Entre novembre 2022 et mars 2026, les embauches en CDI des 21-29 ans ont baissé de 28,3 % dans les métiers français les plus exposés à l’IA générative. Ce chiffre provient d’une étude HEC Paris-Banque de France publiée en octobre 2026. Le retard s’accumule, poste par poste, trimestre après trimestre.

L’essentiel

  • En mars 2026, les embauches en CDI des 21-29 ans dans le quintile de métiers le plus exposé étaient 28,3 % sous leur niveau de novembre 2022 (HEC Paris-Banque de France, octobre 2026).
  • En 2024, le Stanford AI Index chiffre l’investissement privé IA américain à 109,1 milliards de dollars (Stanford AI Index, 2025).
  • En Inde, les offres exigeant des compétences IA présentent une prime salariale moyenne de 28 % selon la Banque mondiale (World Bank, AI and Labor Markets in Emerging Economies 2024).
  • La baisse observée est corrélée à l’exposition à l’IA générative, mais ses causes précises ne sont pas identifiées par l’étude.

Les embauches IA-exposées chutent pendant que la technologie avance

L’étude analyse les mouvements de main-d’œuvre de janvier 2019 à mars 2026, appariés à l’enquête de conjoncture de la Banque de France. Elle distingue les postes “exposés à l’IA”, ceux où les tâches réalisables par les outils d’IA générative représentent une fraction significative du travail, des postes peu exposés. Le résultat est net : sur les postes exposés, les embauches ont chuté de 28,3 % entre novembre 2022 et mars 2026. Sur les métiers les moins exposés, les embauches en CDI des 21-29 ans ont reculé d’environ 8 %.

L’interprétation des auteurs mérite d’être lue avec soin. Dans l’échantillon étudié, l’effectif total des entreprises utilisant intensivement l’IA ne se distingue pas nettement de celui des autres entreprises. Les résultats sont cohérents avec une réorganisation des recrutements dans les métiers exposés, sans démontrer que les entreprises évitent délibérément ces postes. Deux raisons se combinent.

Ensuite, un calcul économique simple : si automatiser un poste coûte moins cher que l’embauche, et si la réglementation rend l’automatisation plus prévisible que la gestion des ressources humaines, les entreprises font le choix de l’automatisation, mais sans former les salariés existants aux nouveaux outils.

Le résultat est contre-intuitif. La baisse des embauches sur les postes exposés intervient ralentissement économique, de correction post-Covid dans la tech et de développement du télétravail. Les 21-29 ans constituent la tranche d’âge où le recul relatif des embauches est le plus marqué dans l’étude.

Un écart d’investissement qui se creuse à un rythme que la politique peut difficilement rattraper

L’OCDE publie chaque année ses données sur l’investissement privé en intelligence artificielle. En 2024, le Stanford AI Index chiffre l’investissement privé IA américain à 109,1 milliards de dollars. La moitié de l’investissement européen se concentre au Royaume-Uni et en Allemagne, ce qui place la France à une distance importante de la frontière technologique.

Ce chiffre mesure autre chose que la richesse relative. L’investissement en IA est cumulatif : les données entraînent les modèles, les modèles améliorés attirent les utilisateurs, les utilisateurs produisent de nouvelles données. Les économistes parlent d’effets de réseau. Une plateforme qui accumule dix-huit mois d’avance sur ses concurrentes dans l’entraînement de ses modèles occupe une position structurellement difficile à rattraper, parce que ses modèles sont meilleurs, ses coûts marginaux plus bas et ses clients moins enclins à changer de fournisseur.

La thèse de l’économiste Noah Smith, développée dans ses travaux récents sur l’avenir de l’économie et de l’IA, est empiriquement testable. Smith soutient qu’une économie qui recule devant la technologie au moment où ses concurrentes l’adoptent s’engage dans une bifurcation dont le chemin de retour se rétrécit à mesure que les effets de réseau se consolident. Les données européennes de 2022-2026 illustrent cette mécanique.

La comparaison robotique va dans le même sens. En 2023, la Chine a installé 276 000 robots industriels, contre 28 355 en Allemagne, selon le rapport annuel de la Fédération internationale de robotique. L’Allemagne reste le premier pays européen en termes de densité robotique par travailleur industriel, mais l’écart de volume indique que la Chine construit une base manufacturière automatisée à une vitesse que l’Europe ne peut pas absorber par la seule montée en gamme.

La prime salariale asiatique mesure ce que l’Europe ne forme pas

La donnée sur les primes salariales en Asie du Sud mérite d’être lue comme un signal plutôt que comme une simple statistique de marché. En Inde, selon la Banque mondiale, les offres exigeant des compétences IA présentent une prime salariale moyenne de 28 %.

Ce différentiel a une signification précise. Il indique que les marchés du travail asiatiques ont déjà intégré la compétence IA comme une compétence rare et valorisée. Les entreprises paient plus pour l’avoir. En retour, les travailleurs ont une incitation forte à se former, indépendamment des programmes publics. La demande privée de formation IA crée son propre marché.

En France, et plus largement en Europe, ce signal de marché est atténué par deux facteurs. D’abord, en France, les embauches des jeunes dans les métiers les plus exposés à l’IA ont davantage reculé, mais l’étude ne permet ni d’en établir la cause ni de conclure à une baisse européenne de la demande de compétences IA, ce qui réduit la prime salariale perçue, ce qui réduit l’incitation à se former. Le cercle se referme. Ensuite, l’incertitude réglementaire décourage les entreprises d’investir dans des formations spécifiques à des outils dont le cadre légal peut changer d’une directive à l’autre.

Carl Benedikt Frey, dans ses travaux récents sur la technologie et la mobilité sociale, prolongeant l’analyse entamée dans ses études sur l’automatisation du travail, documente comment l’arrêt du progrès technologique frappe d’abord les travailleurs les moins qualifiés, qui perdent à la fois les emplois routiniers automatisés et l’accès aux nouveaux emplois qualifiés créés par la technologie. La France, avec sa forte segmentation entre CDI protégés et contrats précaires, est particulièrement vulnérable à ce mécanisme : les salariés en CDI absorbent le coût de la non-adoption en termes de productivité stagnante ; les jeunes entrants absorbent le coût en termes d’absence de postes à l’entrée.

Cette mécanique mérite d’être confrontée à une lecture plus institutionnaliste. Daron Acemoglu, dont les travaux sur les institutions et le partage des gains du progrès technique font référence, pose une question différente : qui capte les bénéfices de l’automatisation, et à quelles conditions les travailleurs en sont-ils bénéficiaires plutôt que victimes. Sa réponse invite à distinguer vitesse d’adoption et qualité de la transition. Une adoption rapide qui concentre les gains sur les actionnaires tout en déqualifiant les emplois restants constitue un modèle distinct de celui qu’analyse Smith. Le diagnostic de Smith et le cadre d’Acemoglu portent sur deux questions séparées.

La première est une question de vitesse et de compétitivité. La seconde est une question de distribution des bénéfices.

Les données françaises de 2022-2026 montrent une adoption de l’IA légèrement inférieure à la moyenne de l’UE mais en forte hausse, et une productivité française encore en retrait de sa tendance pré-Covid. Les usages intensifs demeurent plus fréquents dans les grandes entreprises qui disposent des ressources juridiques pour naviguer dans la réglementation. Pour aller plus loin sur la question du partage des gains technologiques entre économies avancées et émergentes, l’analyse du journal sur la polarisation par les robots dans les pays émergents offre un cadre complémentaire utile.

La régulation peut protéger ou paralyser selon son calibrage

Avant de conclure que la régulation est le problème, il faut préciser ce que les données disent exactement. L’étude mesure une corrélation entre l’exposition des métiers à l’IA générative et l’évolution des embauches, sans analyse de l’AI Act. Elle ne prouve pas une causalité directe et exclusive. D’autres facteurs jouent : le ralentissement économique de 2023-2024 en zone euro, la hausse des taux d’intérêt qui a comprimé les budgets d’investissement, et une incertitude macro-économique globale qui a réduit les embauches dans de nombreux secteurs.

La régulation par l’AI Act n’est pas identique à une interdiction. Elle impose des obligations de transparence, d’audit et de documentation aux systèmes classés à risque élevé, qui comprennent entre autres l’emploi, le crédit, la justice, la biométrie, l’éducation, les infrastructures critiques, la migration et le maintien de l’ordre. Ces obligations ont un coût significatif pour les PME selon les premières évaluations de mise en conformité. Les coûts fixes peuvent peser proportionnellement davantage sur les PME. Un outil de recrutement peut être à haut risque et entraîner des obligations de conformité.

Le calibrage est donc le levier central. Une régulation qui distingue précisément les usages à risque élevé des usages courants, et qui fixe des seuils de conformité proportionnels à la taille de l’entreprise, pourrait maintenir les garde-fous essentiels, protection contre les discriminations algorithmiques et transparence sur les décisions automatisées, tout en réduisant le frein à l’adoption dans les PME. La question du cadre de responsabilité civile pour les systèmes autonomes est directement liée à ce calibrage : tant que la responsabilité en cas d’erreur d’un système IA n’est pas clairement attribuée, les entreprises préfèrent éviter le risque.

La comparaison avec la politique industrielle américaine est instructive ici, mais avec des nuances. Le CHIPS and Science Act a mobilisé des financements publics massifs pour les semi-conducteurs; l’Inflation Reduction Act a mobilisé de larges financements et crédits pour l’énergie propre et certaines capacités de fabrication avancée, plutôt que des dispositions spécifiquement consacrées à l’IA. La publication du Congressional Budget Office de mai 2026 expose une méthode d’évaluation des effets de la R&D fédérale. La production domestique de semi-conducteurs a augmenté, mais les coûts de production demeurent élevés comparés aux standards asiatiques. La commande publique peut créer une demande, elle ne crée pas automatiquement une compétitivité de long terme.

L’Europe doit observer cette expérience avec attention avant de la reproduire mécaniquement.

Les décisions de 2025-2027 et leurs effets probables sur 2028-2035

La question que les données 2022-2026 posent pour les années suivantes est structurée autour d’un seuil. Les effets de réseau en IA ont une propriété particulière : ils ne se renforcent pas linéairement. Ils s’accélèrent au-delà d’un certain point de masse critique, après lequel les plateformes dominantes deviennent très difficiles à détrôner. Si l’Europe intervient avant ce seuil, une politique industrielle ciblée peut inverser la dynamique. Si elle intervient après, elle risque de financer des acteurs qui n’auront jamais les données ni la base d’utilisateurs nécessaires pour rivaliser.

Deux signaux permettraient de situer l’Europe par rapport à ce seuil. Le premier : l’évolution trimestrielle des embauches sur les postes IA-exposés, comparée à la trajectoire américaine. Si la chute se stabilise et s’inverse d’ici 2027, la politique industrielle européenne, notamment le programme IA de la Commission prévu dans le cadre du plan Draghi, aura produit un effet mesurable. Si la chute se poursuit, l’irréversibilité devient progressivement plus probable. Le second signal : l’évolution de l’écart de prime salariale entre travailleurs formés à l’IA en Europe et en Asie du Sud.

Si cet écart se creuse, cela indique que les marchés du travail asiatiques ont verrouillé leur avance en matière de formation. Si l’écart se réduit, cela indique que l’Europe a réussi à créer une demande intérieure de compétences IA suffisamment forte pour valoriser la formation.

Le scénario de rattrapage par politique industrielle ciblée existe et reste ouvert. Ses conditions sont précises. Il faut une commande publique orientée vers l’adoption IA dans les PME, avec des financements conditionnés à la formation des salariés existants, pas seulement au déploiement des outils. Il faut des programmes de reconversion ciblant spécifiquement les postes dont les embauches ont chuté, avec des durées de formation courtes et des certifications reconnues par les employeurs. Et il faut une révision du calibrage réglementaire de l’AI Act pour les PME, sans affaiblir les protections sur les usages à risque élevé.

Le scénario d’irréversibilité par effets de réseau est tout aussi réaliste. Un écart d’investissement persistant entre les États-Unis et l’Europe pourrait progressivement renforcer l’avance technologique américaine. L’enjeu devient alors celui de la spécialisation : sur quels segments de l’IA l’Europe peut construire une position défendable, en s’appuyant sur ses forces en données de santé, en données industrielles et sur un cadre éthique valorisé sur certains marchés mondiaux.

La question de la capacité de l’État à orienter les transitions technologiques est dans ce choix : sans institutions capables d’exécuter une politique industrielle à la hauteur des enjeux, ni le scénario de rattrapage ni le scénario de spécialisation ne se réalise.

Les marges de manœuvre françaises

Les données de 2022-2026 décrivent un mécanisme, pas une fatalité. La baisse observée est corrélée à l’exposition à l’IA générative, mais ses causes précises ne sont pas identifiées par l’étude. Cet environnement peut changer.

Trois décisions concrètes auraient un effet mesurable à horizon de deux ans. Premièrement, une révision du calendrier de mise en conformité de l’AI Act pour les PME de moins de 250 salariés, avec un report de 18 mois des obligations documentaires les plus lourdes sur les systèmes à risque modéré. Deuxièmement, un programme de formation accélérée aux outils IA grand public, formation de deux à six semaines, financée par le compte personnel de formation, ciblant spécifiquement les salariés des secteurs les plus touchés par la chute des embauches. Troisièmement, une conditionnalité IA dans les marchés publics : les entreprises répondant aux appels d’offres publics au-dessus d’un certain seuil doivent documenter leur stratégie d’adoption et de formation IA.

Aucune de ces mesures ne garantit un rattrapage. Elles créent les conditions pour que le signal de marché, la prime salariale pour la compétence IA, se transmette jusqu’aux salariés et aux PME françaises. Sans cette transmission, ce signal sera capté ailleurs. C’est déjà le cas depuis trois ans.

Sources

  1. Bergeaud, A. Et al. (octobre 2026). Private French Firms Hire Fewer Young Workers in AI-Exposed Jobs. HEC Paris-Banque de France.
  2. OCDE. Digital Economy Outlook 2025. Paris : OCDE. Https://www.oecd.org/digital/oecd-digital-economy-outlook.htm
  3. OCDE. Employment Outlook 2025, chapitre IA et emploi. Paris : OCDE.
  4. Fédération internationale de robotique (IFR). World Robotics Report 2024. Francfort : IFR.
  5. World Bank. AI and Labor Markets in Emerging Economies 2024. Washington DC : World Bank.
  6. Congressional Budget Office (CBO). Evaluation of the CHIPS and Science Act, 2026. Washington DC : CBO.
  7. Noah Smith. A.I., the Economy & the Future of Humanity (2025). Substack / Noahpinion.
  8. Carl Benedikt Frey. How Progress Ends (2025) et travaux récents sur technologie et mobilité sociale. National Bureau of Economic Research. Https://www.nber.org/
  9. INSEE. Données de marché du travail 2022-2026. Paris : INSEE.
  10. Banque de France. Données administratives entreprises 2019-2026. Paris : Banque de France.