Modéliser la transition de l’emploi liée à l’IA
La plupart des discussions sur l’IA et l’emploi commencent par une question simple : quels emplois l’IA peut-elle exercer?
Cette question est importante, mais elle ne suffit pas à prévoir ce qui arrivera aux travailleurs. Une technologie peut accomplir de nombreuses tâches d’une profession sans pour autant éliminer la profession elle-même. Plusieurs raisons peuvent expliquer cela. Les humains peuvent rester essentiels parce que les clients veulent une interaction humaine, que les institutions exigent une responsabilité humaine ou que le travail requiert une présence physique et du jugement. Ou encore, une baisse des coûts peut stimuler la demande au point de faire croître l’emploi dans un secteur plutôt que de le réduire, même si l’IA accroît la productivité des travailleurs.
Le cadre de transition de l’emploi liée à l’IA d’OpenAI propose une nouvelle façon d’envisager ces possibilités. Plutôt que de voir l’exposition technique comme une prévision des pertes d’emploi, il pose trois questions :
L’IA peut-elle accomplir une part importante des tâches de la profession?
Une personne reste-t-elle essentielle pour effectuer le travail, le superviser ou en assumer la responsabilité?
Si l’IA réduit le coût du service, la demande augmentera-t-elle assez pour absorber les gains de productivité?
Appliqué à 921 professions couvrant environ 148 millions d’emplois aux États-Unis, ce cadre brosse un portrait plus nuancé de la transition du marché du travail. Environ 18 % des emplois présentent un risque d’automatisation relativement élevé, 24 % seront probablement réorganisés, 12 % pourraient croître avec l’IA et 46 % connaîtraient moins de changements immédiats.
Ces catégories ne prédisent pas la disparition d’un pourcentage précis d’emplois. Elles indiquent où différents types de changements pourraient apparaître en premier.
Emplois à risque d’automatisation plus élevé : Cette catégorie pourrait comprendre les commis à la saisie de données, les télévendeurs, les correcteurs d’épreuves et certains postes en tenue de livres ou en administration. Le travail consiste surtout à traiter, à vérifier ou à communiquer des renseignements normalisés, des tâches que l’IA peut de plus en plus accomplir sans qu’une personne fournisse directement le service final. La demande pour ces activités pourrait ne pas croître assez pour compenser les gains de productivité qui en résultent.
Ces emplois méritent une surveillance étroite, surtout là où ils sont concentrés géographiquement ou lorsque les travailleurs ont peu de possibilités d’accéder à des postes connexes. Même dans ces cas, les capacités techniques ne se traduisent pas automatiquement ni immédiatement par des pertes d’emploi. Les employeurs doivent encore revoir les processus de travail, intégrer l’IA aux systèmes existants, gérer les erreurs et les risques réglementaires, et déterminer si l’automatisation coûte vraiment moins cher que de continuer à employer des gens.
Emplois qui seront réorganisés : Un deuxième groupe, plus vaste, devrait être réorganisé plutôt que disparaître. Les avocats, les comptables, les développeurs de logiciels, les analystes financiers et les enseignants en sont des exemples plausibles. L’IA peut déjà rédiger des contrats, résumer des éléments de preuve, préparer des analyses financières, écrire du code et créer du matériel pédagogique. Mais les clients et les institutions ont toujours besoin de personnes pour exercer leur jugement, assumer la responsabilité des décisions, comprendre les cas inhabituels et nouer des relations avec des collègues, des élèves ou des clients.
L’IA peut permettre à chaque avocat d’examiner plus de documents, à chaque développeur de produire plus de code ou à chaque enseignant de préparer du matériel plus personnalisé. Cela pourrait réduire la main-d’œuvre nécessaire à certaines activités, mais les professions elles-mêmes restent fondamentalement humaines. L’enjeu central devient la refonte des emplois : quelles tâches sont déléguées à l’IA, lesquelles restent aux travailleurs, et si les postes de début de carrière et les parcours professionnels offrent toujours des occasions d’apprendre.
Emplois qui croissent avec l’IA : Il s’agit d’emplois où l’IA peut réduire les coûts assez pour stimuler la demande. On y trouve notamment les tuteurs, les conseillers en santé mentale, les conseillers en finances personnelles et certains professionnels de la santé. Ces services sont actuellement coûteux ou difficiles d’accès pour bien des gens. Dans ces domaines, une productivité accrue ne signifie pas nécessairement moins de travailleurs. Un tutorat plus abordable pourrait inciter davantage de familles à y recourir. Des conseils financiers moins coûteux pourraient rendre un accompagnement personnalisé accessible aux ménages qui n’ont pas les moyens de se payer un conseiller. Les cliniciens épaulés par l’IA pourraient offrir davantage de suivis et de soins continus. Si la demande augmente assez, l’emploi total pourrait croître même si chaque travailleur devient plus productif.
Emplois connaissant moins de changements immédiats : Cette catégorie comprend de nombreux emplois dont les tâches principales restent physiques et doivent être effectuées sur place, comme les électriciens, les plombiers, les couvreurs, les manœuvres en construction et de nombreux travailleurs de la restauration. L’IA peut aider à gérer les horaires, les devis, la formation, les stocks ou les communications avec la clientèle, mais elle ne peut pas encore installer du câblage, réparer un tuyau, remplacer un toit ou préparer et servir un repas.
Ces professions ne seront pas à l’abri des effets de l’IA. Leurs tâches administratives et de gestion peuvent changer, et les progrès en robotique pourraient un jour étendre l’automatisation. Mais pour l’instant, leurs activités principales sont relativement peu exposées à l’IA fondée sur le langage, ce qui rend de grands changements moins probables à court terme.
Les premiers effets de l’IA se manifesteront probablement par des changements dans les tâches, les processus de travail et les compétences requises, avant la disparition complète de professions. En effet, l’utilisation réelle de l’IA est déjà plus élevée dans les professions jugées à plus grand risque d’automatisation. L’utilisation de ChatGPT est environ trois fois plus répandue dans les professions les plus à risque que dans l’ensemble de la main-d’œuvre.
Pourtant, l’évolution récente du chômage ne correspond pas exactement à l’exposition technique. Depuis le premier trimestre de 2024, le chômage a davantage augmenté dans certaines professions moins exposées que dans celles que le cadre classe comme les plus à risque face à l’IA. Cela ne prouve toutefois pas que l’IA n’a aucun effet sur le marché du travail. Le chômage par profession reflète de nombreux facteurs. Certains changements peuvent d’abord toucher l’embauche, les possibilités en début de carrière, les salaires ou la composition du travail plutôt que les mises à pied.
L’IA ne détermine pas un avenir du travail unique et inévitable. Les capacités techniques comptent, mais les institutions, la demande des consommateurs, les décisions des entreprises, la réglementation et la valeur durable de la participation humaine comptent aussi. Le cadre de transition proposé dans ce document suggère que différentes professions nécessiteront différentes interventions publiques.
Les emplois à risque élevé d’automatisation pourraient nécessiter des systèmes d’alerte précoce, une aide ciblée à l’adaptation et des plans de transition conçus localement.
Les emplois susceptibles d’être réorganisés pourraient nécessiter une mise à jour des formations, des normes professionnelles et des règles de dotation, ainsi que des attentes plus claires en matière de supervision humaine.
Les emplois pouvant croître pourraient bénéficier de politiques qui favorisent l’adoption de l’IA, élargissent l’accès aux services et préparent davantage de travailleurs à intégrer ces domaines.
Dans toutes les catégories, les responsables des politiques ont besoin de meilleures données en temps réel. Les statistiques traditionnelles sur le travail sont précieuses, mais elles évoluent souvent trop lentement pour saisir les changements dans les tâches, les attentes des employeurs et l’usage des technologies. Combiner les données sur l’emploi avec des mesures des capacités de l’IA et de son adoption réelle peut offrir un portrait plus actuel des secteurs où les pressions s’accumulent.
