Quelqu'un a enfin vérifié la prédiction la plus citée sur l'IA et l'emploi (1 de 3)

Que s'est-il passé quand quelqu'un a enfin vérifié la prédiction la plus citée du domaine?

Michael Handel a confronté la prédiction fondatrice du domaine, celle de Frey et Osborne, aux données réelles de l'emploi américain, et l'écart est massif dans le sens inverse de la catastrophe annoncée. Son étude, « Reassessing the Impact of Artificial Intelligence on Employment : Evidence Against the Mass Job Loss Hypothesis », est parue dans la revue LABOUR (Wiley) le 20 juillet 2026.

Ce que Frey et Osborne ont vraiment mesuré

Frey et Osborne ont mesuré ceci, dans des travaux parus entre 2013 et 2017 : un panel de chercheurs en apprentissage automatique a classé 70 professions comme automatisables ou non, en n'attribuant un « 1 » qu'aux professions jugées « entièrement automatisables, où toutes les tâches étaient considérées automatisables [...] et pour lesquelles [le panel était] le plus confiant ».

Un modèle a appris à reproduire ces jugements à partir de la base O*NET, puis a été appliqué à l'ensemble des professions : 47 % des emplois américains de 2010 ont été classés hautement automatisables, avec un seuil de probabilité supérieur à 0,70.

Ce chiffre mesure une probabilité technique d'automatisation complète, jugée par des experts et extrapolée par un modèle - pas une prévision d'emploi. Frey et Osborne le savaient déjà.

Leur propre horizon était flou : « potentiellement automatisable sur un nombre d'années non précisé, peut-être une décennie ou deux ».

Le calcul des 44 millions d'emplois perdus n'est pas de Frey et Osborne, mais de Handel, qui l'a produit pour illustrer ce que donnerait leur chiffre lu comme une prévision plutôt que comme une mesure de faisabilité technique : eux-mêmes mesuraient une exposition, pas une prédiction.

Mais la confusion n'est pas seulement importée de l'extérieur : Handel lui-même résume leur travail par « éliminer près de la moitié de tous les emplois américains » (en anglais : « eliminate nearly half »), une formulation plus tranchée que leur susceptibilité technique d'origine.

Précision essentielle pour ne pas mal lire ce tableau : les « métiers à haut risque » qu'il compte sont ceux que Frey et Osborne ont définis pour l'informatisation en général, entre 2013 et 2017, avant l'IA générative. Leur croissance ne dit rien sur l'IA générative elle-même; elle dit seulement que la prédiction originale de disparition, vieille de plus de dix ans, ne s'est pas réalisée.

Pourquoi les projections du BLS s'en sortent mieux, et où s'arrête cet avantage

Handel donne la réponse dans le texte : « contrairement à FO et aux approches semblables, les projections du BLS ne considèrent que les technologies généralement disponibles, même lorsque des démonstrations ou des prototypes suggèrent une faisabilité technique, parce que les effets des technologies encore au stade expérimental sont trop incertains pour être estimés de façon fiable ».

Sa phrase de synthèse résume tout le propos : « le problème n'était pas un biais à la baisse dans les projections conventionnelles, mais un biais à la hausse dans les attentes sur la vitesse du changement technologique ».

Cette méthode a cependant sa limite, que Handel écrit noir sur blanc. Les projections du BLS, explique-t-il, « projettent le nombre total d'emplois à partir des projections démographiques du recensement, des tendances de participation à la population active et de la croissance prévue du PIB. Les projections supposent le plein emploi à l'année cible [...] Cette hypothèse exclut par construction un chômage de masse persistant ».

Cette limite touche la méthode du BLS, pas les données observées auxquelles Handel la compare - les +25 millions d'emplois entre 2010 et 2023 sont mesurés, pas projetés -, et son argument central ne tombe donc pas.

Handel répond lui-même à l'objection : « néanmoins, la recherche qualitative sur l'ensemble des projections récentes ne fournit aucune preuve que les employeurs anticipent des licenciements massifs dus à l'automatisation au cours de la prochaine décennie ».

Une dernière précision change la lecture de cette autorité : Handel écrit lui-même avoir été « employé par le Bureau of Labor Statistics des États-Unis durant les premières étapes de ce travail ». Il défend donc, en partie, la méthode de l'organisme qui l'a employé - pas disqualifiant, ses données restant publiques et vérifiables, mais le taire serait malhonnête.

Que mesurent vraiment les six chiffres qu'on vous cite sur l'IA et l'emploi?

Aucun des six chiffres les plus répétés sur l'IA et l'emploi ne mesure une suppression d'emplois prévue : quatre mesurent une exposition théorique des tâches, un mesure des heures d'activité automatisables, et un mesure des intentions d'embauche déclarées par des employeurs sur cinq tendances à la fois, dont l'IA n'est qu'une seule.

Goldman Sachs (26 mars 2023) a fait le plus de titres avec son « 300 millions d'emplois ». Le texte exact dit : l'IA générative « pourrait exposer l'équivalent de 300 millions d'emplois à temps plein à l'automatisation » (en anglais : « could expose »). Trois précautions, toutes perdues en route vers la presse : « could expose » (exposer, pas supprimer), « the equivalent of » (une unité de volume de travail, pas un décompte de personnes), et « full-time jobs » (des équivalents temps plein, pas des postes réellement occupés).

Le vrai chiffre mondial du rapport : 18 % du travail mondial, pondéré par l'emploi. Et le paragraphe suivant dit l'inverse de ce qu'on en a retenu :

« la bonne nouvelle est que le déplacement de travailleurs par l'automatisation a historiquement été compensé par la création de nouveaux emplois, et que l'apparition de nouvelles professions à la suite d'innovations technologiques explique la très grande majorité de la croissance de l'emploi à long terme ».

Le FMI (40 % de l'emploi mondial exposé) ajoute : sa photographie sans horizon porte sur 142 pays, et dans les économies avancées, ce n'est pas 60 % des emplois qui sont à risque, comme le titre le sous-entend, mais environ la moitié de ce 60 %.

Le Forum économique mondial sonde plus de 1 000 employeurs sur 55 économies (combinées à des données réelles de l'OIT), sur cinq tendances à la fois - dont l'IA n'est qu'une seule. Son « 92 millions déplacés » (voir tableau) vient avec 170 millions créés d'ici 2030, solde net de +78 millions.

Le « 30 % des heures » de McKinsey est en fait 29,5 % avec l'IA générative d'ici 2030, contre 21,5 % sans elle - ce sont des heures, jamais des emplois.

Un dernier point, et il est empirique plutôt que méthodologique : l'OCDE écrit que les études qui exploitent des variations d'exposition à l'IA entre pays ou entre marchés locaux « ne trouvent aucune diminution statistiquement significative de l'emploi ». Ce n'est pas une réserve sur la façon de compter, c'est un résultat.

Six mesures, aucune échelle commune

Un avertissement s'impose avant d'aller plus loin : ces six chiffres n'appartiennent pas à la même échelle et ne sont jamais comparables entre eux. Chacun mesure une chose différente, avec sa propre unité - une probabilité technique, une exposition, un solde d'intentions, une part d'heures, un indice composite. Le tableau ci-dessus les aligne pour comparer ce que chacun prétend mesurer, jamais pour les additionner.

Reste la question que tout ceci laisse entière, et c'est celle qui intéresse vraiment le lecteur : si ce n'est pas le métier qui décide de l'exposition, qu'est-ce qui décide? Nous l'examinons dans la deuxième partie de cette série, métier par métier, avec le classement de l'Organisation internationale du travail et les six professions que les données québécoises désignent nommément.

Foire aux questions

Frey et Osborne avaient-ils tort avec leur chiffre de 47 %?

Non, parce qu'ils n'ont jamais prédit de suppressions d'emplois. Leur étude, citée par Handel, mesurait une probabilité technique d'automatisation complète : un panel de chercheurs en apprentissage automatique a jugé 70 professions, un modèle a appris ces jugements, puis les a appliqués à l'ensemble des professions américaines à partir des mesures de la base O*NET. Le résultat, 47 % des emplois de 2010 classés hautement automatisables, est une mesure de faisabilité technique, pas une prévision d'emploi.

Les auteurs eux-mêmes « restaient agnostiques » sur la question de savoir si ce potentiel technique se traduirait par du chômage ou par une réallocation des travailleurs vers d'autres professions. Le calcul souvent cité de 44 millions d'emplois perdus appartient à Handel, qui l'a produit pour montrer ce que ce chiffre impliquerait s'il était lu, à tort, comme une prévision.

Pourquoi ne pas faire confiance aux chiffres comme 40 % du FMI ou 92 millions du Forum économique mondial?

Parce que ces deux chiffres, comme quatre des six chiffres les plus cités sur le sujet, mesurent autre chose que ce qu'on leur fait dire. Le 40 % du FMI est une exposition théorique sans aucun horizon temporel, et l'institution précise elle-même qu'environ la moitié des emplois exposés dans les économies avancées pourrait bénéficier d'une productivité accrue plutôt que d'être remplacée, ce qui ramène le risque réel à près de la moitié du chiffre cité.

Les 92 millions d'emplois déplacés du Forum économique mondial portent sur cinq tendances à la fois (changement technologique, transition verte, fragmentation géoéconomique, incertitude économique, démographie), et non sur l'IA seule. Le même rapport isole, selon les intentions déclarées par les employeurs sondés, la part réellement attribuable à l'IA : 11 millions d'emplois créés et 9 millions déplacés, un ordre de grandeur dix fois plus petit que le chiffre cité.