On entend partout des grands chiffres sur l’IA et l’emploi. Des millions d’emplois concernés, menacés, supprimés… ou créés. C’est impressionnant, ça marque. Et pourtant, si on s’arrête au chiffre tout seul, on risque de le transformer en simple slogan.
Alors, comment faire pour ne pas se laisser embarquer trop vite ?
L’idée est simple : avant de réagir, on ralentit, et on se pose trois questions. Trois questions seulement. Mais elles changent tout.
La première, c’est la plus importante : que mesure exactement ce chiffre ?
Prenons un instant. Parce que beaucoup de confusions naissent là.
Certains chiffres parlent d’emplois « exposés » à l’IA. Ça sonne dramatique, non ? On imagine déjà des métiers entiers balayés. Mais ce n’est pas ça que ça veut dire. Un emploi exposé, c’est un emploi dans lequel une partie des tâches pourrait être automatisée ou transformée. Une partie seulement.
Autrement dit, emploi exposé ne veut pas dire emploi supprimé. C’est un point de départ pour réfléchir à la transformation du travail. Pas une preuve qu’un métier va disparaître du jour au lendemain.
Ensuite, vous voyez peut‑être passer des chiffres sur les emplois « déplacés » ou « menacés ». Là encore, ça peut faire peur. Mais ce sont souvent des projections. Elles décrivent des emplois qui pourraient être supprimés, réorganisés ou déplacés, selon certains scénarios.
Ce ne sont pas des pertes déjà observées. C’est important de garder ça en tête.
À l’inverse, on trouve aussi des chiffres sur les emplois créés par l’IA. Ils peuvent concerner des postes directement liés à l’IA, mais aussi des emplois autour des infrastructures et des services nécessaires pour la faire fonctionner.
Et là, un autre piège apparaît.
On aime bien parler de « solde net » d’emplois : positif, négatif… Ça a l’air clair. En réalité, on additionne des pertes et des gains. Et ce total peut cacher des choses très différentes.
Un pays ou un secteur peut afficher un solde global assez limité, alors que certains métiers perdent beaucoup d’emplois, et que d’autres en gagnent énormément. Le grand chiffre ne dit pas forcément qui perd, qui gagne, ni à quel rythme ça se passe.
On peut aussi croiser des chiffres sur la productivité. Là, l’idée est de mesurer si l’IA permet de produire plus, ou plus vite, avec la même quantité de travail. C’est utile. Mais ce n’est pas du tout la même chose qu’un chiffre sur l’emploi.
Un gain de productivité ne dit pas, en lui‑même, combien d’emplois seront créés ou supprimés. On aimerait bien que ce soit aussi simple, mais non.
Et ce n’est pas fini. D’autres données encore entrent dans le tableau : les offres d’emploi, le chômage. Les offres d’emploi peuvent montrer une hausse de la demande de compétences liées à l’IA. Le chômage, lui, décrit une situation plus globale du marché du travail.
Ces indicateurs ne se remplacent pas les uns les autres. Ils racontent chacun une partie de l’histoire. C’est pour ça que la première question – que mesure ce chiffre ? – est vraiment centrale.
Passons à la deuxième question : sur quel horizon ce chiffre est‑il construit ?
Un même nombre peut parler des prochaines années… ou d’un horizon comme 2030. Et là, ça change tout. Plus l’horizon est lointain, plus le résultat dépend d’hypothèses : sur la façon dont l’IA va se diffuser, sur les choix des entreprises, sur l’organisation du travail, sur la formation.
Deux chiffres qui ont le même ordre de grandeur n’ont donc pas le même poids, selon qu’ils décrivent une situation déjà en cours, ou bien une projection plus lointaine et plus incertaine.
Enfin, troisième question : quelle méthode a été utilisée ?
Deux études peuvent parler exactement du même sujet, et pourtant annoncer des résultats très différents. Pourquoi ? Parce qu’elles ne regardent pas la même chose, ou n’utilisent pas la même manière de compter.
Certaines études partent des tâches qui composent les métiers. D’autres utilisent des enquêtes, des projections, ou encore des données issues de plateformes d’emploi. Forcément, ça ne donne pas les mêmes chiffres.
Le bon réflexe, ce n’est donc pas de chercher « le » chiffre définitif qui résumerait tout. Ça n’existe pas.
Le bon réflexe, c’est de demander, à chaque fois : qu’est‑ce que ce chiffre mesure exactement ? Sur quel délai ? Et avec quelle méthode ?
À partir de là, on commence à lire ces grands nombres avec plus de calme, plus de précision. On résiste mieux aux slogans. Et on se donne une chance de vraiment comprendre ce que l’IA change, ou ne change pas, dans l’emploi.
