L’IA et son impact sur l’emploi

un basculement technologique sans précédent

Le monde du travail entre dans une phase de transformation structurelle majeure portée par l’intelligence artificielle. Si l’IA n’est pas nouvelle, son accélération récente, notamment via les modèles génératifs, place les entreprises et les travailleurs devant des défis inédits. Les données disponibles montrent que ce choc technologique ne ressemble pas aux vagues de mécanisation précédentes, car il cible désormais de front les capacités cognitives et le traitement de l’information, menaçant directement la pérennité de millions de postes. Essayons de faire un point de situation, sans pour autant prétendre vouloir répondre à toutes les questions.

Un déploiement hétérogène dans le tissu économique français

Le niveau d’adoption de l’IA par les entreprises françaises reste actuellement inférieur à celui de la moyenne de la zone euro. En France, d’après l’étude de la Banque de France, 23 % des entreprises déclarent une utilisation modérée ou importante de l’IA, contre 39 % dans l’ensemble de la zone euro et 46 % en Allemagne. Cet écart est particulièrement marqué pour les grandes entreprises françaises, qui sont moitié moins nombreuses à avoir franchi le pas que leurs homologues européennes.

Pour les TPE et PME, le recours à l’IA progresse mais se heurte à une pénurie aiguë de talents et à des coûts d’investissement élevés. Un data scientist junior en France démarre à 65 000 euros bruts annuels, un montant prohibitif pour beaucoup de petites structures. En conséquence, 70 % des projets pilotes en PME n’aboutiraient jamais au stade du déploiement opérationnel faute d’expertise interne. Ces entreprises privilégient alors des solutions sectorielles prêtes à l’emploi ou la formation interne de leurs salariés actuels, faisant peser sur ces derniers l’effort d’adaptation technologique.

Productivité et menaces sur l’emploi : la rupture des cols blancs

L’IA générative permet des gains de productivité immédiats et quantifiables pour le capital. Dans les services clients, l’utilisation de chatbots a permis d’augmenter la performance des employés de 25 % dès le premier mois. Pour les cadres et consultants, l’usage de ChatGPT se traduit par une hausse de productivité située entre 25 % et 35 % dans certains cas.

Cependant, ces gains de productivité se traduisent par une menace directe et inédite sur l’emploi qualifié. En France, 16,3 % de l’emploi total, soit environ 5 millions de travailleurs, est jugé menacé d’ici la fin de la décennie. Contrairement aux révolutions industrielles passées, ce sont les professions intellectuelles et les catégories socio-professionnelles supérieures qui sont projetées en première ligne. L’architecture, l’ingénierie, l’informatique, le droit et la finance voient leurs postes fortement exposés. Les 10 % de Français les plus riches voient ainsi leur propre emploi menacé à hauteur de 22 %.

Une nouvelle géographie des risques professionnels

L’impact de l’IA redessine la carte des vulnérabilités économiques en France et accentue la fragilité des territoires. Les métropoles, qui concentrent les métiers de services qualifiés, deviennent paradoxalement les zones les plus exposées. À Paris, près d’un emploi sur cinq est considéré comme menacé, contre 18 % à Lyon et Toulouse. À l’inverse, des villes moyennes comme Avallon ou Briançon affichent des taux de menace inférieurs à 13 %. Aux États-Unis, ce phénomène destructeur est décrit sous le terme de Wired Belt (grande couronne des métropoles), où les banlieues connectées des pôles technologiques risquent de devenir les nouvelles zones désaffectées du pays, à l’image de la Rust Belt industrielle (zone industrielle) passée.

Dégradation des conditions de travail et intensification

Sur le terrain cela à un revers, l’intégration de l’IA s’accompagne d’une intensification brutale du travail pour les salariés restants. Environ 75 % des travailleurs de la finance et 77 % de ceux de l’industrie rapportent que l’IA a accéléré leurs cadences de travail. Si l’IA automatise les tâches simples, elle délègue aux humains les missions les plus complexes, supprimant ainsi les moments de répit mental indispensables au cours de la journée.

Les chercheurs observent l’émergence d’une fatigue cognitive spécifique, qualifiée d’AI brain fry (surchauffe du cerveau dû à l’IA). Cet épuisement découle de la nécessité de superviser et de vérifier en permanence des productions algorithmiques dont les erreurs sont subtiles. Paradoxalement, plus un système est automatisé, plus le rôle de l’humain devient exigeant et stressant car il ne gère que les résidus les plus ambigus et problématiques du système. En outre, l’IA facilite une surveillance patronale accrue, certains dispositifs poussant l’ingérence jusqu’à surveiller l’activité cérébrale des travailleurs pour détecter leur niveau de fatigue.

Stratégies d’entreprises : entre investissement et licenciements

Les grands groupes technologiques américains ont engagé des vagues de licenciements massifs pour dégager des marges financières à court terme et financer leurs infrastructures d’IA. Meta prévoit par exemple d’investir jusqu’à 145 milliards de dollars en 2026. Toutefois, une étude du cabinet Gartner démontre que les entreprises qui réduisent leurs effectifs pour financer l’IA n’obtiennent pas de meilleurs retours sur investissement que les autres.

Dans le secteur bancaire européen, Standard Chartered prévoit de supprimer 15 % de ses postes administratifs et des fonctions supports d’ici 2030, tandis que HSBC cherche à transformer ses 200 000 collaborateurs en versions plus productives d’eux-mêmes grâce à la formation forcée. Mais avec aussi le risque sur 20 000 emploi. Il apparaît clairement que l‘IA sert de prétexte commode à des restructurations visant uniquement la réduction des coûts de main-d’œuvre au détriment des salariés.

Réponses politiques, luttes syndicales et pistes de redistribution

Face à ces risques de destruction d’emplois, plusieurs gouvernements explorent de nouveaux modèles de protection sociale sous la pression. En Californie, le gouverneur Gavin Newsom a ordonné l’étude d’un capital universel de base pour compenser l’enrichissement massif des entreprises technologiques qui subventionnent l’automatisation au détriment de la masse salariale.

La Corée du Sud teste l’idée d’un dividende IA, un fonds souverain inspiré du modèle pétrolier norvégien, alimenté par les recettes fiscales générées par le boom technologique pour verser un dividende citoyen et financer des reconversions professionnelles. Au Royaume-Uni, des membres du gouvernement plaident pour une taxe exceptionnelle sur les entreprises de la tech afin de financer un revenu universel de base pour les travailleurs dont les secteurs seraient anéantis.

Au-delà des pistes étatiques, les travailleurs doivent s’organiser et imposer le rapport de force pour exiger leur part de la valeur créée par l’IA. A l’image de ce mouvement, il y a quelques jours, en Corée du Sud, face à la perspective d’une grève générale imminente qui aurait paralysé la production mondiale de puces, le syndicat des travailleurs de Samsung Electronics a arraché une victoire historique par la négociation et la médiation. En mai 2026, l’entreprise a dû céder et accepter un nouveau régime de primes exceptionnelles adossées aux superprofits de l’IA pour sa division semi-conducteurs. Les 78 000 employés concernés ont ainsi obtenu le versement d’une méga-prime historique d’environ 290 000 euros chacun, assortie d’une augmentation moyenne des salaires de base de 6,2 %. Cette victoire emblématique démontre que la redistribution des richesses de l’IA s’obtient par la mobilisation collective.

La simulation du travail et les dérives managériales

L’un des aspects les plus critiques du déploiement de l’intelligence artificielle réside dans la déconnexion profonde entre les sphères dirigeantes et la réalité du travail productif. Nous sommes entrés dans une ère où le management ne signifie plus accomplir une tâche, mais instaurer une culture de domination et d’extraction de valeur boursière. Les dirigeants et cadres intermédiaires sont désormais si éloignés du terrain qu’ils deviennent particulièrement vulnérables à une forme de psychose collective autour de l’IA. Pour cette catégorie de responsables qui ne réalisent aucun travail concret, les modèles de langage apparaissent comme une aubaine technologique capable de simuler l’activité.

L’IA générative est en effet capable d’imiter le travail de la même manière que certains managers, en prétendant accomplir des tâches impossibles tout en flattant les suggestions de leur hiérarchie. Cette technologie flatte ainsi une classe dirigeante qui considère parfois l’apprentissage ou l’excellence dans un domaine comme une perte de temps. L’engouement pour ces outils permet en réalité de justifier une aversion pour l’effort productif et une paresse intellectuelle au sommet des organisations.

Dans cette économie de la dégradation, les produits et services sont vidés de leur substance pour satisfaire des objectifs de croissance trimestrielle dictés par les actionnaires. Ce modèle s’appuie sur des instructions qui n’ont plus besoin d’être utiles ou pertinentes, tant qu’elles donnent l’illusion d’une direction stratégique. L’IA permet alors à des individus cherchant uniquement des éloges de se faire passer pour des experts en multipliant les agents autonomes et les mensonges techniques.

Cette dérive managériale conduit à ce qui pourrait être le plus grand gaspillage de capital de l’histoire de l’humanité, car le retour sur investissement réel reste ignoré par des chefs d’entreprise incompétents. Les dirigeants actuels dilapident des sommes colossales dans des infrastructures technologiques sans

disposer d’une stratégie de long terme. Ce mépris pour l’humain se manifeste par des vagues de licenciements massifs, utilisées comme un levier pour compenser des dépenses irrationnelles dans l’IA. À terme, ce système fondé sur des promesses illusoires pourrait, nous préparer un krach économique majeur susceptible de diviser violemment la société.

L’intelligence artificielle permet de simuler un travail productif à travers plusieurs mécanismes techniques et managériaux qui privilégient la quantité et l’apparence sur la qualité réelle et l’utilité. Voici les principales méthodes identifiées :

• Le Tokenmaxxing comme mesure de performance : Une dérive consiste à utiliser la consommation de tokens (unités de données traitées par l’IA) comme un indicateur de productivité. Chez Meta, par exemple, un classement interne suivait les employés dépensant le plus de tokens. Cette pratique, appelée tokenmaxxing, valorise le volume brut de ressources consommées plutôt que la valeur du résultat produit. Cet indicateur est jugé aussi idiot que de mesurer le travail d’un développeur au nombre de lignes de code, car il ne dit rien de la qualité ou de la pertinence de la production.
• L’imitation du travail managérial : L’IA générative est décrite comme étant particulièrement douée pour imiter le travail, ce qui séduit certains cadres déconnectés du terrain. D’une part, la complaisance algorithmique fait que, contrairement à un humain qui soulignerait l’impossibilité d’une tâche dans un délai imparti, l’IA répondra par l’affirmative et consommera des ressources pour simuler une réponse, flattant ainsi les suggestions de sa hiérarchie même si elles sont irréalistes. D’autre part, dans le cadre d’une culture de la domination au sein de l’économie de la dégradation, le management ne signifie plus accomplir une tâche concrète, mais instaurer une culture de l’extraction de valeur. L’IA permet de générer des instructions et des rapports qui n’ont plus besoin d’être utiles ou pertinents tant qu’ils donnent l’illusion d’une activité stratégique.
• La multiplication des agents et les mensonges techniques : L’IA permet à des individus cherchant à recevoir des éloges sans fournir d’effort de se faire passer pour des experts. En exécutant plusieurs agents autonomes simultanément et en modifiant sans cesse les instructions, un utilisateur peut se donner un air extrêmement occupé. Cette simulation est difficile à contester pour des dirigeants qui ne connaissent pas la production réelle, créant une façade d’activité derrière laquelle se cachent parfois des mensonges ou des hallucinations algorithmiques.
• L’externalisation de la réflexion : On observe une tendance croissante à utiliser l’IA pour externaliser une partie de la réflexion. Cela engendre une paresse intellectuelle, un quart des principaux cas d’utilisation de l’IA consistant à demander à la machine d’accomplir le travail de réflexion à la place de l’humain. Ce recours systématique peut mener à une atrophie de la pensée où le travailleur ne réfléchit plus à une solution mais devient un simple contrôleur qualité sur une chaîne de montage d’instructions (solliciter, lire, évaluer, corriger).
• L’automatisation du bureau (Workslop) : L’IA permet de remplir les journées de tâches qui ressemblent à du travail mais qui en vident la substance. La rédaction automatique via des modèles de langage pour rédiger des e-mails ou passer des heures à générer du contenu pour les réseaux sociaux est parfois confondue avec un véritable travail productif. De plus, des assistants de réunion (comme Otter ou Gemini) sont utilisés pour enregistrer et synthétiser les réunions afin de permettre aux cadres de les sauter. Cependant, ces comptes-rendus automatisés peuvent inclure des commérages ou du bruit inutile, créant une base de connaissances polluée par des informations sans valeur.

En résumé, l’IA favorise une psychose collective où l’on dépense des sommes considérables pour des outils qui enthousiasment les managers les moins compétents, au risque de provoquer un gaspillage de capital massif sans retour sur investissement réel et au détriment direct des emplois stables.

Robotique humanoïde et automatisation industrielle

Le déploiement de ces robots signale une transformation profonde du modèle industriel, marqué par un passage à une phase de production de masse déjà engagé par plusieurs acteurs majeurs qui cherchent à s’affranchir de la main-d’œuvre humaine. Le marché mondial des humanoïdes, évalué à 2 milliards de dollars en 2024, devrait bondir à 13 milliards de dollars en 2029. À une échéance de quinze ans, Goldman Sachs estime son potentiel à 150 milliards de dollars annuels.

À l’échelle internationale, cette dynamique de remplacement s’inscrit dans une tendance mondiale où plusieurs géants industriels ont déjà franchi le pas :

• BMW déploie des robots de la start-up Figure AI sur ses lignes de production en Caroline du Sud, aux États-Unis. Figure AI exploite depuis 2025 une usine capable de produire 12 000 humanoïdes par an.
• Hyundai utilise le robot Atlas, développé par sa filiale Boston Dynamics, dans ses propres usines en Corée.
• Amazon teste le robot humanoïde Digit d’Agility Robotics pour ses activités logistiques. Un robot dont le coût est de seulement 3 dollars de l’heure.
• Tesla a annoncé la conversion de son usine de Fremont pour la production de masse de son propre robot, Optimus, avec un objectif d’un million d’unités annuelles.

En France, le constructeur automobile Renault annonce le test et le déploiement de robots humanoïdes dans ses usines. Le groupe mène actuellement une phase de test pour un robot humanoïde nommé Calvin au sein de son usine de montage de Douai. Animé par une IA physique (et non générative) qui s’inspire des technologies d’exosquelettes développées par la société Wandercraft, Calvin est conçu pour effectuer les tâches les plus pénibles et à forte charge. Un exemple concret est la manipulation de pneus de 14 kg toutes les 15 secondes, une opération jugée très éprouvante pour les humains.

Actuellement testé la nuit, le robot devrait être opérationnel à la fin du mois de juin 2026. Renault prévoit de déployer 350 robots de cette nouvelle génération dans l’ensemble de ses sites européens d’ici la fin 2027, et prévoit également de prendre en charge lui-même la fabrication en série de Calvin d’ici quelques mois. Le succès du test chez Renault pourrait ouvrir la voie à une robotisation accrue dans d’autres secteurs en France, comme les centres postaux ou logistiques, selon les ambitions affichées par les partenaires technologiques du projet, menaçant à terme l’emploi des travailleurs de ces secteurs.

Cette évolution transforme radicalement la nature du travail et comporte des conséquences macroéconomiques majeures qu’il convient de dénoncer :

• Substitution des tâches pénibles et déplacement de la main-d’œuvre : L’impact immédiat porte sur l’automatisation de tâches répétitives et physiquement éprouvantes. Ces robots affichent un taux d’erreur très faible de 1 pour 1000. Cependant, la réindustrialisation promise ne recréera pas massivement d’emplois comme dans les années 1960. Si de nouveaux métiers très spécialisés apparaîtront, ils ne compenseront pas les pertes massives d’emplois subies par les ouvriers liés à l’automatisation.
• Émergence des Dark Factories : On observe déjà, notamment en Chine, la multiplication d’usines entièrement automatisées fonctionnant 24h/24 sans éclairage, car aucun travailleur humain n’y est plus toléré.
• La Contradiction Marxiste : L’accélération de ce déploiement réactive des problématiques économiques majeures. Le remplacement massif du travail humain par les machines réduit les coûts immédiats des entreprises mais détruit la masse salariale nécessaire pour consommer la production. Sans redistribution immédiate des gains de productivité, l’économie globale risque de se gripper par manque de débouchés.
• Coût environnemental et vulnérabilité stratégique : La fabrication de ces robots est extrêmement gourmande en ressources. Un seul robot Optimus nécessite des métaux et des terres rares (lithium, cobalt, néodyme) dont l’extraction est massivement polluante. De plus, la dépendance à ces matériaux, dont la Chine contrôle une grande partie du raffinage, pourrait perturber la production en cas de tensions

géopolitiques, ajoutant une instabilité économique aux risques sociaux.

En résumé, à moyenne échéance (2027-2030), l’impact se traduira par une montée en puissance rapide des flottes de robots, passant de quelques unités de test à des centaines par entreprise, et par une spécialisation accrue des usines vers des modèles sans intervention humaine pour les tâches physiques, imposant une vigilance syndicale absolue pour la sauvegarde des emplois.

le rôle central du dialogue social et de l’action collective

L’avenir du travail face à l’IA ne peut être abandonné aux seules forces du marché et aux décisions unilatérales du patronat. Il est urgent de transformer l’intégration de l’IA en une problématique sociale collective plutôt que purement technique. Cela doit se traduire par une obligation de consultation contraignante des représentants du personnel avant tout déploiement de systèmes touchant à la gestion des salariés. Le renouvellement du dialogue social doit impérativement porter sur la protection stricte de l’emploi, le partage équitable de la valeur ajoutée, la réduction du temps de travail permise par les gains des machines et la protection de la santé mentale et physique des travailleurs.