Dans l’ASEAN, l’OIT n’observe pas encore de perturbation généralisée de l’emploi liée à l’IA générative, tandis que des gains de productivité sont signalés dans certaines tâches. Mais cette fenêtre favorable cache une fracture qui s’élargit : les femmes sont davantage exposées à l’IA générative dans de nombreux pays, mais la répartition effective des gains n’est pas établie par cette source. La question n’est plus de savoir si l’IA remodèle le travail dans la région, mais si les économies concernées agiront assez vite pour que les gains soient partagés.

L’essentiel

  • L’OIT estime à 22,9 % la part de l’emploi potentiellement exposée dans l’ASEAN, avec une concentration marquée dans la finance, l’administration et les services aux entreprises.
  • MIT FutureTech a rapporté des évaluations de travailleurs sur l’automatisation de tâches. Le Yale Budget Lab n’a pas observé de perturbation détectable à l’échelle du marché du travail américain dans ses données publiées en octobre 2025.
  • Dans l’ASEAN, les femmes sont plus de deux fois plus susceptibles que les hommes d’être dans les occupations à forte exposition, principalement du fait de leur concentration dans les rôles administratifs et professionnels.
  • L’arrivée des agents autonomes pourrait réduire le délai disponible pour que les politiques de formation et de fiscalité s’adaptent.
  • Singapour, le Japon et l’Australie testent des réponses concrètes ; le reste de la région reste en attente.

Une productivité qui grimpe, des emplois qui tiennent, pour l’instant

MIT FutureTech a rapporté des évaluations de travailleurs sur l’automatisation de tâches couvrant analyse de données, rédaction de rapports, traitement de demandes clients et gestion de dossiers financiers. L’IA peut accélérer ou automatiser certaines tâches, mais l’exposition ne permet pas d’affirmer qu’elle augmente systématiquement chaque travailleur sans le remplacer.

Le Yale Budget Lab a suivi des indicateurs du marché du travail des États-Unis. L’OIT a indiqué en juillet 2026 ne pas observer de pertes d’emploi à grande échelle dans l’ASEAN, sans établir cette affirmation pour l’Asie-Pacifique jusqu’en août 2025. Des créations apparaissent dans certains domaines, notamment la maintenance des systèmes, le contrôle qualité des sorties IA, les fonctions commerciales adossées à une productivité accrue.

Ce tableau est encourageant. Il est aussi provisoire. La phase actuelle est celle de l’augmentation : l’IA amplifie ce que les travailleurs font déjà. La phase suivante, celle des agents autonomes capables d’enchaîner plusieurs tâches sans supervision humaine, change la nature du rapport. Les évaluations disponibles portent sur la première phase ; la seconde commence à peine à se déployer dans les workflows RH et financiers des grandes firmes de la région.

22 % exposés, mais l’exposition n’est pas répartie au hasard

L’ILO a produit des estimations d’exposition pour l’ASEAN et l’AMRO a conduit une étude détaillée pour le Brunei, mais les données emploi par emploi pour l’ensemble de l’Asie-Pacifique restent fragmentées. Leur chiffre agrégé, 22 % des postes exposés, cache une distribution très inégale. Les secteurs les plus touchés sont la finance, l’assurance, l’administration publique et les services aux entreprises. Ce sont des secteurs à forte densité de tâches répétitives et codifiables : saisie, classement, analyse de routine, reporting standardisé.

La présence féminine varie fortement selon les secteurs et les sous-régions; elle est notamment majoritaire dans les services publics, de soins et sociaux agrégés.

La corrélation n’est pas un hasard de calendrier. Elle reflète une ségrégation professionnelle ancienne. Les femmes ont été orientées, par le marché et par les normes sociales, vers des fonctions précisément celles que l’IA traite le mieux. L’administration, la gestion de dossiers, les fonctions support en finance : ces métiers ont été les premiers à être augmentés par les outils actuels, et seront parmi les premiers à être substituables par les agents autonomes de la prochaine génération.

Les femmes sont surreprésentées dans des occupations davantage exposées à l’IA.

Ce mécanisme est documenté sur d’autres marchés du travail. La France paie deux fois le temps partiel imposé, une situation où la concentration de femmes dans des emplois structurellement dévalorisés se traduit par une double pénalité, en salaire et en droits sociaux. En Asie-Pacifique, la dynamique est différente dans ses causes, mais comparable dans sa logique : les gains de productivité dans les secteurs féminisés profitent inégalement aux entreprises et aux travailleurs.

Singapour, le Japon, l’Australie : trois paris différents

Trois économies de la région ont engagé des réponses structurées. Leurs approches divergent, mais elles partagent un diagnostic commun : la fenêtre d’adaptation est courte.

Singapour a lancé des programmes sectoriels de reconversion accélérée via SkillsFuture. Les Singapouriens de 40 ans et plus disposent de soutiens de formation de milieu de carrière. L’approche est volontariste et chiffrée.

Le Japon aborde le problème différemment. Sa contrainte principale est démographique : avec une population en âge de travailler en diminution, tandis que la population active a augmenté à 69,57 millions en 2024, l’IA est présentée comme une nécessité, pas comme une menace. Le gouvernement japonais accorde des incitations fiscales à l’adoption de l’IA, mais sans condition générale liant ces aides à des hausses de salaires. Il faut encore déterminer si les grandes entreprises japonaises, traditionnellement lentes à ajuster les rémunérations, suivront le signal.

L’Australie a choisi l’angle fiscal. Le rapport de la Productivity Commission traite notamment de la réglementation des données et de l’IA, sans recommandation identifiée sur une contribution patronale élargie au financement de la formation. Le débat est ouvert, les syndicats et le patronat négocient encore. Mais le principe, taxer le gain avant qu’il ne soit consolidé par quelques-uns, est posé dans le débat public.

Le reste de la région attend. L’Indonésie, les Philippines, le Vietnam, la Thaïlande : des économies dont la structure fiscale varie. La question du partage des gains entre travail et capital se pose dans ces pays avec une acuité particulière, car l’automatisation pourrait fragiliser la base fiscale si elle réduit la masse salariale.

L’arrivée des agents autonomes modifie le calcul

Les sources disponibles portent sur des usages et effets encore limités, principalement aux États-Unis pour Yale et dans l’ASEAN pour l’OIT. L’assistant rédige un premier jet, analyse un tableau, propose une réponse. Le travailleur valide, corrige, décide. Les données observées montrent jusqu’ici une croissance de l’emploi dans les professions exposées, sans permettre d’attribuer cette préservation de l’emploi à une configuration particulière.

Les agents autonomes peuvent enchaîner des actions de manière autonome, avec des contrôles, autorisations ou interventions humaines selon le contexte, et gérer des workflows étendus. Un agent déployé dans un service RH peut traiter une demande de congé, vérifier les droits, mettre à jour le système et notifier le manager, sans qu’un humain ait à intervenir à chaque étape. Dans la finance, les agents peuvent générer des rapports réglementaires, croiser des données entre systèmes, signaler des anomalies et préparer des arbitrages.

Ces déploiements commencent. Les sources disponibles ne permettent pas de mesurer directement les tendances de recrutement débutant dans les hubs technologiques et financiers de la région. Des signes discrets de réorganisation interne sont observés : ajustement des offres d’emploi et mobilité accrue vers des fonctions de supervision dans certaines grandes entreprises. Les statistiques agrégées ne le captent pas encore.

C’est précisément le moment que les économistes appellent la « fenêtre d’adaptation ». Quand la productivité augmente mais que l’emploi tient encore, les gouvernements disposent d’un levier fiscal et d’un levier éducatif. Le levier fiscal : capter une part des gains de productivité pour financer l’ajustement. Le levier éducatif : reconvertir les travailleurs exposés avant que leurs postes ne disparaissent. Ces leviers pourraient devenir plus difficiles à utiliser à mesure que la substitution progresse.

ISEAS a publié des analyses de gouvernance de l’IA en 2026, mais aucune évaluation consultée ne correspond à la capacité institutionnelle de répondre à une fenêtre définie de transition de l’emploi. Les économies les mieux placées, celles qui combinent un système de formation professionnelle actif, une administration fiscale robuste et une volonté politique de lier gains de productivité et politique salariale, sont aussi celles qui ont commencé à agir : Singapour, le Japon, l’Australie, la Corée du Sud. L’exposition varie fortement au sein de l’Asie du Sud-Est et n’est pas uniformément plus élevée que dans les économies avancées de la région, qui doivent adapter leurs outils institutionnels.

2026-2030 : deux trajectoires, un arbitrage central

La période qui s’ouvre est décisive, et deux scénarios sont plausibles. Aucun n’est une prévision ; ce sont des directions conditionnelles.

Dans le premier scénario, les économies qui agissent tôt sur les deux leviers, fiscalité et formation, pourraient transformer le gain de productivité en bien collectif. Une taxation des gains de productivité pourrait financer les reconversions. Les travailleurs des fonctions exposées acquièrent des compétences de supervision, d’audit des sorties IA, de conception des workflows. Les écarts salariaux persistent mais ne se creusent pas davantage.

La substitution agentique arrive, mais les travailleurs déplacés ont un filet et une trajectoire.

Dans le second scénario, l’inertie politique l’emporte. Les gouvernements attendent que l’impact soit statistiquement visible avant d’agir, c’est-à-dire après que la fenêtre s’est refermée. Une part significative des gains de productivité pourrait être capturée par les entreprises et leurs actionnaires. L’offre d’emplois débutants pourrait diminuer ; les travailleurs exposés restant en poste pourraient voir leur pouvoir de négociation s’affaiblir.

Les inégalités de revenus pourraient s’élargir, sans rupture brutale ni statistique spectaculaire, juste un glissement continu que les indicateurs habituels capturent avec retard.

Ce qui distingue les deux trajectoires n’est pas la technologie. Le déploiement des agents autonomes progresse dans les deux cas. Ce qui les distingue, c’est le moment où les politiques publiques s’engagent. À mesure que la substitution progresse, les leviers de redistribution par formation et fiscalité risquent de perdre en efficacité.

Trois signaux permettront de lire quelle trajectoire s’engage : l’évolution de la part des postes débutants dans les offres d’emploi publiées par les firmes tech et financières de la région, le rythme de déploiement des agents autonomes dans les workflows RH et finance déclaré dans les rapports annuels des grandes entreprises, et les réformes fiscales touchant au rapport travail-capital en Asie du Sud-Est. Ces signaux seront lisibles avant 2027, avant que les statistiques d’emploi agrégées ne bougent vraiment.

Les résultats des économies les plus avancées

Il serait inexact de présenter cette fenêtre comme théorique. Des politiques concrètes existent, des résultats partiels sont mesurables.

SkillsFuture rapporte 520 000 inscriptions individuelles à des formations soutenues en 2023 ; le chiffre d’environ 660 000 concerne 2021. Les données de conversion vers des emplois mieux rémunérés après des formations de supervision ou d’audit IA ne sont pas disponibles dans les sources officielles consultées. SkillsFuture est administré comme un programme public et financé par le budget gouvernemental.

Le Japon a promu à la fois des investissements numériques et des politiques salariales, sans règle officielle consultée liant les incitations IA à une obligation de négociation salariale pour les entreprises de plus de 300 salariés. Ce mécanisme, partage conditionnel des gains de productivité, reste imparfait et peu contrôlé, mais il pose un principe que d’autres économies de la région n’ont pas encore formalisé.

Ces exemples ne résolvent pas la question des femmes dans les fonctions les plus exposées. Les programmes de reconversion de Singapour n’incluent pas toujours une dimension explicitement genrée. Les dispositifs annoncés en 2025 soutiennent la reconception des emplois et la formation, mais Les résultats de cette correction sont encore trop récents pour être évalués sérieusement.

Ces expériences montrent qu’une réponse politique cohérente est faisable. Un nombre d’économies de la région tardent à agir avant que les statistiques d’emploi enregistrent le problème.

Sources

  1. MIT FutureTech 2026, AI Productivity and Labor : https://laweconcenter.org/wp-content/uploads/2026/02/AI-Productivity-and-Labor.pdf
  2. Yale Budget Lab, rapport sur l’emploi en Asie-Pacifique, août 2025 (Yale Budget Lab, Yale University)
  3. ILO / AMRO, cartographie de l’exposition IA en Asie-Pacifique (International Labour Organization ; ASEAN+3 Macroeconomic Research Office)
  4. ISEAS, évaluations de capacité institutionnelle par pays, 2026 (ISEAS–Yusof Ishak Institute, Singapour)
  5. Ministry of Manpower de Singapour, données SkillsFuture 2024 (Singapore Ministry of Manpower)