Sur un plateau de service client, on a vu un éditeur de logiciel déployer un chatbot capable de traiter les demandes de niveau 1 en autonomie. Trois mois plus tard, la moitié des conseillers téléphoniques du prestataire sous-traitant n’avaient plus de missions. Pas de plan social médiatisé, pas de négociation collective : juste des contrats de prestation non renouvelés. C’est ce type de scénario, discret et diffus, qui rend l’impact de l’IA sur l’emploi difficile à mesurer en temps réel.
Tri de CV et scoring par l’IA : des décisions opaques qui éliminent des candidats
Avant même de parler de suppression de postes, l’intelligence artificielle modifie l’accès à l’emploi. Des systèmes de tri automatisé filtrent les candidatures sur des plateformes de recrutement, scorent les profils et écartent des dossiers sans intervention humaine.
A lire en complément : Quel est l'ordinateur le plus intelligent au monde ?
Le problème concret : ces outils reproduisent les biais présents dans les données d’entraînement. Si un modèle a été nourri avec les recrutements passés d’une entreprise qui embauchait majoritairement un certain profil, il tend à reproduire ce schéma. On se retrouve avec un filtre discriminant qui n’est ni transparent ni contestable par le candidat écarté.
L’AI Act européen classe ces systèmes parmi les cas à haut risque. L’accord Digital Omnibus IA de mai 2026 a repoussé l’application des obligations pour ces outils liés à l’emploi au 2 décembre 2027 (systèmes autonomes) et au 2 août 2028 (systèmes intégrés dans des produits réglementés). Pendant cette période, les employeurs expérimentent des outils d’IA dans un cadre encore très peu encadré, ce qui prolonge les risques de décisions opaques en matière de recrutement et de gestion de carrière.
A lire aussi : La blockchain est-elle fiable ?
Automatisation des tâches intellectuelles : quels métiers perdent du volume
L’automatisation industrielle touchait surtout les tâches manuelles répétitives. L’IA générative change la donne : elle s’attaque aux tâches cognitives, celles des cols blancs. Rédaction de rapports, synthèse de documents juridiques, création de visuels, traduction, analyse de données comptables.
On ne parle pas d’un remplacement total du métier. On parle d’une compression du temps nécessaire pour réaliser certaines tâches, ce qui réduit le volume d’heures facturables ou le nombre de personnes nécessaires pour le même livrable. Un cabinet qui avait besoin de quatre rédacteurs techniques peut fonctionner avec deux, assistés par un outil de génération de texte.
Les postes les plus exposés à court terme
- Les fonctions de support administratif (saisie, classement, traitement de formulaires) où l’IA traite des volumes en quelques minutes au lieu de plusieurs heures
- Les métiers de la traduction et de la rédaction standardisée, où les outils génératifs produisent des premiers jets exploitables qui réduisent le besoin en effectifs juniors
- Les postes d’analyse de données de premier niveau (reporting, tableaux de bord), que des systèmes automatisés génèrent désormais sans intervention
- Les fonctions de relation client à faible valeur ajoutée (réponses aux questions fréquentes, qualification de leads), absorbées par des agents conversationnels
Ce qui frappe, c’est que les profils juniors et intermédiaires sont les premiers touchés. Les tâches d’apprentissage, celles par lesquelles on entre dans un métier, sont souvent les plus standardisées et donc les plus automatisables. Cela pose un problème de transmission : si on supprime les postes d’entrée, comment forme-t-on la relève ?
Productivité en hausse, emplois en baisse : le décalage temporel
L’argument classique consiste à dire que l’IA, comme les révolutions technologiques précédentes, détruira des emplois mais en créera d’autres. C’est probablement vrai sur une échelle de dix ou vingt ans. Le problème, c’est le décalage temporel entre destruction et création.
Les gains de productivité liés à l’IA sont immédiats. Une entreprise qui déploie un outil d’automatisation des processus voit ses coûts baisser en quelques mois. La création de nouveaux métiers (spécialistes de l’éthique algorithmique, ingénieurs de prompt, auditeurs de systèmes d’IA) prend des années, le temps que les formations se structurent et que le marché absorbe ces profils.
Pendant ce décalage, des travailleurs se retrouvent sans poste et sans compétences transférables. Les reconversions prennent du temps, coûtent cher, et ne fonctionnent pas pour tout le monde. Les retours terrain varient sur ce point : certains secteurs comme la cybersécurité absorbent des profils reconvertis, d’autres restent fermés sans diplôme spécifique.
L’obligation de formation existe, mais son application reste floue
L’AI Act impose aux entreprises qui déploient des systèmes d’IA de former les salariés qui les utilisent, afin de garantir un niveau suffisant de maîtrise. Sur le papier, c’est un levier d’employabilité interne. En pratique, on constate que cette obligation reste mal définie : aucun référentiel de compétences précis, pas de durée minimale de formation, pas de contrôle systématique.
Résultat : beaucoup d’entreprises cochent la case avec un webinaire d’une heure et considèrent que la formation est faite. L’écart se creuse entre les salariés formés en profondeur et ceux exposés sans accompagnement.
IA et emploi : ce qui aggrave la situation en France et en Europe
Le tissu économique européen est composé en grande majorité de PME. Ces structures n’ont ni les budgets ni les équipes RH pour piloter des transitions technologiques complexes. Quand un grand groupe déploie l’IA, il peut créer un pôle dédié, financer des formations longues, négocier avec les partenaires sociaux. Une PME de cinquante salariés supprime un poste et redistribue les tâches.
- L’absence de cadre réglementaire opérationnel avant fin 2027 laisse les PME sans repères clairs sur ce qu’elles peuvent ou ne peuvent pas automatiser
- Les dispositifs de formation continue (CPF, OPCO) ne proposent pas encore de parcours structurés autour de l’IA appliquée aux métiers
- Le dialogue social sur l’IA reste embryonnaire dans la plupart des branches professionnelles
L’IA n’est pas mauvaise pour l’emploi par nature. Elle le devient quand son déploiement se fait sans cadre, sans formation réelle et sans anticipation des transitions. Les suppressions de postes ne font pas la une parce qu’elles sont diluées dans des non-renouvellements de contrats, des réorganisations silencieuses, des missions confiées à des outils plutôt qu’à des personnes. Le vrai risque n’est pas l’IA elle-même, mais l’absence de gouvernance autour de son déploiement dans le monde du travail.
