Agents IA et emploi : ce que disent vraiment les données

Les agents IA peuvent contribuer à supprimer des emplois, mais les données disponibles au 24 octobre 2026 ne démontrent pas une disparition généralisée du travail. Elles montrent des gains de productivité dans certains contextes, une réorganisation des tâches et des signaux de fragilisation de certains recrutements. Pour comprendre le lien entre IA et emploi, il faut distinguer ce qu’un système pourrait automatiser, ce qu’une entreprise automatise réellement et les conséquences pour ses salariés.

Une tâche exposée n’est pas un emploi supprimé

Un métier rassemble des activités différentes : produire un document, vérifier une information, négocier une exception, expliquer une décision. Qu’une IA réussisse une partie de ce travail ne signifie pas qu’elle puisse prendre en charge l’ensemble du poste, avec ses contraintes et sa responsabilité.

Dans son indice mondial publié le 20 mai 2025, l’Organisation internationale du travail estime qu’un travailleur sur quatre exerce une profession présentant une certaine exposition à l’IA générative. La catégorie d’exposition la plus élevée représente 3,3 % de l’emploi mondial. L’OIT souligne que la transformation des emplois est plus probable que leur remplacement intégral.

Ces chiffres décrivent un potentiel technique évalué à partir des tâches. Ils ne mesurent ni des licenciements observés, ni la proportion de postes qui disparaîtra à une échéance donnée.

Indicateur	Ce qu’il mesure	Ce qu’il ne permet pas de conclure
Exposition	Recouvrement entre tâches professionnelles et capacités de l’IA	Que l’entreprise utilisera cette technologie
Adoption	Utilisation effective dans une organisation	Que cette utilisation apporte un gain net
Productivité	Production obtenue avec des ressources données	Que les effectifs diminueront dans la même proportion
Emploi	Postes occupés, recrutements et départs	Que toute variation est causée par l’IA

La définition d’un agent IA ajoute une distinction : il peut enchaîner des actions avec des outils. Cependant, une mesure d’exposition à la génération de texte ne mesure pas automatiquement sa capacité à exécuter tout un processus métier.

La productivité peut progresser sans baisse proportionnelle des effectifs

L’étude Generative AI at Work, publiée en février 2025, examine l’introduction progressive d’un assistant conversationnel auprès de 5 172 salariés du support client. La productivité, mesurée en problèmes résolus par heure, augmente de 15 % en moyenne.

Les résultats diffèrent selon les personnes : les salariés moins expérimentés ou initialement moins performants bénéficient davantage de l’assistance. Les plus expérimentés enregistrent de faibles gains de vitesse et de petites baisses de qualité. Ce résultat concerne un dispositif d’assistance dans un contexte précis, pas le remplacement autonome d’un service entier.

Un gain de productivité n’est pas un taux de suppression d’emplois. Une entreprise peut employer la capacité libérée pour réduire une file d’attente, améliorer ses horaires, traiter davantage de demandes ou diminuer ses besoins de recrutement.

Elle peut aussi décider de réduire ses effectifs. Le résultat dépend notamment de la demande, des coûts d’intégration et du niveau de qualité exigé : il ne découle pas mécaniquement de la performance technique.

Prenons un exemple hypothétique de gestion documentaire. Si l’extraction des informations devient plus rapide, mais que chaque dossier nécessite encore une vérification approfondie, le gain sur cette étape ne correspond pas au gain sur le dossier complet.

Notre article sur les agents IA pour le service client aide à examiner ce périmètre. L’unité pertinente reste le service correctement rendu, pas le nombre de réponses générées.

Les observations de l’emploi donnent des résultats contrastés

Au Danemark, Anders Humlum et Emilie Vestergaard rapprochent des enquêtes d’adoption et des données administratives. Leur document de travail révisé en mars 2026 ne détecte pas d’effet moyen significatif sur les revenus ou les heures enregistrées ; leurs estimations écartent des effets supérieurs à 2 % dans la fenêtre étudiée, deux ans après le lancement public des chatbots concernés.

Ils observent néanmoins une réorganisation du travail et de nouvelles tâches liées à l’IA. L’absence d’effet moyen sur ces indicateurs ne signifie donc pas absence de changement, ni garantie pour les années suivantes.

Aux États-Unis, le tableau diffère. Dans la révision du 12 août 2026 de leur étude sur les jeunes travailleurs, Erik Brynjolfsson, Bharat Chandar et Ruyu Chen analysent des données de paie allant jusqu’à juin 2026. Dans les professions exposées, l’emploi des personnes âgées de 22 à 25 ans se situe 19 % sous la trajectoire qu’il aurait suivie en évoluant comme celui de leurs pairs moins exposés.

L’écart passe principalement par une réduction des embauches. Les auteurs présentent ces résultats comme des indicateurs descriptifs précoces, sans établir une estimation causale ; ils signalent notamment des tendances antérieures et des différences entre sources statistiques.

Ces études portent sur des pays, des populations et des indicateurs différents. Elles peuvent donc coexister : une moyenne relativement stable peut masquer une détérioration de l’accès à certains postes.

Pour un jeune candidat, une embauche qui n’a pas lieu constitue un effet concret, même sans vague visible de licenciements.

Les nouvelles études imposent de réviser les conclusions

Une étude danoise plus récente apporte un autre éclairage. Le document de travail publié par Danmarks Nationalbank le 16 septembre 2026 compare des données d’adoption en entreprise avec des données mensuelles d’emploi.

Les auteurs estiment que les entreprises ayant adopté l’IA en 2023 présentent, vers la fin de 2025, une croissance de l’emploi inférieure de 11 % relativement aux non-adoptantes. Les effets se concentrent dans les petites entreprises et passent surtout par des recrutements moins nombreux. Selon cette étude, l’emploi à l’échelle de l’économie reste jusqu’alors relativement peu affecté.

Ce chiffre ne signifie pas que ces entreprises ont supprimé 11 % de leurs postes. Il concerne un écart de croissance de l’emploi entre groupes. Il ne mesure pas non plus l’effet spécifique des seuls agents autonomes.

La date des outils étudiés compte également. Une expérience randomisée de METR publiée en juillet 2025 avait constaté un temps de réalisation supérieur de 19 % avec assistance IA, auprès de 16 développeurs expérimentés accomplissant 246 tâches sur des projets familiers.

Cependant, dans sa mise à jour du 24 février 2026, METR indique que les outils plus récents accélèrent probablement davantage le travail. Des biais de sélection empêchent d’en mesurer solidement l’ampleur.

Citer seulement le ralentissement historique pour décrire les outils d’octobre 2026 serait donc trompeur. Une étude reste informative si l’on conserve son contexte, sa période et ses limites.

Ce que les agents changent dans le raisonnement

Une grande partie des résultats précédents concerne l’IA générative au sens large ou des assistants. Les transposer directement aux agents serait un raccourci : leur effet sur l’emploi doit être mesuré dans les organisations qui les déploient.

La différence fonctionnelle est expliquée dans notre article agent IA ou chatbot. Pour l’emploi, l’enjeu est le passage d’une aide ponctuelle à la prise en charge d’un ensemble d’étapes : consulter un dossier, préparer une réponse, mettre à jour un logiciel et signaler les exceptions.

Cette extension peut rendre davantage de travail automatisable. Elle ajoute aussi des besoins de contrôle : permissions, cohérence entre logiciels, traitement des erreurs et reprise humaine lorsqu’une situation sort du cadre prévu.

Un scénario hypothétique de facturation l’illustre. Un agent prépare des relances à partir des paiements enregistrés ; une personne traite les litiges, les informations manquantes et les arrangements commerciaux. L’organisation peut réduire le temps administratif sans faire disparaître tout le rôle.

Le solde dépend du travail restant et du travail nouvellement créé. La supervision peut absorber une partie des économies, tandis qu’une intégration fiable peut permettre de traiter davantage de dossiers avec une équipe identique ou réduite.

Le principe d’un humain dans la boucle mérite donc d’être décrit concrètement : qui vérifie, à quel moment et avec quelle capacité d’intervention ? Un bouton de validation ne suffit pas à établir la qualité du contrôle.

Le guide de déploiement des agents en entreprise permet de cadrer ces choix avant de leur associer un objectif d’effectifs.

Qui supporte le risque, et qui bénéficie des gains ?

Le débat ne se résume pas au nombre total de postes. Il concerne aussi l’accès aux premières missions, la progression professionnelle, les revenus et la répartition du travail entre salariés et prestataires.

Les observations américaines sur les jeunes travailleurs justifient une vigilance particulière envers les portes d’entrée dans les métiers. Si une entreprise automatise les tâches simples, elle doit aussi se demander comment les débutants acquerront l’expérience nécessaire pour traiter les situations complexes.

Cela ne prouve pas que tous les postes juniors soient menacés. C’est un risque organisationnel à examiner : retirer les tâches d’apprentissage peut fragiliser la formation des futurs professionnels, même lorsque les effectifs expérimentés restent stables.

Le raisonnement vaut également pour les missions externalisées. Dans une entreprise donnée, une baisse des commandes confiées à des indépendants pourrait précéder une modification des effectifs salariés. Pour apprécier sa propre situation, il faut donc regarder les volumes de missions autant que les annonces de recrutement.

Du côté des salariés, apprendre à utiliser un outil peut aider, sans constituer une assurance contre les suppressions de postes. La connaissance du domaine, la vérification des résultats et la capacité à expliquer une décision restent des critères utiles pour organiser une formation.

Du côté des employeurs, la question porte aussi sur l’usage des gains : capacité supplémentaire, réduction des délais, amélioration de la qualité ou économies de personnel. Ces objectifs devraient être explicites.

Les outils IA classés par métier aident à repérer des usages possibles. Leur disponibilité ne constitue pas une preuve de rentabilité ni une prévision de l’emploi.

Mesurer un déploiement sans confondre vitesse et économie

Pour une PME, la démarche la plus utile consiste à observer un processus réel avant de généraliser. Le guide d’évaluation des agents IA propose de partir de tâches représentatives et de critères de réussite explicites.

Commencez par documenter le fonctionnement actuel : temps nécessaire, qualité obtenue, dossiers en attente et interventions requises. Comparez ensuite des tâches de difficulté semblable, en comptant tout le travail humain autour de l’agent.

Les indicateurs à suivre sont complémentaires :

• Le temps complet : préparation, exécution, vérification et corrections.
• La qualité finale : exactitude, dossiers acceptés et réclamations.
• La charge déplacée : travail supplémentaire pour les collègues ou les clients.
• Les coûts complets : logiciel, intégration, formation et maintenance.
• L’évolution du travail : missions transformées, recrutements, départs et prestations externes.

Évitez de convertir immédiatement du temps gagné en postes supprimables. Des minutes dispersées entre plusieurs fonctions ne deviennent pas nécessairement un poste entier disponible à la suppression.

Interrogez aussi la durée du gain. Un premier résultat satisfaisant peut dépendre d’un périmètre étroit, de données propres ou d’un soutien technique difficile à maintenir à plus grande échelle.

Enfin, distinguez le constat et la décision. Mesurer une économie de temps est un résultat opérationnel ; choisir de réduire les effectifs, de former ou d’augmenter le service relève de la stratégie de l’entreprise.

À retenir

• L’exposition d’un métier à l’IA mesure un potentiel technique ; elle ne prédit pas directement des suppressions de postes.
• Les gains de productivité varient selon les tâches, les personnes et les outils étudiés.
• Les données récentes invitent à surveiller les recrutements, notamment l’entrée des jeunes dans certaines professions exposées.
• Les effets propres aux agents doivent être évalués sur des processus complets, avec les coûts de contrôle et les conséquences pour le travail.

Questions fréquentes

Les agents IA vont-ils supprimer mon emploi ?

Aucune étude ne permet de prédire le devenir d’un poste individuel à partir de son seul intitulé. Examinez les tâches réellement déléguées, les recrutements de votre entreprise et les compétences nécessaires pour contrôler le travail produit.

Quels métiers sont les plus exposés à l’IA ?

L’indice de l’OIT publié en mai 2025 place les fonctions administratives parmi les plus exposées. Cette exposition décrit des possibilités techniques sur certaines tâches, avec des différences selon les organisations ; elle ne constitue pas un calendrier de disparition des métiers.

Faut-il se reconvertir à cause de l’IA ?

Une décision de reconversion mérite des éléments propres à votre secteur : offres disponibles, évolution des missions et possibilités de formation. Apprendre à vérifier des résultats automatisés peut être utile, mais une formation à un outil précis ne garantit ni emploi ni progression salariale.

Comment savoir si l’IA améliore vraiment la productivité ?

Comparez des travaux de difficulté semblable, avec un niveau de qualité identique. Comptez la préparation, les vérifications et les corrections, puis observez si le temps libéré sert effectivement à produire davantage ou à améliorer le service.