Les tâches cognitives qualifiées, longtemps jugées hors d’atteinte de l’automatisation, sont désormais en première ligne. Les budgets de formation se contractent au moment précis où la transition exigerait qu’ils s’élargissent. L’arbitrage pour 2027 est là : fiscaliser les gains de productivité de l’IA pour financer les reconversions, ou laisser les travailleurs encore en poste porter le coût de l’automatisation de leurs collègues.
La frontière de l’automatisation s’est déplacée vers le haut
Avec l’IA, ce sont des tâches cognitives complexes et qualifiées qui se retrouvent exposées. L’étude conjointe de Coface et de l’Observatoire des emplois menacés et émergents (OEM), publiée en mars 2026, documente ce déplacement [2]. C’est l’inversion de la logique des précédentes vagues d’automatisation, qui frappaient les emplois intermédiaires et répétitifs.
En 2026, 3,8 % des emplois français sont vulnérables à l’IA générative [2]. À un horizon de deux à cinq ans, ce taux monte à 16,3 %, soit près de 5 millions de postes [2]. L’étude précise que cet indicateur « reflète l’exposition des tâches, et non leur destruction ». Parmi les 923 professions analysées, 120 présentent un niveau d’exposition élevé, avec plus de 30 % de leurs tâches potentiellement automatisables [2].
La répartition par niveau de revenus est contre-intuitive. Les hauts salaires font face à la plus forte exposition : les 10 % les mieux payés affichent 22,1 % d’exposition en 2026 [2]. Les emplois les plus qualifiés, ingénierie, informatique, droit, métiers créatifs, sont parmi les plus exposés. L’IA générative excelle précisément dans l’analyse, la synthèse, la rédaction et la recherche documentaire, qui constituent le cœur de ces métiers.
Le chômage global se maintient, mais les premières marches disparaissent
Les marchés du travail ont fait preuve d’une résistance inattendue en 2025 et au début de 2026. En mai 2026, le taux de chômage moyen dans la zone OCDE s’établissait à 4,9 %, proche de ses plus bas historiques [3]. Le taux d’emploi atteignait un record à 72,1 % [3].
Ces agrégats masquent une transformation qui opère déjà à un niveau plus fin. Les effets de l’IA commencent à apparaître dans les emplois de début de carrière des métiers les plus exposés [3]. En janvier 2026, le FMI confirmait que l’automatisation frappe deux à trois fois plus les postes juniors que les postes managériaux [8]. Les missions autrefois confiées aux profils débutants, rédaction de contenus simples, analyse documentaire, traitement de données de premier niveau, sont les premières concernées.
Les données françaises confirment cette pression sur les plus jeunes. En 2026, 78 % des jeunes cadres trouvaient un emploi dans les six mois suivant la fin de leurs études [3]. C’était plus de 85 % au sortir de la crise sanitaire [3]. L’emploi global se maintient, mais les premières marches de l’escalier professionnel se raréfient. Axelle Arquié, cofondatrice de l’OEM, soulève une dimension supplémentaire : si les jeunes diplômés anticipent la dévalorisation de leurs qualifications, l’investissement dans l’enseignement supérieur pourrait perdre sa rationalité économique individuelle [1].
L’IA agentique, rupture d’une autre nature
Le saut de 3,8 % à 16,3 % d’exposition entre 2026 et l’horizon de deux à cinq ans s’explique par un changement qualitatif dans la nature de l’IA déployée [2]. L’IA dite agentique remplace un flux de travail entier, là où l’IA d’assistance ne remplace qu’un outil isolé. Cette distinction explique à elle seule l’ampleur de la projection.
L’IA est une technologie à usage général au sens économique : elle touche tous les secteurs et modifie l’ensemble des processus de production. Carl Benedikt Frey estime, dans How Progress Ends publié en 2025, que l’IA aura sur les travailleurs qualifiés le même effet que la désindustrialisation des années 1970 a eu sur les ouvriers [9]. Son apport décisif est de montrer que ce résultat dépend de la robustesse de l’État social à absorber les déplacements d’emploi.
L’essentiel de l’adoption d’IA en entreprise est aujourd’hui orienté vers l’automatisation : faire les mêmes tâches plus vite, moins cher, avec moins de personnes. Acemoglu, Autor et Johnson formalisent ce constat dans un working paper de février 2026 [4]. Leur cadre distingue cinq types de changement technologique. Seule la création de nouvelles tâches génère une demande de nouvelle expertise humaine. L’IA se déploie aujourd’hui surtout dans les autres catégories [4].
La France part avec un handicap d’adoption qui complique le diagnostic. L’enquête SAFE de la Banque centrale européenne au quatrième trimestre 2025, conduite auprès de 625 entreprises françaises, révèle que 23 % déclaraient un usage modéré à important de l’IA [5]. La moyenne de la zone euro était à 39 %. L’Allemagne atteignait 46 %, l’Espagne 44 % [6].
L’INSEE publiait en juillet 2026 que 18 % des entreprises françaises de dix salariés ou plus utilisaient au moins une technologie d’IA en 2025 [7]. C’était 10 % en 2024, et 6 % en 2023 : le taux a triplé en deux ans [7]. Les entreprises utilisatrices d’IA concentrent désormais 66 % du chiffre d’affaires et 59 % de l’emploi du champ étudié [7]. Le retard des TPE-PME crée une bifurcation entre deux marchés du travail : celui des entreprises qui adoptent, et celui des autres.
Les budgets de formation se contractent au pire moment
Le budget 2026 de France Compétences prévoit 12,078 milliards d’euros de dépenses. C’est près de 1,5 milliard de moins qu’en 2025 [10]. L’alternance absorbe l’essentiel de la coupe : son enveloppe passe de 9,3 à 8,2 milliards d’euros [10]. Le budget du compte personnel de formation, les droits à la formation accumulés par chaque salarié, chute de 650 millions d’euros, à 1,31 milliard [10].
Le budget moyen par bénéficiaire passe de 3 250 à 2 870 euros en 2026 [11]. La durée moyenne de formation tombe de 3,8 à 3,1 mois la même année [11]. Le terrain signale un retour aux formats courts peu qualifiants, au moment même où les transitions professionnelles exigeraient des parcours de 12 à 18 mois.
Le choc fiscal est la dimension la plus sous-estimée. Une automatisation rapide des fonctions qualifiées frappe d’abord les emplois qui contribuent le plus aux assiettes fiscale et sociale. En 2026, l’OEM évalue que les postes les plus exposés pèsent lourd dans la formation des recettes de l’État [1]. Une hausse des allocations chômage conjuguée à un recul des cotisations crée un double choc pour les finances publiques. Sans transition fiscale organisée, les équilibres du financement de la protection sociale sont déstabilisés.
Ce que l’AI Act, entré en vigueur en août 2026, ne règle pas
L’AI Act européen encadre les usages à haut risque de l’IA depuis le 2 août 2026 [12]. Quand l’IA touche au recrutement, au crédit, à la santé ou à l’évaluation de performance, les entreprises doivent documenter, tracer et garantir la transparence de leur système. C’est un acquis réel.
Le cadre réglementaire traite le risque individuel de chaque système. Il ne gouverne pas la transformation macroéconomique de la structure de l’emploi [14]. Des règles robustes sur les usages des systèmes d’IA ne couvrent pas les effets sur le marché du travail d’une technologie à usage général, comme le souligne Jean Tirole dans ses travaux sur la régulation des marchés numériques [14].
Une dimension s’efface dans le débat français. Les modèles, les données, les puces graphiques et le cloud sont la propriété de grands groupes américains. En 2024, plus de 70 % des dépenses cloud des entreprises européennes allaient à des fournisseurs extra-européens [15]. L’exposition de l’emploi français à l’IA est donc une exposition à des outils dont les orientations de développement se décident hors de portée des politiques européennes, comme le montrent les travaux de Stéphane Grumbach sur la géopolitique des données [15].
Orienter le déploiement, allonger les formations, fiscaliser les gains
Trois leviers découlent de cette chaîne causale, et ils ne sont pas équivalents.
Le premier est d’orienter le déploiement de l’IA. L’automatisation est un choix parmi d’autres technologiquement disponibles, montrent Acemoglu, Autor et Johnson [4]. Une IA qui augmente les capacités humaines crée de la valeur sans détruire l’emploi.
Elle aide un infirmier à interpréter des données complexes. Elle permet à un juriste de traiter plus de dossiers sans supprimer ses collègues. La commande publique, les critères des aides à l’innovation et les règles d’accès aux données publiques peuvent faire pencher les orientations de déploiement. C’est un levier distinct de la simple gestion des risques de l’AI Act.
Le deuxième est de réorienter les budgets de formation vers les compétences longues. La contraction de 1,5 milliard d’euros de France Compétences en 2026 est une erreur de séquençage [10]. Ramener la durée moyenne des formations à 3,1 mois [11], quand la transition exige des reconversions de 12 à 18 mois, alloue la dépense là où elle est la moins efficace. La formation qualifiante longue est le levier manquant du système français, que Bertrand Martinot documente dans ses travaux sur la politique du travail [13]. La contrainte budgétaire est réelle ; elle commande des choix dans la dépense, pas une réduction uniforme.
Le troisième levier est le plus structurant pour 2027 : créer une contribution sur les gains de productivité de l’IA pour financer les transitions. La destruction créatrice ne redistribue pas spontanément ses gains [14]. Le FMI insiste sur la complémentarité possible entre IA et travail, à condition de former, de réorganiser le travail et de redistribuer une partie des bénéfices [8].
Les postes les mieux rémunérés contribuent le plus à la CSG, à l’impôt sur le revenu et aux cotisations patronales. Ce sont aussi les premiers exposés, comme le chiffre Arquié [1]. Si ces postes disparaissent ou se contractent, le financement de la protection sociale dépend directement de la façon dont les gains de productivité de l’IA sont fiscalisés. Faire porter ce coût par des cotisations sur les travailleurs encore en poste revient à leur faire financer l’automatisation de leurs collègues. Une contribution sur les profits tirés de l’automatisation, distincte d’une taxation du capital au sens large, permettrait d’abonder un fonds de transition dédié.
Cette contribution est l’instrument transitoire d’un déplacement plus vaste. Le financement de la protection sociale doit s’élargir au-delà des seules cotisations salariales. Le chantier est détaillé dans le billet « Seniors bloqués hors de l’emploi, assiette sociale qui rétrécit ».
Sources
[1] Axelle Arquié, « Le double choc de l’IA : emploi et fiscalité », L’Économie politique, n° 110, 2026/2, Alternatives économiques, https ://shs.cairn.info/revue-l-economie-politique-2026-2 (consulté le 25/08/2026).
[2] Coface et Observatoire des emplois menacés et émergents (OEM), « Emplois, compétences, valeur : ce que l’IA est en train de bouleverser », mars 2026, https ://www.coface.fr/actualites-economie-conseils/emplois-competences-valeur-ce-que-l-ia-est-en-train-de-bouleverser (consulté le 25/08/2026).
[3] OCDE, Perspectives de l’emploi 2026, OCDE, Paris, juillet 2026, https ://www.oecd.org (consulté le 25/08/2026).
[4] Daron Acemoglu, David Autor et Simon Johnson, « Building Pro-Worker Artificial Intelligence », NBER Working Paper n° 34854, Hamilton Project, Brookings Institution, février 2026, https ://doi.org/10.3386/w34854 (consulté le 25/08/2026).
[5] Banque centrale européenne, enquête SAFE (Survey on the access to finance of enterprises), 4e trimestre 2025, Francfort, 2025, https ://www.ecb.europa.eu (consulté le 25/08/2026).
[6] Banque de France, « Entreprises françaises : existe-t-il un écart d’adoption de l’IA ? », note de recherche, mai 2026, https ://www.banque-france.fr/en/publications-and-statistics/publications/ai-adoption-gap-among-french-firms (consulté le 25/08/2026).
[7] INSEE, « Les technologies de l’information et de la communication dans les entreprises en 2025 », INSEE Première n° 2120, juillet 2026, https ://www.insee.fr (consulté le 25/08/2026).
[8] FMI, World Economic Outlook Update, janvier 2026, Washington D.C., https ://www.imf.org (consulté le 25/08/2026).
[9] Carl Benedikt Frey, How Progress Ends : Technology, Innovation, and the Fate of Nations, Princeton University Press, septembre 2025, https ://press.princeton.edu/books/hardcover/9780691233079/how-progress-ends (consulté le 25/08/2026).
[10] France Compétences, Budget prévisionnel 2026, adopté le 27 novembre 2025, https ://www.francecompetences.fr (consulté le 25/08/2026).
[11] DARES, Jaune budgétaire 2026 : Formation professionnelle, annexe au PLF 2026, Ministère du Travail, février 2026, https ://dares.travail-emploi.gouv.fr/donnees/le-jaune-budgetaire-sur-la-formation-professionnelle (consulté le 25/08/2026).
[12] Règlement (UE) 2024/1689 (AI Act), Journal officiel de l’Union européenne, 12 juillet 2024 ; obligations des déployeurs à haut risque, article 26, applicables au 2 août 2026, https ://eur-lex.europa.eu (consulté le 25/08/2026).
[13] Bertrand Martinot, Le travail est la solution, Les Belles Lettres, 2025, https ://www.wikiberal.org/wiki/Bertrand_Martinot (consulté le 25/08/2026).
[14] Philippe Aghion, « Resetting the Innovation Clock : Endogenous Growth through Technological Turnover », audition devant la commission des affaires économiques de l’Assemblée nationale, janvier 2026, https ://www.assemblee-nationale.fr/dyn/17/comptes-rendus/cion-eco/l17cion-eco2526012_compte-rendu.pdf (consulté le 25/08/2026).
[15] Stéphane Grumbach, « Croissance numérique, besoins énergétiques, impacts environnementaux et préoccupations sécuritaires », 2024, https ://shs.cairn.info/publications-de-stephane-grumbach–97659 (consulté le 25/08/2026).