Emplois juniors et IA : ce que mesure le déficit de 19 %

Selon la mise à jour du Stanford Digital Economy Lab, l’emploi des 22–25 ans dans les métiers américains très exposés à l’IA se situe environ 19 % sous le niveau qu’il aurait atteint en suivant leurs pairs moins exposés : entre novembre 2022 et juin 2026, le premier groupe a reculé d’environ 11 %, tandis que le second progressait d’environ 10 %.

Ce chiffre ne signifie donc ni que l’IA a supprimé 19 % des emplois juniors, ni que tous les jeunes actifs ont subi cette baisse. Il s’agit d’un écart relatif descriptif, concentré sur une catégorie d’âge et des professions particulières; les données ne permettent pas d’en attribuer une part précise à l’IA générative.

Le dénominateur derrière les 19 %

Comparaison des trajectoires d’emploi des 22–25 ans entre métiers très exposés et moins exposés à l’IA aux États-Unis.

Le déficit compare deux trajectoires, et non l’effectif observé à son propre niveau de départ. Dans une reconstitution simplifiée, si les deux groupes commencent à l’indice 100, un recul de 11 % place les métiers très exposés à 89, tandis qu’une hausse de 10 % porte les autres à 110. Le rapport entre 89 et 110 est proche de 0,81 : le premier groupe se trouve donc environ 19 % sous le second.

Cette opération distingue trois mesures souvent confondues. La baisse brute du groupe exposé est proche de 11 %; le déficit relatif par rapport au groupe témoin atteint environ 19 %; la part de l’emploi américain supprimée par l’IA n’est pas calculée. Le résultat dépend ainsi du groupe de comparaison, de la période et du classement des professions par exposition.

Ce que l’étude compare réellement

L’analyse repose sur des données administratives de paie d’ADP aux États-Unis. Elle suit l’emploi selon l’âge et la profession, puis compare les trajectoires associées à différents degrés d’exposition potentielle à l’IA. Une forte exposition signifie que les tâches d’un métier peuvent être affectées par les capacités de ces outils; elle ne démontre pas que chaque employeur les utilise ni que chaque poste a été automatisé.

Le décrochage reste visible après l’exclusion des entreprises technologiques et des métiers informatiques, ainsi qu’avec des contrôles portant notamment sur le télétravail et l’exposition aux taux d’intérêt. Il diminue toutefois lorsque le niveau d’études est pris en compte, certaines tendances divergentes existaient avant la diffusion massive de l’IA générative et l’écart ressort plus fortement dans l’échantillon ADP que dans plusieurs références nationales.

Une autre méthode ne donne d’ailleurs pas nécessairement le même signal. Une analyse des offres d’emploi par la Fed de New York observe que le recul relatif des annonces dans les métiers exposés avait commencé avant ChatGPT et ne trouve pas de divergence claire entre annonces juniors et seniors. Cette différence ne réfute pas Stanford : les sources, les unités observées et les indicateurs ne sont pas les mêmes. Elle montre pourquoi une corrélation temporelle ne suffit pas à isoler un effet causal.

Le principal signal se situe dans les embauches

Un poste junior reste non remplacé tandis que ses tâches routinières passent dans un flux de travail assisté par l’IA.

La contraction observée semble provenir davantage d’entrées moins nombreuses que de départs plus fréquents. Un employeur peut réduire les ouvertures de postes, ne pas remplacer un salarié parti ou redistribuer certaines tâches sans procéder à une vague de licenciements. L’effectif junior baisse alors progressivement, même si les séparations restent stables.

Une étude distincte de Lee C. Tucker, fondée sur les données administratives du Census Bureau, renforce ce point sans mesurer exactement la même population : le document de travail du Center for Economic Studies porte sur les 22–24 ans et estime que l’emploi corrigé a reculé de 12 % pendant les dix trimestres suivant l’arrivée de ChatGPT dans le quintile de cellules secteur-État le plus exposé, principalement sous l’effet d’une diminution des embauches.

Les deux études ne doivent pas être fusionnées en une seule estimation. Stanford classe des professions et observe les 22–25 ans dans les données ADP; Tucker classe des cellules associant un secteur et un État dans les données publiques américaines. Leur convergence concerne surtout le canal des embauches, non une preuve commune que l’IA serait l’unique cause.

Automatisation et complémentarité : la distinction utile

Une procédure codifiée est automatisée tandis qu’un junior acquiert un savoir tacite par la pratique supervisée.

Le risque ne dépend pas seulement du nom du métier. Le signal est plus défavorable lorsque l’usage de l’IA tend à automatiser des tâches humaines; lorsque l’outil complète le travail, l’emploi apparaît plus stable ou progresse, notamment parmi les salariés expérimentés. Cette opposition rejoint celle entre savoir codifié et savoir tacite.

Le savoir codifié prend la forme de règles, de procédures et de contenus documentés : classer des dossiers, appliquer un format stable, produire une première synthèse ou transformer des informations structurées. Le savoir tacite s’acquiert davantage par la pratique, le mentorat et l’exposition à des situations ambiguës : comprendre un client, arbitrer entre des contraintes, coordonner plusieurs personnes ou assumer la qualité d’une décision.

Pour évaluer une offre junior, l’intitulé apporte donc moins d’information que la composition réelle du poste :

Le livrable principal suit-il une procédure stable et entièrement documentée ?
Quelles tâches exigent du contexte, du jugement ou une interaction avec un client ?
L’IA produit-elle directement le livrable, ou aide-t-elle le junior à le préparer et à le vérifier ?
Le poste comprend-il du mentorat et une progression vers des décisions plus complexes ?
La performance repose-t-elle seulement sur le volume, ou aussi sur la coordination et la responsabilité du résultat ?

Cette grille ne prédit pas la disparition d’un métier. Elle aide à distinguer un poste dont la valeur repose presque entièrement sur des tâches formalisées d’un poste qui donne accès aux situations nécessaires pour construire une expertise difficile à codifier.

Ce que les 19 % permettent — et ne permettent pas — d’affirmer

Le résultat établit un décrochage relatif chez de jeunes salariés américains occupant des professions très exposées à l’IA, avec un ajustement qui passe surtout par les embauches. Il ne mesure pas une baisse générale de l’emploi, ne couvre pas automatiquement les autres âges ou les marchés francophones et ne compte pas les postes individuellement supprimés par une technologie.

Surtout, le chiffre reste descriptif. Il est compatible avec un rôle de l’IA, mais aussi avec plusieurs forces concomitantes du marché du travail. La formulation rigoureuse est donc qu’un déficit relatif de 19 % est observé pour un groupe précis — pas que l’IA a détruit 19 % des emplois juniors.

Emplois juniors exposés à l’IA : le déficit atteint 19 %, pas toute l’économie