Les grands prophètes du chômage technologique ont un problème avec les données australiennes : elles ne leur donnent pas raison. Depuis le lancement de ChatGPT fin 2022, les économistes, les syndicats et les consultants ont produit des projections dramatiques sur les destructions d’emplois que l’IA générative allait provoquer dans les fonctions cognitives. L’Australie a préféré regarder ce qui se passait réellement. Et ce qu’elle a trouvé ressemble davantage à une lente tectonique qu’à un tremblement de terre.

Cela ne signifie pas que l’IA est inoffensive. Cela signifie que la recomposition se joue dans la durée, secteur par secteur, et que les politiques publiques ont encore le temps d’agir, à condition de s’équiper des bons instruments.

L’essentiel

Depuis novembre 2022, les métiers australiens les plus exposés à l’IA ont vu leur emploi croître de 5,6 %, contre 9,5 % dans les moins exposés, selon le Department of Employment and Workplace Relations. L’écart est réel, mais sans destruction massive. Les jeunes diplômés, souvent présentés comme les premières victimes, ont mieux résisté que les scénarios catastrophistes ne le prédisaient. L’Australie apporte surtout une méthode : mesurer métier par métier, en continu, pour distinguer ce qui se passe vraiment de ce que les modèles théoriques annonçaient.

Un écart de croissance qui pose les bonnes questions

Le rapport du Department of Employment and Workplace Relations publié en 2025 est l’un des rares exercices statistiques nationaux à suivre l’impact de l’IA sur l’emploi par métier, en temps quasi réel. La méthode repose sur une classification de l’exposition des professions à l’IA, évaluée selon la proportion de tâches que les modèles actuels peuvent automatiser ou augmenter, croisée avec les données trimestrielles du marché du travail.

Le résultat central est cet écart : +5,6 % de croissance de l’emploi dans les métiers les plus exposés, contre +9,5 % dans les moins exposés, depuis novembre 2022. Deux points méritent d’être précisés. D’abord, les deux catégories ont progressé. Les métiers exposés n’ont pas perdu d’emplois en valeur absolue : ils ont simplement crû moins vite. Ensuite, cet écart est mesuré sur moins de trois ans, dans un marché du travail australien globalement tendu, où le chômage est resté bas. Extrapoler depuis ce constat vers une catastrophe imminente serait forcer l’interprétation ; ignorer l’écart serait la nier.

Ce que la donnée dit avec certitude : l’IA exerce déjà une pression différentielle sur le marché du travail. Ce qu’elle ne dit pas encore : si cette pression est un signal précoce d’une disruption à venir, ou la signature durable d’une recomposition progressive. Cette distinction est tout sauf anodine pour les choix de politique publique.

Les jeunes diplômés tiennent mieux que prévu

L’un des angles les plus commentés dans les projections d’impact de l’IA sur l’emploi concerne les jeunes diplômés. La logique semblait implacable : les modèles de langage excellent dans les tâches analytiques de niveau intermédiaire, rédiger des synthèses, analyser des contrats, coder des fonctions simples, qui constituent précisément le cœur des emplois d’entrée de gamme dans les secteurs qualifiés. Les jeunes avocats, les analystes juniors, les développeurs débutants devaient en pâtir en premier.

Les données australiennes nuancent ce scénario. Le rapport montre que les jeunes diplômés dans les secteurs exposés n’ont pas subi de décrochage net par rapport aux autres cohortes. L’emploi junior a continué à progresser, parfois moins vite, mais sans rupture visible. Plusieurs mécanismes peuvent l’expliquer. Les entreprises ont maintenu leurs flux de recrutement en entrée parce que l’IA, dans la pratique, augmente les seniors qui supervisent les juniors, déplace les tâches mais épargne les postes. La formation à l’usage des outils d’IA est souvent transmise par les nouveaux entrants, qui arrivent avec une culture numérique que les organisations cherchent à importer. Et dans les métiers exposés, la demande de services a parfois augmenté sous l’effet de l’accessibilité accrue, un cabinet juridique qui utilise des outils d’IA peut prendre plus de dossiers, ce qui maintient le besoin en effectifs.

Cela ne garantit rien pour les prochaines années. La trajectoire dépendra de la vitesse à laquelle les modèles d’IA progresseront dans les tâches complexes, et de la capacité des organisations à réorganiser leurs processus. Mais le scénario d’éviction rapide des jeunes qualifiés ne s’est pas matérialisé dans les données australiennes à ce stade.

Secteur par secteur, les dynamiques divergent

L’agrégat national masque des réalités très différentes selon les secteurs. La méthode australienne tire sa vraie valeur de cette décomposition par profession, qui permet de voir où la pression est concentrée.

Les services financiers et juridiques, les fonctions de rédaction et d’analyse, certains segments de la comptabilité : ces métiers combinent une forte exposition théorique à l’IA et une croissance de l’emploi plus lente que la moyenne nationale. Le secteur de la santé présente un profil inverse, exposition croissante aux outils d’IA diagnostique, mais croissance de l’emploi soutenue par une demande structurelle que la démographie australienne, vieillissante, continue d’alimenter. Le secteur de la construction et des métiers manuels qualifiés reste peu exposé aux modèles actuels d’IA générative et croît à plein régime.

Cette hétérogénéité sectorielle est précisément ce que les modèles agrégés d’impact de l’IA ne capturent pas bien. Un rapport qui annonce “40 % des emplois menacés”, en référence aux estimations produites par des institutions comme le FMI ou l’OCDE, parle d’une exposition théorique aux tâches automatisables, une trajectoire observée d’emplois perdus est une mesure différente. L’Australie, en suivant les effectifs réels par métier, introduit une couche de réalité empirique qui manque à la plupart des débats sur l’IA et le travail.

Pour aller plus loin sur cette question de la mesure, le diagnostic de Diane Coyle sur les limites de nos outils statistiques éclaire ce que l’on perd à raisonner avec des instruments conçus pour une économie industrielle, appliqués à une économie cognitive en mutation.

La lenteur de la bascule et ses effets sur les politiques publiques

Si la recomposition est lente, sectorielle et mesurable, les implications pour les politiques publiques sont considérables. Le débat sur l’IA et l’emploi produit depuis 2022 deux types de réponses politiques : soit l’attentisme (“attendons de voir”), soit l’urgence bruyante (“il faut tout reformer maintenant”). Les deux ratent la cible si la trajectoire réelle est celle que les données australiennes esquissent.

Une recomposition lente demande des instruments de suivi continus, des programmes de reconversion ajustables en temps réel, et une capacité à orienter les investissements publics en formation vers les secteurs où la pression commence à se concentrer, avant que les décrochages ne soient irréversibles.

La France explore des approches analogues. Un rapport récent estime qu’un actif sur huit est directement exposé à l’essor de l’IA agentique, mais les instruments de suivi fin, métier par métier, restent moins développés qu’en Australie. La question de qui capte les gains de productivité générés par l’IA se pose en parallèle, le déséquilibre fiscal entre travail et capital rendant d’autant plus urgente la construction d’un tableau de bord robuste des transformations en cours.

L’Australie, avec son système de veille, prend de l’avance sur ce front. Mais la méthode n’est utile que si elle est couplée à des institutions capables d’agir sur ce qu’elles observent. Le suivi statistique est une condition nécessaire, pas suffisante.

L’horizon de vingt ans que personne ne veut regarder

Le vrai défi de la recomposition lente est institutionnel : nos cycles politiques sont courts, et les politiques de transition professionnelle aussi. Les dispositifs de reconversion pensés sur cinq ans ne sont pas adaptés à une transformation qui se joue sur deux décennies.

Si la trajectoire australienne se prolonge, un écart de croissance de quelques points par an entre métiers exposés et non exposés, sans rupture nette pendant dix à quinze ans, l’effet cumulatif sur des cohortes entières peut être significatif, sans jamais produire le choc qui mobilise l’attention politique. C’est le paradoxe du changement lent : il échappe aux radars parce qu’aucune année ne ressemble à une crise, et la somme de ces années non-crises peut composer une transformation majeure invisible jusqu’à ce qu’il soit trop tard pour l’anticiper facilement.

Cette hypothèse, et c’est bien une hypothèse, que les données actuelles permettent de formuler mais pas encore de valider, invite à repenser l’horizon de la politique de l’emploi. Les systèmes de formation continue, les mécanismes de portabilité des droits à la reconversion, les partenariats entre entreprises et universités pour adapter les curricula : ces instruments gagnent en pertinence si la recomposition dure vingt ans plutôt que cinq. Ils deviennent des infrastructures, des plans d’urgence étant inadaptés à cette échelle.

L’Australie n’a pas encore tiré ces conclusions opérationnelles de son propre suivi. Le rapport du Department of Employment and Workplace Relations documente, il ne prescrit pas. Mais en produisant une série longue de données sur l’exposition de l’emploi à l’IA, il crée les conditions d’une politique fondée sur des preuves plutôt que sur des projections théoriques. C’est, pour l’instant, une avance méthodologique plus qu’une avance politique.

Mesurer pour agir

La véritable contribution de l’exercice australien tient à ce que le chiffre, 5,6 % contre 9,5 %, rend possible. Quan on sait quels secteurs s’écartent de la tendance, on peut y cibler les ressources de formation avant que l’écart ne devienne un gouffre. Quand on dispose d’une série trimestrielle, on peut distinguer une tendance de fond d’un artefact conjoncturel. Quand on granularise par profession plutôt que par grand secteur, on sort de la généralité pour entrer dans l’actionnable.

Les pays qui produiront des instruments analogues au cours des prochaines années seront mieux placés pour calibrer leurs réponses politiques. Ceux qui continueront à raisonner à partir de projections théoriques agrégées risquent soit de sur-réagir à des scénarios qui ne se matérialisent pas, soit de sous-réagir à des recompositions sectorielles qui s’accumulent silencieusement.

La question pratique pour les autres démocraties développées est simple : qui, dans les appareils statistiques nationaux, est chargé de produire un suivi équivalent ? Et avec quelle fréquence ? L’Australie a posé les jalons d’une réponse. Elle invite maintenant ses homologues à poser la même question.

Sources

  1. Department of Employment and Workplace Relations (Australie), AI and Employment in Australia, https://www.dewr.gov.au/workplace-relations/announcements/ai-and-employment-australia-report
  2. Fonds monétaire international, AI and the Future of Work, rapport thématique 2024
  3. OCDE, OECD Employment Outlook 2023 : Artificial Intelligence and the Labour Market
  4. Journal d’un Progressiste, Un actif français sur huit face au défi de l’IA agentique
  5. Journal d’un Progressiste, Fiche de lecture, Mesurer le progrès avec les outils de 1940 : le diagnostic de Diane Coyle
  6. Journal d’un Progressiste, Le travail paie la moitié des impôts, le capital qui le remplace presque rien