Les preuves que l’IA est en train de détruire les emplois des jeunes

• Un récent article publié par une équipe de chercheurs de Stanford montre que l’emploi des jeunes travailleurs de 22 à 25 ans dans les métiers très exposés à l’IA a reculé d’environ 13 %
• L’étude s’appuie sur les données de paie d’ADP et contrôle diverses hypothèses explicatives comme le Covid, le télétravail ou la conjoncture
• La baisse de l’emploi des jeunes apparaît nettement uniquement dans les métiers où l’impact d’automatisation de l’IA est fort (développement logiciel, service client, etc.)
• Dans les fonctions où l’IA joue surtout un rôle d’augmentation (assistance et complément), la baisse de l’emploi des jeunes est au contraire moins marquée
• L’étude est considérée comme une preuve empirique forte que l’IA provoque déjà des changements structurels sur le marché du travail des jeunes

---

Dernières tendances de la recherche sur la baisse de l’emploi des jeunes aux États-Unis et l’impact de l’IA

Contexte du débat

• Les débats se poursuivent autour de la situation économique américaine et de l’impact de l’IA
• À la question « L’IA est-elle déjà en train de prendre les emplois des jeunes ? », trois grands points de vue s’opposent
  • C’est possible : au départ, certaines analyses ont avancé que la faiblesse récente de l’emploi des jeunes diplômés pouvait être liée à l’IA
  • Oui, clairement : de grands médias comme le New York Times et Axios ont affirmé que l’IA prenait les emplois des débutants, tandis que le CEO d’Anthropic a prédit que la moitié des postes d’entrée de gamme en col blanc pourraient disparaître dans les cinq prochaines années
  • Presque pas : des instituts d’analyse économique ont publié des données indiquant que l’impact de l’IA sur l’emploi restait peu visible, et que dans la majorité des entreprises l’effet net de l’IA sur les effectifs était presque nul

L’étude de Stanford et ses constats empiriques

• Une équipe de recherche de Stanford a récemment observé les tendances de l’emploi jusqu’à la mi-2025 à partir de plusieurs millions de données de paie d’ADP
• Elle a constaté une baisse de 13 % de l’emploi des jeunes de 22 à 25 ans dans les métiers très fortement exposés à l’IA (par exemple développeurs logiciels, service client) depuis l’arrivée de ChatGPT
• À l’inverse, dans les métiers faiblement exposés (comme l’aide à domicile) ainsi que chez les travailleurs plus âgés, l’emploi s’est maintenu voire a progressé
• Même après avoir contrôlé divers facteurs exogènes comme le Covid, le télétravail ou la faible croissance, les résultats changent peu
• Il ne s’agit pas d’une expérience établissant une causalité stricte, mais d’une analyse observationnelle. Malgré cela, la baisse de l’emploi des jeunes dans les postes très exposés apparaît clairement

Analyse des graphiques et des cas

• Graphique 1 : montre une baisse nette des nouvelles embauches chez les jeunes ingénieurs logiciels et dans les métiers du service client
  • Alors que l’emploi se maintient ou progresse chez les travailleurs plus âgés, on observe une chute brutale uniquement chez les jeunes pour les mêmes fonctions
• Graphique 2 : dans les métiers très peu exposés à l’IA, comme l’aide à domicile, l’emploi des jeunes augmente rapidement
  • Cela suggère que la baisse de l’emploi des jeunes liée à l’IA reste un phénomène limité à certains métiers
• Dans les métiers moyennement exposés à l’IA, comme le marketing, l’emploi des jeunes a également reculé de façon nette

Pourquoi cette étude diffère-t-elle des précédentes ?

• Les études précédentes (comme le CPS) reposaient sur des échantillons trop réduits pour analyser finement des groupes détaillés comme les 22-25 ans
• Grâce aux données d’ADP, il devient possible d’obtenir des estimations fiables même sur des sous-groupes précis par âge et par profession

Différence entre les effets d’automatisation et d’augmentation de l’IA

• L’analyse distingue, selon les métiers, les cas où l’IA remplace automatiquement le travail humain et ceux où l’IA augmente ou complète le travail humain
  • Métiers à forte composante d’automatisation (ingénieurs logiciels, audit comptable, etc.) : l’emploi des jeunes recule nettement
  • Métiers à forte composante d’augmentation (rôles complexes ou exigeant une dimension stratégique) : la baisse de l’emploi des jeunes n’apparaît pas clairement
• L’étude s’appuie aussi sur des indicateurs externes comme l’Anthropic Economic Index pour classer et analyser les caractéristiques de l’impact de l’IA selon les métiers
• Graphiques 6 et 7 : les métiers facilement automatisables montrent une nette baisse de l’emploi des jeunes, tandis que les métiers davantage orientés augmentation sont au contraire en hausse

Différences d’impact sur l’emploi entre départements d’une même entreprise

• Même à l’intérieur d’une même entreprise, les départements très exposés à l’automatisation comme le juridique ou la comptabilité voient l’emploi des jeunes reculer, alors que d’autres départements se maintiennent ou progressent sous l’effet d’une logique davantage orientée augmentation
• Indépendamment des facteurs macroéconomiques propres à l’entreprise (comme les taux d’intérêt), il existe des écarts nets selon le niveau d’exposition des fonctions

Potentiel de substitution de l’IA et caractéristiques de la main-d’œuvre

• Les LLM (grands modèles de langage) apprennent particulièrement bien à partir de connaissances documentées et structurées. Cela recoupe largement le savoir formel acquis par les jeunes
• À l’inverse, ils recoupent moins bien les connaissances tacites des travailleurs plus âgés et expérimentés, c’est-à-dire les savoir-faire très fins acquis sur le terrain
• Les tâches de court terme, répétitives et faciles à évaluer sont plus simples à remplacer par l’IA. Les tâches complexes de stratégie à long terme le sont beaucoup moins

Comment l’enseignement supérieur doit réagir

• La capacité à utiliser activement l’IA comme outil devient essentielle
  • Fait surprenant, les développeurs seniors seraient souvent plus aguerris dans l’usage de l’IA. D’où la nécessité de repenser les cursus universitaires
• Les limites des LLM (travail physique, interaction humaine, etc.) et l’importance de nouvelles compétences professionnelles sont de plus en plus mises en avant

Conclusion et perspectives

• Plutôt que de ne débattre que des promesses ou des menaces futures de l’IA, il faut regarder en face le fait qu’elle a déjà un impact réel sur l’économie actuelle et sur le marché du travail des jeunes
• L’article souligne la nécessité de données en temps réel et de vérifications répétées pour mieux comprendre le lien entre IA et emploi des jeunes
• Le message est clair : plus que les prévisions sur l’avenir, c’est un diagnostic précis de la situation présente qui importe

[kimjoin2]

Tous les progrès technologiques détruisent des emplois existants, mais seule l’IA attire particulièrement l’attention.

[GN⁺]

Avis Hacker News

• Je me demande pourquoi la baisse des embauches dans les métiers centrés sur le NLP, comme les Customer Service Rep, apparaît dès janvier 2023 ; à ma connaissance, la plupart des grandes entreprises n’ont lancé leurs pilotes LLM/NLP qu’au milieu ou à la fin de 2023, donc voir les recrutements reculer plus d’un an avant le déploiement réel de la technologie ne s’explique pas bien ; la baisse des embauches de SWE a commencé vers la mi-2022, ce qui coïncide presque exactement avec la hausse des taux ; les LLM et Copilot ne se sont popularisés qu’un an plus tard ; l’article dit que l’étude contrôle la fin du ZIRP, mais je ne sais pas si cet ajustement est suffisant ; même dans des sondages informels autour de moi, l’adoption sérieuse des LLM Copilot date plutôt de fin 2023 à mi-2024 ; ce n’était pas encore diffusé à ce point

  • La baisse des embauches de SWE (software engineers) vient du changement de la législation fiscale de 2017 : une partie du crédit d’impôt lié à la R&D a disparu à partir de 2022, ce qui a fortement augmenté le coût salarial des postes de R&D (par ex. ingénieurs, scientifiques) ; les grandes entreprises les plus exposées à la R&D ont été touchées en premier ; en revanche, la baisse des recrutements dans le customer service vient du fait que les entreprises se soucient peu du service client ; depuis des décennies, entre les systèmes téléphoniques automatisés, les centres d’appels externalisés et les sites web mal conçus, même une mauvaise qualité de service ne pose pas problème, et si elles peuvent dire aux investisseurs « on déploie de l’IA pour réduire encore les effectifs », elles sont même récompensées ; comme ni le marché ni la régulation ne l’empêchent, même en dégradant volontairement le service il n’y a aucun espoir que cela s’améliore

  • Je fais du conseil, et l’ambiance a changé de façon spectaculaire autour de novembre 2022 ; avant, j’avais trop de prospects à gérer, puis soudain le travail s’est presque arrêté net ; mes clients sont aussi des startups ou des entreprises de taille intermédiaire, pas des acteurs avec des infos internes ou au fait des tendances de pointe ; je n’ai jamais vu qui que ce soit parler de réduire les coûts salariaux grâce à GPT ; intuitivement, j’ai surtout l’impression que la fin du ZIRP et le début des licenciements (des postes immédiatement pourvus) sont la cause principale

  • Je pense un peu comme l’auteur du message : il y avait déjà clairement des signes de faiblesse du marché du travail avant que les LLM et l’IA ne deviennent un vrai sujet ; selon moi, la contraction des embauches n’a pas pour cause principale les LLM, ce n’est qu’une corrélation ; plus fondamentalement, il y a des fissures dans la structure économique, non seulement aux États-Unis mais dans le monde entier, ce qui étend les difficultés d’emploi des jeunes ; les causes sont multiples et imbriquées : effets secondaires des politiques monétaires et budgétaires, inégalités de richesse, droits de douane, géopolitique, etc.

  • L’étude mentionne un ajustement pour l’effet de la fin du ZIRP, mais on peut douter de sa suffisance ; dans l’article (Equation 4.1, p.15), les effets individuels sont séparés par entreprise, niveau d’exposition à l’IA et période (log(y_{c,q,t}) ~ a_{c,q} + b_{c,t} + g_{q,t}), et les effets sur toute la série temporelle (ZIRP, Section 174, etc.) sont censés être absorbés dans b ; g est normalisé sur octobre 2022 et un niveau d’exposition de 1, et la Figure 9 (p.20) montre les courbes par tranche d’âge et niveau d’exposition ; seule la population jeune avec des niveaux d’exposition 3, 4 et 5 baisse à partir de mi-2024 ; le graphique de l’article et la Figure 9 de l’étude ne donnent pas la même impression, et je pense que l’effet du ZIRP est très important ; cela dit, avec cette méthode, les métiers junior à forte exposition à l’IA (comme les SWE) directement touchés par la Section 174 ne sont pas correctement corrigés par b et peuvent se retrouver reflétés dans g, donc être interprétés à tort comme un effet de l’IA ; une réanalyse en retirant les métiers concernés par la Section 174, comme les SWE, serait intéressante, article complet

  • Dans notre entreprise aussi, l’externalisation a vraiment accéléré en 2023 ; on a lancé des projets IA, mais les résultats ont été médiocres, alors que l’externalisation a avancé très vite

• J’ai construit un modèle simple : si jusqu’en 2021 les embauches augmentent doucement dans tous les groupes (tranches d’âge), puis diminuent progressivement ensuite, on obtient un motif proche des graphiques de l’étude ; c’est parce que les ingénieurs recrutés en masse autour du pic se déplacent ensuite d’une tranche d’âge à l’autre ; le fait que l’étude normalise les graphes sur 2022 masque l’absence presque totale de variation réelle des taux d’embauche, Google Spreadsheet partagé

  • Résultat intéressant ; en réalité, même si les embauches étaient identiques dans toutes les tranches d’âge, la structure des données (par ex. les jeunes qui vieillissent avec le temps) pourrait faire croire à tort que seuls les jeunes perdent spécialement des emplois

  • C’est un peu déroutant ; dans le modèle explicatif, les tranches 20-24 ans et 25-29 ans atteignent leur pic à des années différentes (2022 vs 2024) ; si la structure est la même, je m’attendais à ce qu’elles montent, descendent et culminent toutes au même moment, donc je me demande si c’est normal

• La baisse des embauches de juniors est une « tragédie des communs » ; elle a commencé dès l’époque du Covid, avant le boom de l’IA, et ce n’est pas un phénomène propre aux États-Unis ; avec le ZIRP, les entreprises recrutaient sans fin et se débauchaient les talents entre concurrentes, au point que même des stagiaires avec deux ans d’expérience étaient traités comme des seniors, et des connaissances à moi étaient payées dès la sortie de bootcamps ; au final, comme les juniors embauchés partaient vite ailleurs en tant que seniors, les entreprises se sont mises à éviter d’embaucher des juniors

  • L’emballement autour de l’IA est en train d’aspirer le capital au détriment des recrutements traditionnels

• Ce que nous appelons désormais « IA » est devenu non pas une technologie, mais un service par abonnement ; une technologie s’intègre dans la toolchain et aide à augmenter mes capacités, tandis qu’une société d’abonnement prend en charge la charge cognitive tant que je paie ; si le CEO d’Anthropic dit que les emplois de cols blancs vont disparaître, c’est aussi parce qu’en vendant des abonnements IA pour entreprises, il fait un discours marketing sous-entendant que les sociétés en deviendront des acheteurs inévitables

  • L’IA devrait bientôt entrer dans une phase de commoditization ; les modèles open source n’ont souvent qu’une génération de retard sur les modèles privés/propriétaires, ce qui suffit largement à la quasi-totalité des utilisateurs ; comme tout repose sur le langage naturel, on peut facilement remplacer le LLM d’une entreprise par celui d’une autre ; les entreprises qui veulent vendre autre chose que de l’hébergement IA pourraient avoir de grosses désillusions ; seul le vendor lock-in peut empêcher cette commoditization, mais cela ne semble pas facile techniquement

• Les données économiques de 2020 à 2025 ne veulent rien dire, il faut les jeter ; on est dans une époque de variables — pandémie, inflation brutale, incertitude sur les taux, impact des droits de douane — qui empêche de mesurer l’influence réelle de l’IA ; il faudra observer la situation de l’emploi après la prochaine récession et une fois ces variables retombées pour pouvoir évaluer l’effet réel de l’IA sur l’emploi

  • Et les vingt années d’avant sont aussi des données pourries à cause de la crise mondiale du logement et de la crise des dettes souveraines ; les vingt années d’encore avant étaient remplies de facteurs exceptionnels comme la bulle Internet ou le 11-Septembre ; les données économiques sont toujours pleines de bruit et les expériences en milieu stérile y sont impossibles ; c’est pour ça qu’on dit parfois que c’est une science amère ; cela ne veut pas dire pour autant que les données sont inutiles

• Il peut y avoir toutes sortes de causes non expliquées ; en période d’incertitude, on n’embauche pas si le poste n’est pas indispensable ; les recrutements de juniors ou en centre d’appels se reportent facilement, alors que pour des fonctions essentielles comme le care, il n’y a pas de marge de manœuvre ; aujourd’hui, la première source d’incertitude pour les entreprises, ce sont les droits de douane, et l’incertitude sur les taux reste importante

• Moi aussi, je suis entré à l’université en 2004 (en Australie), juste après les répercussions de la bulle Internet ; il y avait peu de candidats en CS et les gens fuyaient à cause de l’insécurité de l’emploi ; cela a créé une forte pénurie de profils débutants, et les entreprises ont recommencé à recruter davantage vers 2004 ; j’ai moi-même trouvé un emploi immédiatement après mon diplôme, en 2008, et je n’ai jamais eu à m’inquiéter du volume de travail ensuite ; si je devais conseiller les lycéens de 2025, je dirais que c’est justement le moment idéal pour se lancer en CS ; dans cinq ans, la surchauffe autour de l’IA sera retombée et il y aura une pénurie de juniors

  • Je me demande sur quoi repose cette affirmation ; peut-on vraiment être sûr que l’IA n’est qu’une hype ?

  • alternative view: cette fois, il se peut que la hype autour de l’IA corresponde à quelque chose de réel, que l’IA remplace effectivement les emplois, et que dans cinq ans tout le monde soit au chômage ; mais on peut aussi voir les choses autrement : dans cinq ans, les départs massifs à la retraite des baby-boomers et de la première vague de la GenX pourraient être bien avancés, et le marché de l’emploi pourrait au contraire être très ouvert dans la plupart des secteurs

  • Cette fois, cela peut être différent ; nous vivons maintenant à une époque où l’on peut développer du logiciel en orchestrant des LLM et des agents ; le rôle des software engineers se réduit alors à l’assurance qualité, la conformité, l’architecture logicielle, et la gestion de cas particuliers que les LLM traitent mal ; mais même cela pourrait être résolu par les progrès de l’IA ; au final, il semble que les tâches accessibles avec les compétences apprises par les diplômés en CS vont se réduire de plus en plus ; à l’avenir, il sera plus important de savoir concevoir abstraitement les besoins des clients, déléguer les jugements et les consignes à l’IA, puis évaluer les résultats de l’IA comme on apprécie une œuvre d’art

• Les tendances prennent du temps ; quand on met « IA » dans quelque chose et qu’on secoue le tout, il arrive souvent qu’on n’ait même pas vérifié si l’IA est réellement « intelligente » ; il suffit que la direction ordonne à la HR d’adopter l’IA pour que, sur la base de justifications douteuses, elle lance en quelques mois des réductions massives d’effectifs, tandis que les réembauches avancent lentement ; les LLM sont utiles, mais ce ne sont pas des outils faits pour des suppressions massives de postes ; du point de vue du management, l’optimisation des coûts est tentante, mais dans la réalité l’IA ne devient pas aussi vite le I qu’on l’espérait ; pour avoir utilisé moi-même ces outils, je vois les LLM moins comme un outil révolutionnaire que comme une excellente règle à calcul ; ma règle à calcul fonctionne toujours sans Internet ni électricité, les LLM non

• Dans les recrutements de jeunes, de nombreux facteurs entrent en jeu au-delà des connaissances et des compétences ; même dans l’IT, il existe beaucoup de tâches simples à caractère presque blue-collar, et elles sont le plus souvent confiées à des sous-traitants ou à des contractuels, souvent jeunes ; par exemple, le support IT, la maintenance et autres tâches répétitives sont largement effectués hors du monde occidental ; l’IA ne semble pas prête à remplacer immédiatement ce segment ; certaines tâches subalternes sont aussi confiées aux jeunes pour répartir la responsabilité et le risque ; je ne pense pas que l’IA puisse assumer une responsabilité au niveau d’un humain ; les jeunes étaient aussi préférés pour leur rapidité, leur flexibilité, leur forte capacité de travail, leurs bas salaires, et parce qu’ils acceptaient plus facilement de faire des heures tardives sans trop s’y attacher ; d’après mon expérience, ils étaient aussi meilleurs en travail d’équipe ; si on interprète la situation actuelle uniquement sous l’angle des compétences, on rate l’ensemble du tableau

• Le software engineering est entré dans une phase de correction à partir de 2022, et l’IA n’est qu’un prétexte pour justifier les licenciements de masse ; Zuck parle depuis des années de « l’année de l’efficacité »