Emploi et IA : mesurer le coût des licenciements

Des suppressions de postes aux revenus qui disparaissent

Dans sa mise à jour d'octobre 2026, qui intègre des données jusqu'en septembre, le tableau de bord estime que plus de 117 000 suppressions de postes aux États-Unis ont été attribuées à l'IA depuis le début de l'année. En appliquant des salaires moyens aux emplois concernés, il aboutit à environ 8,5 milliards de dollars de pertes salariales annuelles estimées.

Le CAIS propose aussi un indicateur rapporté à la population. À l'échelle nationale, l'estimation atteint 25 dollars par personne et par an. Elle varie fortement selon les États : 56 dollars en Californie, où un peu plus de 27 000 suppressions de postes sont estimées comme attribuées à l'IA. En Alaska, le tableau estime 138 emplois concernés, soit 14 dollars par habitant.

Attention : ces montants ne signifient pas que chaque résident perd exactement cette somme. C'est une moyenne destinée à comparer des ordres de grandeur entre territoires. Le chiffre par habitant répartit une estimation de pertes salariales sur l'ensemble de la population, y compris des personnes qui ne seront pas directement touchées par les licenciements.

Pourquoi la dimension locale compte

Les salaires ne restent pas « cantonnés » à une fiche de paie. Quand un salarié perd son revenu, ses dépenses peuvent baisser : logement, alimentation, transport, loisirs, ou services de proximité. Si plusieurs employeurs réduisent leurs effectifs dans une même zone, les effets peuvent aussi se propager au-delà des entreprises qui ont annoncé les coupes.

On ne peut pas en déduire une baisse automatique et mesurable de l'activité locale : un licencié peut retrouver un emploi, les dépenses peuvent être soutenues par des allocations ou de l'épargne, et les entreprises peuvent réinvestir les gains de productivité. Mais le tableau de bord rappelle un point souvent absent des annonces de restructuration : une décision prise dans une entreprise peut avoir des effets qui dépassent largement ses comptes.

Le tableau rend donc visible un coût potentiel. Il ne constitue ni un bilan complet de l'économie, ni une preuve que l'IA est la cause unique des pertes observées. Cette nuance est essentielle si l'on veut utiliser ces chiffres pour comparer des pays ou défendre une politique publique.

Une estimation, pas un recensement exact des licenciements

Le CAIS précise que les chiffres par État ne sont pas des décomptes « observés » de licenciements dus à l'IA. Concrètement, le tableau applique à chaque État la part nationale, mois après mois, des suppressions annoncées et attribuées à l'IA par les entreprises. Il combine ensuite cette estimation avec des annonces de coupes propres à chaque territoire.

Autrement dit, si les entreprises d'un État ne déclarent pas explicitement la raison d'une réduction d'effectifs, le tableau ne peut pas savoir avec certitude combien de postes sont directement liés à l'IA. Il utilise une répartition calculée à partir de données nationales : une méthode qui permet de produire une estimation comparable dans le temps, mais qui n'est pas une enquête auprès des salariés ou des employeurs.

Le calcul salarial a aussi une limite : un salaire moyen sert de référence, pas de valeur exacte pour les personnes concernées. Il ne reflète pas nécessairement la composition réelle des métiers touchés, les écarts de rémunération, les primes, les avantages sociaux, ni la durée pendant laquelle les postes restent vacants.

Ce que le tableau ne prend pas en compte

Le CAIS indique que son estimation ne comptabilise pas les emplois créés grâce à l'IA, les gains de productivité, les personnes qui retrouvent un emploi, ni les effets économiques indirects. C'est donc une photographie partielle : elle porte sur les coûts salariaux associés aux coupes annoncées, sans chercher à mesurer le solde net de l'emploi.

C'est un point central. Une entreprise peut supprimer certains postes et en créer d'autres sur des fonctions différentes. Un outil peut accélérer une tâche sans remplacer un emploi à temps plein. À l'inverse, la technologie peut aussi réduire des recrutements avant que l'entreprise annonce des licenciements. Le tableau de bord ne permet pas de mesurer tous ces mécanismes ni d'en évaluer l'ampleur.

Pour comprendre la méthode et ses limites, vous pouvez consulter le tableau de bord du Center for AI Safety et l'article de ZDNET présentant les données. Ces ressources concernent les États-Unis : leurs chiffres ne doivent pas être transposés tels quels au marché du travail français.

Attribuer un licenciement à l'IA : une zone grise

Le CAIS retient les coupes que les entreprises associent elles-mêmes à l'IA, sans exiger qu'un dirigeant affirme explicitement que des équipes ont été remplacées par un système automatisé. L'Alliance for Secure AI, qui gère notamment le suivi Jobloss.ai, utilise aussi des critères de sélection : au moins 100 emplois supprimés en une fois, avec une mention de l'IA ou de termes associés comme l'automatisation et la productivité.

L'intérêt de ces approches, c'est qu'elles s'appuient sur des déclarations accessibles. Elles rendent le suivi possible. Leur défaut, lui, est structurel : elles mesurent ce que les entreprises disent publiquement, pas forcément la cause économique exacte de chaque suppression. Certaines entreprises peuvent invoquer l'IA pour expliquer un choix déjà décidé ; d'autres peuvent automatiser des tâches sans le mentionner dans leurs communications.

Il faut donc lire « attribué à l'IA » comme une catégorie de suivi, pas comme une conclusion définitive. C'est un point de départ pour poser des questions et observer des tendances, pas un verdict sur la responsabilité d'une technologie.

Capacité technique ne signifie pas substitution déjà réalisée

Le tableau de bord inclut aussi des données issues du Remote Labor Index (RLI), un benchmark développé avec le CAIS. Il évalue la capacité d'agents d'IA à accomplir des tâches professionnelles à distance, notamment en développement web ou en production vidéo.

Au lancement du benchmark, le meilleur agent réussissait 2,5 % des projets testés avec un niveau jugé professionnel. Huit mois plus tard, on était à 15,8 %. Le CAIS estime que cette capacité double environ tous les 3,7 mois. Ces résultats indiquent une progression rapide sur les tâches évaluées. Ils ne prouvent pas, pour autant, que 15,8 % des emplois indépendants ont été supprimés, ni que les entreprises ont remplacé leurs prestataires dans la même proportion.

Un benchmark mesure ce qu'un système peut faire dans des conditions données. Le travail réel inclut aussi le cadrage du besoin, les échanges avec le client, la gestion des imprévus, la responsabilité du résultat et l'intégration dans une organisation. Réussir une tâche isolée n'implique pas qu'un métier entier soit automatisable à un coût acceptable.

La logique est la même que pour les licenciements : capacité, adoption et impact sur l'emploi sont trois choses différentes. Les confondre peut conduire à surestimer les pertes immédiates... ou à minimiser les changements qui arrivent.

Pour une entreprise : mesurer avant d'annoncer un gain

Quand une direction envisage d'automatiser une activité, le raisonnement ne devrait pas s'arrêter au coût de l'outil ou au nombre de postes « économisés » sur le papier. Une évaluation utile doit couvrir le fonctionnement réel du processus : qualité attendue, supervision humaine, erreurs, sécurité, maintenance, formation, et coût de transition.

On peut organiser la réflexion en cinq questions :

1. Quelle tâche est réellement automatisée ? Parlez du travail concret, pas du métier entier. Un brouillon généré puis validé n'entraîne pas les mêmes risques qu'une décision prise automatiquement.
2. Quel résultat est mesuré ? Suivez le temps de traitement, le taux d'erreur, le coût par dossier et la satisfaction des utilisateurs. Une démo convaincante ne remplace pas les résultats en situation réelle.
3. Que devient le travail restant ? Identifiez les tâches de contrôle, d'escalade et de correction. Si elles ne sont pas comptées, le gain de productivité est souvent surévalué.
4. Quel est l'effet sur les postes et les compétences ? Distinguez suppression, non-remplacement, mobilité interne et évolution des missions. Ce ne sont pas les mêmes conséquences, ni les mêmes besoins d'accompagnement.
5. Quel est le coût total sur la durée ? Ajoutez l'intégration, les licences, la conformité, la cybersécurité, le suivi des modèles et le risque de dépendance fournisseur.

En pratique, l'IA peut améliorer un processus sans réduire immédiatement les effectifs. Elle peut aussi accélérer une tâche tout en faisant augmenter le volume de travail demandé aux équipes. Le bon indicateur n'est donc pas uniquement le nombre de postes supprimés, mais la comparaison entre valeur créée, coûts de fonctionnement et effets sur le travail.

Pour les pouvoirs publics : suivre les transitions, pas seulement les annonces

Pour les pouvoirs publics, l'enjeu est d'identifier les secteurs et les territoires exposés, sans attribuer automatiquement chaque licenciement à l'IA. En France, France Travail, la Dares et l'Insee peuvent aider à décrire l'emploi, les métiers et les évolutions sectorielles. Mais ces sources ne répondent pas toutes exactement à la même question : elles ne suffisent pas, à elles seules, à construire un tableau de bord causal sur l'IA.

Un suivi utile devrait, au minimum, distinguer :

• les suppressions d'emplois explicitement justifiées par l'IA ou l'automatisation ;
• les départs non remplacés et les recrutements reportés ;
• les créations de postes associées aux nouveaux outils et aux activités complémentaires ;
• les changements de tâches au sein des métiers existants ;
• les trajectoires des personnes concernées après la réorganisation.

Cette séparation évite deux erreurs fréquentes. La première, c'est d'annoncer que l'IA détruit un nombre précis d'emplois à partir de déclarations qui ne prouvent pas toujours la causalité. La seconde, c'est de minimiser les coûts parce qu'ils sont difficiles à mesurer. Une estimation imparfaite, présentée clairement comme telle, peut aider à orienter l'enquête et le débat. Mais elle ne doit pas être vendue comme une mesure exhaustive.