- Les données actuelles ne montrent pas de forte baisse de l’emploi dans les métiers très exposés à l’IA, mais l’IA a peut-être contribué en partie au ralentissement des recrutements de jeunes diplômés et de jeunes cols blancs
- Depuis 2022, le taux de chômage a augmenté de 0,77 point dans les 20 % de métiers les plus exposés à l’IA, et de 0,85 point dans les 20 % les moins exposés, ce qui ressemble davantage à un ralentissement général du marché du travail qu’à des pertes d’emploi dues à l’IA
- L’IA générative a généralement accéléré le support client, le code, l’écriture et les tâches juridiques, mais ses effets varient selon les postes et les niveaux de compétence, avec aussi des cas d’inexactitudes, de mauvais conseils et d’uniformisation de la créativité
- Le taux d’adoption de l’IA par les entreprises varie, selon les enquêtes, d’environ 20 % à plus de 80 % et progresse rapidement, mais la plupart restent au stade d’expérimentations ou de pilotes sur certaines fonctions, avec un impact encore limité sur l’emploi
- Les premiers éléments disponibles ne permettent pas de trancher les effets à long terme de l’IA sur l’emploi ; la vitesse d’adoption et la durée de réorganisation des organisations détermineront l’ampleur du choc sur le marché du travail et la marge de manœuvre des politiques publiques
Les preuves d’une vague massive de pertes d’emplois dues à l’IA restent insuffisantes
- Les inquiétudes grandissent quant à la capacité de l’IA à bouleverser fortement le marché des cols blancs à court terme ; Dario Amodei, CEO d’Anthropic, a prédit que l’IA pourrait supprimer la moitié des emplois de bureau et porter le chômage à 20 %
- Les données agrégées actuelles offrent très peu de preuves que l’IA aurait déjà provoqué de fortes destructions d’emplois
- Depuis 2022, le taux de chômage a augmenté de 0,77 point dans les 20 % de métiers les plus exposés à l’IA, contre 0,85 point dans les 20 % les moins exposés
- Cela suggère davantage un affaiblissement global du marché du travail qu’un choc propre aux métiers exposés à l’IA
- Les tendances de l’emploi dans les métiers fortement exposés à l’IA restent elles aussi relativement stables
- La croissance de l’emploi dans les métiers à forte composante de code a ralenti, mais reste positive
- Rien ne prouve que l’adoption de l’IA ait réduit les offres d’emploi publiées par les entreprises
- Les offres pour développeurs logiciels ont augmenté plus vite que celles des autres métiers au cours de l’année écoulée
- L’emploi dans les entreprises ayant adopté l’IA d’entreprise a augmenté de 10 % au cours des deux années suivantes, la hausse étant tirée par les sociétés dépensant le plus en IA par salarié
- Les annonces de licenciements invoquant l’IA recouvrent des causes réelles diverses
- Certaines réductions d’effectifs limitées peuvent être liées à l’automatisation par l’IA
- D’autres semblent découler de la volonté de dégager des liquidités pour investir dans l’IA ou de corriger les surrecrutements de la période pandémique
- Les responsables RH estiment que l’effet de l’IA se voit davantage dans la consolidation des rôles et dans l’évitement de nouveaux recrutements pour les postes automatisables que dans les licenciements directs
- Certains groupes peuvent subir des chocs qui n’apparaissent pas dans les statistiques agrégées, avec notamment des signaux négatifs du côté de la demande de jeunes cols blancs
Le recul du recrutement des nouveaux diplômés et son lien avec l’IA
- Le taux de chômage des nouveaux diplômés est monté à 5,6 % début 2026, soit 1,6 point de plus que trois ans auparavant
- Les postes débutants comportent souvent des tâches routinières de recherche, d’analyse et de rédaction que l’IA peut réaliser en grande partie, ce qui peut affaiblir la demande de nouveaux recrutements
- Une étude de Brynjolfsson, Chandar et Chen montre qu’après le lancement de ChatGPT en 2022, l’emploi des travailleurs en début de carrière dans des métiers exposés à l’IA, comme développeur logiciel ou conseiller client, a nettement diminué
- L’emploi des travailleurs plus âgés dans les mêmes métiers est resté relativement stable ou a continué d’augmenter
- Les chercheurs comparent les jeunes travailleurs à des « canaris dans la mine de charbon », premiers à subir le choc de l’IA sur le marché du travail
- Des études ultérieures aux États-Unis et au Royaume-Uni ont également constaté, à partir de 2022, des effets négatifs similaires sur le recrutement de jeunes travailleurs exposés à l’IA
- Le calendrier du recul reste toutefois difficile à expliquer par la seule IA
- En 2022, les capacités des modèles d’IA étaient très limitées
- La Réserve fédérale américaine a commencé à relever agressivement ses taux en mars 2022 pour lutter contre l’inflation, plusieurs mois avant la publication de ChatGPT
- Les deux études analysent que le recul du recrutement dans les métiers exposés à l’IA a commencé après le tournant de politique monétaire, mais avant le lancement de ChatGPT
- Les surrecrutements pendant la pandémie et l’essor du télétravail ont aussi pu jouer un rôle
- Le télétravail peut ralentir l’apprentissage sur le terrain et réduire la valeur du recrutement de jeunes travailleurs ; après la pandémie, les recrutements dans les métiers compatibles avec le télétravail ont commencé à se déplacer vers les profils expérimentés
- Des analyses supplémentaires contrôlant les facteurs de confusion montrent que la baisse de l’emploi des travailleurs débutants devient marquée à partir de 2024
- Les baisses autour de 2022 ont probablement été influencées par des facteurs autres que l’IA
- En 2024, l’adoption de l’IA et les capacités des modèles avaient beaucoup progressé, rendant plus plausible un effet direct de l’IA
- Le fort recul du recrutement dans les métiers débutants exposés à l’IA autour de 2022 est clair, mais isoler l’effet causal de l’IA des chocs macroéconomiques reste un problème non résolu
La productivité a globalement progressé, mais de façon inégale
- Dans les expériences, les chatbots et les outils de code ont souvent amélioré de manière relativement importante les performances des travailleurs moins expérimentés et moins performants
- Un assistant d’IA générative dans un grand centre d’appels a amélioré la productivité globale de 15 %
- Les conseillers débutants et peu qualifiés ont résolu 30 % de problèmes en plus par heure
- Les conseillers très qualifiés n’ont pas vu leurs performances s’améliorer, et la qualité de leurs réponses a légèrement baissé
- Dans une expérience GitHub Copilot, les tâches de développement logiciel ont été réalisées 56 % plus vite, l’essentiel du gain se concentrant chez les développeurs les moins expérimentés
- Une expérience distincte en entreprise a mesuré, selon les sociétés, un effet de 10 à 30 % sur la productivité du développement
- ChatGPT a réduit le temps d’écriture dans tous les groupes de compétence, et amélioré la qualité des productions des travailleurs ayant les plus faibles compétences rédactionnelles
- Des gains de vitesse ont aussi été observés dans les tâches juridiques, comme la rédaction de contrats par de jeunes avocats, ainsi que dans la rédaction de dossiers médicaux
- L’effet des outils d’IA de prise de notes médicales était limité, et leurs inexactitudes occasionnelles exigeaient une supervision par les médecins
- Les études portent sur des types de tâches et des durées différents, et certaines ne sont pas randomisées, ce qui rend difficile la comparaison directe de l’ampleur des effets
Des capacités et des coûts de jugement qui varient selon les tâches
- Les performances de l’IA suivent une frontière irrégulière (jagged frontier), pouvant être très positives ou négatives selon la tâche visée
- Dans le monde du travail réel, les salariés doivent décider quand et comment utiliser l’IA, puis juger si les résultats sont utiles ou nécessitent des corrections supplémentaires
- Dans une expérience menée auprès d’entrepreneurs au Kenya, les entrepreneurs peu qualifiés utilisant l’IA ont obtenu un chiffre d’affaires et des bénéfices inférieurs à ceux d’un groupe ayant développé son activité sans IA
- Les moins qualifiés étaient plus susceptibles d’appliquer des conseils génériques de l’IA inadaptés à leur situation
- Les entrepreneurs les plus performants parvenaient à extraire des suggestions mieux adaptées aux besoins de leur activité
- L’IA peut améliorer la qualité des productions individuelles tout en réduisant la diversité des idées au niveau collectif
- En écriture créative, la qualité des histoires écrites par des personnes peu qualifiées s’est améliorée, mais les histoires produites avec l’IA se ressemblaient beaucoup plus que celles écrites par des humains
- Les scientifiques ayant adopté des outils d’IA ont publié davantage d’articles, mais le nombre total de sujets étudiés et les échanges entre scientifiques ont diminué
Pourquoi l’amélioration de tâches individuelles ne se traduit pas par une productivité accrue à l’échelle de l’économie
- La part des tâches que l’IA peut raccourcir de manière rentable reste peut-être encore faible à l’échelle de l’économie
- Des goulots d’étranglement dans les processus que l’IA ne peut pas aider peuvent limiter les gains de productivité globaux
- Lorsqu’elles adoptent une nouvelle technologie, les entreprises doivent réorganiser les fonctions de travail et réaliser des investissements complémentaires, si bien que la productivité mesurée peut d’abord reculer
- Les effets observés en expérience portent pour la plupart sur des tâches précises et des périodes courtes ; ils ne correspondent donc pas aux effets de productivité à long terme sur l’ensemble de l’économie
- L’IA finira peut-être par améliorer la productivité, mais au rythme actuel d’adoption par les entreprises, cela peut ne pas encore apparaître dans les statistiques de productivité globale
Une adoption rapide mais inégale par les entreprises
- Savoir si la transition vers l’IA se produit sur 3 ans ou sur 20 ans change fortement les enjeux de politique publique
- Une transition brutale peut déplacer simultanément de nombreux travailleurs
- Une transition lente donne aux travailleurs et aux décideurs publics le temps de s’adapter
- Toutes les enquêtes auprès des entreprises indiquent que l’usage de l’IA augmente rapidement, mais les estimations du taux d’adoption varient fortement
- L’enquête nationale représentative BTOS du Bureau du recensement américain estime qu’environ 20 % des entreprises utilisent l’IA
- Une enquête auprès de dirigeants d’entreprises américaines indique que plus de 80 % des salariés utilisent l’IA au travail
- Plus de 50 % des clients de Ramp dépensent de l’argent dans des outils ou fournisseurs d’IA
- Une enquête nationale représentative auprès des ménages montre que plus de 40 % des répondants en emploi utilisent l’IA au travail
- Les écarts de chiffres viennent des méthodes d’enquête et de la composition des échantillons
- Les grandes entreprises ayant des taux d’adoption de l’IA plus élevés, les ratios pondérés par l’emploi sont supérieurs aux ratios basés simplement sur le nombre d’entreprises
- L’échantillon de Ramp ne représente pas l’ensemble des entreprises et penche vers les entreprises technologiques, où l’adoption de l’IA est élevée
- Une étude de la Réserve fédérale estime qu’il existe des raisons de privilégier les estimations plus basses du Bureau du recensement, fondées sur un échantillon national, et qu’une pondération par l’emploi réduit sensiblement les écarts entre enquêtes
- L’adoption de l’IA se concentre dans les entreprises technologiques et les secteurs intensifs en information, comme la finance
- Les domaines d’application les plus courants sont les ventes et le marketing, l’IT, la stratégie, la finance et la comptabilité
- Même les entreprises qui l’adoptent la limitent souvent à une ou deux fonctions, ou l’utilisent à faible fréquence sur plusieurs tâches
- L’intégration complète de l’IA reste l’exception ; selon une enquête McKinsey, la plupart en sont au stade des expérimentations ou pilotes, seules quelques grandes entreprises menant des déploiements à grande échelle
- L’impact actuel de l’adoption de l’IA par les entreprises sur l’emploi est limité
- Dans les données du Bureau du recensement, 5 % des entreprises déclarent un impact sur l’emploi, avec autant de réponses à la hausse qu’à la baisse
- Dans une enquête de l’Atlanta Fed, 80 % des dirigeants disent que les investissements en IA n’ont pas encore changé leurs effectifs ni leur productivité
- Une étude danoise montre que l’IA a réorganisé les tâches et la répartition du temps des travailleurs, mais n’a pas encore eu d’effet sur l’emploi, les heures travaillées ou les revenus
- Une autre étude conclut que l’emploi dans les entreprises ayant adopté l’IA a augmenté de 10 % au cours des deux années suivantes
Les premiers signaux ne déterminent pas l’avenir à long terme
- Les innovations technologiques passées ont mis des années, voire des décennies, à transformer les entreprises et les marchés du travail
- Robert Solow déclarait en 1987 : « on voit l’ère de l’informatique partout, sauf dans les statistiques de productivité »
- Dans les années 1980, les entreprises ont massivement investi dans les PC, mais il leur a aussi fallu des logiciels d’entreprise, la requalification des travailleurs et une réorganisation interne pour en tirer des effets
- À cause de ces frictions d’adoption, les résultats économiques mesurables de la révolution informatique ne sont apparus qu’à la fin des années 1990
- Les perspectives sur l’IA divergent fortement
- Ceux qui y voient une technologie normale (normal technology) estiment que l’IA sera transformationnelle, comme les technologies passées, mais se diffusera progressivement
- D’autres prévoient des effets capables de changer le monde dès 2027
- L’argument fort en faveur de la thèse de la technologie normale est l’histoire des révolutions technologiques passées, qui ont supprimé ou réduit la demande de travail dans certains métiers tout en créant de nouveaux emplois et de nouvelles industries
- La nature du travail et de l’économie a changé, mais l’emploi total a augmenté
- Ceux qui estiment que l’IA est différente du passé mettent en avant sa vitesse d’adoption, son effet disproportionné sur le travail cognitif, et son impact sur un large éventail de cols blancs plutôt que sur un seul métier
- Quelle que soit la perspective qui se révèle juste, une révolution technologique peut provoquer de grands chocs pour les individus ; il faut donc suivre rapidement les évolutions du marché du travail et préparer les réponses de politique publique possibles
1 commentaires
Avis sur Hacker News
Dès l’ouverture de la discussion, les deux commentaires les mieux classés disent exactement l’inverse. L’un affirme que l’IA augmente encore la productivité des meilleurs profils existants, faisant passer 80:20 à 99:1, tandis que l’autre dit que les LLM tirent vers le haut les profils en dessous de la moyenne mais gênent les experts, ce qui fait converger vers la moyenne
Une fois les tâches faciles terminées, il peut ne rester que les tâches difficiles, et les juniors pourraient ne plus pouvoir avancer. Les entreprises bureaucratiques produisent de grandes quantités de tâches faciles ; si on mesure la productivité par le débit de tickets Jira traités, le gain de productivité IA des juniors paraîtra bien plus important
Maintenant, je pense qu’un grand projet composé de moi-même, deux développeurs front-end, un développeur quasi full stack, un testeur, deux responsables produit et un PM peut être mené plus efficacement par le seul binôme moi + testeur. Même en réutilisant SQL après 20 ans, je ne suis pas ralenti, et je peux gérer seul rapidement le CSS, les fonctionnalités et les tests
À l’origine, c’était une petite organisation avec 1 à 2 développeurs par projet, donc la gestion des gros projets est chaotique et 80 % des efforts sont gaspillés en communication. L’équipe produit était utile pour le cadrage initial et les patterns UI/UX, mais ensuite il suffit de lui confier des demandes de design précises, et un testeur rigoureux qui détecte les cas limites inhabituels suffit
Je ne veux pas dire que je suis un génie ; je suis seulement raisonnablement compétent dans plusieurs domaines, mais il est effrayant de voir ce qu’un développeur full stack expérimenté doté d’un sens de l’UX et de capacités de gestion des parties prenantes peut accomplir avec ces outils
Les résultats disant que l’amélioration se concentre chez les juniors peuvent aussi venir de la différence de tâches attribuées. Si un senior faisait le travail d’un junior, il pourrait aller 1 000 % plus vite, mais en pratique les tâches vraiment difficiles sont concentrées chez les seniors, et désormais les tâches qui ne se traitent pas facilement avec Claude sont elles-mêmes classées comme difficiles
Les meilleurs profils terminent les tâches très vite, se concentrent sur la qualité et les processus, et produisent un logiciel bien peaufiné, mais les PM s’en aperçoivent et commencent à ajouter sans cesse du travail dans le sprint, ce qui dégrade la situation
Plus surprenant encore : il n’est plus nécessaire d’être expert métier (SME). Une petite équipe sans aucune expérience Android a livré en quelques mois une fonctionnalité produit difficile à porter, presque sans bugs ; sans l’IA, cela aurait pris au moins plus d’un semestre. On passe littéralement d’un « je ne comprends même pas ce que ça veut dire » un jour à une tâche terminée le lendemain
La difficulté de ce type d’étude, c’est que des agents de coding comme Claude Code et OpenAI Codex n’ont vraiment commencé à bien fonctionner qu’à la fin novembre, et qu’en raison des congés de décembre, beaucoup de gens n’ont commencé à les utiliser réellement qu’au début janvier. Les agents généralistes comme OpenClaw, Anthropic Copilot et ChatGPT “Work” sont arrivés encore plus tard
Leur impact sur le travail peut être bien supérieur à celui des systèmes conversationnels de 2022 à 2025 ; une étude ne couvrant que jusqu’à fin 2025 a donc pu rater un saut de performance significatif dans la pratique
J’utilise Claude, mais je n’ai presque pas vu ailleurs de fanatiques de l’IA, et c’était aussi un filtre important dans ma recherche d’emploi. Le récit d’une disparition des emplois est largement exagéré ; cela ressemble davantage au marketing de l’apocalypse d’Anthropic, d’OpenAI et de leurs porte-parole
L’an dernier, l’ambiance était « faire le même logiciel avec moins de personnes », alors qu’aujourd’hui des jeunes entreprises grandissent avec l’espoir de « créer des logiciels d’un autre type ou d’une autre manière ». Cela ne garantit toutefois ni la taille future des équipes ni leur réussite
Dans les entreprises non-startup, la menace de licenciement et la pression à utiliser des outils d’IA existent toujours, et les avis restent partagés sur la capacité d’agents de longue durée à être efficaces sans casse ni supervision attentive dans du code legacy
Même si le développement logiciel a complètement changé, il ne semble pas y avoir beaucoup de gens pour croire qu’on n’aura plus besoin de développeurs en 2027, ou que leur nombre baissera de 50 %
La productivité suit une distribution de Pareto, et l’IA est déjà un outil tranchant qui rend les personnes déjà productives proportionnellement encore plus productives. À mesure que l’intelligence de l’IA augmente, 80:20 peut devenir 90:10, 95:5, 99:1
La bureaucratie des entreprises change lentement, mais si les meilleurs éléments partent créer des concurrents plus petits, le remplacement des entreprises moyennes et grandes par de petites structures pourrait aller vite. Une concurrence efficace entre entreprises peut accroître le surplus du consommateur tout en provoquant une sortie économique massive et l’effondrement de l’assiette fiscale
L’IA n’est devenue aussi bonne que récemment, et créer une entreprise concurrente prend aussi du temps, donc cela n’apparaîtra probablement pas encore dans les indicateurs retardés. Je suis moi-même en train de commoditiser un secteur, en offrant pratiquement gratuitement un produit meilleur que les logiciels haut de gamme d’une industrie de niche tout en gagnant beaucoup d’argent, et je n’ai aucune raison d’en informer mes concurrents. Si la même chose se produit dans plusieurs secteurs, le monde pourrait être complètement transformé
Il faudrait des robots extrêmement intelligents pour gérer la bureaucratie, du déploiement multi-cloud et multi-région à la réglementation locale, la comptabilité, les impôts et le juridique ; aujourd’hui, ce rôle est tenu par des entreprises comme SAP. Si une telle automatisation devient possible, on se rapproche d’une situation où l’entreprise elle-même, telle que nous la connaissons, n’est plus nécessaire
Je me demande pourquoi le graphique du chômage montre une hausse lente pendant plus d’un an avant le Covid. Les données du BLS montent brutalement en mars 2020 (données)
On ne voit pas non plus clairement ce que signifie « exposition à l’IA » en 2015. À l’époque, les LLM n’existaient pas, et le découpage en quintiles de l’article cité correspond en pratique davantage à l’usage de l’informatique qu’à l’IA. Il faut distinguer une IA qui joue aux échecs d’un LLM qui exécute réellement du travail ; le second n’existe probablement que depuis environ un an
J’ai vérifié ma valeur sur le marché récent de l’emploi et, même en pensant avoir suffisamment suivi les évolutions durant les 18 derniers mois comme développeur unique dans mon organisation, le verdict a été sévère. Les entreprises demandaient 4 ans d’expérience en IA agentique
Au final, tout le monde invente, sans comprendre les principes de base, en croyant au battage médiatique, ce qui fixe une barre que personne ne peut franchir. Même en développant des compétences AI-native, on reste insuffisamment qualifié pour des postes AI-native
Malgré cela, il reste utile de manipuler d’anciens modèles, ou des petits modèles récents soumis à des contraintes similaires. Des habitudes comme une gestion minutieuse du contexte et des exemples bien conçus restent efficaces sur les modèles les plus récents, améliorent les performances et réduisent les coûts. Quand c’est possible, il vaut mieux montrer qu’expliquer
Il est regrettable que les modèles de base et de texte, très intéressants et amusants, aient disparu
Les « X années d’expérience » sont aussi, plus qu’une durée littérale, un indicateur indirect de niveau. Si vous faites ce travail aussi bien qu’une personne moyenne avec X années d’expérience et pouvez le prouver, cela suffit
Il y a deux points clés à souligner. Premièrement, la plupart des études de productivité du graphique 3 reposent sur des données de 2023-2024, donc Copilot affichait de bons chiffres ; à l’époque, on était au niveau d’un autocomplétion puissant, avant l’explosion de l’adoption des agents de code
Deuxièmement, plus de 50 % des Américains déclarent utiliser l’IA chaque semaine, mais l’usage réel ne représente que 6 % du temps de travail, ce que l’étude de Google décrit comme un usage « large mais superficiel »
Dans la même enquête, le temps économisé atteint 2 % du temps de travail, ce qui implique un gain de productivité de plus de 30 % par heure d’usage de l’IA, en cohérence avec les résultats de plusieurs secteurs et d’études contrôlées. Certains économistes estiment qu’un taux d’adoption aussi faible suffit déjà à produire des effets dans les statistiques nationales de productivité du travail
6 % est très faible, donc l’impact sur l’emploi ne fait peut-être que commencer. Puisque l’utilité est confirmée à la fois par les déclarations, les chiffres micro et macro, le nombre d’utilisateurs comme le périmètre des tâches vont augmenter, et j’ai peur que l’impact progresse lentement avant de s’emballer soudainement
suivi de l’adoption, étude Google (discussion), données de la Fed de St. Louis, analyse de productivité
Il y a un indice important : les gains de productivité se concentrent surtout chez les ingénieurs peu expérimentés, et disparaissent voire deviennent négatifs chez les profils seniors. Cela correspond au ressenti selon lequel les LLM déplacent la ligne de base vers la moyenne : ils aident ceux qui sont sous la moyenne, mais gênent ceux qui sont au-dessus.
En outre, le travail réalisé avec un LLM laisse moins de traces en mémoire qu’un travail fait directement. Dans ce cas, cela signifie que les ingénieurs peu expérimentés n’accumulent pas une véritable expérience. Les CEO des entreprises technologiques veulent peut-être des travailleurs peu qualifiés qu’ils peuvent payer moins cher
À l’inverse, dans les entreprises où le logiciel n’est qu’un composant non essentiel ou un simple système IT interne, les développeurs ne sont pas vus comme un actif générateur de revenus mais comme un coût à minimiser. Elles cherchent la main-d’œuvre la moins chère et la moins expérimentée, et essaient d’éviter de recruter d’excellents développeurs en externalisant ou en utilisant des LLM
Même si le travail réel est difficile et exige des profils expérimentés, tant que l’entreprise le considère comme un coût, elle essaiera de le traiter avec la main-d’œuvre la moins chère possible. Si possible, il faut éviter les produits ou systèmes IT pour lesquels le lien entre qualité logicielle et rentabilité n’est pas évident pour la direction
L’impact le plus important de l’IA au travail, ce sont les générateurs de code à base de LLM pour développeurs, mais cela ne fait qu’effleurer la surface de ce qu’il est possible de faire en entreprise. Dans notre société, nous n’avons ni la vision, ni la volonté, ni les compétences techniques pour exploiter la véritable puissance de l’IA au service des objectifs métier ; nous achetons seulement des solutions packagées externes et nous ne parvenons pas à intégrer une couche d’intelligence dans notre environnement
Ce type d’entreprise n’est probablement pas rare. Les chatbots sont utiles, mais il faudra des années, voire des décennies, pour que l’IA transforme le travail, et encore plus longtemps pour la vie quotidienne. Même une technologie très profonde doit se diffuser en affrontant les frictions du réel
Mais l’IA s’infiltre bien plus largement qu’un site web, et comme tout le monde utilise déjà un téléphone portable, la friction est aussi plus faible qu’on pourrait le penser. Si MS Copilot devient suffisamment bon, même des utilisateurs non techniques lui confieront du travail
Le patron d’une entreprise de CVC pourra dire : « Il y a une grosse urgence chez Bob’s Burgers à Brentwood, envoie deux employés le plus vite possible et modifie d’autres interventions si nécessaire. » Ce type de tâche ne demande pas une quantité massive de tokens, donc cela deviendra peu coûteux, et des commandes de bureau génériques comme « planifier quelque chose » ou « contacter X au sujet de Y » devraient devenir très pratiques d’ici 3 à 5 ans. Le principal goulot d’étranglement sera de permettre aux agents d’accéder aux bonnes données
Autour de moi, je vois réellement des gens perdre leur emploi, mais heureusement je ne suis pas encore directement touché. Avec l’adoption du SaaS, de l’iPaaS et du serverless comme technologies principales de livraison, le travail en agence est déjà effectué par des équipes plus petites qu’il y a dix ans
Grâce à l’IA, on peut faire plus avec moins de monde, mais il n’y a pas assez de demande en projets pour occuper tout le monde
Le CEO d’Anthropic, Dario Amodei, prédit que l’IA pourrait supprimer la moitié des emplois de bureau et faire monter le chômage à 20 %, tout en disant en même temps que certains modèles sont trop dangereux pour être lancés