Plus de trois ans après le lancement de ChatGPT, les effets de l’intelligence artificielle (IA) sur l’emploi restent encore peu visibles dans les statistiques agrégées. Ils commencent toutefois à poindre dans les marges du marché du travail, en particulier dans les emplois d’entrée de carrière des métiers les plus exposés. En proposant une cartographie inédite de l’exposition à l’automatisation par IA des tâches qui composent les métiers, cette étude conjointe de Coface et de l’Observatoire des Emplois Menacés et Émergents (OEM) met en lumière un déplacement de la frontière de l’automatisation : avec l’IA, ce sont désormais des tâches cognitives, complexes et qualifiées qui apparaissent de plus en plus exposées, faisant peser un risque de bouleversement de la structure de l’emploi.

1. Une méthodologie innovante pour mesurer le potentiel d’automatisation des tâches et métiers

Fondée sur une analyse fine des tâches, la méthodologie développée par l’Observatoire des Emplois Menacés et Émergents (OEM) répond à trois limites souvent observées dans les analyses existantes : un manque de granularité dans l’analyse des métiers, une faible reproductibilité des évaluations reposant sur des jugements d’experts ou des évaluations produites par l’intelligence artificielle, et l’absence d’une véritable dimension prospective sur les différentes phases de développement de l’intelligence artificielle.

Chacune des 923 professions analysées est décomposée en tâches, elles-mêmes subdivisées en actions élémentaires décrites sous forme de triplets (verbe, objet, contexte). Cette décomposition permet d’évaluer plus finement le degré d’exposition de chaque tâche à l’automatisation. Les actions élémentaires sont ensuite notées à partir de règles explicites et reproductibles.

Cette méthode répond concrètement aux trois limites identifiées. D’abord, elle affine fortement la lecture des métiers en distinguant la notation par action élémentaire générique, indépendamment du métier considéré. Ensuite, elle améliore la reproductibilité des évaluations grâce à des règles explicites et auditables. Enfin, elle introduit une véritable dimension prospective, en permettant de projeter l’exposition des tâches selon plusieurs phases de développement de l’intelligence artificielle, plutôt que de s’en tenir à une photographie à un instant donné.

Aux côtés de l’OEM, Coface a contribué à étendre ce cadre en développant une méthode de pondération des tâches fondée sur leur importance et leur fréquence, en affinant les scénarios prospectifs ainsi que les règles de notation, et en élargissant le champ empirique de l’analyse à près de trente pays. 

Cette évaluation de l’exposition à l’automatisation est délibérément brute et centrée sur l’offre : elle mesure l’exposition technique des tâches à l’automatisation, et ne préjuge ainsi nullement d’un volume de destruction nette d’emplois. En effet, par construction, elle ne prend pas en compte les dynamiques de demande, la création éventuelle de nouvelles tâches, ni les frictions susceptibles de ralentir ou de limiter le déploiement effectif de l’intelligence artificielle.

2. Une exposition contrastée selon les familles de métiers : l’IA cible d’abord les activités cognitives et informationnelles

L’étude met en évidence une rupture majeure avec les vagues précédentes d’automatisation : l’intelligence artificielle ne prolonge pas les vagues précédentes d’automatisation comme la robotique ou le logiciel, mais en déplace leur centre de gravité vers les tâches cognitives, complexes et non répétitives. Son impact est profondément hétérogène : il se joue d’abord au niveau des tâches, puis se répercute de manière inégale sur les métiers, les familles de métiers et, au-delà, les secteurs qui les concentrent.

Dans le scénario central étudié portant sur le déploiement de l’intelligence artificielle agentique, environ une profession sur huit franchit le seuil de 30 % de tâches automatisables, que l’étude retient comme un seuil de transformation profonde du métier sans pour autant signifier sa disparition. Les professions les plus exposées se concentrent dans les univers à forte intensité cognitive et informationnelle : ingénierie, informatique, fonctions administratives, finance, droit ou encore certains métiers créatifs et analytiques. 

À l’inverse, les professions les moins exposées restent largement ancrées dans le monde physique ou dans des interactions humaines difficiles à standardiser : production, construction, maintenance, transport, restauration, nettoyage, ou encore certaines activités de soin et d’accompagnement. 

L’étude mesure aussi le contenu effectif du travail exposé dans chaque marché du travail étudié en rapportant la part des tâches automatisables de chacun des 923 métiers à son volume en termes d’emploi. En regroupant les 923 métiers en huit grandes familles, elle permet d’identifier les familles de métiers les plus exposées.

Les principaux résultats sont nets : plus d’un quart du contenu du travail (part des tâches automatisable rapportée au volume d’emploi) pourrait être automatisable dans les familles du management et de l’administration, des métiers créatifs, du droit et de la finance, ainsi que de l’ingénierie et de l’informatique. À l’inverse, les services en présentiel et les métiers techniques, artisanaux et de production industrielle restent sous le seuil des 10 %. Entre les deux, les métiers du soin, de l’éducation, de la vente et, plus largement, les professions relationnelles occupent une position intermédiaire : certaines de leurs tâches sont exposées, mais leur dimension humaine continue de jouer un rôle protecteur.

3. De fortes disparités entre pays, la France dans une position médiane

L’étude souligne que l’exposition des pays à l’automatisation par l’intelligence artificielle varie sensiblement, s’établissant à environ 12 % du contenu du travail exposé à l’automatisation (défini comme la part des tâches automatisables rapportée au volume d’emploi) pour la Turquie à près de 20 % pour le Royaume-Uni. Ces écarts s’expliquent par la structure des économies, laquelle détermine en grande partie la structure de l’emploi et, partant, la part des tâches potentiellement automatisables.

Les économies les plus riches et les plus orientées vers les services cognitifs apparaissent ainsi les plus exposées à l’automatisation. Outre le Royaume-Uni, les Pays-Bas, l’Irlande ou le Luxembourg concentrent ainsi davantage de métiers intensifs en traitement de l’information, tandis que les pays où l’emploi reste plus ancré dans le commerce, les services à la personne, la construction, le transport ou d’autres activités à plus forte intensité physique présentent une exposition plus modérée. L’étude fait apparaître une typologie de cinq ensembles de pays présentant des profils similaires.

Avec 16 % du contenu du travail potentiellement automatisable (part des tâches automatisables rapportée au volume d’emploi), la France se situe dans la moyenne des pays européens mais son profil ne se rattache pleinement à aucun des autres ensembles identifiés. Plus riche en métiers de la connaissance que les économies du sud de l’Europe mais moins que celles du nord de l’Europe, elle présente également des similitudes avec le Royaume-Uni et les Pays-Bas (sur-représentation des fonctions caractéristiques des sièges sociaux) ou les pays d’Europe centrale (sur-représentation des métiers liés à la production, spécifiquement de la construction pour la France). Son potentiel plutôt médian reflète une structure économique, et donc de l’emploi, elle-aussi plutôt médiane en Europe.

L’analyse par zone d’emploi révèle cependant une forte dispersion territoriale de l’exposition à l’IA. Les grands pôles urbains et économiques ressortent particulièrement du fait de la concentration de métiers présentant un potentiel d’automatisation élevé. À l’inverse, certains territoires davantage tournés vers l’agriculture, l’artisanat ou le tourisme disposent d’un tampon structurel plus important.

4. Au-delà de l’emploi : partage de la valeur, protection sociale, diplômes et dépendances

Les effets potentiels du déploiement de l’intelligence artificielle dépassent la seule question de l’emploi. Parce qu’elle cible des métiers qualifiés, bien rémunérés et centraux dans la création de la richesse, l’IA pourrait bouleverser certains équilibres économiques et sociaux.

En automatisant une partie des tâches exercées dans les professions les plus qualifiées, elle pourrait notamment déplacer une part non négligeable de la valeur ajoutée du travail vers le capital. Pour les pays dont les modèles redistributifs reposent largement sur la taxation du travail, cette évolution crée un double défi. Elle pourrait, à court terme, réduire les recettes fiscales perçues sur l’emploi (cotisations sociales, impôt sur le revenu) tout en augmentant les besoins de redistribution (assurance-chômage, formation). À plus long terme, elle pose la question du financement de systèmes de protection sociale encore largement assis sur les revenus du travail.

L’étude invite également à s’interroger sur la valeur future des diplômes. Si une partie des tâches auxquelles préparent les études longues devient plus facilement automatisable, le lien entre niveau d’études, salaire et sécurité de l’emploi pourrait se distendre. Les employeurs pourraient accorder une importance moindre aux diplômes seuls, et mettre l’accent sur les compétences qui restent complémentaires de l’IA, comme le jugement, l’adaptabilité ou la capacité à en encadrer l’usage.

Au-delà encore, l’essor de l’IA pourrait faire émerger de nouvelles vulnérabilités géopolitiques, logistiques et opérationnelles en raison de la concentration de ses actifs les plus critiques (semi-conducteurs, modèles de langage, centres de données) entre un nombre restreint d’entreprises et de pays qui en maîtrisent les technologies.

Conclusion

L’ambition de cette étude est de proposer une cartographie fine des zones où la diffusion de l’intelligence artificielle est la plus susceptible de transformer le travail. Cette lecture granulaire rend visibles des lignes de vulnérabilité qui échappent encore largement aux statistiques agrégées, tant les expositions diffèrent selon les tâches, les métiers, les secteurs, les pays ou les territoires.

Si la trajectoire exacte de ces transformations demeure incertaine, et si le passage de l’exposition technique des tâches à ses effets nets sur l’emploi n’a rien de mécanique, un point ressort néanmoins avec force : l’IA ne se déploie pas à la marge du travail, mais sur une partie de ses fonctions cognitives, non routinières et qualifiées, longtemps perçues comme les plus protégées. Parce qu’elles entrent dans la composition de métiers qui pèsent lourd dans la formation des revenus, de la valeur ajoutée et des recettes fiscales, il paraît peu probable qu’une telle mutation puisse se produire sans reconfigurer, à des degrés divers, le contenu des emplois et les équilibres qui les soutiennent.