🧭 Grass Brief

First inning : tout le monde prétend savoir ce que l’IA fait aux emplois. La meilleure recherche se contredit. L’EPF s’est maintenant penchée sur la Suisse.

17 août 202611 min de lectureDennis Gorican

Quiconque suit la couverture médiatique de l’IA et du marché du travail éprouve une forme particulière de coup du lapin. Une semaine, un titre annonce que l’IA élimine le travail intellectuel à grande échelle. La suivante, une autre étude ne constate aucun effet mesurable. Puis une troisième explique que toute l’histoire a été mal interprétée depuis le début.

Pour la plupart des lectrices et lecteurs, c’est un bruit de fond. Pour les cadres en réorientation professionnelle, c’est plus sérieux. Ces titres orientent des décisions : dans quelle direction se repositionner, quelles compétences acquérir, quels secteurs éviter, comment présenter son propre domaine en entretien. Des gens reconstruisent discrètement leur carrière autour de l’affirmation péremptoire du trimestre.

C’est pourquoi nous faisons cette semaine quelque chose d’un peu inhabituel pour le Grass Brief. Au lieu de résumer une seule étude, nous montrons l’état réel des connaissances, contradictions comprises, et ce qu’a trouvé la première analyse suisse sérieuse. Car l’image honnête est plus utile que l’image assurée.

La contradiction au sommet de la discipline

Le Hamilton Project de la Brookings Institution a récemment résumé la recherche universitaire de pointe sur l’IA et l’emploi, et le titre à lui seul dit tout de la maturité du domaine : la recherche sur l’IA et le marché du travail n’en est encore qu’à la première manche, le « first inning ».

Voyons ce que trouvent réellement les meilleures études. Une équipe dirigée par l’économiste de Stanford Erik Brynjolfsson a relié des mesures d’exposition à l’IA à des données salariales détaillées du prestataire de paie ADP et a constaté des baisses nettes de l’emploi chez les débutants dans les métiers exposés à l’IA, tandis que les travailleurs expérimentés et seniors dans les mêmes métiers restaient stables ou progressaient. C’est l’étude à l’origine de la plupart des titres « l’IA dévore les postes d’entrée », et elle concorde avec les données suisses de jobs.ch que nous avons présentées dans notre article sur le paradoxe du senior.

Puis sont venus Eckhardt et Goldschlag, avec des données publiques de la Current Population Survey. Leur constat : le chômage a moins augmenté dans les métiers plus exposés à l’IA. Pas davantage. Moins. Le résultat principal s’est maintenu avec différentes mesures d’exposition.

Et enfin Iscenko et Millet, qui ont certes constaté que les offres d’emploi reculaient davantage dans les métiers exposés à l’IA, mais : le recul a commencé en 2022, avant le lancement public de ChatGPT. Leur argument : le calendrier correspond mieux au tournant macroéconomique de la hausse des taux d’intérêt qu’au lancement des grands modèles de langage. Autrement dit, une partie de ce que le monde attribue à l’IA pourrait tout simplement être de l’argent cher.

Trois travaux de recherche rigoureux. Trois réponses substantiellement différentes. Ce n’est pas un scandale ; c’est à cela que ressemble un jeune domaine de recherche. Mais cela devrait changer durablement la façon dont vous lirez le prochain titre péremptoire.

Ce que l’EPF a trouvé en regardant la Suisse

Dans ce paysage contesté arrivent désormais les premières données suisses sérieuses. Les économistes du KOF Jeremias Klaeui et Michael Siegenthaler, de l’EPF de Zurich, ont appliqué pour la première fois aux données du marché du travail suisse les méthodes de mesure de l’exposition à l’IA développées pour le marché américain, avec deux sources de données indépendantes : les données administratives de tous les demandeurs d’emploi inscrits auprès des offices du travail et des données d’annonces couvrant pratiquement tout le marché suisse de l’emploi en ligne.

Leur constat central : après l’introduction de ChatGPT et d’autres grands modèles de langage à l’automne 2022, le marché du travail a évolué nettement moins favorablement dans les métiers fortement exposés aux LLM que dans les métiers faiblement exposés. Depuis novembre 2022, le nombre de demandeurs d’emploi inscrits dans les métiers fortement exposés a augmenté en moyenne de 27 pour cent de plus que dans les métiers faiblement exposés. De manière cohérente, les offres d’emploi dans les métiers fortement exposés ont nettement plus reculé sur la même période.

Les groupes les plus visiblement touchés : programmeurs d’applications, développeuses de logiciels, analystes système, journalistes ainsi que professionnels de la publicité et du marketing. Les moins exposés : personnel de nettoyage, concierges, couturières, des métiers qui reposent sur une présence physique.

Deux détails méthodologiques donnent son poids à l’étude. Premièrement, les résultats se maintiennent avec les deux sources de données indépendantes et deux mesures d’exposition différentes. Deuxièmement, et c’est plus important : les tendances des métiers diversement exposés ont évolué en parallèle pendant des années avant 2022. La divergence ne commence qu’à la fin de 2022, précisément avec l’arrivée des modèles de langage. Comme le formule Siegenthaler, les résultats indiquent assez fortement que l’IA générative est à l’origine de la récente hausse du chômage dans certains métiers fortement exposés à l’IA.

Une nuance suisse mérite attention. Dans les données américaines, les effets se concentrent fortement sur les travailleurs plus jeunes. En Suisse aussi, les demandeurs d’emploi de moins de 50 ans sont un peu plus touchés que les plus âgés, mais l’écart entre les tranches d’âge est nettement moins marqué. Le schéma suisse est plus large et plus plat que le schéma américain.

Ce que l’étude de l’EPF ne dit pas

C’est ici que la discipline épistémique compte, car cette étude sera citée pendant des années, souvent à tort.

L’analyse du KOF mesure des déplacements relatifs entre groupes de métiers, et non l’effet de l’IA sur l’emploi total. Les évolutions générales qui touchent tous les métiers de la même manière, y compris la conjoncture, sont volontairement neutralisées. Et le contexte est essentiel : ces déplacements se produisent au sein d’un emploi total en croissance. Les auteurs relèvent eux-mêmes que l’IA rend vraisemblablement les entreprises suisses plus productives, ce qui devrait soutenir l’emploi total, des effets que leur étude laisse délibérément de côté.

Le résumé honnête des meilleures données suisses est donc le suivant : l’IA redistribue visiblement la pression entre les métiers, le travail intellectuel routinier en absorbant la plus grande part. Mais selon les données actuelles, elle ne fait pas rétrécir le marché du travail suisse. Ce sont deux affirmations différentes, et presque chaque titre alarmant les comprime en une seule.

Ce que nous pouvons raisonnablement tenir pour acquis

En rassemblant les données crédibles, mondiales et suisses, quelques conclusions résistent d’une étude à l’autre et peuvent porter le poids d’une décision de carrière.

La pression est réelle, mais inégalement répartie. Le travail intellectuel fortement exposé et routinier, la rédaction, la programmation de composants standard, les analyses standardisées, la communication formatée, fait face à une demande qui se détériore de manière mesurable, en Suisse comme ailleurs.

Le gradient d’ancienneté réapparaît sans cesse. Que ce soit dans les données ADP de Stanford ou dans les données suisses d’annonces de notre article sur le paradoxe du senior, le schéma se répète : la pression se concentre là où le travail consiste à produire du contenu et diminue là où il consiste à le juger. La demande de profils seniors dans les annonces suisses a augmenté de 26 pour cent, tandis que les annonces pour juniors ont baissé d’environ un tiers.

Et les chiffres globaux restent solides. L’emploi en Suisse est à un niveau record, et aucune étude sérieuse ne démontre actuellement une destruction globale d’emplois par l’IA.

Ce que personne ne sait encore réellement

Tout aussi important est ce que personne ne peut encore vous dire. Si les déplacements entre métiers sont durables ou s’il s’agit d’un ajustement temporaire. Quelle part du recul des annonces revient à l’IA et quelle part aux taux d’intérêt et à la conjoncture ; l’énigme du calendrier d’Iscenko et Millet n’est pas résolue. Si les gains de productivité créeront assez vite de nouveaux postes pour absorber les personnes évincées, comme l’a fait jusqu’ici tôt ou tard chaque vague technologique. Et quels métiers concrets seront redéfinis plutôt que réduits.

Quiconque affirme avoir des certitudes sur ces questions vend quelque chose.

Comment décider quand les données sont contestées

Ce qui nous amène à la question pratique : comment un cadre en transition doit-il agir lorsque les meilleurs chercheurs du monde se contredisent ?

Premièrement : cessez de vous repositionner au gré des titres. Nous voyons des clientes et clients qui veulent réécrire tout leur récit dès qu’une nouvelle étude paraît. Une stratégie de carrière qui change avec le cycle de l’actualité n’est pas une stratégie. Les données justifient exactement une conclusion structurelle : déplacer son positionnement vers le jugement, la responsabilité et le contexte, le niveau dont chaque étude montre qu’il se maintient ou progresse, et l’éloigner de la pure production de contenu. Cette conclusion a survécu à tous les résultats contradictoires de l’année écoulée. Bâtissez sur ce qui est solide d’une étude à l’autre, pas sur ce qu’une seule affirme.

Deuxièmement : traitez vos propres conversations de marché comme des données. Les grandes études décrivent des moyennes portant sur des millions d’annonces. Votre transition se déroule dans un segment précis, à un niveau précis, dans des entreprises précises. Dix vraies conversations avec les personnes qui peuvent réellement influencer votre prochaine étape, d’anciens collègues ayant une responsabilité d’embauche, des membres de conseils d’administration, des chasseurs de têtes de confiance, des contacts de la branche, vous en disent plus sur la demande pour votre profil que n’importe quel indice d’exposition. Lorsque les données macro sont contestées, les données micro que vous recueillez vous-même deviennent l’information la plus fiable dont vous disposez.

Troisièmement : tenez vos conclusions avec souplesse et votre processus avec fermeté. L’attitude honnête dans un domaine de recherche en « first inning » est la conviction provisoire : assez forte pour agir, assez souple pour être mise à jour. Ce qui ne devrait pas être provisoire, c’est le processus : un positionnement clair, un réseau chaleureux, un jugement visible, l’endurance financière et psychologique pour un calendrier réaliste. Ces éléments fonctionnent dans tous les scénarios que la recherche admet actuellement.

Le marché continuera de produire des titres péremptoires. Les chercheurs, et c’est tout à leur honneur, continuent de produire des désaccords honnêtes. Quelque part entre les deux se prennent les bonnes décisions de carrière : éclairées par les données, ancrées dans son propre marché et bâties sur le seul constat qui refuse de disparaître, à savoir que l’expérience et le jugement sont ce que les machines rendent toujours plus précieux.

Sources : Klaeui & Siegenthaler (KOF, EPF Zurich), « KI und der Schweizer Arbeitsmarkt: Erste Evidenz zu Auswirkungen auf Arbeitslosigkeit und Stellenausschreibungen » (demandeurs d’emploi inscrits dans les métiers fortement exposés aux LLM en hausse de 27 pour cent de plus depuis novembre 2022 que dans les métiers faiblement exposés ; deux sources de données indépendantes ; effets d’âge moins concentrés qu’aux États-Unis ; déplacements relatifs au sein d’un emploi total en croissance) ; The Hamilton Project / Brookings, « Research on AI and the Labor Market Is Still in the First Inning », 2026 ; Brynjolfsson, Chandar & Chen (Stanford / données salariales ADP), 2025 ; Eckhardt & Goldschlag (Current Population Survey), 2025 ; Iscenko & Millet (offres d’emploi et calendrier des taux d’intérêt), 2026 ; Stanford HAI, AI Index Report 2026 ; JobCloud, jobs.ch KI Report 2026.