L’intelligence artificielle affecte différemment les emplois selon les tâches exercées. L’OCDE indiquait dans l’Employment Outlook 2023 qu’environ 27 % de l’emploi dans les pays de l’OCDE relevait d’occupations présentant le risque d’automatisation le plus élevé, IA comprise ; ce n’est ni une donnée limitée à l’Europe ni une donnée de l’Employment Outlook 2026. Des sources de la Commission européenne et de l’OCDE montrent que plusieurs professions cognitives et qualifiées sont fortement exposées ; la BCE constate que les occupations les plus exposées à l’IA comprennent relativement davantage de travailleurs qualifiés, sans établir un risque global supérieur pour tous les travailleurs hautement qualifiés. L’IA peut déplacer les lignes de vulnérabilité vers certaines tâches cognitives et certains travailleurs qualifiés, tout en maintenant d’importantes inégalités selon le niveau de qualification, le secteur et l’accès à la formation.

L’essentiel

  • 27 % des emplois européens sont en zone d’exposition sérieuse à l’IA, selon l’OCDE Employment Outlook 2026, et ce sont les postes qualifiés qui concentrent le risque le plus élevé.
  • La BCE confirme que l’IA présente un risque plus élevé pour les emplois hautement qualifiés, retournant l’idée reçue d’une automatisation qui cible d’abord les tâches manuelles répétitives.
  • En France et en Belgique, 1 professionnel sur 2 a adopté l’IA en moins d’un an, signe que l’absorption est possible, mais elle reste conditionnée à l’accès aux formations et aux ressources pour changer de méthodes de travail.
  • Les architectures nationales de formation continue, leur financement, leur accessibilité, leur vitesse d’adaptation, deviennent le vrai facteur différenciant entre économies européennes.
  • La question ouverte pour la décennie est de savoir si l’Europe peut construire un système de requalification continue avant que la polarisation salariale entre qualifiés adaptés et qualifiés bloqués ne devienne irréversible.

Le renversement que les données confirment

Pendant des années, le débat sur l’automatisation a tourné autour d’une image : le robot qui remplace l’ouvrier sur la chaîne. L’IA générative impose une image différente. Les professions les plus exposées sont celles qui concentrent les tâches cognitives à haute valeur ajoutée, rédaction, analyse, traitement d’information complexe, conseil. Ces professions comportent de nombreuses tâches exposées à l’IA ; l’adoption effective et les gains de productivité ou de coût doivent être documentés séparément par profession et par organisation.

La BCE a publié en 2026 une analyse de l’embauche des entreprises de la zone euro et, séparément, une étude des effets de l’IA sur le marché du travail américain. D’autres travaux, notamment du JRC, constatent une exposition plus élevée de nombreuses professions cognitives et qualifiées. L’exposition est fortement liée au contenu cognitif des tâches ; elle ne se réduit pas mécaniquement au salaire ou au statut social. Un comptable exposé à un logiciel de traitement automatisé des déclarations fiscales l’est davantage qu’un électricien dont le travail exige une présence physique et une capacité d’adaptation au terrain que les algorithmes ne peuvent pas encore répliquer.

Ce renversement a une logique. L’IA générative est, fondamentalement, un outil de traitement et de production de texte, de code et de raisonnement formalisé. Elle excelle dans les environnements structurés où les inputs sont définis et les outputs évaluables. Les emplois qui concentrent ces caractéristiques sont précisément ceux qu’on a longtemps considérés comme les mieux protégés par leur niveau de qualification. Ils ne le sont plus, ou du moins, plus de la même manière.

L’adaptation rapide des marchés

La source Improof évoque l’adoption de l’IA dans le travail par des professionnels au Luxembourg et en Belgique. Ce chiffre mérite une lecture précise. Il ne dit pas que la transition est indolore. Il indique que l’adoption peut être rapide, mais que ses conditions varient selon les organisations et les secteurs.

Le Luxembourg et la Belgique partagent des densités d’emplois qualifiés élevées dans la finance, le droit, les services aux entreprises et les institutions européennes. Ces secteurs ont une caractéristique commune : leurs employeurs ont les moyens d’investir dans la montée en compétences, et leurs salariés ont les ressources cognitives pour absorber de nouveaux outils rapidement. L’adoption rapide dans ces marchés reflète moins une vertu culturelle particulière qu’un avantage structurel.

Les travailleurs et entreprises moins dotés peuvent avoir moins de capacités d’adaptation, mais leur niveau d’exposition n’est pas nécessairement identique à celui de leurs pairs mieux dotés. Daron Acemoglu et Simon Johnson développent ce point dans Power and Progress : le progrès technologique ne distribue ses gains largement qu’à la condition que des institutions le contraignent à le faire. Livré à lui-même, il tend à concentrer les bénéfices chez ceux déjà en position de les capter. Le rôle des institutions devient donc central.

Les systèmes de formation face à un défi de vitesse

L’architecture de formation professionnelle continue varie entre économies européennes, et ces différences structurelles peuvent influencer les capacités d’adaptation à l’IA.

Les pays nordiques, Danemark, Finlande, Suède, disposent de systèmes de formation permanente financés publiquement, accessibles à des adultes en activité, et conçus pour des cycles courts d’adaptation. Le taux de participation des adultes à la formation continue y est régulièrement parmi les plus élevés de l’OCDE. Ces systèmes ont été construits au moment des grandes reconversions industrielles des années 1990 et 2000 : ils n’ont pas été pensés pour l’IA, mais leur architecture est compatible avec la vitesse d’adaptation qu’elle exige.

Dans plusieurs économies d’Europe continentale et méridionale, les systèmes de formation continue peuvent rencontrer des difficultés à répondre à la demande. Dans l’UE, les PME forment en moyenne moins leurs salariés que les grandes entreprises ; l’accès des indépendants et la complexité des financements doivent être documentés séparément selon les pays. L’article de la OCDE sur la stratification de l’emploi lié à l’IA, déjà analysé dans ces pages, montrait que cette inégalité d’accès à la formation tend à reproduire et amplifier les inégalités préexistantes.

La vitesse est le paramètre critique. Un système de formation pensé pour des cycles de reconversion longs peut difficilement répondre à un marché du travail où les outils évoluent rapidement. Certaines entreprises peuvent adopter l’IA rapidement. Les institutions publiques de formation raisonnent en années budgétaires. Cet écart de temporalité constitue un défi structurel pour les gouvernements européens, qui l’ont abordé de manière inégale.

L’argument libéral et ses limites réelles

Une lecture concurrente de ce dossier existe, et elle mérite d’être prise au sérieux. Tyler Cowen, et plus largement la tradition libérale de l’économie de l’innovation, souligne que les périodes de perturbation technologique créent, à terme, davantage d’emplois qu’elles n’en détruisent. L’histoire longue du progrès technique plaide pour cette thèse : la mécanisation agricole, la révolution industrielle, l’informatisation des années 1980 ont toutes provoqué des destructions d’emplois massives avant de générer des marchés du travail plus larges et mieux rémunérés.

Selon cette lecture, l’intervention publique dans la formation risque de ralentir l’adaptation plutôt que de l’accélérer, en figeant des compétences dans des certifications rigides au lieu de laisser les marchés former les nouvelles combinaisons. À ce stade, les entreprises fortement engagées dans l’IA sont plus susceptibles de recruter selon l’enquête BCE, mais cela ne permet pas d’inférer un effet causal net de l’IA sur l’emploi total.

Les données actuelles justifient de surveiller les transitions et les inégalités liées à l’IA, mais ne démontrent pas encore une dépréciation irrémédiable généralisée du capital humain des travailleurs déplacés. L’IA générative expose particulièrement certaines tâches cognitives exercées par des travailleurs qualifiés, mais l’effet net sur leur emploi et leurs revenus dépend de la complémentarité, de la substitution et de l’organisation du travail. Les gains de l’automatisation ne bénéficient pas nécessairement aux travailleurs déplacés ; des politiques de transition, de formation et de protection sociale peuvent être nécessaires.

L’OCDE Employment Outlook 2026 examine notamment les disparités locales et les rendements de la formation ; il ne documente pas cette affirmation précise sur l’orientation des travailleurs exposés.

L’investissement public dans la formation n’est pas une alternative au marché : c’est la condition pour que le marché fonctionne. Sans elle, le capital humain reste immobilisé là où il se trouve, pendant que les opportunités se concentrent ailleurs.

Avant que la polarisation salariale devienne irréversible

L’Europe pourrait disposer d’une fenêtre pour agir avant que la fracture entre qualifiés adaptés et qualifiés bloqués ne se traduise par une polarisation salariale durable.

Deux trajectoires se dessinent pour la décennie 2025-2032, sans qu’aucune ne soit inévitable.

Dans la première, les pays nordiques et les Pays-Bas disposent de taux élevés de participation à la formation des adultes ; les effets de ces architectures sur l’ajustement à l’IA restent à démontrer directement. Les travailleurs exposés se repositionnent sur des tâches complémentaires à l’IA : supervision, jugement contextuel, interface avec les clients et les situations non standardisées. La productivité et les salaires médians peuvent évoluer favorablement, tandis que la transition reste difficile sur le plan individuel.

Dans les économies où la formation continue reste insuffisante, les écarts entre travailleurs peuvent persister. Les travailleurs possédant des compétences spécifiques à l’IA peuvent bénéficier de primes salariales ; les effets salariaux pour l’ensemble des travailleurs exposés restent jusqu’ici limités et ne peuvent être attribués simplement à la qualité des systèmes de formation. Les qualifiés bloqués peuvent rencontrer des difficultés à renouveler leurs compétences faute de ressources ou d’accès.

Cette polarisation nourrit une frustration politique identifiable. Les personnes concernées ne sont pas des ouvriers d’usine, mais des cadres intermédiaires, des professionnels libéraux, des enseignants et des fonctionnaires, c’est-à-dire les classes moyennes supérieures dont la stabilité a longtemps constitué le ciment des démocraties représentatives européennes.

Ce second scénario n’est pas une prophétie. Mais il a une logique que les données actuelles rendent plausible. France Stratégie, dans ses travaux sur l’automatisation et les territoires, documente déjà des dynamiques de divergence régionale qui pourraient s’amplifier sous l’effet de l’IA : l’exposition et les capacités institutionnelles varient fortement entre territoires selon leur structure sectorielle, leurs occupations et leurs systèmes locaux de formation.

Les signaux à surveiller dans les prochaines années sont l’évolution des taux de participation des adultes à la formation continue dans les pays d’Europe continentale, la vitesse à laquelle les systèmes de certification nationale intègrent des compétences en IA, et la capacité des PME à accéder aux dispositifs de formation publiquement financés. Si ces indicateurs stagnent d’ici 2027-2028, la fenêtre d’action se referme probablement avant que le débat politique n’ait pris la mesure du problème.

Les travaux d’Acemoglu et Johnson permettent de formuler clairement que cette fenêtre est institutionnelle et politique autant que technique. Les technologies ne choisissent pas leurs usages d’elles-mêmes : les règles du jeu, qui finance la formation, qui y a accès, qui contrôle les outils d’IA dans les organisations, déterminent si la transition est partagée ou captée. L’Europe a construit, en soixante-dix ans, des États-providence capables d’absorber des chocs industriels massifs. La question ouverte est de savoir si ces institutions peuvent se réformer assez vite face à la rapidité des évolutions liées à l’IA.

Les mesures déjà engagées par les économies les plus avancées

Quelques expérimentations en cours méritent d’être suivies de près, non comme des modèles à copier, mais comme des tests dont les résultats éclaireront la décennie.

Des dispositifs de formation continue peuvent proposer des modules courts sur l’IA destinés aux travailleurs en activité. L’objectif est de permettre aux salariés de développer leurs compétences sur les outils numériques sans perte de revenu. Ce dispositif s’appuie sur une infrastructure de dialogue social robuste, syndicats, employeurs et État cofinancent et cogèrent, qui n’existe pas dans la même forme ailleurs en Europe.

Des systèmes de crédits de formation portables peuvent attacher les droits à la formation à l’individu et permettre leur utilisation auprès de différents fournisseurs publics et privés. L’idée est de casser la rigidité des dispositifs traditionnels qui lient l’accès à la formation au statut salarial dans une entreprise donnée. Les indépendants et certains travailleurs de PME sont souvent moins couverts par les mécanismes traditionnels de formation ; leur exposition à l’IA varie selon l’occupation et le secteur.

Ces expérimentations ont un point commun : elles partent du constat que la formation continue ne peut plus être un bénéfice réservé aux salariés des grandes entreprises qui ont les moyens de la financer. L’exposition technique dépend largement des tâches, mais l’exposition effective et les capacités d’adaptation diffèrent aussi selon la taille et les ressources de l’entreprise.

Sources

  1. Source principale : Improof, IA et marché du travail
  2. OCDE, Employment Outlook 2026, Organisation de coopération et de développement économiques
  3. Banque centrale européenne, étude sur l’IA et l’emploi qualifié en Europe, 2026
  4. France Stratégie, travaux sur l’automatisation et les territoires, 2025-2026
  5. Daron Acemoglu & Simon Johnson, Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity, PublicAffairs, 2023