Métiers menacés par l'IA : ce que les études disent vraiment, et ce qui nous attend dans 1 à 2 ans

Tous les six mois, la même liste refait surface : traducteurs, journalistes, conseillers clientèle, juristes, comptables, développeurs débutants. Elle est présentée comme le verdict des « études les plus récentes ». Ces études existent, elles sont sérieuses, et elles sont citées de travers.

Le problème n’est pas l’exagération. Il est plus précis : ces travaux mesurent l’exposition — la part des tâches d’un métier qu’un modèle de langage pourrait prendre en charge. Ils ne mesurent pas les emplois supprimés. Leurs auteurs l’écrivent noir sur blanc.

Or il existe, depuis un an, des séries de données qui comptent de vrais postes. Elles racontent une histoire différente, plus étroite et beaucoup plus inquiétante que la liste des métiers condamnés — parce que l’effet qu’elles mesurent est presque invisible aujourd’hui, et arithmétiquement irrattrapable demain.

Ce que ces classements mesurent, et ce qu’ils ne mesurent pas

L’étude fondatrice s’appelle GPTs are GPTs. Publiée en mars 2023 par Tyna Eloundou, Sam Manning et Pamela Mishkin (OpenAI) avec Daniel Rock (université de Pennsylvanie), elle établit qu’environ 80 % des travailleurs américains pourraient voir au moins 10 % de leurs tâches affectées, et 19 % au moins la moitié. Ce sont les deux chiffres qui alimentent, depuis trois ans, la quasi-totalité des listes.

« Affectée » ne veut dire ni supprimée, ni dégradée. Le papier évalue si un modèle peut réduire d’au moins moitié le temps nécessaire à une tâche, à qualité constante. Une tâche accélérée peut supprimer un poste ; elle peut aussi libérer son titulaire pour autre chose, ou faire baisser le prix du service au point d’en augmenter la demande. Rien dans la méthode ne permet de trancher.

Le classement le plus repris aujourd’hui vient de Microsoft Research (Working with AI, juillet 2025), construit à partir de 200 000 conversations réelles avec Copilot. Il attribue à chaque métier un « score d’applicabilité ». En tête : interprètes et traducteurs, avec 0,49, pour une couverture de tâches de 0,98. Suivent les historiens, les commerciaux de services, les écrivains, les conseillers clientèle, les opérateurs téléphoniques, les journalistes.

Cette liste-là circule partout. La phrase qui l’accompagne dans le papier, beaucoup moins : un score d’applicabilité élevé ne signifie pas qu’un métier sera éliminé, et les données ne montrent qu’une IA puisse exercer intégralement une seule de ces professions.

L’âge réel des « études les plus récentes »

C’est la vérification la plus simple, et la plus rarement faite.

Deux distorsions reviennent systématiquement. Le chiffre du FMI est tronqué : le rapport de janvier 2024 parle de 40 % des emplois dans le monde et 60 % dans les économies avancées, mais Kristalina Georgieva a immédiatement précisé qu’environ la moitié de ces emplois exposés pourraient en bénéficier par gain de productivité. Quant à la prévision Gartner, elle est citée à la mauvaise date et à contresens : il s’agit de plus de 500 millions d’emplois nets créés pour accompagner les déploiements d’IA, à l’horizon 2036.

Aucune de ces sources n’a été conçue pour répondre à la question « mon métier va-t-il disparaître ». Toutes sont utilisées pour cela.

Les seules données qui comptent de vrais postes

Une équipe compte de vrais salaires, chaque mois, sur données administratives : Erik Brynjolfsson, Bharat Chandar et Ruyu Chen, au Stanford Digital Economy Lab. Leur papier Canaries in the Coal Mine? s’appuie sur les fiches de paie du plus gros prestataire de paie américain. Pas de déclarations d’employeurs, pas de projections.

Dans la version du 13 novembre 2025, le résultat central est un recul relatif de l’emploi de 16 % chez les 22-25 ans dans les métiers les plus exposés à l’IA générative, une fois neutralisés les chocs propres à chaque entreprise. La première version, en août 2025, mesurait 13 % : l’effet s’est renforcé, pas dissipé.

Trois éléments de ce travail comptent davantage que le chiffre lui-même.

L’emploi des travailleurs expérimentés du même métier ne bouge pas. Ce n’est donc pas le métier qui recule. C’est une classe d’âge à l’intérieur du métier.

L’ajustement passe par l’emploi, pas par les salaires. Les entreprises n’ont pas baissé les rémunérations : elles ont cessé d’ouvrir des postes. Le mécanisme n’est pas le licenciement, c’est l’arrêt de l’embauche. Un jeune ne perd pas son poste — il ne le trouve pas. C’est précisément pourquoi le phénomène ne produit ni plan social, ni conflit social, ni statistique visible.

Le recul se concentre là où l’IA automatise plutôt qu’elle n’assiste. Développeurs débutants et conseillers clientèle sont dans le premier cas. Les aides-soignants, eux, voient leur emploi croître plus vite chez les jeunes que chez les seniors.

Le contrepoint : à l’échelle du pays, rien n’est visible

Ce résultat doit être lu avec son contradicteur, sous peine d’alarmisme. Le Budget Lab de Yale suit les mêmes questions sur les données de l’enquête emploi américaine et conclut qu’aucune disruption généralisée n’est mesurable depuis la sortie de ChatGPT : la répartition des travailleurs entre métiers fortement, moyennement et faiblement exposés est restée stable, et les chômeurs ne présentent pas de sur-exposition à l’IA. Yale relève un marché « à faibles flux » début 2026 — peu de licenciements, peu d’embauches — sans l’attribuer à l’IA.

Les projections officielles vont dans le même sens tempéré. Le Bureau of Labor Statistics américain projette pour les conseillers clientèle une baisse de 5 % entre 2024 et 2034, en citant explicitement l’automatisation — mais 341 700 postes à pourvoir chaque année sur la décennie, les départs à la retraite et les changements de métier dominant très largement l’effet technologique. Pour les parajuristes, la projection est une quasi-stabilité, avec une croissance « limitée par les avancées technologiques, dont l’intelligence artificielle ».

Ces deux lectures ne se contredisent pas. Elles se complètent : rien de visible à l’échelle macroéconomique, un effet net et localisé sur une population précise. C’est exactement la signature d’un phénomène en début de course — et c’est aussi ce qui le rend facile à ignorer.

Le seul métier où l’effet est réellement chiffré

La traduction est le cas d’école, et le seul où une élasticité a été estimée. Les travaux disponibles associent chaque point de pourcentage supplémentaire d’usage de la traduction automatique à un ralentissement d’environ 0,7 point de la croissance de l’emploi de traducteur, soit de l’ordre de 28 000 postes non créés entre 2010 et 2023.

Le mot important est « non créés ». Ce ne sont pas des licenciements, et le marché mondial de la traduction ne s’est pas effondré. Ce qui s’est déplacé, c’est la valeur : elle se concentre sur les segments à responsabilité engagée — juridique, médical, financier — et sur la révision de sorties automatiques. Les enquêtes professionnelles européennes indiquent qu’une large majorité de traducteurs perçoit l’IA comme une menace, et qu’un tiers déclare avoir déjà perdu des contrats.

Autrement dit, le métier le plus haut placé dans tous les classements d’exposition depuis 2023 n’a pas disparu en trois ans. Il s’est refermé par le bas.

Ce que les entreprises annoncent, et ce que dit le volume

Aux États-Unis, l’IA est devenue la première raison citée dans les annonces de suppressions de postes, quatre mois consécutifs jusqu’en juin 2026, selon Challenger, Gray & Christmas. En juin, sur 45 849 suppressions annoncées, 14 029 étaient attribuées à l’IA, soit 31 %. Sur le premier semestre, le cumul atteint 101 743 suppressions liées à l’IA — environ 23 % du total — et 173 568 depuis 2023.

Le contexte est indispensable. Le total des suppressions annoncées au premier semestre 2026 s’établit à 443 604, en baisse de 40 % sur un an (744 308 au premier semestre 2025). La part de l’IA progresse donc dans un volume qui recule. Le secteur technologique concentre à lui seul 139 156 suppressions, en hausse de 83 %.

Surtout, il s’agit d’un motif déclaré par l’employeur, pas d’une cause établie. Nous avons documenté ailleurs pourquoi ce motif est commode — entre restructurations héritées du sur-recrutement post-Covid et accueil favorable des marchés financiers : c’est l’objet de notre analyse sur le retournement des licenciements « à cause de l’IA ».

En France : le même signal, mesuré sur les offres

L’INSEE a publié le 13 mai 2026 les chiffres du premier trimestre : chômage global à 8,1 %, en hausse de 0,2 point. Chez les 15-24 ans, 21,1 % — en repli de 0,4 point sur le trimestre, mais en hausse de 2,0 points sur un an. Aucune de ces variations n’est attribuée à l’IA par l’INSEE, et il serait malhonnête de le faire à sa place : conjoncture, coût de l’apprentissage et recul de l’alternance pèsent lourd.

Le travail français le plus utile est celui de Philippe Aghion, Antonin Bergeaud, Simon Bunel et Paul Delbouve, publié en juillet 2025 à partir de plus de 120 millions d’offres d’emploi diffusées en France depuis 2019. Son résultat est à double détente : les entreprises les plus exposées à l’IA recrutent nettement plus de spécialistes depuis l’arrivée de ChatGPT, leur productivité et leur chiffre d’affaires progressent, et leur emploi total augmente — mais avec un recul relatif des créations dans les métiers les plus exposés, au profit des métiers qui le sont moins. La diffusion reste très concentrée : informatique, finance, conseil, grandes entreprises pionnières, zones d’emploi abritant des pôles de recherche.

Un signal complémentaire, plus discret, vient des exigences affichées dans les annonces : selon des travaux de PwC relayés en France, les offres destinées aux juniors stagnent dans les secteurs fortement exposés, tandis que les annonces pour des postes équivalents réclamant un niveau intermédiaire ou confirmé progressent nettement depuis 2019. Le poste ne disparaît pas : son ticket d’entrée monte.

Les métiers que personne n’arrive à pourvoir

L’enquête Besoins en main-d’œuvre de France Travail recense 2,28 millions de projets de recrutement pour 2026, dont 43,8 % jugés difficiles. Les taux de difficulté les plus élevés dessinent une liste que les classements d’exposition à l’IA ne croisent jamais : couvreurs-étanchéistes au-delà de 80 %, maçons et coffreurs au-delà de 78 %, plombiers-chauffagistes au-delà de 75 %, aides à domicile et en établissement au-delà de 72 %, conducteurs routiers au-delà de 70 %, infirmiers au-delà de 68 %.

Ces métiers partagent une propriété simple : présence physique, responsabilité engagée, environnement non standardisé. C’est exactement ce que les systèmes actuels ne savent pas faire — au point que certaines plateformes ont entrepris de louer des humains pour exécuter les tâches physiques que l’IA ne peut pas accomplir.

Le vrai critère n’est pas le métier, c’est la tâche

C’est la conclusion commune à tous ces travaux, et elle invalide la logique même du classement par profession.

L’Anthropic Economic Index publié le 24 mars 2026, construit sur les usages réels de Claude en février 2026, estime que 49 % des métiers ont vu au moins un quart de leurs tâches réalisées via le modèle, les métiers de l’informatique et des mathématiques représentant à eux seuls 35 % des conversations. Presque tous les métiers sont donc touchés quelque part — ce qui retire mécaniquement toute valeur discriminante à une liste des « métiers concernés ».

La question utile est ailleurs : dans votre travail, l’IA exécute-t-elle une tâche du début à la fin, ou assiste-t-elle une tâche dont vous restez responsable ? Le premier cas supprime des heures facturables ; le second déplace le contenu du poste. Nous avons vu ce basculement à l’œuvre chez les développeurs, dont une partie glisse déjà vers un rôle de superviseur, et dans les outils qui sortent du code pour prendre en charge des tâches de bureau entières.

Dans 1 an (2027) : la frontière du « junior » remonte

Pour se projeter, il faut un indicateur qui mesure ce que les systèmes savent réellement faire, pas ce que leurs éditeurs annoncent. Le plus honnête disponible est celui de METR, un laboratoire indépendant d’évaluation : la durée d’une tâche qu’un modèle peut mener seul avec 50 % de réussite. Dans la version 1.1 publiée le 29 janvier 2026, sur une suite portée à 228 tâches, cet horizon atteint environ 320 minutes pour le meilleur modèle évalué, soit plus de cinq heures. Le temps de doublement est de 196 jours sur l’ensemble de la période, mais de 89 jours si l’on ne retient que les données depuis 2024.

METR accompagne ces chiffres de réserves explicites, qu’il faut reprendre : les intervalles de confiance restent très larges, seules 5 des 31 tâches longues disposent d’un temps humain réellement mesuré, et la tendance est sensible à la composition de la suite.

Ce qui est bien étayé. Si la tendance se prolonge, même en retenant l’hypothèse basse de sept mois, l’horizon de tâche autonome passe d’une demi-journée à environ une journée de travail courant 2027. Or la journée de travail cadrée, répétable et vérifiable est très exactement la définition d’un poste de débutant. La pression ne portera pas sur « les traducteurs » ou « les juristes » : elle portera sur le premier échelon de ces métiers, comme elle le fait déjà.

Ce qui est plausible mais incertain. Une extension du phénomène au-delà de la tech et du service client, vers les fonctions administratives, la comptabilité de premier niveau et la production de contenu standardisé. La bascule dépendra moins de la capacité technique que de la confiance : un agent qui échoue une fois sur deux à cinq heures de travail ne remplace personne sans supervision — et cette supervision coûte du temps de senior.

Ce qui relève de la spéculation. La disparition d’un métier identifiable, une hausse mesurable du chômage global imputable à l’IA, ou l’inverse — une vague de créations nettes visible dès 2027. À un an, aucune de ces trois hypothèses n’est étayée.

Dans 2 ans (2028) : l’année où la note arrive

2028 est l’échéance que se donnent les dirigeants de laboratoires, et c’est surtout le moment où la dépense devra rencontrer un revenu. C’est aussi l’année où deux effets contradictoires arriveront à maturité en même temps.

D’un côté, la mécanique de substitution continue. Si les déploiements agentiques tiennent leurs promesses, les fonctions d’exécution intermédiaires — celles qui occupent aujourd’hui deux à cinq ans d’expérience — deviennent à leur tour concernées. Les agents qui agissent seuls sur des systèmes réels et les assistants installés en permanence dans l’environnement de travail ne sont plus des démonstrations : ils sont en cours de généralisation.

De l’autre, le contrecoup arrive. Les entreprises qui ont cessé de recruter des débutants en 2024, 2025 et 2026 auront, en 2028, un trou de trois ou quatre promotions dans leurs effectifs intermédiaires. Ce n’est pas une prédiction technologique, c’est de l’arithmétique de cohorte : un professionnel confirmé de 2032 est un débutant recruté en 2026. Aucune technologie ne comprime les années d’expérience, et aucun budget ne rachète une compétence qui n’a jamais été transmise.

Ce qui est bien étayé pour 2028. Le maintien de la divergence entre stock d’emplois — stable — et flux d’entrée — dégradé. C’est le seul mécanisme que trois sources indépendantes mesurent déjà.

Ce qui est plausible mais incertain. Une correction du marché : si la moitié des projets d’IA en entreprise continue de ne produire aucun retour mesurable, une partie des suppressions justifiées par l’IA sera silencieusement réembauchée, comme cela a déjà commencé. Une tension inverse sur les profils intermédiaires est également crédible, avec inflation salariale sur les rares confirmés disponibles.

Ce qui relève de la spéculation. Une politique publique qui reconstituerait l’échelon d’entrée — quota d’alternance conditionné, obligation de formation, incitation fiscale ciblée. Rien de tel n’est aujourd’hui sur la table en France, ni ailleurs en Europe. Pour une lecture à plus long terme, nous avons publié une projection distincte à un, deux et cinq ans sur l’ensemble du secteur.

Le risque dont personne ne parle vraiment

Résumons le mécanisme complet, parce qu’il est contre-intuitif et que c’est ce qui le rend dangereux.

L’IA ne supprime pas des métiers : elle supprime les tâches d’apprentissage. Relire un contrat type, corriger un bug simple, traiter une demande client standard, traduire un document sans enjeu, produire un premier jet — ce sont des tâches à faible valeur ajoutée pour l’employeur, et à très forte valeur formatrice pour celui qui les exécute. Elles constituaient l’école du métier. Elles sont exactement celles qu’un modèle exécute correctement aujourd’hui.

Une entreprise rationnelle les automatise. Chaque décision, prise isolément, est justifiée. L’agrégat, lui, ne l’est pas : le secteur cesse de fabriquer les professionnels dont il aura besoin, et le coût n’apparaît dans aucun bilan avant plusieurs années.

C’est ce qui distingue ce phénomène d’une vague d’automatisation classique. Une machine-outil qui remplace un ouvrier produit un conflit immédiat, visible, mesurable, négociable. Un poste junior qui n’est jamais ouvert ne produit rien du tout : pas de licenciement, pas de statistique, pas d’interlocuteur. Le coût est réel, mais il est différé — et il est payé par des personnes qui n’ont pas voix au chapitre, parce qu’elles ne sont encore les salariées de personne.

Ce que ça change concrètement

Si vous êtes en poste depuis plusieurs années, aucune donnée disponible ne documente un risque spécifique lié à votre métier. Le signal mesuré ne vous concerne pas — il concerne les postes que votre employeur n’ouvrira pas, et à terme la charge de supervision qui vous reviendra.

Si vous entrez sur le marché, le risque est réel et il porte sur l’accès, pas sur la compétence. Les métiers où l’IA exécute des tâches complètes offrent moins de postes juniors, alors même que ces postes restent la seule voie d’accès à l’expérience qui vous sera réclamée trois ans plus tard. La stratégie qui découle des données : viser les fonctions où l’IA assiste sans exécuter, et les environnements où la responsabilité engagée reste humaine.

Si vous recrutez, l’usage d’un système d’IA pour trier des candidatures, sélectionner ou décider d’une promotion relève des systèmes à haut risque au sens du règlement européen, avec les obligations de documentation et de supervision humaine correspondantes — un calendrier dont nous avons détaillé les aménagements successifs.

Si l’on vous vend une formation pour « échapper aux métiers menacés », demandez sur quelle donnée repose la liste. Dans la plupart des cas, la réponse remonte à un tableau d’exposition théorique de 2023. Nous avons testé ce que valent ces offres dans nos enquêtes sur les promesses de revenus grâce à l’IA et sur les formations à près de 2 000 €.

Enfin, si vous voulez suivre les capacités réelles des modèles plutôt que leurs annonces, notre classement IA est mis à jour en continu, avec des vues dédiées aux agents de code et au rapport coût-performance — les deux dimensions qui décident, en pratique, de ce qu’une entreprise automatise.

Ce que Le Recul retient

Les listes de métiers menacés ne sont pas fausses : elles répondent à une autre question que celle qu’on leur pose. Elles classent l’exposition des tâches, mesurée en 2023, 2024 et 2025, et non les emplois perdus.

Les données d’emploi réelles convergent vers un phénomène plus étroit et plus précis. À l’échelle de l’économie, rien de visible — c’est la conclusion de Yale, et le Forum économique mondial anticipe même un solde net positif de 78 millions d’emplois d’ici 2030. À l’échelle d’une classe d’âge, un recul net et documenté : −16 % chez les 22-25 ans dans les métiers les plus exposés, sans mouvement chez leurs collègues expérimentés, et par gel des embauches plutôt que par licenciement. En France, le même signal apparaît sur les offres d’emploi, sans recul de l’emploi total.

Le risque documenté en 2026 ne porte donc pas sur des métiers, mais sur des débuts de carrière — et par ricochet, à trois ou quatre ans, sur la disponibilité des professionnels confirmés que ces débuts auraient produits. C’est un problème différent, avec des réponses différentes, et il reste mal posé tant qu’on continue de le traiter comme une liste de professions condamnées.

La bonne question n’est pas « mon métier est-il sur la liste ? ». Elle est : « dans mon métier, qui apprendra encore le travail dans cinq ans ? »

Le chiffre à retenir

16 %. C’est le recul relatif de l’emploi des 22-25 ans dans les métiers les plus exposés à l’IA générative, mesuré sur les données de paie américaines par le Stanford Digital Economy Lab. Sur la même période, dans les mêmes métiers, l’emploi des travailleurs expérimentés est resté stable — et c’est cette stabilité, plus que la baisse, qui indique où le problème se situe réellement.