La scène se répète dans les entreprises que nous accompagnons. Une tâche autrefois confiée au dernier arrivé — reprendre un document, vérifier des données, produire une première version — est désormais faite par un outil, mieux et plus vite. Personne n’a licencié qui que ce soit. On a simplement cessé d’avoir besoin de confier ce travail à quelqu’un qui débute. Le débat « IA et emploi » passe à côté de ce déplacement.
C’est le vrai sujet d’IA et emploi, et l’édition 2026 de l’AI Index de Stanford permet pour la première fois de le regarder avec des chiffres plutôt qu’avec des opinions (Stanford HAI, AI Index 2026). Ils ne disent pas que l’IA détruit l’emploi. Ils disent quelque chose de plus précis, et de plus embarrassant pour une PME.
IA et emploi : le signal n’est pas la destruction de postes
La donnée la plus commentée de cette édition est américaine, et il faut le dire avant de la citer. À partir de données de paie, les chercheurs constatent que l’emploi des développeurs logiciels de 22 à 25 ans a reculé de près de 20 % depuis 2024, tandis que celui des développeurs plus expérimentés a continué de croître (AI Index 2026, p. 11). Le corps du chapitre donne une mesure un peu plus prudente, de l’ordre de 16 % pour cette classe d’âge dans les métiers les plus exposés à l’IA (AI Index 2026, p. 222).
Deux précautions s’imposent. Le marché de l’emploi français n’est pas le marché américain : ni les mêmes contrats, ni la même mobilité, ni les mêmes cycles de recrutement. Et une corrélation n’est pas une cause — le secteur technologique américain a connu d’autres secousses sur la même période. Le rapport lui-même ne conclut pas à une causalité. Il note une coïncidence, et elle est troublante.
Troublante, parce que le recul ne se répartit pas au hasard : il apparaît là où les gains de productivité liés à l’IA sont les mieux documentés (AI Index 2026, p. 11). Autrement dit, ce n’est pas un secteur qui va mal. C’est un niveau de poste qui disparaît dans des secteurs qui vont bien.
Rien n’oblige à attendre une étude française pour savoir où l’on en est. Le chiffre se trouve dans vos propres registres : combien de personnes avez-vous recrutées en début de carrière ces trois dernières années, et combien en aviez-vous recruté les trois années précédentes ? Si la courbe baisse sans qu’aucune décision ne l’ait décidé, c’est que quelqu’un a déjà tranché à votre place, tâche après tâche.
Ce que l’IA remplace, c’est l’exercice d’apprentissage
Regardez ce qu’un débutant fait réellement pendant ses deux premières années, dans n’importe quel métier de bureau. Il reprend des documents existants, il vérifie des données, il produit des premières versions que quelqu’un corrigera, il assiste à des réunions dont il ne comprend qu’une partie. Ce travail a deux fonctions : il rend un service à l’entreprise, et il fabrique un professionnel.
L’IA est précisément excellente sur la première fonction, et elle n’a aucun effet sur la seconde. Le rapport mesure par exemple 26 % de contributions supplémentaires chez des développeurs équipés d’un assistant de code (AI Index 2026, p. 174). Le gain est réel. Mais si ces contributions sont celles qu’un junior aurait écrites en apprenant, le gain de cette année se paie en compétence absente dans cinq ans.
Le rapport nomme ce risque sans le trancher : une dépendance forte à l’IA pourrait entraîner une pénalité d’apprentissage, c’est-à-dire ralentir le développement des compétences à long terme (AI Index 2026, p. 174). Ce n’est pas un résultat établi, et il faut le présenter comme tel. C’est une inquiétude documentée, formulée par des chercheurs qui mesurent par ailleurs des gains bien réels.
Le phénomène n’a rien de propre au logiciel, même si c’est là qu’il se mesure le mieux. En cabinet comptable, le premier exercice était la saisie et le rapprochement ; en cabinet d’avocats, la recherche et la note de synthèse ; en agence, la première version d’un texte ou d’une maquette. Partout, l’apprentissage passait par un travail que l’on pouvait confier sans risque parce qu’il serait relu. C’est précisément la catégorie de travail que l’IA fait bien.
Vos équipes ne voient pas ce que vous voyez
Un dernier chiffre explique beaucoup de réunions difficiles. Interrogés sur l’effet de l’IA sur la manière dont les gens font leur travail, 73 % des experts attendent un effet positif — contre 23 % du grand public (AI Index 2026, p. 12). Cinquante points d’écart. Une direction qui annonce un projet d’IA parle depuis le premier groupe à des gens qui appartiennent au second.
Dans une PME, cet écart ne se règle pas par une note de service. Il se règle en disant ce qui ne changera pas : qui reste, quelles tâches restent humaines, et ce qu’on attend désormais des postes juniors. Tant que ces trois réponses manquent, chacun les remplit avec ce qu’il redoute.
La conversation s’ouvre mieux par une question que par une annonce. Demandez à chacun quelle partie de son travail il confierait volontiers à un outil, et laquelle il refuse de lâcher. Les réponses sont presque toujours plus fines que ce que la direction imagine : les équipes distinguent très bien la tâche pénible de la tâche qui les tient debout. C’est cette distinction-là, dite par ceux qui font le travail, qui doit orienter les choix.
Ce qu’un dirigeant peut décider dès maintenant
Garder des postes d’entrée, d’abord, et l’assumer comme un investissement plutôt que comme une inefficacité. Dans une PME, chaque senior est difficilement remplaçable et se recrute mal : automatiser le travail junior sans plan de transmission revient à parier sur le marché du recrutement dans cinq ans.
Redéfinir la tâche junior, ensuite. Produire la première version n’apprend plus grand-chose, puisque l’outil la produit. Vérifier, critiquer, arbitrer, aller chercher ce qui manque : voilà ce qui s’apprend encore, et c’est plus exigeant qu’avant. Un junior qui relit une sortie de modèle avec méthode apprend le métier plus vite qu’un junior qui recopiait — à condition que quelqu’un relise sa relecture.
Organiser la transmission, enfin, parce qu’elle ne se fera plus toute seule. Elle passait par le travail partagé ; elle passera désormais par des gestes explicites — un dossier suivi de bout en bout, une relecture commentée chaque semaine, un cas d’erreur raconté en équipe. Le choix des tâches confiées à l’IA se pose alors dans les mêmes termes que dans notre article sur les limites de l’IA, avec un critère de plus : est-ce que cette tâche forme quelqu’un ?
Nous avons développé ailleurs pourquoi l’IA accélère une compétence mais ne la remplace pas, et ce que son usage fait perdre sans que cela se voie tout de suite. Le rapport de Stanford ne dit rien d’autre, avec des données à l’appui — et l’article qui ouvre cette série en tire la conséquence d’ensemble.
| Ce que faisait un débutant | Ce que l’outil en fait | Ce qui le forme désormais |
|---|---|---|
| Produire la première version | Il la produit, plus vite et souvent mieux. | Juger cette version : ce qui manque, ce qui est faux, ce qu’il faut retirer. |
| Vérifier et recopier des données | Il extrait et recopie sans fatigue. | Définir la règle de contrôle, et traiter les cas que l’outil signale comme douteux. |
| Chercher un précédent, une norme, un dossier | Il le trouve en quelques secondes, parfois à côté. | Savoir à quoi l’on reconnaît une source solide, et retrouver celle qui manque. |
La question posée en titre n’est pas rhétorique. Si l’IA prend les tâches par lesquelles on apprenait, quelqu’un doit décider comment on apprend désormais — et ce quelqu’un n’est ni l’éditeur du logiciel, ni le marché du travail. C’est une décision de dirigeant, elle se prend tôt, et elle coûte peu tant qu’il reste des juniors pour en bénéficier.
Questions fréquentes
Quels emplois sont menacés par l’IA ?
Le rapport ne parle pas de métiers menacés mais de tâches automatisables, et observe un recul de l’emploi d’entrée de carrière là où les gains de productivité sont documentés — aux États-Unis, chez les développeurs de 22 à 25 ans. Ce n’est pas une prédiction, c’est une corrélation.
L’IA va-t-elle remplacer les développeurs juniors ?
Elle remplace déjà une partie de leurs tâches, celles par lesquelles ils apprenaient. Le risque n’est pas de manquer de juniors : c’est de manquer de seniors dans cinq ans, faute d’avoir organisé autrement l’apprentissage du métier.
Comment former ses équipes à l’IA ?
Sur un processus réel plutôt qu’en salle. Chacun doit savoir répondre à trois questions : sur quelles tâches j’ai le droit de m’en servir, à quoi je reconnais une réponse douteuse, et à qui je la signale. Le reste s’apprend en corrigeant les cas réels.
Source : Stanford HAI, Artificial Intelligence Index Report 2026, publié le 29 juin 2026 sous licence CC BY-ND 4.0. Les numéros de page renvoient au fichier PDF. Les données d’emploi citées sont américaines, issues de fichiers de paie analysés par des chercheurs ; le rapport décrit une corrélation et ne conclut pas à une causalité. Cet article est une analyse de Maeliom ; il n’est ni une traduction ni une adaptation du rapport, et n’est ni affilié à Stanford University ni approuvé par elle.