Emploi et IA en France : ce que disent réellement les chiffres de 2026
166 000 offres liées à l'IA, 21 % des annonces de développement qui la mentionnent, un solde net contesté. Lecture critique des données disponibles.
Publié le · La rédaction
Les chiffres sur l’IA et l’emploi circulent vite et se contredisent souvent. Voici ceux qui tiennent, ceux qui méritent des réserves, et ce qu’on ne sait pas.
Ce qui est solidement établi
L’IA est devenue une compétence attendue, pas une spécialité. Selon l’Indeed Hiring Lab, environ 21 % des annonces publiées dans le développement informatique en France contiennent désormais des termes explicitement liés à l’intelligence artificielle. Ce niveau était marginal en 2022. C’est le signal le plus fiable dont on dispose, parce qu’il mesure un comportement d’employeur, pas une intention déclarée.
Le volume d’offres est réel. Plus de 166 000 offres d’emploi liées à l’IA ont été publiées en France sur l’année, ce qui place le pays en tête des marchés européens sur ce critère.
La tension de recrutement est structurelle. Les postes en data science, apprentissage automatique et ingénierie IA figurent parmi les plus difficiles à pourvoir, selon des sources convergentes du côté de France Travail, de l’Apec et des observatoires de branche du numérique.
Ce qui demande des réserves
Les grands totaux mondiaux. Le World Economic Forum avance 170 millions de créations d’emplois liés à l’IA sur cinq ans ; le FMI évoque 40 % des emplois mondiaux impactés ; l’OCDE estime à 27 % la part de l’emploi salarié français exposée à un risque d’automatisation élevé. Ces chiffres reposent sur des définitions différentes de l’« exposition » et sur des projections à horizon lointain. Ils indiquent un ordre de grandeur, pas une prévision.
Le solde net. L’idée que l’IA créerait entre 1,3 et 1,7 emploi pour chaque emploi détruit est reprise partout. Elle repose sur des hypothèses de diffusion technologique qui n’ont pas été validées empiriquement. Un solde global positif ne dit d’ailleurs rien de la situation individuelle : les emplois détruits et les emplois créés ne concernent ni les mêmes personnes, ni les mêmes territoires, ni les mêmes niveaux de qualification.
Les taux de croissance spectaculaires. Une hausse de 245 % de la demande sur un an s’explique en grande partie par l’effet de base : partir d’un niveau très faible produit mécaniquement des pourcentages impressionnants.
Ce qu’on ne sait pas
Trois angles morts méritent d’être nommés.
On mesure mal l’effet sur les tâches plutôt que sur les postes. La plupart des enquêtes comptent des offres d’emploi. Or la transformation en cours se joue d’abord à l’intérieur des postes : le libellé ne change pas, le contenu du travail si.
On n’a presque aucune donnée française granulaire. Les travaux les plus rigoureux sur l’exposition — notamment ceux qui croisent la taxonomie de tâches O*NET avec l’usage réel observé des modèles — portent sur le marché américain. La structure de l’emploi française, ses réglementations et ses conventions collectives diffèrent suffisamment pour que la transposition directe soit hasardeuse.
On confond capacité technique et adoption. Le fait qu’un modèle sache faire une tâche ne dit rien de la vitesse à laquelle une organisation la lui confiera réellement. Les travaux publiés sur l’usage effectif montrent une pénétration concentrée sur une fraction étroite des tâches de l’économie, très loin de la couverture qu’on pourrait déduire des seules capacités.
La lecture utile pour un actif
Trois grandes familles se dessinent dans les métiers liés à l’IA.
Les bâtisseurs — ingénieurs en apprentissage automatique, data scientists, architectes MLOps. Barrière à l’entrée élevée, formation longue, rémunérations au sommet du marché. C’est une porte étroite, souvent présentée à tort comme la seule.
Les intégrateurs — chefs de projet IA, responsables de gouvernance, spécialistes de la conformité, formateurs. Accessibles par montée en compétence depuis un métier existant. C’est la famille qui recrute le plus en volume et dont on parle le moins.
Les augmentés — l’immense majorité. Ni développeurs, ni spécialistes IA, mais des professionnels dont le métier intègre l’outil. Ici, l’enjeu n’est pas la reconversion mais le repositionnement à l’intérieur du poste.
La question à se poser n’est donc pas « dois-je apprendre à coder ». C’est : dans mon métier, quelles tâches sont en train de devenir gratuites, et sur lesquelles suis-je encore irremplaçable.