L’adoption de l’IA liée à une baisse de 13 % des emplois chez les jeunes aux États-Unis : étude
(cnbc.com)- L’adoption de l’IA a un impact direct sur le marché de l’emploi des jeunes aux États-Unis
- Selon l’étude, la diffusion de l’IA s’accompagne d’une baisse de 13 % du taux d’emploi des jeunes travailleurs
- Les technologies d’IA remplacent désormais non seulement des tâches automatisées simples, mais aussi des missions plus complexes
- En conséquence, les nouveaux entrants et les jeunes travailleurs voient leurs opportunités d’emploi diminuer
- La nécessité de stratégies de réponse de la part des pouvoirs publics et de l’industrie s’impose de plus en plus
L’adoption de l’IA et l’évolution du marché de l’emploi des jeunes aux États-Unis
Selon une récente étude de Stanford, la diffusion de l’IA générative a un effet net sur les emplois des jeunes aux États-Unis.
- Dans les entreprises ayant adopté l’IA, le recrutement de jeunes travailleurs de moins de 25 ans aurait diminué d’environ 13 %
- L’étude souligne que des systèmes d’automatisation avancés remplacent non seulement les postes administratifs simples, mais aussi des tâches de niveau plus élevé fondées sur la cognition et le jugement
- En conséquence, les jeunes candidats à l’emploi ont moins d’opportunités d’entrer sur le marché du travail, ce qui peut devenir un facteur d’instabilité sociale et économique
- Se concentrer uniquement sur la hausse de la productivité pourrait aggraver les inégalités structurelles
- Les experts insistent davantage sur l’importance d’une réponse proactive à l’échelle industrielle et politique, ainsi que sur la préparation de programmes de reconversion et de renforcement des compétences destinés aux jeunes
Baisse de l’emploi des jeunes et répercussions sociales
- À mesure que les technologies d’IA remplacent non seulement les tâches répétitives simples, mais aussi diverses fonctions de bureau, l’impact sur l’emploi des jeunes devient une réalité
- Les entreprises continuent d’adopter des solutions d’IA pour renforcer leur efficacité et réduire leurs coûts
- Cela accélère le phénomène qui rend l’entrée sur le marché du travail plus difficile pour les salariés débutants et les personnes en début de carrière
- À l’échelle de la société, la nécessité d’une redistribution des emplois et d’une refonte du système éducatif s’impose
Orientations de réponse pour l’industrie et les politiques publiques
- Afin d’atténuer le choc sur l’emploi des jeunes lié à l’adoption de l’IA, un effort conjoint des pouvoirs publics et du secteur privé est indispensable
- Des programmes de reconversion adaptés au terrain et la création d’un environnement permettant de s’adapter à l’introduction de nouvelles technologies constituent des réponses clés
- À moyen et long terme, une restructuration du marché du travail et l’établissement de lignes directrices transparentes sur l’usage des algorithmes sont nécessaires
- Les entreprises étendent également leurs efforts de collaboration autour de politiques de soutien à la reconversion professionnelle destinées aux jeunes, au titre de leur responsabilité sociale
1 commentaires
Avis Hacker News
Dans le secteur comptable réel, l’adoption de l’IA est presque inexistante. Nous avons pourtant des outils assez sophistiqués et récents, comme Copilot pour l’entreprise, Deep Research, l’intégration à MS Office, etc., mais en pratique on s’en sert seulement pour générer des résumés quotidiens de l’actualité mondiale. Dès qu’on essaie de l’appliquer à de vraies tâches comptables, l’IA donne des réponses absurdes, ce qui crée une situation très risquée. Même pour de simples comparaisons de chiffres, elle produit souvent des résultats peu fiables, au point qu’on ne peut pas faire confiance à la sortie elle-même. C’est comme si, en programmation, l’opérateur
==renvoyait une erreur aléatoire dans 20 % des cas : impossible de s’y fier pour le business.À titre personnel, j’ai essayé plusieurs modèles de langage pendant six mois pour vérifier des relevés de carte bancaire. J’espérais qu’ils compareraient les relevés avec une appli de budget que j’ai développée moi-même afin de détecter des anomalies, mais en réalité ils n’ont jamais correctement trouvé le moindre problème. Au contraire, ils signalaient à tort des choses du genre « il y a un paiement Starbucks » ou se contentaient de compliments erronés. Pourtant, l’ensemble ne portait que sur une quarantaine d’entrées, et même en cas d’erreur il n’y avait pas de préjudice réel ; malgré cela, les modèles n’ont pas réussi à identifier précisément les problèmes. J’en conclus qu’une entreprise qui dépendrait de ce genre d’outil ne serait pas digne de confiance.
Dans cette vidéo amusante sur la comptabilité de Dan Toomey, on voit à quel point la comptabilité est importante, tout en étant un domaine peu glamour en pratique. Dans la finance, on a tendance à considérer les comptables comme des « gros nerds sérieux ». Moi aussi, j’ai de l’affection pour la comptabilité, et j’ai déjà travaillé sur des jeux de données d’audit dans une ancienne entreprise. Personne n’a vraiment envie d’écouter ce que les comptables ont de pénible à raconter, mais en réalité ils sont absolument indispensables. Les données comptables peuvent être au cœur du business, comme l’a montré l’affaire Enron, révélée notamment à cause du coût de l’audit. Si j’arrête un jour la programmation, je tenterai peut-être le CPA.
En comptabilité, les performances de l’IA sont très décevantes, et ce n’est qu’en la combinant avec un outil de calculatrice qu’elle devient à peu près exploitable pour certaines tâches mathématiques.
Beaucoup de gens rêvent d’un « logiciel fiscal IA qui gère automatiquement tous les impôts », mais en réalité je pense qu’on en est surtout à utiliser l’IA comme un moteur de recherche textuel avancé. Les LLM (Large Language Model) ne savent même pas faire correctement de l’arithmétique ou des calculs simples.
Les LLM sont mauvais pour faire eux-mêmes de l’arithmétique, donc il ne faut pas leur confier directement les calculs. Pour la plupart des modèles, il vaut bien mieux leur faire écrire et exécuter du code, puis utiliser le résultat obtenu pour effectuer les opérations.
Le secteur comptable américain est en train d’être offshorisé vers l’Inde, les Philippines, l’Europe de l’Est, etc. En parallèle, le mouvement visant à assouplir les conditions d’obtention du diplôme de comptable aux États-Unis prend de l’ampleur, poussé notamment par les associés du Big 4 pour pallier la pénurie de main-d’œuvre. Cela soulève aussi des inquiétudes sur la baisse de qualité du contrôle, les états financiers inexacts, etc.
Il est intéressant de voir des programmeurs américains défendre le travail à distance. On peut se demander s’ils croient vraiment être les plus intelligents du monde. Si le travail peut être fait en remote, rien n’empêche en principe qu’il soit confié à quelqu’un dans un pays moins cher.
Quand on lit les rapports sur les conditions de travail dans les grandes zones d’offshoring, la situation est très mauvaise. En fait, l’IA et les LLM d’aujourd’hui ressemblent beaucoup à ce qu’on considérait comme du « travail répétitif simple destiné à l’externalisation ». On observe aussi une tendance à envoyer vers les data centers d’Anthropic des tâches qu’on aurait auparavant confiées à l’Inde.
Je me demande si l’IA est vraiment la cause de cet offshoring. La langue, la culture et l’écart de connaissances sont de gros obstacles au travail délocalisé, mais l’IA a le potentiel de résoudre ces problèmes.
Il existe aussi un article expliquant que même les diplômés des grandes écoles d’ingénieurs indiennes peinent à se faire embaucher. Dans ce contexte, l’idée que l’offshoring dû à l’IA soit la cause principale n’est pas très convaincante.
Depuis un an, les postes juniors disparaissent discrètement. Très peu de gens sont licenciés, mais les recrutements offrant une vraie porte d’entrée n’existent tout simplement plus. Le vrai problème, c’est la disparition même des occasions d’apprendre en début de vie active.
En réalité, les postes juniors n’ont jamais été si nombreux. D’après mon expérience, quand des étudiants n’étaient pas convertis en temps plein après leur stage, ils rencontraient ensuite de grandes difficultés à trouver un emploi. Dans les faits, les entreprises recrutent presque uniquement des profils mid/senior, et les juniors viennent surtout des anciens stagiaires, de mobilités internes ou de recommandations familiales.
Ce phénomène tient davantage à la dégradation des conditions économiques après l’ère des taux bas, à la pression sur le chiffre d’affaires et les profits dans chaque entreprise, aux réductions de coûts, etc., qu’à l’IA. En général, un junior met 6 à 8 mois avant d’atteindre un niveau de productivité acceptable, tout en mobilisant du temps de mentorat de la part des seniors, donc le rapport coût/efficacité est faible. Dans mon équipe aussi, les ressources sont tellement tendues qu’il est difficile même d’envisager un recrutement supplémentaire. Aujourd’hui, pour décrocher un poste junior, il faut soit se concentrer sur les technologies à la mode, soit commencer dans une petite boîte mal payée avant de rebondir.
Il est toujours difficile de distinguer ce qui relève de la récession et ce qui relève de l’IA. Si les salariés en place devenaient trop coûteux, on finirait peut-être par prendre des juniors, mais aujourd’hui même les seniors cherchent à travailler pour des salaires plus bas, donc il n’y a pas vraiment de raison de recruter un junior.
C’est devenu plus difficile, mais les jeunes Américains ont encore des opportunités. Pas besoin d’être trop pessimiste ; le fait que la jeune génération passe beaucoup de temps sur TikTok ou les jeux y joue aussi.
Les entreprises licencient des gens en invoquant l’IA, mais quand on cherche quels métiers sont réellement remplacés, il n’y en a pas beaucoup qui viennent clairement à l’esprit.
Dans mon entreprise aussi, il y a quelques collègues qui pourraient être remplacés par un LLM. J’ai même l’impression que les hallucinations de l’IA seraient moins nombreuses que les erreurs qu’ils commettent. On pourrait peut-être, avec l’adoption des LLM, faire passer un effectif de 5 personnes à l’équivalent d’1 seule.
Dans les métiers de la vidéo et du graphisme, l’usage des outils de GenAI se répand. Ce qui était auparavant confié à des salariés en interne ou à des freelances est désormais de plus en plus souvent traité directement à l’aide de l’IA.
Même si l’IA ne remplace pas les employés à l’identique, un simple gain de productivité suffit à justifier des réductions d’effectifs. Si un développeur devient 50 % plus efficace, alors, arithmétiquement, on peut supprimer les 33 % les moins performants tout en obtenant le même résultat.
Contrairement à la vague blockchain, l’IA présente de vrais cas d’augmentation de la productivité. Par exemple, on peut réduire de moitié une équipe de copywriters tout en conservant sa productivité. Dans mon activité, j’ai automatisé l’essentiel du travail de copywriting pour recentrer les équipes sur des tâches à plus forte valeur ajoutée, ce qui nous permet de gérer davantage de clients. Il serait aussi très facile de réduire fortement les effectifs à partir d’une base de 100 copywriters juniors.
La baisse initiale de l’emploi due à l’IA vient de l’augmentation de la productivité individuelle des salariés, ce qui permet ensuite d’accomplir le même travail avec des équipes plus petites.
Beaucoup d’organisations choisissent, avec l’IA, non pas d’augmenter la productivité du travail, mais de réduire directement les effectifs. Cela s’explique par le fait qu’elles préfèrent préserver une structure de revenus limitée plutôt que d’augmenter la productivité et de partager les gains supplémentaires. L’article de Stanford montre que les organisations, dans une logique d’extraction de rente, considèrent la main-d’œuvre productive non comme un actif mais comme un coût, au point de maintenir des structures inefficaces en rognant sur la capacité productive réelle. Je suis curieux de voir où cela va mener.
Si l’automatisation fait qu’on n’a plus besoin d’autant de monde, alors même la guerre pourrait être remplacée par des drones et des armes automatiques, et les raisons de faire des révolutions diminueraient, au point que la démocratie elle-même pourrait devenir inutile. On pourrait finir dans un futur où il ne serait même plus nécessaire de fournir à un grand nombre de personnes des soins coûteux, de la nourriture ou de l’eau.
L’article affirme que « la baisse de l’emploi se concentre dans les métiers où l’IA automatise le travail humain plutôt que de l’augmenter ». En revanche, il n’apporte pas directement d’éléments sur la recherche de rente ou une forme de myopie économique. Du point de vue des entreprises, remplacer des humains par une IA moins coûteuse est simplement avantageux, et rien ne permet d’affirmer qu’il existera nécessairement, pour les salariés conservés, de nouvelles opportunités de revenus supplémentaires.
J’espère que l’IA réduira fortement les coûts d’adoption et d’intégration des logiciels métier, de sorte que des artisans très qualifiés, comme des techniciens chevronnés, puissent posséder et gérer eux-mêmes leur entreprise. À l’ère de l’IA, je pense qu’il y aura moins besoin d’externaliser le marketing ou la comptabilité à la manière du PE.
On pourrait finir dans une sorte de féodalisme.
L’idée selon laquelle le travail serait un coût plutôt qu’un actif créateur de valeur ne correspond pas vraiment à la réalité. Ce que veulent réellement les entreprises, c’est que le travail soit aligné avec la proposition de valeur de l’entreprise, c’est-à-dire avec la raison pour laquelle les clients acceptent de payer. Si les salariés font ce qu’ils jugent important de leur côté, mais que les clients ne paient pas pour cela, on ne fait qu’augmenter les coûts fixes. Tout ce qui touche à l’alignement des salariés, à la motivation et à la communication est difficile, et les entreprises ne créent en pratique des emplois que lorsqu’elles en ont inévitablement besoin.
De plus en plus de gens, comme moi, utilisent l’IA en l’appelant « stagiaire », et l’idée que les postes de stagiaire ou de junior ne sont plus nécessaires semble se renforcer.
Je me demande quels risques apparaîtront quand, après le départ des seniors, les personnes restantes devront les remplacer par de nouveaux seniors qui ne connaissent ni les projets existants ni les pratiques en place.
J’ai l’impression qu’on comprend mal le véritable objectif d’un stage.
À l’origine, le stage est la méthode la plus fiable pour repérer des talents qu’il est difficile de recruter par les voies classiques. Si demain on n’a plus besoin de stagiaires, peut-on vraiment se permettre de ne plus alimenter le vivier de bons nouveaux profils ? Dans quarante ans, quand les effectifs actuels seront tous partis à la retraite, à qui confiera-t-on le travail restant ?
Chaque fois que je vais en ville, je suis surpris du nombre énorme de métiers qui n’ont pas été remplacés par l’IA. Par exemple, les caissiers continuent encore à scanner les articles à la main, à encaisser l’argent et à rendre la monnaie. Je me demande ce qu’il y a de si difficile à automatiser là-dedans pour qu’on n’y arrive toujours pas.
Cela a aussi été tenté via l’offshoring plutôt que via l’IA ; voir cet article.
Le métier de caissier est souvent remplacé, sans IA, en réduisant le personnel au minimum et en installant des caisses libre-service.
Dans les 7-Eleven japonais, il y a toujours un employé à la caisse, mais la gestion du cash et de la monnaie est faite par la machine. Cela dit, récemment, à cause de problèmes de criminalité et de vol, on a plutôt tendance à réduire le self-checkout et à réaugmenter les effectifs de surveillance.
Dans l’automatisation des caisses, la partie la plus difficile n’est pas le calcul, mais la prévention du vol.
La hausse des taux et la pression des droits de douane entraînent une baisse des investissements et une baisse de l’emploi. Pourtant, l’ambiance générale consiste à tout mettre sur le dos de l’IA.
En réalité, le papier de Stanford compare les données de différents groupes et conclut que, chez les 22-25 ans occupant des métiers fortement exposés à l’IA, l’emploi a diminué de manière significative.
Quand on constate que ce phénomène est particulièrement marqué dans les seuls secteurs ayant adopté l’IA, et qu’il touche surtout les profils débutants, il est difficile de l’expliquer uniquement par des facteurs comme les taux ou les droits de douane. J’imagine mal que les auteurs du papier ignorent ces conditions économiques.
Quand l’investissement augmente, le message devient « l’IA est formidable parce qu’elle améliore l’efficacité » ; quand l’investissement baisse, le récit devient « l’IA remplace les humains ». Dans les deux cas, le narratif est gagnant. Si l’ordinateur fait bien quelque chose, c’est « grâce à l’IA », et s’il le fait mal, c’est qu’« il faut encore plus d’IA ».
Personne, au centre, ne donne des consignes pour attribuer systématiquement tous les problèmes à l’IA ; je me demande donc pourquoi tout le monde ignore à ce point d’autres facteurs pourtant évidents pour ne faire porter la responsabilité qu’à l’IA.
Je pense que nourrir la peur de l’IA aide, à long terme, à faire accepter aux travailleurs des conditions d’emploi ou de rémunération moins favorables. À l’inverse, si l’on fait espérer une amélioration grâce à un meilleur contexte économique, cela peut accroître à court terme les revendications sur le partage des gains.
Mon département compte 1 000 personnes en IT, et moins de 5 à 10 % sont nées aux États-Unis. Les Américains y sont peu nombreux, travaillent peu dur, et l’ambiance les pousse de plus en plus à partir.
On dit que l’IA remplacera les métiers du service client, de la comptabilité et du développement logiciel, mais en réalité la qualité de service semble plutôt empirer qu’augmenter. Les centres de support n’ont guère progressé par rapport aux chatbots d’il y a 20 ans, la comptabilité souffre toujours d’une pénurie de personnel et les résultats de l’IA y sont mauvais, et dans le développement, même si la barrière à la production de code a baissé, cela provoque en parallèle une explosion de dette technique et de code sans propriétaire — du code que personne ne comprend —, avec des conséquences potentiellement graves plus tard.