L’intelligence artificielle n’a pas jusqu’à présent produit une histoire claire de chômage de masse. L’emploi global dans les pays développés reste globalement stable, et des évaluations récentes ont trouvé peu de preuves que l’IA ait modifié les chiffres. Mais un changement troublant pourrait se cacher sous la surface : l’affaiblissement discret du premier échelon de l’échelle de carrière.
Les preuves les plus inquiétantes apparaissent exactement là où nous devrions les attendre en premier : lors du recrutement en début de carrière. Un document de travail publié en novembre 2025 par le laboratoire d’économie numérique de Stanford a révélé que les travailleurs âgés de 22 à 25 ans dans les professions les plus exposées à l’IA ont connu une baisse relative de l’emploi de 16 % après la propagation de l’IA générative, même après avoir pris en compte d’autres facteurs susceptibles d’influencer les décisions d’emploi des entreprises. Un rapport Anthropic de mars 2026 fournit des preuves suggérant une conclusion similaire.
Les travailleurs plus expérimentés dans ces mêmes professions n’ont pas subi le même déclin. L’emploi ne diminue pas non plus dans les emplois de premier échelon peu exposés à l’IA. La préoccupation est spécifique aux emplois en début de carrière qui sont exposés à l’IA.
Ce n’est pas un signal mineur. Cela suggère que les entreprises pourraient utiliser l’IA pour remplacer les tâches subalternes par lesquelles les gens prennent traditionnellement pied, du moins pour ceux qui occupent des emplois où l’IA générative est largement utilisée, comme les développeurs de logiciels, les représentants du service client, les programmeurs informatiques et les gestionnaires de systèmes d’information.
Le moment est venu d’apporter des changements dans la manière dont nous formons, préparons et soutenons les jeunes qui sont sur le point d’entrer sur le marché du travail. Les établissements d’enseignement doivent se réorienter pour l’ère d’une main-d’œuvre augmentée par l’IA. Les gouvernements doivent inciter les entreprises à embaucher et à former des travailleurs en début de carrière. Les entreprises, à leur tour, doivent reconnaître l’importance de développer une main-d’œuvre à long terme expérimentée dans l’IA, un processus qui commence avec les travailleurs débutants. Et les étudiants eux-mêmes devraient assumer la responsabilité non seulement de maîtriser l’IA, mais aussi d’apprendre à appliquer ces connaissances dans divers domaines.
En bref, nous devons changer la façon dont nous concevons traditionnellement le travail de débutant.
Cela est particulièrement vrai parce que le marché du travail au sens large pour les jeunes diplômés s’adoucit également. La Banque fédérale de réserve de New York a rapporté qu’au quatrième trimestre 2025, le taux de chômage des récents diplômés universitaires a atteint 5,6 %, tandis que le taux de sous-emploi (la part des diplômés travaillant dans des emplois qui ne nécessitent généralement pas de diplôme universitaire) a atteint 42,5 %, son niveau le plus élevé depuis le pandémie de covid. Aucune statistique ne peut prouver à elle seule que l’IA est la seule cause de cette détérioration. L’embauche en général est bien en baisse après la pandémie, et les jeunes sont particulièrement vulnérables au ralentissement. Mais ce serait une erreur d’ignorer la possibilité que l’IA accélère une transition déjà difficile de l’école au travail.
Derrière ces statistiques se cache une grande détresse personnelle. Aujourd’hui, les jeunes diplômés soumettent souvent des centaines de candidatures avant de recevoir une seule offre, et les enquêtes révèlent systématiquement des taux élevés d’anxiété, de précarité financière et d’épuisement professionnel chez les jeunes travailleurs en recherche d’emploi prolongée. Si AI ferme discrètement la porte aux premiers emplois typiques, les gens en paieront le prix en retardant leur indépendance, en retardant la formation d’une famille et en ayant le sentiment que leurs premiers efforts professionnels sérieux ont été refusés.
C’est également important parce que les emplois de premier échelon font partie du système éducatif de l’économie. Les analystes juniors apprennent à quels chiffres on peut se fier. Les jeunes développeurs de logiciels apprennent comment les systèmes de production échouent. les nouveaux spécialistes du marketing apprennent comment les clients se comportent en dehors du langage épuré des tableaux de bord.
Le personnel juridique et financier en début de carrière apprend comment les règles, le jugement, les délais et les relations humaines interagissent réellement. Si l’IA absorbe davantage de tâches de rédaction, de tri, de codage, de synthèse et de préparation administrative qui contribuaient autrefois à former les travailleurs débutants, les entreprises pourraient devenir plus efficaces à court terme tandis que la société perdrait ses capacités à long terme.
La bonne façon d’améliorer les compétences des jeunes travailleurs n’est pas de leur dire « Apprenez à coder ». Ces conseils, qui ont façonné plus d’une décennie d’initiatives fédérales et d’expansion des universités, reposaient sur le principe selon lequel le codage était une compétence stable et évolutive que presque tout le monde pouvait apprendre et utiliser pour accéder à un emploi dans la classe moyenne. La prémisse ne tient plus. La couche de travail que l’IA gère bien (traduire une spécification en code de routine, reproduire des modèles standards, déboguer des erreurs prévisibles) est précisément la couche autour de laquelle les programmes « d’apprentissage du code » ont été construits.
Superviser les systèmes d’IA dans leur travail est désormais une compétence beaucoup plus pertinente. Il deviendra donc très important de comprendre les résultats produits par les systèmes d’IA.
Pour aider les gens à développer de telles compétences, nous devrions exiger des universités, des collèges communautaires et des programmes professionnels qu’ils intègrent la maîtrise de l’IA, la maîtrise des données, le flux de travail basé sur des invites, les compétences de vérification des compétences et le jugement du domaine dans les diplômes ordinaires. Chaque diplômé doit savoir utiliser les outils d’IA, vérifier leurs résultats, comprendre leurs limites et les combiner avec l’expertise humaine. Cela est important même pour les diplômés qui accèdent à des métiers qui semblent relativement à l’abri de l’IA, comme ceux du secteur de la santé. Presque tous les emplois contiennent des tâches (rédaction, synthèse, planification, recherche, travail sur les données de base, communication de routine) pour lesquelles l’IA est déjà un outil de productivité substantiel.
La compétition à laquelle seront confrontés la plupart des jeunes travailleurs n’est pas celle entre humains et machines, mais entre collègues et collègues dotés de l’intelligence artificielle. Pour la plupart des jeunes travailleurs, la voie réaliste pour devenir valorisant n’est pas d’éviter l’IA mais de maîtriser la technologie et de combiner cela avec le jugement du domaine, le raisonnement contextuel et les compétences en relations humaines. À cette fin, les écoles devraient mettre l’accent sur les coopératives rémunérées, les apprentissages et les projets liés à l’employeur afin que les étudiants développent leur jugement sur des lieux de travail réels avant d’obtenir leur diplôme.
Les gouvernements devraient également créer des crédits d’impôt ciblés, des subventions salariales et et des bourses de formation pour les employeurs qui embauchent des travailleurs en début de carrière dans des rôles structurés et renforcés par l’IA. L’architecture de ce type de subvention conditionnelle et liée au comportement existe déjà dans la politique fiscale américaine. Ce qui manque, c’est une version de ces instruments construite spécifiquement autour du travail augmenté par l’IA en début de carrière.
Les entreprises, pour leur part, devraient cesser de prendre des décisions d’embauche basées uniquement sur les économies à court terme réalisées grâce à l’IA. Les jeunes travailleurs ne valent pas seulement pour les tâches qu’ils accomplissent ce trimestre. Leur valeur réside dans l’apprentissage, la formation de compétences, la mémoire institutionnelle et la productivité future. L’embauche de débutants n’est pas seulement une dépense. Il s’agit d’un investissement dans le futur stock de jugement au sein de l’entreprise. À la fin des années 2030, la main-d’œuvre senior la plus efficace renforcée par l’IA sera issue en grande majorité de la cohorte junior d’aujourd’hui. Les entreprises qui automatisent la phase d’apprentissage peuvent améliorer leurs marges immédiates, mais se retrouveront, dans dix ans, sans personne qui comprenne comment se comportent réellement leurs propres flux de travail basés sur l’IA.
Les étudiants qui obtiendront leur diplôme ce printemps et le prochain seront confrontés à un marché du travail difficile en transition. La maîtrise de l’IA devient une marchandise. L’expertise dans un domaine sans maîtrise de l’IA est dépassée. La combinaison est ce qui est vraiment rare. L’ingénieur en mécanique ayant des connaissances en fabrication et des compétences en IA ; le programmeur de logiciels ayant une connaissance des services financiers et qui est également un expert en IA : ce sont les types de personnes qui seront en demande.
Georgios Petropoulos est professeur adjoint à l’USC Marshall School of Business. Ses recherches portent sur les implications des technologies de l’information pour l’innovation, la politique de concurrence et les marchés du travail.
Bir yanıt yazın