Les premiers effets de l’IA générative sur l’emploi français ne prennent pas, pour l’instant, la forme d’une vague de licenciements. Une étude menée par la Banque de France et HEC Paris montre en revanche que les recrutements des jeunes diminuent beaucoup plus fortement dans les métiers où l’IA peut déjà prendre en charge une partie importante du travail, ce qui pose une autre question, moins visible dans les effectifs mais peut-être plus profonde pour les entreprises, celle de la relève.
Les jeunes commencent à disparaître des recrutements
Depuis l’arrivée de ChatGPT à la fin de 2022, on attend presque mécaniquement de voir apparaître les suppressions de postes. Les données françaises commencent pourtant à montrer un déplacement plus discret. Les salariés déjà en place restent largement là où ils sont, mais les entreprises recrutent moins de jeunes dans les métiers où l’IA générative peut aujourd’hui reprendre une partie des tâches.
C’est ce que montrent les travaux publiés le 8 octobre par la Banque de France avec Antonin Bergeaud, professeur à HEC Paris, et plusieurs chercheurs. Ils ont rapproché les mouvements de main-d’œuvre observés entre 2019 et mars 2026 d’un indice mesurant l’exposition des différents métiers à l’IA générative.
Chez les 21-29 ans, l’écart est net. En mars 2026, les embauches en CDI dans les professions les plus exposées se situaient environ 28 % sous leur niveau de novembre 2022, contre près de 8 % dans les métiers les moins exposés. HEC Paris donne une autre lecture de ces chiffres. À la fin de 2022, les entreprises françaises recrutaient chaque mois environ 22 000 jeunes en CDI dans les métiers les plus exposés. Trois ans et demi plus tard, il en manque environ 6 200 par mois.
Les développeurs prennent une claque particulièrement forte, avec une baisse d’environ 42 % des embauches de jeunes en CDI, mais ils ne suffisent pas à fabriquer à eux seuls ce résultat. Lorsque les chercheurs les retirent du groupe étudié, l’écart persiste, et il reste également visible lorsque les CDD sont intégrés au calcul.
Pour autant, il serait faux d’en conclure que l’IA aurait déjà détruit 28 % des emplois juniors. Les départs diminuent eux aussi et les effectifs globaux des entreprises qui utilisent beaucoup l’IA ne s’effondrent pas. Ce qui bouge d’abord, c’est le renouvellement. On garde davantage les salariés déjà présents, tout en faisant entrer moins de nouveaux venus.
Et pour une entreprise, ce mode d’ajustement est finalement assez facile à comprendre. Il n’est pas nécessaire de supprimer un poste avec fracas lorsque certaines tâches peuvent être absorbées par les équipes existantes avec l’aide d’un modèle. On peut simplement décider de ne pas remplacer un départ, ou renoncer à ouvrir le poste junior qui aurait été créé quelques années plus tôt.
Sauf que ces petites tâches servaient aussi à apprendre
C’est là que l’affaire devient moins confortable. Les tâches que l’IA sait souvent traiter le plus facilement sont précisément celles que l’on confiait aux débutants. Faire une première recherche, synthétiser quelques documents, préparer une note, nettoyer des données, documenter du code, produire un premier jet que quelqu’un de plus expérimenté reprendra ensuite.
Ce travail pouvait être répétitif, imparfait, parfois franchement ingrat, mais il avait une autre fonction. Il permettait d’apprendre.
Un développeur ne commence pas sa carrière en prenant seul les décisions d’architecture les plus complexes. Un consultant ne débarque pas en réunion client avec quinze ans de jugement professionnel derrière lui. Un analyste n’apprend pas à identifier une mauvaise hypothèse uniquement en lisant le résultat final produit par quelqu’un d’autre. On devient meilleur aussi parce qu’on a fait soi-même le travail de base, qu’on s’est trompé et qu’un collègue plus expérimenté a expliqué pourquoi.
La question apparaît déjà dans plusieurs travaux économiques. Une étude du NBER consacrée à l’apprentissage par le travail analyse ce qui peut se produire lorsque l’automatisation retire aux moins expérimentés les tâches sur lesquelles ils construisaient progressivement leurs compétences. Le gain immédiat pour l’entreprise peut être réel, puisque le même volume de travail est réalisé avec moins de temps humain, mais le système devient plus fragile si les professionnels expérimentés de demain n’ont plus d’endroit où commencer aujourd’hui.
Un autre travail publié par le CEPR sur l’automatisation des emplois juniors arrive au même point par un autre chemin. Un poste d’entrée ne vaut pas seulement par ce qu’il produit à l’instant T, il peut aussi servir de marche vers des fonctions plus qualifiées. Supprimer la marche sans reconstruire l’escalier ailleurs finit forcément par poser une question.
La Banque de France ne prétend pas démontrer que ce scénario est déjà installé en France, et c’est important de ne pas lui faire dire davantage. Mais ses résultats permettent au moins de regarder ailleurs que vers le seul nombre total d’emplois. Une entreprise peut maintenir ses effectifs pendant plusieurs années tout en modifiant profondément la manière dont ils se renouvellent.
La France n’est pas seule à voir apparaître ce décalage
Les États-Unis donnent déjà quelques points de comparaison. Erik Brynjolfsson et ses coauteurs ont analysé les données de paie de millions de salariés américains dans leur étude Canaries in the Coal Mine. Là non plus, ils ne trouvent pas de disparition massive de l’emploi dans les métiers exposés à l’IA.
Chez les 22-25 ans, en revanche, quelque chose décroche. Dans les professions les plus exposées, l’emploi se situe environ 19 % sous le niveau qu’il aurait atteint s’il avait suivi la même évolution que celui des jeunes travaillant dans des métiers moins exposés.
Les chercheurs observent aussi une différence assez importante selon l’usage qui est fait de l’IA. Lorsqu’elle automatise directement une tâche humaine, l’emploi des plus jeunes souffre davantage. Lorsqu’elle sert plutôt à compléter le travail d’un salarié, les effets sont beaucoup moins négatifs, notamment chez les plus expérimentés.
Tout n’est cependant pas aligné dans la même direction. Au Danemark, une étude publiée par le NBER ne détecte pas de baisse significative des revenus ou des heures travaillées deux ans après l’arrivée de ChatGPT. Les entreprises observées ont davantage redistribué les tâches, créé de nouvelles missions liées à l’IA et modifié certaines fonctions qu’elles n’ont réduit leurs effectifs.
Les chercheurs français restent eux-mêmes prudents. Les métiers très exposés à l’IA sont souvent aussi ceux qui ont subi de plein fouet le ralentissement du secteur technologique après les embauches massives de la période Covid, la hausse des taux et d’autres transformations du travail. L’étude met donc en évidence une relation forte entre exposition à l’IA et ralentissement des recrutements juniors, mais elle ne permet pas de déposer toute la baisse aux pieds de ChatGPT.
Qui formera les experts de demain si les postes juniors s’effacent ?
C’est peut-être là que les entreprises ont quelque chose de plus compliqué à arbitrer que le simple calcul d’un gain de productivité. Un salarié expérimenté peut récupérer une synthèse produite par une IA, voir immédiatement ce qui cloche, corriger une hypothèse ou décider que la réponse entière doit partir à la poubelle. Il sait le faire parce qu’il possède déjà ce que le modèle n’a pas, une expérience du métier, de ses exceptions, de ses pièges et de ce qui mérite réellement d’être vérifié.
Le débutant, lui, doit encore construire cette couche-là. Si l’IA lui retire une partie des tâches sur lesquelles cette connaissance se fabriquait, il faudra forcément lui apprendre autrement. On peut très bien imaginer des parcours où les juniors travaillent moins longtemps sur les tâches répétitives et progressent plus vite grâce aux outils d’IA. Mais cela suppose de penser leur formation, leur encadrement et leur progression autrement, pas simplement d’effacer une ligne de recrutement parce qu’un modèle sait désormais produire la première version.
C’est aussi ce qui rend les chiffres de la Banque de France intéressants pour les DSI et les directions RH. Pour l’instant, ils ne racontent pas une entreprise vidée de ses salariés par l’IA. Ils montrent quelque chose de beaucoup moins visible dans un organigramme, avec des portes qui semblent commencer à se refermer plus vite pour ceux qui arrivent.
Et si cette tendance se confirme, le vrai problème pourrait apparaître plusieurs années plus tard, lorsqu’il faudra chercher les profils expérimentés que l’on aura cessé, entre-temps, de faire débuter.
