Les tâches que l'IA absorbe en priorité ne sont pas les tâches sans valeur. Ce sont les tâches d'apprentissage : celles qui ne produisaient pas seulement un livrable, mais un professionnel. En automatisant l'escalier, nous avons gardé les étages et supprimé la montée.
La tâche qu'on croyait sans valeur
Un cabinet, une agence, une DSI. Le stagiaire faisait la revue de littérature, la mise en forme du deck, la première version du contrat, la correction des bugs simples, les tests manuels, la documentation de base. Personne n'aimait ces tâches. Tout le monde les jugeait sans valeur.
C'était faux. Elles avaient une valeur, mais elle n'était pas dans le livrable : elle était dans la tête de celui qui les faisait. En corrigeant cent bugs stupides, on apprend à sentir où se cachent les bugs graves. En rédigeant trente notes médiocres, on apprend ce qui distingue une note juste.
L'IA fait ces tâches. Mieux, plus vite, moins cher. Et personne n'apprend plus rien.
Nous avons automatisé l'escalier et gardé les étages.
Ce que les chiffres établissent
−16 % Le signal américain : « Canaries in the Coal Mine »
Erik Brynjolfsson (Stanford Digital Economy Lab), Bharat Chandar et Ruyu Chen ont exploité les données de paie administratives d'ADP — des millions de salariés, 90 000 entreprises — pour comparer l'évolution de l'emploi selon l'âge et l'exposition à l'IA.
- Les 22-25 ans dans les métiers les plus exposés connaissent un déclin relatif d'emploi de 16 %, en contrôlant les chocs propres aux entreprises. L'emploi des travailleurs expérimentés reste stable.
- Pour les développeurs de 22-25 ans, la baisse atteint environ 20 % depuis le pic de fin 2022. Dans les centres d'appels, environ 15 %.
- Dans les mêmes métiers exposés, les 35-49 ans progressent de 6 à 9 %.
- L'ajustement se fait par l'emploi, pas par les salaires, et se concentre là où l'IA automatise plutôt qu'elle n'augmente.
- La baisse s'opère par gel des embauches, pas par licenciements — ce qui la rend presque invisible : personne n'est renvoyé.
Source : Brynjolfsson, Chandar & Chen, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, Stanford Digital Economy Lab, août 2025, révisé le 13 novembre 2025.
La nuance que les auteurs ont eux-mêmes publiée
En février 2026, les trois auteurs ont publié une note répondant aux critiques. Deux points, à ne surtout pas omettre :
- Les taux d'intérêt affectent l'emploi global, mais les données existantes ne suggèrent pas qu'ils expliquent bien le déclin différentiel des embauches junior dans les métiers exposés à l'IA.
- En intégrant le jeu de contrôles le plus large, le déclin ne devient statistiquement significatif qu'en 2024 ; les baisses antérieures sont probablement influencées par des facteurs non liés à l'IA.
Le tableau de bord public mesure donc une corrélation entre exposition et tendance d'emploi, pas un lien causal démontré. C'est exactement le genre de précision qui rend un argument solide devant un comité de direction — et le genre de précision que les reprises médiatiques suppriment.
Source : Brynjolfsson, Chandar & Chen, Canaries, Interest Rates, and Timing, 9 février 2026.
−7,4 % Le signal français et européen
INSEE, glissement annuel au quatrième trimestre 2025, emploi des 15-29 ans dans les secteurs a priori exposés à l'IA : activités informatiques et services d'information −7,4 % ; édition −5,8 % ; conseil en gestion et activités des sièges sociaux −3,7 %. L'APEC avait déjà mesuré une chute de 19 % des offres destinées aux cadres débutants en informatique en 2024.
Contre-signal, essentiel pour l'équilibre : les prévisions APEC du 2 avril 2026 annoncent 305 800 recrutements de cadres, en hausse de 4 %, avec +5 % dans les activités informatiques, tirés par la transformation digitale, la cybersécurité et l'IA. La baisse 2024-2025 est aussi une correction de la bulle 2020-2022 — taux zéro, demande post-pandémie — et l'effet de la réduction des aides à l'alternance.
+35 % Le seuil d'entrée monte, le poste ne disparaît pas
Selon PwC, les offres d'emploi junior dans les secteurs fortement exposés à l'IA ont stagné, tandis que les annonces pour des postes similaires exigeant un niveau intermédiaire ou senior ont augmenté de 35 % depuis 2019. Le poste ne disparaît pas. Son seuil d'entrée monte. Ce qui revient au même pour celui qui n'a pas encore d'expérience — et qui n'a plus d'endroit où en acquérir.
À fin mai 2026, le cabinet de reclassement Challenger, Gray & Christmas comptabilise 87 174 suppressions d'emplois liées à l'IA sur l'année, contre environ 54 836 pour toute l'année 2025.
−17 % Le mécanisme prouvé en laboratoire : l'apprentissage sacrifié
Étude randomisée de janvier-février 2026, programme Anthropic Fellows : 52 développeurs professionnels apprennent une bibliothèque Python nouvelle (Trio), moitié avec assistance IA, moitié sans.
- Les participants assistés obtiennent 17 % de moins à l'évaluation de compétences — l'équivalent de deux points de note pleins.
- La dégradation porte sur trois dimensions : compréhension conceptuelle, lecture de code, débogage.
- Sans gain d'efficacité significatif en moyenne. Ceux qui délèguent totalement obtiennent un gain de productivité — au prix de l'apprentissage de la bibliothèque.
- Le score le plus bas est obtenu sur les questions de débogage : précisément la compétence requise pour valider du code produit par une IA.
Mais les auteurs identifient six patterns d'interaction, dont trois préservent l'apprentissage même avec assistance. Ce ne sont pas les mêmes usages qui détruisent et qui préservent.
Source : Shen, J. H. & Tamkin, A., How AI Impacts Skill Formation, arXiv:2601.20245.
Le paradoxe du superviseur
Voici la boucle, et elle est vicieuse.
- On confie à l'IA les tâches simples et répétitives.
- Ces tâches étaient l'unique dispositif de formation par le faire.
- On demande aux mêmes personnes de superviser la production de l'IA.
- Mais la compétence de supervision — savoir repérer une erreur, sentir qu'une sortie est plausible et fausse — se construisait précisément dans les tâches qu'on vient d'automatiser.
Les auteurs de l'étude le formulent d'une manière glaçante : à mesure que les entreprises basculent vers du code écrit par l'IA et supervisé par des humains, ces humains risquent de ne pas posséder les compétences nécessaires pour le valider et le déboguer, parce que leur formation aura été inhibée par l'usage même de l'IA.
Nous formons une génération de contrôleurs qualité qui n'ont jamais fabriqué la pièce.
L'analogie : la main du chirurgien
Un chirurgien ne devient pas chirurgien en observant des opérations. Il le devient en tenant le crochet pendant trois ans, en faisant les sutures que personne ne veut faire, en refermant après le grand patron. Ces gestes sont subalternes. Ce sont eux qui font la main.
Supprimez-les, gardez l'école, gardez le diplôme, et vous obtenez quelqu'un qui sait tout sur la chirurgie et ne peut pas opérer.
Les objections honnêtes
« La causalité n'est pas établie. »
Correct, et les auteurs eux-mêmes le disent dans leur note de février 2026. Taux d'intérêt, correction post-bulle, gel budgétaire, instabilité politique : plusieurs facteurs se superposent. La corrélation est robuste ; la causalité est plausible et non prouvée.
« Le junior augmenté est plus productif qu'avant. »
C'est l'argument opposé, et il est sérieux : les études trouvent que les novices bénéficient le plus des gains de productivité de l'IA. C'est précisément ce qui rend le piège difficile à voir — le gain immédiat est réel, la perte est différée.
« Chaque génération a annoncé la fin de l'apprentissage. »
Vrai. La calculatrice, le correcteur orthographique, Google. La différence à documenter honnêtement : ces outils délestaient l'exécution, celui-ci déleste le jugement. C'est une hypothèse, pas une certitude.
« Le marché rebondit. »
Les prévisions APEC 2026 sont positives. La question n'est peut-être pas « combien de juniors » mais « quels juniors, et formés comment ».
Ce que ça change pour un dirigeant
- Distinguer, dans chaque tâche, ce qui produit un livrable et ce qui produit une compétence. Une tâche à faible valeur de livrable peut avoir une haute valeur de formation. Elles ne se délèguent pas de la même manière.
- Ne plus compter sur l'apprentissage par osmose. Brynjolfsson lui-même le dit : il faudra former explicitement, au lieu d'espérer que les gens comprendront tout seuls en faisant.
- Rendre l'apprentissage explicite et budgété. Ce qui était gratuit et invisible doit devenir un poste de coût assumé.
- Piloter les patterns d'usage, pas l'outil. Trois des six modes d'interaction préservent l'apprentissage. C'est le design de l'usage qui décide, pas la technologie.
- Regarder le ratio junior/senior comme un indicateur de risque. Un pipeline de compétences qui se ferme aujourd'hui produit une pénurie de seniors dans huit ans. Le coût est différé, donc invisible, donc jamais arbitré.
- Assumer un arbitrage explicite. Un agent IA coûte quelques centaines d'euros par mois et par siège. Un junior coûte davantage et ne produit rien la première année. L'arbitrage se fait sur un coin de tableur — et le tableur ne voit pas 2034.
La compétence acquise — 4/6 : distinguer une tâche-livrable d'une tâche-compétence
Niveau : ingénierie. Vous ne diagnostiquez plus, vous concevez.
À la fin de cet épisode, vous savez :
- qualifier chaque tâche selon deux valeurs — ce qu'elle produit dehors, ce qu'elle construit dedans ;
- identifier les patterns d'usage qui préservent l'apprentissage et ceux qui le détruisent ;
- budgéter explicitement ce que les tâches simples fournissaient gratuitement.
Le geste qui la prouve, cette semaine. Prenez les cinq tâches que vous avez cessé de confier à vos juniors depuis 2023. Pour chacune, répondez à une seule question : qu'est-ce qu'elle leur apprenait ? Si vous n'avez aucune réponse, vous n'avez rien perdu. Si vous en avez une, vous venez d'identifier un dispositif de formation que vous avez supprimé sans le savoir — et que personne n'a remplacé.
L'erreur de celui qui n'a pas cette compétence : il automatise en toute bonne foi les tâches « à faible valeur ajoutée », sans voir qu'il vient de fermer la seule école que son métier possédait.
Ce que le livre en dit : informer n'est pas transmettre
Le chapitre 10 de Ce que l'IA fait de nous s'appelle « Transmettre ». C'est le cœur battant du livre, et la distinction qui le structure est exactement celle dont on a besoin ici.
Le livre fait d'abord l'éloge honnête de la machine : le plus grand informateur de l'histoire, patient, personnalisé, disponible à trois heures du matin, jamais humiliant. Puis il pose la coupure : on est informé d'un savoir, mais on ne reçoit un savoir-faire, un savoir-être, un geste, qu'incarnés — d'un être qui l'a pratiqué et payé dans un corps. On n'allume pas un feu à un livre, on l'allume à un autre feu.
Trois travaux y éclairent directement le mécanisme de cet épisode :
- Kuhl, Tsao & Liu (PNAS, 2003) : des bébés de neuf mois apprennent des phonèmes du mandarin auprès d'un locuteur vivant, et rigoureusement rien via une vidéo ou un audio identiques. C'est le social gating. Il faut un être aux deux bouts.
- Bastani et al. (PNAS, 2025) : des lycéens ayant accès à une IA qui donne les réponses progressent de 48 % sur les exercices, mais chutent de 17 % à l'examen sans l'outil. La version qui donne des indices plutôt que des réponses annule le dégât. Le design décide, pas l'outil.
- Polanyi : nous savons plus que nous ne pouvons dire. Ce qui ne s'écrit pas ne se génère pas.
Ce qui se joue avec les juniors n'est pas un problème d'emploi. C'est un problème de transmission — et ce qui ne se passe plus de main en main finit par ne plus exister.
📕 Le livre
Ce que l'IA fait de nous — la version longue de ce que vous venez de lire.
→ cequeliafaitdenous.com
🧭 Deux diagnostics gratuits
- Posture IA du manager — 5 dimensions, 20 questions.
→ Faire le diagnostic - Robustesse IA de votre organisation.
→ Évaluer votre organisation
🤝 Travailler ensemble
Audit de transition IA · Accompagnement de Comex · Formation.
→ aurelienmizeret.com
💬 On en parle : LinkedIn — 32 000 abonnés, c'est là que je publie le plus.
🎟️ Les Rencontres Alliages : le collectif indépendant sur la gouvernance de l'IA — non commercial, ni pro ni anti.
→ alliages.work
Questions fréquentes
L'IA détruit-elle les emplois juniors ?
Les données de paie américaines montrent un déclin relatif d'emploi de 16 % chez les 22-25 ans dans les métiers les plus exposés, tandis que l'emploi des expérimentés reste stable. La baisse passe par un gel des embauches plutôt que par des licenciements. Les auteurs eux-mêmes précisent qu'il s'agit d'une corrélation robuste, pas d'une causalité démontrée.
Que dit l'étude « Canaries in the Coal Mine » ?
Menée par Brynjolfsson, Chandar et Chen sur les données ADP — des millions de salariés, 90 000 entreprises — elle établit que l'ajustement de l'emploi lié à l'IA se concentre sur les jeunes travailleurs des métiers exposés, se fait par l'emploi et non par les salaires, et touche surtout les métiers où l'IA automatise plutôt qu'elle n'augmente.
Pourquoi les tâches simples confiées aux débutants étaient-elles importantes ?
Parce que leur valeur n'était pas dans le livrable mais dans la compétence qu'elles construisaient. Corriger cent bugs simples apprend à sentir où se cachent les bugs graves ; rédiger trente notes médiocres apprend ce qui distingue une note juste. Ces tâches étaient le seul dispositif de formation par le faire.
L'IA nuit-elle vraiment à l'apprentissage ?
Une étude randomisée sur 52 développeurs professionnels apprenant une bibliothèque nouvelle mesure 17 % de score en moins à l'évaluation de compétences chez les participants assistés par l'IA, avec une dégradation de la compréhension conceptuelle, de la lecture de code et du débogage. Mais trois des six patterns d'interaction identifiés préservent l'apprentissage : c'est le mode d'usage qui décide.
Comment former des juniors à l'ère de l'IA ?
En cessant de compter sur l'apprentissage par osmose. Concrètement : qualifier chaque tâche selon sa valeur de formation et pas seulement sa valeur de livrable, budgéter explicitement ce que les tâches simples fournissaient gratuitement, et imposer les modes d'usage où l'IA donne des indices plutôt que des réponses.
Sources
- Brynjolfsson, E., Chandar, B. & Chen, R., Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, Stanford Digital Economy Lab, août 2025, révisé novembre 2025.
- Brynjolfsson, Chandar & Chen, Canaries, Interest Rates, and Timing, Stanford Digital Economy Lab, 9 février 2026.
- Shen, J. H. & Tamkin, A., How AI Impacts Skill Formation, arXiv:2601.20245, 2026.
- INSEE, emploi par âge dans les secteurs exposés à l'IA, T2 2024 – T4 2025.
- APEC, baromètre des offres cadres 2024 ; prévisions de recrutement, 2 avril 2026.
- PwC, analyse des exigences de compétences sur les offres junior, 2026.
- Challenger, Gray & Christmas, décompte des suppressions d'emplois liées à l'IA, mai 2026.
- Stanford Institute for Economic Policy Research (SIEPR), What is really happening to jobs? Separating AI hype from reality, 2026.
- Kuhl, P., Tsao, F.-M. & Liu, H.-M., PNAS, 2003 ; Bastani et al., PNAS, 2025 ; Polanyi, M., The Tacit Dimension, 1966.
Cet article est la version écrite de l'épisode 4 de la série « IA & Travail — Le travail recomposé ». Épisodes précédents : le travail redistribué, le Shadow AI et le gain de temps qui n'arrive jamais.
