Entre 5 % et 60 % des emplois exposés : ce que le Trésor dit de ces chiffres

La Direction générale du Trésor a publié le 30 juin 2026 une revue de la littérature empirique sur les effets de l’IA sur l’emploi. Sa conclusion tient en une phrase : les études existantes ne permettent pas de déterminer l’effet total de l’IA sur l’emploi, faute de recul suffisant et parce que l’adoption par les entreprises reste limitée.

Venant de l’administration économique de l’État, c’est un constat qui mérite d’être relayé tel quel — d’autant qu’il s’accompagne d’un chiffre qui devrait figurer en tête de tout article sur le sujet.

Le chiffre qu’il faut retenir : 5 % à 60 %

Les estimations disponibles situent entre 5 % et 60 % la part des emplois potentiellement exposés à l’IA à court ou moyen terme. Le Trésor précise que ces estimations sont incertaines.

Un rapport de un à douze. Ce n’est pas une fourchette, c’est un aveu : les méthodes de mesure ne convergent pas. Quand un article annonce « X % des emplois menacés », il choisit un point dans cet intervalle sans presque jamais dire lequel, ni pourquoi.

Le Trésor prend aussi soin de distinguer trois notions que le débat public confond systématiquement : les emplois exposés (une part de leur contenu est concernée), les emplois menacés (une part significative des tâches est substituable, sans présager de leur disparition), et les emplois valorisés par la complémentarité. Un emploi exposé n’est pas un emploi menacé.

Ce qui est mesuré, ce qui ne l’est pas

La publication sépare rigoureusement les deux registres, et c’est ce qui la rend utile.

Mesuré, au niveau individuel. Les études expérimentales montrent des gains de productivité réels sur des usages ciblés : +14 % pour les agents de service client, +26 % pour les développeurs informatiques. Le Trésor ajoute que ces résultats pourraient être sous-estimés, la plupart ayant été obtenus avec des modèles antérieurs.

Mesuré, en France, sur un secteur. Dans les activités informatiques, l’emploi a reculé. La contraction de 3,8 points de l’emploi des 15-29 ans a plus que compensé la légère progression des autres tranches d’âge, aboutissant à une baisse globale de 3,0 points. Le taux de chômage des 15-24 ans est passé de 19,1 % à 21,1 % entre le premier trimestre 2025 et le premier trimestre 2026.

Non causal, et le Trésor le dit. L’Insee met en évidence cet ajustement de l’emploi des jeunes dans des secteurs exposés sans présenter de relation causale. Le Trésor rappelle que l’emploi des jeunes est de toute façon plus sensible à la conjoncture. Deux points de chômage supplémentaires chez les 15-24 ans peuvent avoir plusieurs causes ; l’IA en est une hypothèse, pas une conclusion.

Projeté. Une étude citée estime que 3,8 % du contenu du travail est actuellement à risque d’automatisation en France, puis jusqu’à 16,3 % d’ici deux à cinq ans. Le Trésor précise que cet indicateur désigne une part de tâches automatisables pondérée par l’emploi — et non une part d’emplois menacés de suppression. La nuance disparaît dans la plupart des reprises.

Le biais de labellisation

Un passage mérite une mention particulière, parce qu’il touche à la fiabilité de toute la statistique disponible.

Aux États-Unis, les suppressions de postes attribuées à l’IA représentent en 2025 entre 4,5 % et 6,2 % des licenciements annoncés, et se diluent dans des flux de créations et de destructions bien supérieurs. Le Trésor note par ailleurs que l’adoption de l’IA sert parfois de motif affiché à des licenciements décidés pour d’autres raisons.

Autrement dit : une part des « emplois supprimés par l’IA » dont on parle n’a pas été supprimée par l’IA. Compter les annonces d’entreprises revient à mesurer un discours autant qu’un phénomène.

Les limites que la publication assume

Trois, explicitement.

Les indices d’exposition ne s’accordent pas entre eux : différentes études attribuent des niveaux d’exposition différents aux mêmes métiers. L’évolution du chômage des travailleurs exposés varie fortement selon l’indice retenu.

Les données d’offres d’emploi surreprésentent les travailleurs qualifiés et les grandes entreprises. C’est le matériau de nombreuses études — et un biais de sélection qui joue toujours dans le même sens.

Les entreprises les plus productives ou innovantes adoptent plus vite, ce qui complique l’identification d’un effet causal et limite l’extrapolation.

Ce que ça dit de notre propre travail

Nous mesurons une chose et une seule : la part du contenu de travail d’un métier qu’un modèle sait faire aujourd’hui, tâche par tâche, sur le répertoire officiel français. Nous ne mesurons ni l’adoption, ni les suppressions d’emploi, ni la vitesse à laquelle une organisation délègue.

Cette revue confirme que c’est la seule chose mesurable proprement à ce stade — et rappelle pourquoi nous refusons de franchir le pas suivant. Passer de « cette tâche est réalisable » à « cet emploi est menacé » suppose de connaître le rythme d’adoption, la réorganisation du travail et les décisions d’employeurs que personne ne sait modéliser aujourd’hui.

Nous publions aussi, pour chaque métier, le nombre de tâches sur lequel son indice est calculé, et nous refusons de classer un savoir-faire sur cinq parce que sa description est trop vague. Un observatoire qui donnerait un chiffre net là où le Trésor donne un intervalle de un à douze ne serait pas plus précis. Il serait moins honnête.