les postes fortement exposés à l'IA n'ont diminué que de 0,2 % en glissement annuel. Mais en décomposant par étape professionnelle, les données révèlent une fracture : l'emploi des 22-25 ans a chuté de 3,8 %, tandis que celui des 35-40 ans a augmenté de 2 %. Cela signifie que l'IA démantèle le premier échelon de l'échelle professionnelle, plutôt que de réduire le nombre total d'emplois.

Les effets de réseau se manifestent également sur le marché du travail : à mesure que les outils d'IA (tels que Copilot, ChatGPT Enterprise) sont déployés dans les entreprises, davantage d'entreprises ont tendance à remplacer les tâches de débutant par l'IA, ce qui réduit la demande de postes juniors, diminue l'accumulation d'expérience dans ce groupe et risque, à long terme, d'accentuer la différenciation des compétences.

Observation du modèle d'entreprise : de l'arbitrage du capital humain au capital IA

Les entreprises ajustent leur modèle de rentabilité. Traditionnellement, les sociétés créent de la valeur en embauchant des employés débutants à faible coût et en les formant pour devenir les futurs piliers. Aujourd'hui, les outils d'IA peuvent accomplir les tâches de débutant à un coût marginal bien inférieur. Par exemple, dans les secteurs du droit, du conseil, du marketing, etc., l'IA est largement utilisée pour générer des ébauches, analyser des données, réduisant ainsi le besoin d'analystes juniors.Cette transformation se reflète dans la structure de coûts des entreprises : les frais de licence pour l’IA (comme ChatGPT Entreprise à 30 dollars par mois) sont bien inférieurs au salaire d’un employé débutant. Les entreprises de plateformes (telles que Microsoft, Google) transforment les services humains en abonnements logiciels en fournissant des assistants IA, créant ainsi un nouveau modèle de revenus. Adobe, Salesforce, etc. ont également intégré des fonctions d’IA, entraînant une hausse des prix des SaaS.

Mais à long terme, si les entreprises réduisent excessivement les postes d’entrée, une pénurie de talents seniors pourrait survenir à l’avenir — faute de formation en début de carrière. Brynjolfsson appelle cela « la disparition de l’échelle de carrière », ce qui pourrait forcer les entreprises à repenser leurs systèmes de formation, ou donner naissance à un modèle « d’apprenti IA ».

Analyse de la concurrence sur le marché : la course aux plateformes IA accélère la restructuration de la main-d’œuvre

La concurrence entre les plateformes d’IA (OpenAI, Google, Meta, Anthropic) se concentre sur les capacités des modèles et les cas d’usage. Mais une dimension concurrentielle cachée est la manière dont les outils d’IA destinés aux entreprises modifient la structure de la main-d’œuvre.

• Microsoft (Copilot) : profondément intégré à Office et Azure, cible les tâches quotidiennes des travailleurs du savoir, remplaçant directement les employés administratifs juniors et les analystes de données.
• Google (Gemini for Workspace) : fonctionnalités similaires, mais davantage axé sur la recherche et la collaboration.
• Meta (modèles open source) : personnalisables pour les entreprises, mais la voie de commercialisation n’est pas encore claire.

Celui dont les outils d’IA d’entreprise sont les plus efficaces accélérera les licenciements ou la réduction des recrutements, influençant ainsi le marché de l’emploi. Les recherches de Brynjolfsson montrent que le déclin de l’emploi dans les professions très exposées à l’IA est déjà en cours, et ces plateformes en sont les moteurs technologiques.

D’un autre côté, les plateformes de technologies RH (comme ADP, Workday, SAP SuccessFactors) sont confrontées à de nouveaux défis : elles doivent aider leurs clients à gérer les changements de main-d’œuvre induits par l’IA, par exemple en prédisant quels postes seront remplacés et comment recycler les employés. Le partenariat entre ADP et Brynjolfsson illustre cette tendance — les sociétés de données passent de la gestion des paies à la fourniture de renseignements sur le marché du travail.

Impact des données et de la réglementation : besoin d’un nouveau « filet de sécurité numérique »

Les politiques actuelles de gouvernance des données et de régulation de l’IA se concentrent principalement sur la confidentialité, les biais et la transparence, mais les recherches de Brynjolfsson suggèrent une nouvelle dimension : le suivi de l’impact sur l’emploi. La loi européenne sur l’IA exige que les systèmes d’IA à haut risque évaluent leur impact sur les droits fondamentaux, mais n’impose pas de déclaration sur l’impact sur l’emploi. Les États-Unis n’ont toujours pas de réglementation fédérale sur l’IA.

Le tableau de bord de Brynjolfsson peut être considéré comme un « indicateur économique de l’IA », comparable au taux de chômage ou à l’IPC. Si les gouvernements pouvaient utiliser ces données pour des interventions politiques, comme taxer les entreprises qui remplacent des postes juniors par l’IA ou exiger des formations, cela pourrait modifier la direction du déploiement de l’IA.En matière de flux transfrontaliers de données, les données ADP sont limitées aux États-Unis. La structure de la main-d'œuvre dans d'autres pays peut être différente, par exemple en Chine et en Inde, où la proportion de postes de débutants est plus importante, et l'impact de l'IA pourrait être plus radical. Cependant, l'absence de données de haute qualité similaires entraîne un retard dans les politiques.

Tendances mondiales : bruit à court terme ou transformation structurelle à long terme ?

Brynjolfsson compare cette transition à la révolution industrielle — la première automatisait les muscles, la seconde automatise l'esprit. Il estime que le changement sera dix fois plus rapide. Il ne s'agit pas d'une fluctuation cyclique, mais d'une restructuration structurelle du marché du travail.

Preuves en faveur d'une tendance à long terme : l'efficacité des modèles d'IA double tous les 12 à 18 mois (Scaling Laws), les coûts diminuent et la diffusion s'accélère. Une fois que les entreprises déploient l'IA et constatent des économies de coûts, il est difficile de faire marche arrière. De plus, les données de Brynjolfsson montrent que même en excluant l'industrie technologique et l'impact du travail à distance, l'effet persiste, ce qui indique que c'est bien l'IA elle-même qui est en cause.

Mais il existe aussi des contre-exemples : certains secteurs (comme la santé, la construction) ont une faible exposition à l'IA et sont temporairement sûrs ; et l'IA peut aussi créer de nouveaux emplois, comme les ingénieurs de prompts ou les responsables de conformité IA, mais leur ampleur est bien moindre que celle des postes de débutants supprimés.

DigitalEcoNews Insight

Les recherches de Brynjolfsson et ADP révèlent un mécanisme subtil mais crucial dans l'économie de l'IA : l'IA ne supprime pas directement les emplois, mais déconstruit les échelons de carrière. Pour les entreprises, cela signifie que les stratégies RH doivent être réécrites — la simple réduction des postes de débutants détruira la chaîne d'approvisionnement en talents à long terme. Pour les plateformes (Microsoft, Google), la commercialisation des assistants IA repose sur la demande des clients entreprises de « réduire la main-d'œuvre », mais une automatisation excessive pourrait provoquer un contrecoup social.

La signification économique plus profonde réside dans le fait que la disparition des postes d'entrée augmentera les inégalités de revenus et la rigidité des classes sociales, car les enfants de familles aisées peuvent obtenir de meilleures opportunités de départ grâce à leur capital social, tandis que les personnes ordinaires perdent l'accès à l'acquisition d'expérience. Les décideurs politiques devraient envisager de lier le déploiement de l'IA aux obligations de formation des entreprises, ou de mettre en place un plan national de culture de l'IA.

Sur le plan des données, le tableau de bord de Brynjolfsson fournit un outil quantifiable pour la régulation de l'économie numérique — la capacité à intégrer des indicateurs similaires dans les systèmes statistiques nationaux sera la clé de la future compétition réglementaire. En fin de compte, l'économie de l'IA n'est pas seulement une course technologique, mais aussi une course institutionnelle.

*Source des données : Reportage de Fortune « 'It's not going away': The Stanford economist who called the AI entry-level jobs crisis early has the receipts » (27 juin 2026).*