Une étude économétrique portant sur 63 pays entre 2005 et 2021 établit qu’une hausse de 1 % des nouvelles installations de robots par 10 000 travailleurs est associée à une baisse du chômage de 0,037 % à 0,039 %. L’étude estime une association moyenne entre installations de robots et chômage, sans identification d’un mécanisme institutionnel.

L’essentiel

  • L’étude rapporte une association moyenne entre davantage de nouvelles installations et un chômage plus faible dans son échantillon complet (ScienceDirect, panel 63 pays, 2005-2021).
  • Une hausse de 1 % des nouvelles installations de robots par 10 000 travailleurs est associée à une baisse du chômage de 0,037 % à 0,039 % dans l’échantillon complet.
  • Cette conclusion institutionnelle ne découle pas des estimations publiées.
  • L’étude ne fournit pas de calendrier prévisionnel pour les pays émergents.
  • Deux signaux permettraient de surveiller ce basculement : l’évolution du stock de robots pour 10 000 travailleurs et le taux de chômage sectoriel dans les industries manufacturières.

Le robot qui crée des emplois en Indonésie en détruit en Allemagne

Quand la Fédération internationale de la robotique publie ses chiffres annuels, elle mesure des stocks. Elle ne mesure pas les effets. Il s’agit d’un article de 2024 sur un panel de 63 pays couvrant 2005-2021, avec des analyses par sexe, âge et niveau d’éducation.

Le résultat publié concerne une hausse de 1 % des nouvelles installations de robots par 10 000 travailleurs dans l’ensemble des 63 pays. L’étude ne documente pas d’inversion de l’effet dans un groupe OCDE. L’étude estime une association statistique sur la période observée, sans établir qu’elle est stable année après année.

La lecture habituelle du débat technologie-emploi suppose un effet uniforme. Les robots détruisent des emplois, ou ils en créent, selon l’école à laquelle on appartient. L’étude analyse une hétérogénéité selon le sexe, l’âge et le niveau d’éducation, sans estimer de seuil de densité. L’article ne fournit pas de seuil non linéaire d’inversion de l’effet emploi.

Cette loi de rendements décroissants de l’automatisation n’est pas une surprise théorique. Elle était prévisible. Sa démonstration empirique sur un panel global l’est.

Le rôle des institutions

Dans sa leçon Nobel publiée en 2025, Daron Acemoglu montre pourquoi des technologies identiques produisent des trajectoires de prospérité différentes selon les pays. Les institutions inclusives orientent le progrès technique vers des usages qui élargissent la participation économique ; les institutions extractives le canalisent vers la rente du capital.

L’étude de 2024 applique ce cadre à l’automatisation sur un panel de 63 pays couvrant 2005-2021. En Indonésie, au Vietnam ou au Mexique, les robots arrivent dans des économies où l’industrialisation peut contribuer à la mobilité professionnelle rurale, sans que le manufacturier soit uniformément le principal vecteur d’accès actuel à la classe moyenne. À ce stade, l’automatisation peut accroître la productivité et parfois l’emploi, mais elle peut simultanément réduire la part du travail dans la valeur ajoutée et accentuer les écarts salariaux, sans que les gains se distribuent nécessairement de manière égale entre travailleurs. Les institutions du marché du travail, même imparfaites, jouent leur rôle redistributif par défaut.

Les études consultées ne permettent pas de conclure à un épuisement du mécanisme dans les pays de l’OCDE. En Allemagne, les robots ont d’abord créé des emplois qualifiés en restructurant la production vers le haut de gamme. Mais cette complémentarité a ses limites : au-delà d’un certain stock de capital automatisé, les gains de productivité s’accumulent du côté du capital et non du travail, sauf si des institutions spécifiques, négociation collective forte, fiscalité redistributive, formation continue financée, opèrent une redistribution active.

L’étude n’établit pas que l’effet de la technologie sur l’emploi soit conditionné par des choix politiques.

Il existe une lecture concurrente, portée notamment par les économistes de la croissance schumpétérienne comme Philippe Aghion : la destruction créatrice est une condition du progrès, et les marchés finissent par s’ajuster si on leur en laisse le temps et les moyens. Dans cette perspective, la polarisation observée dans les pays de l’OCDE est transitoire : de nouveaux secteurs émergent, absorbent les travailleurs déplacés, et le chômage technologique reste structurellement limité. Le WEF, dans son rapport Future of Jobs 2025, projette 92 millions d’emplois déplacés d’ici 2030 et 170 millions de nouveaux emplois d’ici 2030 ; les estimations de 85 millions de déplacements et 97 millions de créations d’ici 2025 provenaient du rapport 2020.

Le problème est que cette logique suppose une capacité d’ajustement institutionnel que les pays émergents n’ont pas encore construite. La transition schumpétérienne prend du temps. Elle exige des systèmes de formation, des filets de sécurité, des marchés du capital humain qui réorientent les travailleurs. Cette dynamique de seuil et d’ajustement institutionnel n’est pas documentée. Le panel ne permet pas de comparer la largeur d’une fenêtre d’adoption avec des anticipations antérieures.

Les dix ans qui comptent

Cette dynamique a une temporalité mesurable. Le rapport de l’OCDE de 2019 sur les déterminants de l’automatisation documentait déjà les disparités de pénétration entre économies. L’IFR constate une croissance de long terme en Asie, tandis que les installations dans les Amériques et au Brésil évoluent de manière plus cyclique et hétérogène.

Sur l’échantillon complet et la période 2005-2021, l’association estimée entre nouvelles installations et chômage est négative. Aucun niveau critique de densité robotique n’est fourni dans l’article.

Les rythmes d’adoption et les choix politiques influencent les trajectoires d’automatisation dans les pays émergents. C’est précisément là que se situe l’enjeu. Le fossé entre adoption déclarée et utilisation réelle de l’automatisation qu’on observe déjà dans les PME européennes suggère que la transition est plus lente dans les faits que dans les statistiques d’installation. Les pays émergents bénéficient peut-être d’un délai supplémentaire.

Mais ce délai n’est pas garanti.

Ce qui est garanti, en revanche, c’est l’asymétrie des risques. Les pays de l’OCDE ont traversé la phase destructrice avec des systèmes de protection sociale, des revenus par habitant élevés, et des marchés du travail capables d’absorber une partie des chocs. Les pays émergents n’ont aucun de ces amortisseurs. Une transition rapide vers l’automatisation sans préparation institutionnelle risque de produire des coûts sociaux importants.

Deux trajectoires, un même point de départ

Le panel de 2024 s’inscrit dans une analyse de trajectoires possibles pour l’automatisation dans les pays émergents.

Dans le premier, les économies à faible pénétration robotique maintiennent une architecture institutionnelle qui oriente l’automatisation vers des secteurs où la machine complète le travail humain plutôt qu’elle ne le remplace. Dans ce cas, elles traversent la phase favorable documentée par l’étude, améliorent la productivité globale, élargissent leur classe moyenne, et construisent progressivement les institutions redistributives nécessaires pour amortir la phase suivante. Ce scénario suppose une politique industrielle capable d’évaluer l’effet sectoriel de chaque vague d’automatisation.

Dans le second, l’automatisation progresse selon des scénarios de provenance et de complémentarité des robots, sous l’effet de la pression concurrentielle internationale et des effets macroéconomiques qui en résultent, tandis que les institutions locales font face à des contraintes susceptibles de rendre l’adaptation difficile, malgré un délai potentiellement plus long que celui dont ont disposé les économies avancées. Les travailleurs déplacés peuvent rencontrer de forts obstacles de reconversion : les systèmes de formation restent limités, les filets de protection sociale sont souvent moins couvrants et moins généreux, et de nouveaux secteurs peuvent émerger sans absorber nécessairement tous les déplacés. La polarisation peut aussi affecter certaines économies émergentes, mais ses causes, son calendrier et son intensité ne reproduisent pas nécessairement ceux des pays riches.

Ce second scénario mérite d’être nommé clairement. Il n’est pas inévitable. Mais la dépendance aux chaînes de valeur mondiales que subissent déjà les pays émergents dans d’autres secteurs montre que la pression externe peut prendre de court les capacités institutionnelles locales. L’automatisation suit la même logique.

Ce qui permettrait de voir venir le basculement

La piste concrète n’est pas de freiner l’automatisation dans les pays émergents. Ralentir le progrès technique dans des économies qui ont besoin de gains de productivité pour sortir de la pauvreté serait contre-productif. La piste est de disposer des outils pour anticiper le point de bascule avant qu’il ne produise des effets irréversibles.

Deux signaux sont identifiables. Le premier est l’évolution du stock de robots pour 10 000 travailleurs dans les principales économies émergentes. Ce signal existe : la Fédération internationale de la robotique publie ces données annuellement. Ce qui manque, c’est un cadre d’interprétation sectorielle qui permette une alerte précoce.

Le second signal est le taux de chômage dans les industries manufacturières des pays non-OCDE à forte croissance robotique. Si ce taux commence à augmenter alors que le reste de l’économie reste stable, le point de bascule est peut-être proche. Mesurer ce signal annuellement, par pays et par secteur, permettrait d’anticiper et d’adapter les politiques avant que l’inversion ne soit irréversible.

Des observatoires régionaux de la pénétration robotique dans les pays non-OCDE, calés sur ces deux indicateurs, rempliraient une fonction que les institutions internationales actuelles n’assurent pas. Le WEF publie des projections globales. L’OCDE suit ses membres. La Fédération internationale de la robotique agrège des stocks. Personne ne produit l’alerte précoce par pays émergent qui permettrait aux gouvernements concernés d’agir avant le basculement.

Conditionner les incitations à l’investissement robotique dans ces pays à des critères d’effet net sur l’emploi sectoriel, évalués annuellement, serait une étape suivante. Cette idée est difficile à mettre en œuvre : elle suppose une capacité statistique et une volonté politique que beaucoup de ces gouvernements n’ont pas encore. Mais elle est cohérente avec ce que les données du panel établissent : une association mesurable entre installations robotiques et chômage dans l’échantillon observé.

La décision politique que les données rendent possible

L’étude améliore la qualité de l’argument disponible pour décider. Jusqu’ici, le débat sur la technologie et l’emploi dans les pays émergents était partagé entre l’enthousiasme technologique, qui promettait des emplois sans condition, et le catastrophisme, qui rejetait l’automatisation comme une menace universelle. Aucune de ces deux positions ne permettait d’agir de façon opérationnelle.

Le panel de 63 pays fournit une estimation agrégée sur 2005-2021, avec des ventilations par sexe, âge et niveau d’éducation. L’étude estime une association statistique dans son échantillon, sans établir une prédictibilité générale.

Les gouvernements des pays émergents doivent construire les institutions nécessaires pour amortir une transition rapide vers l’automatisation. Acemoglu pose cette question à l’échelle macro depuis plusieurs années. L’étude apporte des données comparables à l’échelle de l’économie globale.

C’est la contribution de cette recherche : documenter une hétérogénéité des associations avec le chômage selon des caractéristiques des travailleurs, et permettre un débat sur les outils de mesure et les politiques d’adaptation.

Sources

  1. ScienceDirect – Econometric study on robot density and unemployment, panel 63 countries, 2005-2021 (2026)
  2. Daron Acemoglu – Nobel Lecture: Institutions, Technology, and Prosperity, American Economic Review (2025)
  3. World Economic Forum – Future of Jobs Report 2025 (weforum.org)
  4. OCDE – Determinants and Impact of Automation, 2019
  5. Fédération internationale de la robotique (IFR) – World Robotics Report, données annuelles de stock robotique