- ▸ Ce que dit vraiment l'étude Coface
- ▸ Pourquoi le 16 % ne devient pas mécaniquement du chômage
- ▸ Le vrai signal : les cadres avant les ouvriers
- ▸ Le parallèle historique : 1980, l'informatique de bureau
« 5 millions d’emplois menacés. » Le chiffre, sorti de l’étude Coface emploi IA publiée début avril 2026, a fait le tour des matinales en quarante-huit heures. Il a été repris brut, sans nuance, comme une prophétie. Le problème, c’est qu’il est faux. Ou plus exactement, il dit autre chose que ce qu’on lui fait dire. Et cette différence change tout pour les entreprises qui décident aujourd’hui de leur stratégie IA.
Ce que dit vraiment l’étude Coface
L’étude conjointe Coface / Observatoire des emplois menacés et émergents (OEM) avance deux chiffres distincts. Le premier : 3,8 % des emplois français sont aujourd’hui fragilisés par l’IA générative. C’est le niveau actuel, mesuré, observable. À l’échelle de la France, cela représente environ 1,1 million de postes effectivement exposés à un risque concret de transformation rapide.
Le second chiffre est très différent : 16,3 % d’emplois pourraient être concernés dans un horizon de deux à cinq ans. C’est ce chiffre qui, multiplié par la population active, donne les fameux 5 millions. Mais ce n’est pas une prédiction de chômage. C’est une fourchette d’exposition à plus de 30 % de tâches automatisables. Ce n’est ni une suppression, ni une fatalité.
La différence est cruciale : un poste où 35 % des tâches deviennent automatisables n’est pas un poste détruit. C’est un poste qui se redessine. Le tout est de savoir qui pilote ce redessin.
Pourquoi le 16 % ne devient pas mécaniquement du chômage
Trois mécanismes amortissent l’impact. Premièrement, l’effet substitution-complémentarité : quand l’IA prend en charge une tâche, le temps libéré peut être réaffecté à des tâches que l’IA ne sait pas faire (relation client complexe, jugement, négociation). Cet effet a déjà été observé sur la première vague d’IA générative : les juniors deviennent plus productifs, les seniors voient leur valeur monter.
Deuxièmement, l’effet de friction : adopter une IA en entreprise prend du temps. Tests, intégration, conduite du changement, formation. Selon la méthodologie Coface, l’écart entre potentiel théorique et déploiement réel peut atteindre 70 % sur les premières années.
Troisièmement, l’effet de création nette : chaque vague technologique génère ses propres métiers. La machine à vapeur n’a pas tué l’emploi, l’informatique non plus. L’IA générative a déjà fait émerger les data engineers, les prompt experts, les responsables conformité IA. Ce sont des dizaines de milliers de postes par an en France.
Le vrai signal : les cadres avant les ouvriers
La vraie nouveauté de l’étude Coface n’est pas le chiffre global. C’est le renversement de logique par rapport aux précédentes vagues d’automatisation. Pendant deux siècles, la mécanisation a touché d’abord les emplois manuels et peu qualifiés. L’IA générative inverse la pyramide.
Les fonctions les plus exposées sont les fonctions cognitives codifiées : administration, comptabilité, juridique, analyse de données, traduction, rédaction structurée. Soit le coeur des métiers qualifiés bien rémunérés, ceux qui paient le plus d’impôts et qui structurent la classe moyenne supérieure française. À l’inverse, les métiers les moins exposés sont ceux qui impliquent une présence physique et une dextérité manuelle : nettoyage et entretien (5,4 %), agriculture et pêche (7,9 %), restauration (7,8 %), construction (8,8 %).
C’est un retournement historique. Pour la première fois depuis la révolution industrielle, ce n’est pas l’ouvrier qui craint la machine, c’est le cadre. Et pour la première fois, les écarts de revenus liés au capital cognitif risquent de se compresser, pas d’augmenter.
Le parallèle historique : 1980, l’informatique de bureau
L’épisode comparable n’est pas la révolution industrielle de 1830. C’est l’arrivée massive de l’informatique de bureau dans les années 1980-1990. À l’époque, les prévisions étaient sombres : on annonçait la disparition de 30 % des emplois administratifs. Que s’est-il passé ? Les emplois n’ont pas disparu : ils se sont transformés. Les secrétaires sont devenues assistantes de direction puis office managers. Les comptables ont intégré les ERP. Les techniciens de maintenance se sont reconvertis sur les réseaux.
Le ratio compte : sur dix postes touchés, environ quatre se sont effectivement transformés en profondeur, trois ont fusionné avec d’autres, deux ont disparu et un est devenu plus exigeant et mieux payé. Si le même ratio se reproduit avec l’IA générative, les 5 millions deviendraient environ 1 million de suppressions nettes, étalées sur cinq à sept ans. C’est considérable, mais pas un effondrement.
Ce qui va vraiment décider : l’IA agentique
L’étude Coface prend un risque méthodologique en intégrant l’IA agentique dans sa projection 2026-2029. Contrairement aux chatbots actuels, les systèmes agentiques enchaînent des tâches complexes sans supervision humaine permanente. C’est ici que le saut peut devenir brutal : si une IA peut traiter l’intégralité d’un dossier client de bout en bout, l’impact change de nature.
Les benchmarks récents le suggèrent : sur l’agentic index, les modèles dépassent désormais 70 % de réussite sur des tâches multi-étapes. C’est ce qui conditionne le passage du « 3,8 % aujourd’hui » au « 16 % demain ». Si l’agentique tient ses promesses, le calendrier s’accélère. Si elle plafonne, l’impact restera proche du niveau actuel.
Le débat économique : destruction créatrice ou destruction nette ?
Deux écoles s’affrontent chez les économistes français. La première, proche des travaux de l’OFCE et du Conseil d’analyse économique, défend l’idée d’une destruction créatrice classique : les pertes seront compensées par la création de nouveaux métiers et par les gains de productivité redistribués. Les chiffres historiques parlent pour eux : depuis 1900, chaque vague technologique a fini par créer plus d’emplois qu’elle n’en a détruits, à un horizon de dix à quinze ans.
La seconde école, représentée notamment par les travaux de Daron Acemoglu (MIT) repris par certains économistes français, est plus sombre. Pour elle, la différence avec les vagues précédentes tient à la vitesse d’adoption et à la capacité de l’IA à cibler simultanément plusieurs tâches qualifiées. Là où l’informatique a mis quinze ans à diffuser, l’IA générative atteint des millions d’utilisateurs en six mois. Le temps d’ajustement du marché du travail serait insuffisant, et le gain de productivité bénéficierait presque exclusivement aux détenteurs de capital, creusant les inégalités plutôt que de les compenser.
Ma prise de position : préparer plutôt que paniquer
Le chiffre de 5 millions est utile par sa fonction d’alarme. Il oblige les pouvoirs publics, les directions des ressources humaines et les salariés à regarder le sujet en face. Mais l’utiliser comme une certitude est une faute analytique. Aucun modèle n’a démontré que l’agentique généralisée serait déployée à grande échelle d’ici trois ans. Le débat sur la régulation française et européenne, l’AI Act, ou les coûts énergétiques de l’inférence à grande échelle peuvent décaler le calendrier de plusieurs années.
Ce qui devrait préoccuper, ce n’est pas le chiffre brut. C’est l’inégalité d’exposition : les cadres administratifs des PME, sans mobilité géographique, sans budget formation, sans représentation syndicale forte, seront les plus exposés. Le risque social est réel, mais il est ciblé. La réponse politique l’est rarement.
Pour les entreprises, l’enjeu n’est pas de savoir si l’IA va supprimer des postes. C’est de décider lesquels redessiner, comment, et avec quelle gouvernance. Le pire scénario serait l’attentisme, suivi d’une vague de licenciements brutaux faute d’avoir anticipé. Le meilleur, une transition pilotée où l’IA absorbe le travail répétitif et libère du temps pour ce qui ne s’automatise pas. Mais ce meilleur scénario ne se déclenche pas tout seul. Il se décide.
Sources : Coface, Studeria, Journal du Geek.
