Aux États-Unis, l’emploi des 22-25 ans recule de 3,8 % par an dans les métiers les plus exposés à l’IA. Au même âge, dans les métiers les moins exposés, il progresse de 2 %. En France, il a chuté de 7,4 % en un an dans les activités informatiques. Le choc se concentre sur les emplois juniors, et il passe sous le radar de presque tous les indicateurs RH. Reste une question que peu de comités de direction acceptent de poser : d’où sortiront vos seniors de 2032 ?
Sommaire
- Le premier barreau de l’échelle se dérobe
- En France aussi, l’ajustement porte sur les moins de 30 ans
- Pourquoi l’IA atteint d’abord les tâches de début de carrière
- Un ralentissement des embauches plus qu’une vague de départs
- Ce que ces chiffres ne prouvent pas encore
- Le calcul d’AWS sur ses recrutements juniors
- Un effet inégal selon les métiers occupés
- Reconstruire un chemin d’apprentissage quand l’IA absorbe les tâches d’entrée
Le premier barreau de l’échelle se dérobe
Aux États-Unis, la ligne de fracture du marché du travail passe désormais par l’âge. Chez les 22-25 ans, l’emploi dans les professions les plus exposées à l’IA se contracte de 3,8 % par an, quand il croît de 2 % par an dans les professions les moins exposées. Tous âges confondus, la même donnée ne montre presque rien.
Ces chiffres viennent du Canaries Dashboard, un tableau de bord public tenu par le Stanford Digital Economy Lab avec ADP Research, branche économique du principal gestionnaire de paie américain [1]. Il s’appuie sur les paies de 25 000 entreprises, soit 4,6 millions de salariés dans plus de 730 métiers, jusqu’à avril 2026. Dernière mise à jour : 22 juillet 2026.
C’est l’écart entre les deux lectures qui doit vous intéresser. Tous salariés confondus, les métiers les plus exposés à l’IA ont reculé de 0,2 % sur un an à avril 2026, contre une croissance de 0,1 % pour les moins exposés. Autant dire rien. Découpez la même base par étape de carrière, et l’image change complètement : les 31-34 ans reculent de 1,7 % sur un an, les 35-40 ans progressent de 2 %. Nela Richardson, cheffe économiste d’ADP, résumait ce contraste le 16 juin 2026 : à l’échelle agrégée, l’effet de l’IA sur l’emploi reste modeste, mais mesuré par étape de carrière, « des différences spectaculaires apparaissent » [5]. Conclusion pratique pour une DRH : votre suivi d’effectifs global ne verra jamais passer le phénomène.
En France aussi, l’ajustement porte sur les moins de 30 ans
Le phénomène dépasse les États-Unis. En France, au quatrième trimestre 2025, l’emploi salarié des 15-29 ans hors alternants a reculé sur un an de 7,4 % dans les activités informatiques, de 5,8 % dans l’édition et de 3,7 % dans le conseil en gestion. Sur la même période, l’ensemble du secteur marchand non agricole reculait de 0,7 %.
Ces données proviennent d’un éclairage de la Note de conjoncture de l’Insee publié le 24 mars 2026, signé Raphaële Adjerad et Gaston Vermersch [3]. L’institut y examine les secteurs que la littérature identifie comme les plus exposés à l’IA, en isolant les tranches d’âge. Le résultat est sans ambiguïté : entre fin 2023 et fin 2025, l’emploi du secteur information-communication a baissé de 3,0 %, une baisse portée entièrement par les 15-29 ans hors alternants, qui y contribuent pour 3,8 points négatifs, quand les 30-54 ans contribuent pour 1,4 point positif.
Le contexte sectoriel explique pourquoi ces branches sortent en premier. Toujours selon l’Insee, 42 % des entreprises françaises de l’information-communication utilisaient l’IA en 2024, contre 10 % des entreprises françaises toutes activités confondues, et 49 % contre 13 % à l’échelle de l’Union européenne. Ces secteurs fonctionnent comme un poste d’observation. Ils montrent avec quelques années d’avance ce que les autres branches connaîtront à mesure que l’IA s’y installe. Si votre organisation n’est pas concernée cette année, la bonne question devient : dans combien de temps ?
Pourquoi l’IA atteint d’abord les tâches de début de carrière
Le mécanisme n’a rien de mystérieux. L’IA absorbe des tâches avant d’absorber des métiers, et les premières tâches qu’elle atteint sont celles qui ne demandent pas d’expérience : rechercher, résumer, mettre en forme, saisir, produire une première version. Ce sont exactement celles qu’on confie à quelqu’un qui débute.
Les travaux universitaires convergent. L’Insee cite une étude de Saeid Hosseini et Guy Lichtinger (Harvard, 2025) qui parle de « changement technologique biaisé par l’ancienneté » : à partir de CV et d’offres d’emploi entre 2015 et 2025, ils observent que dans les entreprises adoptant l’IA, l’emploi des jeunes se contracte nettement tandis que celui des profils expérimentés reste stable ou progresse [3]. L’IA se révèle substituable aux tâches de début de carrière et complémentaire aux travaux plus expérimentés.
La raison tient à ce qui protège un profil senior. Un salarié expérimenté a accumulé des savoirs difficiles à coder : la connaissance des clients, le sens de ce qui passera ou non en comité, la capacité à repérer qu’un résultat est plausible mais faux. Un débutant n’a pas encore ce capital. Sa valeur, dans les premiers mois, tenait largement à sa capacité d’exécution, c’est-à-dire précisément la couche que l’IA reproduit aujourd’hui. Le Canaries Dashboard ajoute une nuance qui mérite l’attention : le recul se concentre sur les métiers où l’IA sert à automatiser des tâches, et pas sur ceux où elle augmente le travail humain [1]. La façon dont vous déployez l’outil pèse donc autant que la décision de le déployer.
Un ralentissement des embauches plus qu’une vague de départs
Aucune de ces études ne décrit des licenciements massifs. L’ajustement passe par les entrées : les entreprises n’ouvrent plus les postes de début de carrière, ou les ouvrent en exigeant un niveau qu’un débutant ne peut pas avoir. Les effectifs baissent par non-remplacement, pas par départs contraints.
L’Insee est explicite : l’ajustement de l’emploi lié à l’IA « se concrétise d’abord par un ralentissement des entrées et des recrutements sur les positions de début de carrière plutôt que par une contraction généralisée » [3]. Le travail de Hosseini et Lichtinger aboutit au même diagnostic, avec un mécanisme qui passe par le frein sur les embauches et non par une hausse des séparations.
C’est ce qui rend le phénomène si difficile à piloter. Un plan social se voit, se discute, se négocie. Un gel silencieux des recrutements juniors ne déclenche aucune alerte : il n’apparaît ni dans la rotation des effectifs, ni dans le bilan social, ni dans aucun indicateur que vous présentez au comité. Prise isolément, chaque décision se défend très bien. Pourquoi recruter un débutant quand l’outil produit déjà la première version du livrable ? C’est l’accumulation de ces arbitrages raisonnables, année après année, qui fabrique un problème d’un tout autre ordre : une pyramide des âges vidée par le bas, et une organisation qui découvrira dans cinq ans qu’elle n’a formé personne.
Ce que ces chiffres ne prouvent pas encore
La prudence s’impose sur l’interprétation. Ces travaux mesurent une corrélation entre exposition à l’IA et évolution de l’emploi, pas un lien de cause à effet démontré. Plusieurs économistes attribuent les difficultés des jeunes diplômés à des facteurs macroéconomiques classiques plutôt qu’à la technologie.
Les auteurs du Canaries Dashboard le reconnaissent eux-mêmes. Dans une mise à jour publiée en février 2026, Erik Brynjolfsson, Bharat Chandar et Ruyu Chen admettent qu’avec le jeu de variables de contrôle le plus large, le recul dans les métiers exposés ne devient statistiquement significatif qu’à partir de 2024 ; les baisses antérieures tiennent probablement à d’autres facteurs [1][6]. Le tableau de bord mesure donc une corrélation, et le dit.
Les objections sont sérieuses et documentées. Torsten Slok, chef économiste du gestionnaire d’actifs américain Apollo Global Management, rappelle que le taux de chômage des jeunes diplômés américains, environ 5,6 % contre 4,2 % pour l’ensemble, s’est écarté de la moyenne six mois avant la sortie de ChatGPT en novembre 2022, et ne s’est pas creusé significativement depuis [2][4]. D’autres invoquent les taux d’intérêt ou le sur-recrutement de la tech pendant la pandémie. Brynjolfsson affirme avoir testé ces hypothèses, en retirant le secteur technologique, en isolant les effets du travail à distance, et observé que le motif tenait à chaque fois [2]. L’Insee, prudent, refuse d’attribuer l’évolution française à la seule IA, tout en relevant que le retournement paraît « brutal et plutôt concomitant » de son arrivée [3]. Le débat porte désormais sur l’ampleur et le calendrier, beaucoup moins sur l’existence du phénomène.
Le calcul d’AWS sur ses recrutements juniors
Une entreprise a pris publiquement le contre-pied. Matt Garman, directeur général d’Amazon Web Services, filiale de services cloud du groupe américain Amazon, qualifie de « l’une des idées les plus stupides » le fait de remplacer les développeurs débutants par l’IA. Il ne défend pas une position morale, il défend un calcul de gestion.
Dans un entretien au magazine américain Wired repris par Fortune le 28 juin 2026, Garman avance deux raisons [4]. Le coût d’abord : les débutants sont les moins payés de l’entreprise, supprimer leurs postes pour ne conserver que des seniors mieux rémunérés est une opération perdante. La durée ensuite : « Si vous n’avez aucun vivier de talents en construction, aucun junior que vous accompagnez et faites monter dans l’entreprise, à un moment donné tout cela s’effondre sur soi-même. » Amazon prévoit de recruter 11 000 stagiaires et jeunes diplômés en 2026, et compte aujourd’hui plus de développeurs qu’il y a deux ans.
L’exemple mérite d’être lu sans naïveté. Le même groupe a annoncé la suppression de 14 000 postes à l’automne 2025, principalement dans l’encadrement intermédiaire, des coupes qu’Andy Jassy, son directeur général, a attribuées à la culture d’entreprise plutôt qu’à l’IA [4]. Une organisation peut donc réduire ses effectifs et défendre en même temps ses recrutements de débutants. C’est justement ce qui rend la position solide : elle ne repose sur aucun optimisme de façade, mais sur un arbitrage assumé entre le coût de cette année et la capacité de production dans cinq ans.
Un effet inégal selon les métiers occupés
Le recul ne frappe pas uniformément. Aux États-Unis, les femmes en début de carrière sont surreprésentées dans les métiers les plus exposés à l’IA, et leur emploi y recule plus vite que celui des hommes du même âge. L’écart tient d’abord à la répartition par métier, pas à un traitement différencié à poste égal.
Les données du Canaries Dashboard, mises à jour le 22 juillet 2026, chiffrent l’écart [1]. Parmi les salariées américaines de 22 à 25 ans, 43,8 % travaillent dans le quintile de métiers le plus exposé à l’IA, contre 32,4 % de leurs homologues masculins. Sur l’année écoulée, l’emploi dans ce quintile s’est contracté de 5,4 % pour les femmes en début de carrière, contre 3,1 % pour les hommes. Le laboratoire de Stanford précise que ces différences viennent principalement de la composition des métiers occupés.
Cette lecture par métier a une conséquence pratique que peu de directions ont anticipée. Les fonctions les plus exposées, administration, support, communication, service client, analyse de premier niveau, servaient historiquement de porte d’entrée à des profils variés, y compris à des personnes en reconversion ou sans diplôme d’une grande école. Leur raréfaction rétrécit donc les voies d’accès à l’emploi qualifié, bien au-delà du seul enjeu de pyramide des âges. Autrement dit, votre politique de diversité perd son principal levier au moment précis où vous continuez à en publier les objectifs.
Reconstruire un chemin d’apprentissage quand l’IA absorbe les tâches d’entrée
Le problème posé aux entreprises tient en une phrase : les tâches par lesquelles on apprenait un métier sont précisément celles que l’IA exécute désormais. Rouvrir des postes juniors ne suffira donc pas à reconstituer le vivier. Il faut inventer d’autres parcours d’apprentissage, adaptés à un travail dont la couche d’exécution a été absorbée par l’outil.
Trois chantiers se dessinent. Le premier consiste à redéfinir ce que fait un débutant. Si la première version d’un livrable sort de l’outil, le travail junior devient vérifier, contextualiser et arbitrer, des compétences qu’on acquérait jusqu’ici après plusieurs années. Cela demande un accompagnement bien plus dense qu’avant, pas une simple réécriture de fiche de poste. Le deuxième consiste à raisonner en compétences plutôt qu’en postes. Dans une logique de Skills-Based Organization (SBO), on cartographie ce que l’organisation devra savoir faire dans cinq ans, puis on construit les chemins pour y mener des personnes déjà présentes, sujet que nous avons développé dans notre article sur l’organisation par les compétences face à l’IA. Le troisième consiste à traiter l’apprentissage comme une capacité collective plutôt que comme une ligne budgétaire ; les repères de l’organisation apprenante gardent ici toute leur pertinence.
Reste le sujet dont personne ne veut : le signal envoyé en interne. Une direction qui gèle ses recrutements juniors sans le dire prend une décision structurelle sous couvert de mesure de gestion. Une direction qui la met sur la table ouvre au moins le débat. Combien de profils expérimentés nous faudra-t-il en 2032, combien en avons-nous aujourd’hui, et par quel chemin comptons-nous produire l’écart ? Poser ces trois questions coûte quelques heures de comité. Les découvrir dans cinq ans coûtera beaucoup plus cher.
Conclusion
Le sujet n’est pas technologique, il est démographique. Vous pouvez rester longtemps sceptique sur le rôle exact de l’IA dans ces chiffres, le débat scientifique le permet. Vous ne pouvez pas rester sceptique sur l’arithmétique : une organisation qui ne recrute plus de débutants pendant cinq ans n’aura pas de profils confirmés au bout de dix. Ce calcul-là ne dépend d’aucune étude, et il se fait avec un tableur. Faites-le avant la fin de l’année.
Caroline Prat
FAQ
L’IA détruit-elle vraiment des emplois aujourd’hui ?
Pas à grande échelle. Les études disponibles montrent un ralentissement des recrutements sur les postes d’entrée, pas des licenciements massifs. Tous âges confondus, l’écart d’emploi entre métiers exposés et non exposés reste très faible aux États-Unis.
Quels métiers sont les plus concernés par ce recul ?
Ceux dont la valeur repose sur le traitement d’informations : développement informatique, service client, fonctions administratives, communication, analyse de premier niveau. En France, le recul est le plus marqué dans l’informatique, l’édition et le conseil en gestion.
Ces chiffres prouvent-ils que l’IA en est la cause ?
Non. Les chercheurs de Stanford précisent mesurer une corrélation, pas un lien causal. D’autres économistes invoquent les taux d’intérêt ou le sur-recrutement de la tech. Le débat porte aujourd’hui sur l’ampleur du phénomène plus que sur son existence.
Faut-il continuer à recruter des profils juniors ?
C’est un arbitrage entre coût immédiat et capacité future. Le dirigeant d’AWS défend le maintien de ces recrutements pour préserver le vivier interne. À chaque organisation de chiffrer le nombre de profils confirmés dont elle aura besoin dans cinq ans.
Par où commencer côté RH ?
Par un état des lieux : combien de recrutements juniors sur trois ans, dans quelles fonctions, et quelle pyramide des âges en résulte. La question des parcours d’apprentissage à reconstruire vient ensuite.
Sources
- Stanford Digital Economy Lab et ADP Research, Canaries Dashboard, données de paie ADP portant sur 25 000 entreprises et 4,6 millions de salariés, données jusqu’à avril 2026, mise à jour du 22 juillet 2026 (États-Unis).
- Nick Lichtenberg, « It’s not going away » : the Stanford economist who called the AI entry-level jobs crisis early has the receipts, Fortune, 27 juin 2026 (États-Unis).
- Raphaële Adjerad et Gaston Vermersch, éclairage « Avec l’essor de l’intelligence artificielle générative… », Note de conjoncture de l’Insee, 24 mars 2026 (France et États-Unis).
- Sasha Rogelberg, AWS CEO says replacing young employees with AI is « one of the dumbest ideas », Fortune, 28 juin 2026 (États-Unis).
- Nela Richardson, Taking the guesswork out of AI prognostications, ADP Research, Main Street Macro, 16 juin 2026 (États-Unis).
- Erik Brynjolfsson, Bharat Chandar et Ruyu Chen, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, Stanford Digital Economy Lab, 2025, et mise à jour de février 2026 (États-Unis).