IA et emploi : le vrai risque, c'est le décrochage

Bercy pose sa doctrine sur l'IA et l'emploi

La Direction générale du Trésor a publié en juin 2026 sa note Trésor-Éco n° 391, « L'intelligence artificielle, quels effets sur l'emploi ? ». La série Trésor-Éco est le canal par lequel Bercy expose son analyse aux décideurs publics. Cette note fixe donc la doctrine officielle sur un sujet à forte charge, celui qui cadrera le discours public et les arbitrages de politique économique des prochains mois.

La surprise tient dans le ton. Le débat oscille entre panique et emballement ; la note choisit la prudence de l'économiste et expose les mécanismes et l'incertitude au lieu de trancher. De cette prudence sort une thèse en trois temps, plus retournée qu'il n'y paraît : aucun effet agrégé mesurable à ce stade, un signal localisé bien réel sur les jeunes, et un danger de long terme qui déplace la question.

Pas d'effet agrégé, deux forces qui s'opposent

Le cadre est celui d'Acemoglu et Restrepo : l'IA agit sur l'emploi par deux canaux opposés. Un effet de déplacement, quand l'automatisation d'une tâche substitue la machine au travailleur. Un effet de productivité, quand la baisse des coûts et la complémentarité stimulent la demande, donc l'emploi. Pour l'instant, les deux se compensent : les études empiriques n'identifient aucun effet agrégé significatif, faute de recul et parce que l'adoption reste partielle, environ 20 % des entreprises de l'UE en 2025.

La note distingue la mesure de la perception. Les gains de productivité individuels sont documentés : environ +14 % pour les agents de service client, +26 % pour les développeurs informatiques dans des études expérimentales ciblées, sans doute sous-estimés puisque obtenus sur des modèles déjà dépassés. L'anxiété, elle, va plus vite que les données : 62 % des Français voient dans l'IA un risque pour l'emploi, quand l'effet macroéconomique reste à ce jour indécelable.

Le seul signal empirique solide : les juniors

Les études récentes convergent sur ce point. Brynjolfsson et ses coauteurs (2025) mesurent un recul de 16 % de l'emploi des 22-25 ans dans les professions les plus exposées à l'IA, relativement aux autres travailleurs, entre novembre 2022 et juillet 2025 aux États-Unis. Les travaux de Massenkoff et McCrory (Anthropic) et de Hosseini et ses coauteurs corroborent ce résultat. En France, l'Insee observe un ajustement marqué de l'emploi des jeunes dans les secteurs exposés (une contraction de 3,8 points pour les 15-29 ans dans l'informatique), pendant que le chômage des 15-24 ans passe de 19,1 % à 21,1 % entre le premier trimestre 2025 et le premier trimestre 2026. La note se garde d'y lire une causalité établie : la conjoncture et la surreprésentation des jeunes en contrats temporaires jouent aussi.

Le mécanisme, lui, est identifié. L'IA automatise les tâches codifiées qui constituent le contenu des postes d'entrée. Ces mêmes tâches formaient, hier, les seniors de demain. L'enjeu dépasse donc l'insertion des juniors : il touche au renouvellement des expertises. Quand la marche basse de l'échelle disparaît, la formation de ceux qui, dans dix ans, valideront le travail des machines devient une question ouverte.

L'argument que Bercy retient, et que le débat public rate

Reprenant le cadre de Richmond (OpenAI, 2026), la note rappelle que le sort d'un métier se joue sur l'élasticité-prix de la demande pour ce qu'il produit, davantage que sur son degré d'exposition à l'IA.

Développeurs et graphistes ont une élasticité supérieure à 1 : quand l'IA fait baisser le coût de leur production, la demande augmente plus que proportionnellement. C'est le paradoxe de Jevons appliqué au code. Quand le code coûte moins cher, on en demande davantage. Les métiers à demande inélastique, un pompier, un dirigeant, ne verront pas leur volume bouger, quelle que soit leur exposition. La substituabilité technique d'une tâche ne préjuge donc en rien de son effet sur l'emploi.

Au regard du discours ambiant, l'argument est structurellement pro-emploi pour les développeurs. Il éclaire aussi la dispersion des estimations : selon les études, la part d'emploi exposée va de 5 % à 60 %. Richmond chiffre à 18 % les emplois américains à risque élevé d'automatisation, 24 % en recomposition de tâches, 12 % en croissance. Arquié et ses coauteurs (Coface) estiment à 3,8 % le contenu du travail automatisable aujourd'hui en France, jusqu'à 16,3 % d'ici deux à cinq ans. L'exposition mesure un potentiel d'automatisation, elle ne dicte pas l'emploi.

Le narratif « licenciements IA » démonté

La note relativise les annonces spectaculaires. Les suppressions de postes attribuées à l'IA pèsent 4,5 % à 6,2 % des licenciements annoncés aux États-Unis en 2025, diluées dans des flux d'embauches supérieurs. Elle pointe surtout un phénomène de labellisation : 59 % des entreprises américaines admettent invoquer l'IA pour justifier des gels d'embauche. L'IA sert alors de couverture narrative à des corrections post-Covid ou à des réallocations d'investissement vers l'IA elle-même, pendant que d'autres acteurs, OpenAI en tête, doublent leurs effectifs. La note cite au passage Satya Nadella : 20 à 30 % du code de Microsoft serait déjà généré par IA, avec un objectif de 95 % en 2030.

Ce que la note ne dit pas assez fort

Le document reconnaît ses angles morts. Ils portent la vraie incertitude.

Le scénario agentique tient dans une note de bas de page. Il pourrait pourtant invalider le cadre « assistant ponctuel » sur lequel repose le constat d'absence d'effet. Arquié et ses coauteurs estiment que si l'IA agentique se généralisait, plus de 40 % des métiers dépasseraient le seuil de 30 % de tâches automatisables. Le « pas d'effet agrégé » d'aujourd'hui décrit un monde d'outils d'assistance ; il ne dit rien d'un monde d'agents autonomes.

Le pari de la destruction créatrice revient sans que la vitesse soit discutée. La note rappelle, à juste titre, que les révolutions passées ont créé plus d'emplois qu'elles n'en ont détruit : 60 % des travailleurs occupent aujourd'hui des métiers qui n'existaient pas en 1940 (Autor), et les prédictions de Frey et Osborne (2013), qui annonçaient 47 % d'emplois américains automatisables, ne se sont pas matérialisées. La singularité de cette vague tient à sa vitesse de diffusion, et c'est elle qui reste hors du cadre.

Un dernier point mérite l'œil. OpenAI et Anthropic figurent désormais dans les sources de Bercy au même titre que le NBER ou la BCE. Les laboratoires produisent la donnée sur leur propre impact : une richesse empirique inédite, et un biais de source qu'une note du Trésor aurait pu signaler.

La vraie ligne de crête : le décrochage

Vient le retournement, et il est politique. La note désamorce la peur de la destruction d'emplois pour déplacer la charge de la preuve : pour Bercy, le danger tient moins à l'adoption de l'IA qu'au retard à l'adopter. Le risque de long terme qu'elle identifie est compétitif avant d'être social, le décrochage des économies qui prendraient du retard.

De là découle la conclusion de politique publique. La France se situe en position intermédiaire (18 % d'adoption selon l'OCDE en 2025, contre 20 % en moyenne dans l'UE), mais elle rattrape plus vite, avec +8 points sur un an quand la moyenne européenne gagne +6. Les dispositifs suivent : le plan « Osez l'IA », qui vise 15 millions de professionnels formés d'ici 2030 et une Académie de l'IA, et le volet « Compétences et métiers d'avenir » de France 2030. La transition a un coût : la lenteur des réallocations ampute de 40 % le bénéfice de l'automatisation en France, d'où le rôle des métiers-ponts et de la formation.

La perspective SFEIR

Cette note venue de Bercy rejoint ce que nous défendons depuis deux ans : s'organiser pour amplifier l'IA plutôt que la subir. Pour un DSI ou un CTO, elle se traduit en décisions.

L'argument de Jevons est une bonne nouvelle, à condition de bien le lire. Si le code devient une commodité, la valeur se déplace vers l'intention, l'architecture et le contrôle, et la demande de logiciel augmente. La question passe de « comment produire du code moins cher » à « maintenant que le code coûte moins cher, que construire que nous ne pouvions pas nous permettre avant ». Nous observons ce mécanisme chez nos clients.

Le signal « juniors » est un avertissement organisationnel. Quand l'IA automatise les tâches qui formaient les développeurs d'entrée, former des ingénieurs augmentés devient un choix délibéré. C'est la logique de nos programmes AI Champions : outiller les équipes pour qu'elles montent d'un cran, de l'exécution vers le jugement, la spécification et la validation.

L'immobilisme est le vrai risque, et l'adoption précipitée en est un autre. Adopter sans méthode produit du workslop et de la dette technique à vitesse industrielle. La trajectoire tient au context engineering, à une gouvernance claire de ce qui peut être automatisé, et à des critères de passage de l'expérimentation à la production. Bercy nomme le danger du décrochage ; notre métier consiste à faire de l'adoption un levier plutôt qu'une pile de POCs.

La note du Trésor transforme une peur en question stratégique. Le triptyque « pas d'effet agrégé, signal juniors réel, le risque c'est la non-adoption » et l'argument d'élasticité sur les développeurs donnent des angles solides pour une prise de parole. Reste, pour chaque organisation, à traduire la doctrine en trajectoire : c'est le travail que nous menons avec les DSI qui veulent amplifier plutôt que décrocher.

Sources

• Direction générale du Trésor, Trésor-Éco n° 391, « L'intelligence artificielle, quels effets sur l'emploi ? », juin 2026 (Martin Chopard, Elisa Cotet, Tristan Gantois, Eloïse Villani). Note complète (PDF).
• Brynjolfsson et al. (2025) ; Massenkoff & McCrory (Anthropic, 2026) ; Hosseini et al. (2025), sur l'emploi des jeunes exposés à l'IA.
• Richmond (OpenAI, 2026), sur l'exposition, l'élasticité-prix et le paradoxe de Jevons.
• Arquié et al. (Coface, 2026), sur le contenu du travail automatisable en France.
• Acemoglu & Restrepo (approche task-based) ; Autor ; Frey & Osborne (2013) ; Insee ; baromètre du numérique 2025.