IA et emploi : le FMI alerte sur 40 % des métiers
Le FMI estime que 40 % des emplois mondiaux sont exposés à l’IA. Découvrez les risques pour les jeunes actifs et les décisions à prendre dès maintenant.
IA et emploi : pourquoi les jeunes actifs pourraient être les premiers touchés
L'intelligence artificielle stimule la croissance mondiale, mais tout le monde n'en profite pas de la même façon. C'est le constat que Kristalina Georgieva, directrice générale du Fonds monétaire international (FMI), a rappelé lors des réunions annuelles du FMI et de la Banque mondiale à Bangkok. D'après ses estimations, l'IA pourrait toucher environ 40 % des emplois dans le monde, et jusqu'à 60 % dans les économies avancées. Dans ce scénario, les jeunes qui entrent sur le marché du travail figurent parmi les premiers exposés : l'automatisation progresse surtout là où les tâches sont répétitives, souvent présentes dans les postes de début de carrière.
Le chiffre mérite qu'on s'y arrête, mais il ne veut pas dire que quatre emplois sur dix vont disparaître. Il parle d'exposition à l'IA : certaines missions changent, certaines compétences sont moins demandées, et, dans certains cas, des postes sont supprimés. Pour les entreprises françaises et européennes, la vraie question n'est donc pas de tenter de deviner combien de métiers seraient « condamnés ». Elle consiste plutôt à repérer ce qui bouge concrètement : quelles tâches évoluent, où se créent les gains de productivité, et comment préparer les équipes à la transition.
Ce que signifie vraiment l'estimation du FMI
Le FMI estime que l'intelligence artificielle pourrait concerner environ 40 % des emplois à l'échelle mondiale. Dans les économies avancées, cette part pourrait atteindre environ 60 %, contre près de 23 % dans les pays à faible revenu. Ces écarts ne veulent pas dire que les travailleurs des pays les moins riches seraient « mieux protégés ». Le FMI précise que l'IA y est aujourd'hui simplement moins présente, faute d'accès suffisant aux infrastructures, aux outils et aux compétences nécessaires.
Exposition ne veut pas dire disparition
Un emploi peut être exposé à l'IA sans être supprimé. Un outil peut prendre en charge une partie des tâches, accélérer un travail ou aider à produire une première version, tout en laissant à une personne la vérification, la relation client ou la décision finale. À l'inverse, si l'essentiel de la valeur d'un poste repose sur des tâches très standardisées et faciles à contrôler, l'entreprise aura parfois moins besoin de recruter pour les effectuer.
C'est important pour lire les chiffres. Une estimation d'exposition n'est pas une prévision directe du chômage : elle indique plutôt que certaines tâches ou compétences associées à un emploi risquent d'être modifiées. Ensuite, tout dépend du secteur, de la façon dont l'entreprise déploie les outils, de la qualité des données et du coût (réel) du contrôle des productions.
Dans un cabinet comptable, par exemple, un assistant peut utiliser un outil pour classer des documents ou repérer des écarts. Résultat : on gagne du temps sur la saisie. Mais l'entreprise ne peut pas pour autant se passer de la vérification des pièces, de l'interprétation des anomalies ou de l'explication au client. Si l'organisation change réellement son processus, le poste évolue. Si elle ajoute un outil « par-dessus » sans revoir les responsabilités, elle risque surtout d'ajouter une étape de contrôle supplémentaire.
Des effets différents selon les tâches
L'IA n'impacte pas un métier entier comme un bloc. Elle s'attaque à des activités précises : rédaction de brouillons, synthèse de documents, traitement de demandes récurrentes, génération de code ou recherche d'informations. Dans une même fonction, certaines tâches peuvent être automatisées, d'autres assistées, et d'autres encore resteront très dépendantes du jugement humain, de la responsabilité et du contexte.
Pour les directions, l'analyse la plus utile se fait donc au niveau des tâches, pas uniquement à partir d'une liste de professions « menacées ». Concrètement, il faut regarder :
- la part du temps consacrée aux opérations répétitives ;
- la facilité à vérifier les résultats ;
- le coût d'une erreur et la responsabilité associée ;
- la qualité des données disponibles ;
- le besoin d'interaction humaine ou de connaissance du contexte.
On peut lire la prise de parole du FMI rapportée par Decrypt et suivre la publication des perspectives économiques mondiales du FMI. Et rester prudent : l'estimation décrit une tendance macroéconomique, pas un calendrier de transformation identique pour chaque entreprise.
Pourquoi les jeunes actifs sont en première ligne
Kristalina Georgieva décrit l'IA comme un « tsunami à évolution lente » et prévient que les jeunes entrant sur le marché du travail pourraient être touchés en premier. L'explication tient en partie à la façon dont sont conçus les postes de début de carrière : ils incluent souvent des tâches cadrées, répétées et réalisées sous supervision - produire une première version, rechercher des informations, répondre à des demandes simples, vérifier des éléments ou rédiger des comptes rendus.
Ce sont aussi les tâches sur lesquelles les outils d'IA générative progressent rapidement. À Singapour, le président Tharman Shanmugaratnam a indiqué lors du même échange que la demande pour les premiers emplois destinés aux diplômés diminuait déjà. Ce signal ne suffit pas à conclure à une tendance universelle, mais il pointe un risque concret : certaines organisations pourraient réduire les recrutements juniors avant même d'avoir repensé les parcours de formation.
Le risque de supprimer l'étape où l'on apprend
Un poste débutant ne sert pas seulement à produire. Il sert aussi à comprendre un secteur, à repérer les exceptions et à construire un jugement professionnel. Si les tâches « simples » disparaissent ou sont confiées à un outil, les entreprises devront expliquer comment les nouveaux salariés acquerront ces compétences autrement.
C'est un sujet très opérationnel, pas seulement social. Un professionnel expérimenté ne se forme pas « tout seul » : il a souvent appris en réalisant des tâches de base, puis en comprenant pourquoi certains cas sortaient de la procédure. En supprimant ces étapes sans prévoir de parcours alternatif, on peut réduire les recrutements à court terme, tout en fragilisant la transmission des savoir-faire à moyen terme.
Pour les jeunes candidats, le message n'est donc pas « ne faites pas ces études » ou « ne visez pas ce secteur ». Il est plus pragmatique : il faut apprendre à utiliser les outils, mais aussi à vérifier les résultats, à comprendre d'où viennent les données et à traiter les cas qui ne rentrent pas dans un modèle standard. Savoir se servir d'un outil deviendra vite courant. En revanche, repérer une réponse fausse ou mal adaptée restera bien plus difficile à automatiser.
Ce que les employeurs doivent mesurer
Une baisse des recrutements juniors peut venir de plusieurs causes : ralentissement économique, réorganisation, changement de stratégie, automatisation. Les entreprises ne devraient donc pas attribuer automatiquement chaque variation à l'IA. Elles ont plutôt intérêt à suivre des indicateurs plus fins : volume de recrutements par niveau d'expérience, évolution des tâches confiées aux débutants, temps de supervision, et qualité du travail rendu.
La question décisive est simple à formuler : l'IA améliore-t-elle vraiment la capacité des équipes à produire un travail de qualité, ou sert-elle surtout à réduire les effectifs sans maintenir l'apprentissage ? Dans le second cas, les économies immédiates peuvent être compensées par davantage d'erreurs, une dépendance accrue à quelques spécialistes, et des difficultés à recruter des profils confirmés dans la durée.
Une croissance portée par l'IA, mais inégalement répartie
Le FMI insiste aussi sur le poids macroéconomique de l'investissement dans l'IA. Malgré un choc énergétique qui pèse sur de nombreux pays, Kristalina Georgieva estime que ces dépenses contribuent à maintenir la croissance mondiale autour de 3 %. Dans les économies avancées, l'adoption de l'IA pourrait ajouter entre 0,5 et 1 point de croissance par an ; dans les économies émergentes, l'effet envisagé se situerait entre 0,2 et 0,8 point.
Ces chiffres restent des estimations, pas une promesse. Un point de croissance de plus peut compter, mais seulement si l'investissement se traduit par une hausse durable de la productivité. Acheter des serveurs, souscrire des abonnements ou lancer des expérimentations ne suffit pas : la valeur dépend de l'intégration dans les processus, de l'adoption par les équipes, et de la capacité à maintenir la qualité du service.
La chaîne d'approvisionnement concentre déjà des bénéfices
Les retombées ne concernent pas uniquement les entreprises qui utilisent des modèles d'IA. Elles touchent aussi les économies qui fabriquent des composants et des équipements. Selon la mise à jour des perspectives du FMI publiée en juillet, Taïwan, la Corée du Sud, la Thaïlande et la Malaisie - principaux exportateurs nets de matériel lié à l'IA - ont dépassé en moyenne de 4,4 % les prévisions de croissance annualisée du premier trimestre. La Corée du Sud a notamment enregistré un rythme de 7,5 %, contre 1,8 % anticipé par le Fonds en avril.
La directrice générale du FMI a aussi indiqué à Singapour que les produits liés au matériel et aux technologies de l'IA représentent désormais plus d'un dixième du commerce mondial de biens. Elle estime par ailleurs que les investissements dans l'IA pourraient dépasser, en part du PIB mondial, ceux engagés pour construire les chemins de fer ou les réseaux électriques. La comparaison donne une idée de l'ampleur, mais elle ne dit pas encore si chaque investissement sera rentable.
Pour l'Europe, la question industrielle est concrète : qui capte réellement les gains - les entreprises qui conçoivent les outils, les fournisseurs d'infrastructure, ou celles qui utilisent la technologie pour améliorer leurs opérations ? La réponse dépend surtout de la capacité à développer des compétences, des produits et des usages compétitifs, plutôt que de consommer la technologie sans changer la chaîne de valeur.
Le coût d'un déploiement précipité
Le boom de l'IA peut aussi produire des effets moins visibles. Georgieva a averti que la construction des infrastructures contribue aux tensions inflationnistes, et que des résultats commerciaux décevants peuvent se répercuter sur les marchés. Elle note également que de grandes entreprises du secteur ont fortement emprunté pour financer leurs investissements. Si les revenus attendus ne se matérialisent pas, la correction ne toucherait pas seulement les fournisseurs d'outils : elle peut aussi amener leurs clients à revoir dépenses et projets.
Le FMI rappelle enfin que la croissance pourrait rester inégale. Dans son scénario de juillet, la progression mondiale atteignait 3 % en 2026, après 3,5 % en 2025, dans un contexte où la guerre au Moyen-Orient faisait monter les prix de l'énergie. Autrement dit : une économie tirée par l'investissement dans l'IA ne « comble » pas automatiquement les difficultés de pays qui ne disposent pas de la même chaîne d'approvisionnement.
Conclusion : mesurer l'exposition avant de réagir
L'avertissement du FMI met surtout en évidence deux réalités qui se croisent : l'investissement dans l'IA soutient une partie de la croissance mondiale, mais les effets sur le travail et sur la répartition des revenus restent difficiles à cerner. Dans ce contexte, les jeunes actifs sont particulièrement vulnérables si les entreprises automatisent les tâches d'entrée de carrière sans préserver les occasions d'apprentissage.
Pour les organisations, la priorité est d'évaluer les tâches, tester les usages et mesurer le coût complet : erreurs, vérification et formation. Pour les salariés, l'enjeu est de développer une capacité à utiliser les outils et à juger la fiabilité des résultats. Pour les pouvoirs publics, il s'agit de ne pas confondre une adoption encore limitée avec une absence de risque.
L'IA ne transforme pas le travail « par décret ». Elle le transforme à travers des choix d'investissement et d'organisation, et aussi par la manière dont on conçoit les processus. Si vous préparez un projet, commencez par cartographier les tâches concernées et définir un indicateur de réussite. C'est, à mon sens, un point de départ bien plus solide qu'une promesse générale d'automatisation.
Comment les entreprises et les pouvoirs publics peuvent agir
Pour une entreprise, la bonne réponse n'est ni de bloquer l'IA, ni de l'imposer partout. L'approche la plus utile consiste à commencer par un cas d'usage concret, fixer un état de référence, puis vérifier si le changement améliore réellement le résultat. C'est ce qui permet de distinguer un gain opérationnel d'une démonstration séduisante, mais coûteuse à maintenir.
Évaluer les usages avant de généraliser
Une démarche pragmatique peut suivre cinq étapes :
Cette méthode compte particulièrement pour les usages qui touchent aux candidats, aux salariés ou aux clients. En Europe, le RGPD et le cadre réglementaire applicable aux systèmes d'IA exigent de traiter sérieusement les questions de données, de transparence et de responsabilité. Le recours à un modèle ne supprime pas la responsabilité de la décision : elle reste du côté de l'organisation.
Protéger la formation et les finances publiques
Quand une entreprise automatise certaines tâches, elle doit aussi dire ce qui remplace l'apprentissage associé. Cela peut passer par des exercices sur des cas réels, une rotation entre activités, du tutorat, ou des parcours où les juniors apprennent à contrôler et corriger les productions de l'IA. L'objectif n'est pas de conserver artificiellement chaque tâche, mais de garder une voie d'accès claire aux compétences et aux responsabilités.
Les pouvoirs publics ont, eux aussi, intérêt à anticiper. Si une partie des revenus se déplace du travail vers le capital, comme le souligne Georgieva, les recettes fiscales peuvent diminuer. Or les systèmes sociaux reposent largement sur les revenus du travail. Une transition qui modifie la répartition de la valeur peut donc demander des ajustements en formation, en protection sociale et dans le financement des services publics.
Il faut aussi tenir compte des écarts d'accès à la technologie. Ajay Banga, président de la Banque mondiale, a évoqué un soutien à des outils d'IA plus légers, qui ne dépendent pas forcément des grands modèles de langage, et pensés pour l'agriculture, les soins ou l'éducation dans les marchés émergents. Le principe vaut ailleurs aussi : le « meilleur » outil est souvent celui qui répond au besoin dans les contraintes disponibles, pas nécessairement celui qui coûte le plus cher.
Pour les acteurs français, cela implique de relier la stratégie IA aux besoins métiers, aux compétences disponibles et aux contraintes de conformité. Des dispositifs publics comme ceux de Bpifrance peuvent aider pour certaines démarches d'innovation, mais un financement ne remplace pas la validation du besoin. Là encore, le point de départ reste le même : savoir quel problème on veut résoudre et comment on saura si l'outil l'a vraiment résolu.