Aucune destruction massive d'emplois attribuable à l'IA n'apparaît dans les données. C'est le premier des six constats d'une étude de Stanford parue en août 2026, et c'est celui que tout le monde oublie de citer. Sur des millions de fiches de paie américaines suivies jusqu'en juin 2026, l'emploi global progresse, même dans le cinquième de métiers le plus exposé à l'intelligence artificielle. Le choc est ailleurs, et il est précis. Chez les 22-25 ans des deux cinquièmes les plus exposés, l'emploi a reculé d'environ 11 % en trois ans et sept mois, pendant que la même tranche d'âge gagnait environ 10 % dans les métiers peu exposés.
Agence digitale à Paris depuis 1999, nous vendons du contenu, du référencement et de l'automatisation. Autant dire que nous sommes au milieu du sujet, pas à côté. Chaque chiffre attribué ici à l'étude a été relevé dans le document lui-même, le seul qui vienne d'ailleurs est signalé comme tel. Et nous disons aussi ce qu'elle ne prouve pas, y compris ce qui nous dérange.
Si vous hésitez en ce moment à remplacer un départ, à ouvrir un poste junior ou à confier à un outil ce que faisait une personne, ce qui suit vous concerne directement.
Ce que disent des millions de fiches de paie
Les auteurs sont Erik Brynjolfsson, de Stanford et du NBER, Bharat Chandar et Ruyu Chen, de Stanford. Leur matière première, ce sont les données de paie du prestataire ADP, de novembre 2022 à juin 2026, soit du mois de la sortie de ChatGPT jusqu'à cet été. Pas un sondage d'opinion, pas une projection, des bulletins de salaire.
Variation de l’emploi entre novembre 2022 et juin 2026
Quatre mesures, pas quatre parts d’un tout. La première englobe les trois autres, et une seule descend sous zéro.
Lecture, l’emploi des 22-25 ans recule d’environ 11 % dans les deux cinquièmes de métiers les plus exposés à l’IA pendant qu’il progresse d’environ 10 % dans les trois cinquièmes les moins exposés, soit vingt et un points d’écart sur la même génération. Source, Brynjolfsson, Chandar et Chen, version d’août 2026, données de paie ADP, recherche soutenue par le Stanford Digital Economy Lab.
Regardez la première barre avant les autres. L'emploi moyen de l'échantillon progresse de 6 % sur la période, et le cinquième de métiers le plus exposé à l'IA progresse quand même de 4 %. Si vous cherchiez la preuve d'une destruction massive d'emplois par l'IA, elle n'est pas là, et les auteurs le disent en premier fait sur six.
Croisez maintenant l'exposition avec l'âge, et la lecture change. Les 22-25 ans des deux cinquièmes de métiers les plus exposés perdent environ 11 %, ceux des trois cinquièmes les moins exposés gagnent environ 10 %. Vingt et un points d'écart sur la même génération, au même moment, dans la même économie. L'effet décroît ensuite avec l'âge sans disparaître d'un coup, il reste mesurable chez les 26-30 ans et s'efface au-delà.
Ce que l'étude ne dit pas, et qui compte autant
Les auteurs s'appellent eux-mêmes des canaris dans la mine. Ils présentent des indicateurs descriptifs précoces, pas des estimations causales. Voici les réserves avec leur grandeur, parce que sans grandeur une réserve ne sert à rien.
Quand on tient compte du niveau de diplôme, l'effet est divisé par deux, et sur l'un des deux échantillons il cesse d'être statistiquement significatif. Les auteurs écrivent que les estimations avec et sans ce contrôle encadrent une fourchette, autrement dit la vraie valeur est quelque part entre les deux. Certaines divergences existaient déjà avant l'arrivée des IA génératives. Et surtout, l'écart mesuré dans les grandes enquêtes nationales américaines est six fois plus petit que dans l'échantillon ADP, avec un intervalle de confiance qui contient zéro. Les auteurs concluent eux-mêmes que l'ampleur de la divergence semble propre à leur échantillon.
Un résultat encore, que nous n'avons vu repris nulle part et qui concerne directement qui recrute. Les auteurs mesurent un recul moyen plus marqué chez les jeunes femmes que chez les jeunes hommes, qu'ils rattachent à une présence plus forte dans les métiers exposés en repli. Ils précisent aussitôt qu'une moyenne ne dit rien d'un cas particulier.
Un dernier point que nous n'avons vu cité nulle part. ADP fournit les données et soutient financièrement le laboratoire de Stanford au titre de son programme d'affiliation d'entreprises, et dispose d'un droit de relecture du papier pour éviter la divulgation d'informations confidentielles. C'est écrit dans le document, en fin de texte. Ça n'invalide rien, ça se sait.
Les auteurs ont même revu leur façon de compter. Leurs versions précédentes mettaient en avant des estimations statistiques plus sophistiquées, un recul relatif de 13 % sur les données de juillet 2025 puis 16 % sur celles de septembre 2025. Ils ont fini par retenir la mesure la plus simple, celle qui ne demande aucun choix de modèle, et par cette mesure l'écart est passé de 15 % en juillet 2025 à 19 % en juin 2026. Disons-le comme eux, la mesure retenue donne un chiffre plus gros, pas plus petit, et ils la retiennent quand même parce que les estimations précédentes bougeaient trop selon la façon de préparer les données. Un chercheur qui explique ça de lui-même a de bonnes chances de dire vrai sur le reste.
Ils ont aussi essayé de faire tomber leur propre résultat. L'écart tient quand on retire les entreprises technologiques et les métiers de l'informatique, quand on tient compte de la hausse des taux d'intérêt, quand on tient compte du télétravail, et quand on change de méthode de mesure de l'exposition à l'IA. Ce n'est donc pas un effet de la crise du secteur tech.
Le signal est net, il est traçable, et il ne prouve pas que l'IA a causé la baisse. Il dit où regarder. Dans votre entreprise, la cause, c'est vous.
Le mécanisme est silencieux, et c'est ce qui le rend dangereux
Le quatrième fait de l'étude est celui que nous trouvons le plus utile, et il n'a rien de spectaculaire. L'écart se creuse principalement par une baisse des embauches de jeunes, et non par une hausse des départs. Précision qui compte, l'étude compte des entrées et des sorties d'effectifs, elle ne compte pas des annonces publiées. Ce qu'elle mesure, ce sont donc des embauches qui n'ont pas eu lieu, et non des postes dont on saurait qu'ils n'ont jamais été ouverts.
Un licenciement est un acte formel. Il a une date, un nom, un coût, et un entretien dont personne ne sort content. La non-embauche, elle, ne ressemble à rien. On ne publie pas l'annonce, on laisse le budget partir ailleurs, et le départ à la retraite du mois prochain, on l'absorbe. Personne n'a signé quoi que ce soit, donc personne ne pourra revenir dessus.
C'est ce que nous entendons chez nos clients, et c'est ce qui nous a décidés à écrire cet article. La phrase revient telle quelle. On ne va pas reprendre quelqu'un, l'IA fait déjà une bonne partie du travail. Elle n'est jamais fausse. Elle n'a juste jamais été écrite nulle part.
La vraie ligne de partage n'est pas le métier, c'est l'usage
Le cinquième fait est le moins repris et le plus utile. Il ne dit pas que les métiers exposés à l'IA perdent des emplois. Il dit que le recul se concentre dans les professions où l'usage mesuré de l'IA remplace surtout des tâches humaines, et pas dans celles où il vient en complément.
Là où l'usage relevé est surtout de la substitution, l'emploi des jeunes recule. Là où il est surtout du complément, l'emploi est stable ou en hausse, et cette hausse profite surtout aux salariés expérimentés. Une réserve s'impose. Ce classement compare des métiers entre eux, à partir d'un relevé d'usage agrégé par profession. Il ne suit pas un même métier sous deux régimes, et il n'observe aucune entreprise en particulier. Le pas que nous franchissons ensuite est le nôtre, pas celui des auteurs, et le voici en clair, si l'écart se creuse là où l'outil remplace et pas là où il assiste, alors ce que vous faites de l'outil compte davantage que le métier où tombe le poste.
Cette frontière se mesure, et le chiffre qui suit ne vient pas de l'étude de Stanford mais d'une autre source, l'Anthropic Economic Index, rapport de janvier 2026. Il classe les conversations avec le modèle en deux familles, celles où l'humain fait faire et celles où il travaille avec. Sur les conversations de la semaine du 13 au 20 novembre 2025, la famille collaborative pesait 52 % et la famille automatisation 45 %. Précision utile, chaque famille regroupe plusieurs types d'échanges, la délégation pure n'est qu'un des deux motifs comptés dans les 45 %. Ce chiffre mesure comment des gens se servent d'un assistant, pas ce que des entreprises décident de leurs postes, et nous ne le présentons pas autrement. Il établit une chose quand même, le partage entre remplacer et augmenter n'est pas une notion molle, il se compte.
Ce que ça change quand vous dirigez vingt personnes
Avertissement honnête avant d'aller plus loin. Cet échantillon sur-représente les grandes entreprises, il contient très peu de sociétés de moins de dix salariés, il sur-représente aussi les métiers très exposés à l'IA, et les auteurs appellent explicitement à ne pas extrapoler leurs résultats à l'économie entière. Une PME française de vingt personnes n'y est donc pas représentée. Ce qui suit n'est pas une prédiction sur votre entreprise, c'est une question à vous poser avant que la réponse se donne toute seule.
Vous n'allez pas classer vos postes en quintiles d'exposition, vous n'avez pas de service RH pour ça, et ce n'est pas ce que nous vous proposons. Trois questions suffisent à situer un poste, et elles se posent en une demi-heure autour d'un café.
| La question | Ce qu'elle vous dit |
|---|---|
| Ce que fait cette personne est-il écrit quelque part ? | Une procédure explicite ne prouve pas qu'un outil fera le travail, elle permet de le tester sérieusement, et c'est déjà beaucoup. Restent la qualité du résultat, les exceptions et le coût du contrôle. À l'inverse, quand l'essentiel s'apprend en regardant quelqu'un pendant des mois, il n'y a rien à donner à l'outil au départ. Sentir qu'un client va partir, arbitrer entre deux mauvaises options, savoir quelle règle ne pas appliquer aujourd'hui, rien de tout ça n'est écrit nulle part. |
| Est-ce par ce poste qu'on entre dans le métier chez vous ? | C'est la question que personne ne pose, et la plus chère à ignorer. Un poste peut être très exposé et rester le chemin par lequel quelqu'un finit par détenir le savoir que personne n'a écrit. Le fermer ne se voit pas dans les comptes de l'année. Le risque arrive plus tard, au moment de recruter quelqu'un d'expérimenté, et il dépend entièrement des autres parcours de formation dont vous disposez. Si vous n'en avez pas d'autre, celui-là est votre seul. |
| L'outil ferait-il ce travail à la place de la personne, ou avec elle ? | Répondez tâche par tâche, jamais globalement, c'est là que se joue toute la différence. Et gardez en tête que l'étude mesure cet écart entre professions et pas entre entreprises, chez vous la réponse dépend de ce que vous faites de l'outil, pas de la catégorie où tombe le poste. |
Le croisement des deux premières donne une zone à traiter avec précaution, le poste dont le contenu est écrit et qui sert en même temps de porte d'entrée. C'est là que la décision se prend toute seule, parce que le gain est immédiat et visible pendant que le coût arrive dans cinq ans et n'a le nom de personne.
Notre métier est dans la ligne de mire, disons-le
Il serait confortable d'écrire cet article comme si nous regardions le phénomène de l'extérieur. Ce n'est pas le cas. Écrire une première version de texte, mettre en forme, trier une boîte de contact, tout cela est exactement ce que l'IA fait bien. Et c'est une bonne partie du travail d'un junior en agence.
Nous automatisons donc les tâches et pas les postes. Le temps ainsi libéré finance du travail que nous ne faisions pas avant, de la vérification et du terrain, et pas une ligne de salaire en moins. Et un contenu qui sort de chez nous passe toujours entre les mains de quelqu'un qui sait juger, parce qu'une équipe qui ne produit plus rien elle-même perd assez vite la capacité de voir qu'un livrable est mauvais. Nous écrivons d'ailleurs régulièrement sur ce que vaut un contenu produit par IA face à un contenu écrit, et le constat est constant, ce qui manque n'est jamais la fluidité, c'est le fait vérifié et l'expérience réelle.
Nous ne prétendons pas que ce soit la seule position tenable. Nous disons qu'elle est écrite, qu'elle est datée, et que nous pouvons revenir dessus. C'est tout l'intérêt d'écrire une décision plutôt que de la laisser se prendre par accumulation de petits arbitrages pressés.
Par où commencer, sans rien réorganiser
Commencez par regarder ce qui s'est déjà passé sans vous.
- Listez les postes que vous n'avez pas rouverts depuis dix-huit mois. Pas ceux que vous avez supprimés, ceux que vous n'avez pas rouverts. Pour chacun, écrivez en trois lignes pourquoi. Si vous n'arrivez pas à l'écrire, c'est que la décision n'a jamais été prise, elle s'est installée.
- Repérez celui qui servait de porte d'entrée. Dans la liste précédente, cherchez le poste par lequel les gens entraient dans le métier chez vous. Puis répondez à une seule question, par où entre-t-on maintenant. Répondre nulle part est une réponse acceptable, à condition de l'avoir écrite et de savoir ce qu'elle coûtera.
- Faites une tâche centrale sans l'outil, une fois par mois. Pas par nostalgie, pour garder l'œil qui juge. Le jour où l'outil se trompe, quelqu'un chez vous doit être capable de le voir.
Le modèle, huit lignes qui suffisent
Écrire pourquoi ne rend pas une décision réexaminable. Il y faut un nom, une date et le signal qui la rouvrira. Voici ce que nous remplissons nous-mêmes, et ce que nous donnons à nos clients quand ils nous le demandent. Un poste par fiche, rédigée avant d'agir et jamais après.
| La ligne | Ce qu'on y met |
|---|---|
| Poste | L'intitulé réel, celui qu'emploient les gens, pas celui de la fiche RH. |
| Décidé par | Un nom de personne. Un service ne décide pas, quelqu'un décide. C'est la ligne qui empêche la décision de se prendre toute seule. |
| Ce que fait vraiment ce poste | Trois tâches, en langage ordinaire. |
| Ce qui reste à faire par un humain | Après l'outil. Chiffrez le temps, même approximativement. C'est ce chiffre qui dira dans six mois si vous aviez vu juste. |
| Ce qu'on a envisagé et écarté | Les autres options et la raison du refus. Sans cette ligne, la fiche ne sert plus à rien dans trois mois, personne ne saura ce qui avait été pesé. |
| Ce que ça ferme | Si ce poste était une porte d'entrée, par où entre-t-on maintenant. Répondre « nulle part » est une réponse acceptable, à condition d'être écrite. |
| Date de révision | Une vraie date. Sans elle, rien ne se rouvre jamais. |
| Ce qui rouvrirait la décision avant cette date | Un signal précis et observable. Un délai de traitement qui double, une réclamation client sur ce qui sort de l'outil, un départ imprévu. C'est la ligne la plus utile et celle qu'on oublie toujours. |
Huit lignes, dix minutes. Le jour où quelqu'un demandera pourquoi ce poste n'existe plus, vous aurez une réponse, et surtout vous saurez si elle tient encore.
FAQ, l'IA et l'emploi des débutants
L'IA détruit-elle des emplois en France ?
L'étude de Stanford porte sur des données de paie américaines et ne mesure pas le marché français. Son échantillon sur-représente d'ailleurs les grandes entreprises et les métiers très exposés, et les auteurs déconseillent d'en extrapoler les résultats à l'économie entière. Son premier constat est qu'aucune destruction massive d'emplois n'est observable, l'emploi progresse même d'environ 6 % dans l'échantillon entre novembre 2022 et juin 2026. Ce qui recule, c'est l'emploi des 22-25 ans des deux cinquièmes de métiers les plus exposés, d'environ 11 % sur la même période. Les auteurs présentent ces résultats comme des indicateurs précoces et descriptifs, pas comme la preuve d'une causalité.
Quels métiers sont les plus exposés à l'IA ?
La réponse surprend, et nous l'avons vérifiée dans les annexes du document plutôt que de la deviner. En tête du cinquième le plus exposé, par effectif, on trouve les dirigeants d'entreprise, les chargés de relation client, les cadres, les comptables, les spécialistes RH, les commerciaux et les développeurs de logiciels système. À l'autre bout, dans le cinquième le moins exposé, ce sont les manutentionnaires, le personnel d'entretien et les opérateurs de machine. L'exposition mesurée ici porte donc sur le travail de bureau en général, sièges de direction compris, et pas seulement sur les tâches d'exécution. Retenir que le jugement protège serait une lecture confortable et fausse, ce qui protège dans ces données, c'est d'abord le travail manuel.
Faut-il arrêter de recruter des juniors ?
C'est précisément la décision que cet article vous invite à écrire plutôt qu'à laisser s'installer. L'étude montre que l'écart se creuse principalement par une baisse des embauches plutôt que par une hausse des départs, donc la question se pose bien à l'entrée. Elle montre aussi que là où l'IA complète les personnes au lieu de les remplacer, l'emploi tient. Avant de ne pas rouvrir un poste, vérifiez s'il était le chemin par lequel on entre dans le métier chez vous, et si c'est le cas, sachez par où on entrera désormais.
Comment savoir si une tâche est vraiment automatisable ?
Deux conditions doivent être réunies. L'information de départ doit exister sous forme de fichier, de message ou d'enregistrement, un outil ne devine rien de ce qui n'a jamais été saisi. Et la règle de décision doit pouvoir s'expliquer en quelques phrases à un nouvel arrivant. Si l'une des deux manque, le sujet n'est pas mûr, et une mécanique posée sur une source floue coûte plus cher à surveiller que la tâche qu'elle remplace.
Si l'IA fait les tâches ingrates, ne peut-on pas former les juniors autrement ?
C'est l'objection la plus sérieuse et elle mérite mieux qu'un non. Oui, une partie de ce qu'un débutant apprenait en exécutant s'apprend maintenant plus vite, et lui faire refaire à la main ce qu'un outil fait en dix secondes ne forme personne. Ce que l'exécution donnait, en revanche, c'est le nombre de cas vus. On ne reconnaît un dossier bizarre que parce qu'on en a traité deux cents normaux. Un junior qui ne voit que des résultats déjà produits apprend à les valider, pas à sentir quand ils sont faux. Deux réponses tiennent la route, garder un volume de cas traités à la main même réduit, ou faire relire au débutant ce que l'outil produit en lui demandant de dire ce qui cloche, ce qui revient à fabriquer du cas vu. Ce qui ne tient pas, c'est de supprimer le poste en supposant que la compétence s'acquerra ailleurs toute seule.
Où lire l'étude complète ?
Elle est en accès libre sur le site du Stanford Digital Economy Lab, sous le titre Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, signée Erik Brynjolfsson, Bharat Chandar et Ruyu Chen, version d'août 2026. Les auteurs maintiennent aussi un tableau de bord public qui suit l'écart métier par métier, mis à jour au fil des nouvelles données.
Un poste à trancher, un process à revoir ?
Agence digitale à Paris depuis 1999. Nous automatisons ce qui doit l'être et nous vous disons ce qui doit rester humain, tâche par tâche, avec le calcul devant vous. Que vous cherchiez à libérer du temps sur des tâches répétitives ou à décider d'un poste, on regarde votre cas réel avant de parler d'outil. Devis gratuit sous 48h.
Contactez-nous au 01 43 13 23 70