« 16 000 employés remplacés par l’IA chez Amazon » (Geeko/Le Soir), « Un phénomène inédit : l’IA est déjà le concurrent des jeunes diplômés » (Trends-Tendances), « L’intelligence artificielle menace des millions d’emplois en Europe, mais des espoirs de reconversion subsistent » (L-Post).

Ces derniers mois, les annonces catastrophistes liées aux impacts potentiels de l’IA sur l’emploi se succèdent dans la presse. Elles matérialisent des craintes formulées dans la foulée du lancement de ChatGPT, en 2022, symbole de la nouvelle vague d’IA dite « génératives » qui a déferlé sur le monde [1]. Celles-ci sont en effet capables de générer du contenu (textuel, visuel, sonore) à partir de requêtes potentiellement complexes, ce qui en fait des concurrentes plausibles pour des métiers hautement qualifiés et/ou créatifs que l’on pensait jusqu’ici difficilement automatisables (ex. : publicitaires, développeurs web, avocats, etc.). Il n’en fallait pas plus pour relancer les discours et les débats autour d’une fin prochaine de l’emploi salarié tel qu’on le connait, voire même d’une fin possible du travail tout court.

Il faut toutefois rappeler que ces discours n’ont rien de neuf. Ils ont accompagné toutes les révolutions technologiques depuis les débuts de l’industrialisation, au 19^e siècle. En 1836, déjà, le philosophe et théoricien de l’entreprise Andrew Ure disait que « la plus parfaite des manufactures est celle qui peut entièrement se passer du travail des mains » [2]. En 1995, l’économiste états-unien Jeremy Rifkin prédisait quant à lui la « fin du travail » sous l’effet de la révolution informatique [3]. Une prédiction encore renouvelée au début des années 2010 suite aux progrès réalisés dans le « Big data » ou encore la robotique [4]. En 2013, une célèbre étude publiée par deux économistes d’Oxford annonçait ainsi qu’environ 50% des emplois aux États-Unis étaient menacés d’automatisation à l’horizon 2030 [5]. À partir de la même méthodologie, ils arrivaient même à des résultats encore plus catastrophiques pour de nombreux pays du Sud, avec des taux qui y dépassaient souvent les 70% d’emplois menacés [6].

Les prédictions de la Banque mondiale Banque mondiale Institution intergouvernementale créée à la conférence de Bretton Woods (1944) pour aider à la reconstruction des pays dévastés par la deuxième guerre mondiale. Forte du capital souscrit par ses membres, la Banque mondiale a désormais pour objectif de financer des projets de développement au sein des pays moins avancés en jouant le rôle d’intermédiaire entre ceux-ci et les pays détenteurs de capitaux. Elle se compose de trois institutions : la Banque internationale pour la reconstruction et le développement (BIRD), l’Association internationale pour le développement (AID) et la Société financière internationale (SFI). La Banque mondiale n’agit que lorsque le FMI est parvenu à imposer ses orientations politiques et économiques aux pays demandeurs.
(En anglais : World Bank) en 2016…

 Des prédictions jusqu’ici toujours démenties

Force est de constater que jusqu’ici, ces prédictions se sont toutes révélées fausses [7]. Plusieurs raisons l’expliquent. Tout d’abord, ce n’est pas parce qu’il est techniquement possible d’automatiser une tâche ou une fonction qu’il est intéressant de le faire d’un point de vue économique. Dans de nombreux cas, a fortiori lorsque le droit du travail est peu développé, il reste plus intéressant d’embaucher des humains (même moins productifs) que l’on peut sous-payer ou licencier à loisir plutôt que d’investir dans des machines couteuses [8]. Deuxièmement, et c’est une erreur courante, il faut distinguer l’automatisation de tâches concrètes de l’automatisation de métiers entiers. Un métier se compose toujours de plusieurs tâches et il est rare que toutes puissent être automatisées (ex. : songeons à la traduction, par exemple, où le métier tend à se recomposer autour de la vérification de textes d’abord traduits par des IA) [9]. Enfin, et surtout, les économies capitalistes recouvrent des processus dynamiques dans lesquels l’automatisation et les gains de productivité Productivité Rapport entre la quantité produite et les ressources utilisées pour ce faire. En général, on calcule a priori une productivité du travail, qui est le rapport entre soit de la quantité produite, soit de la valeur ajoutée réelle (hors inflation) et le nombre de personnes nécessaires pour cette production (ou le nombre d’heures de travail prestées). Par ailleurs, on calcule aussi une productivité du capital ou une productivité globale des facteurs (travail et capital ensemble, sans que cela soit spécifique à l’un ou à l’autre). Mais c’est très confus pour savoir ce que cela veut dire concrètement. Pour les marxistes, par contre, on distingue la productivité du travail, qui est hausse de la production à travers des moyens techniques (machines plus performantes, meilleure organisation du travail, etc.), et l’intensification du travail, qui exige une dépense de force humaine supplémentaire (accélération des rythmes de travail, suppression des temps morts, etc.).
(en anglais : productivity) peuvent certes entraîner la disparition de certaines tâches ou métiers, mais aussi la recomposition et l’apparition de nouvelles fonctions. Même au sein d’industries où l’automatisation permettrait des économies de travail substantielles, cela pourrait se traduire par une hausse de l’emploi : celui-ci étant moins cher, car plus productif, les entreprises en augmenteraient leur demande pour gagner des parts de marché Marché Lieu parfois fictif où se rencontrent une offre (pour vendre) et une demande (pour acheter) pour un bien, un service, un actif, un titre, une monnaie, etc. ; un marché financier porte sur l’achat et la vente de titres ou d’actifs financiers.
(en anglais : market)  [10].

Les liens entre automatisation, productivité et emplois sont donc plus compliqués qu’il n’y parait. Et pour l’heure, les grandes révolutions technologiques se sont toujours accompagnées d’une hausse globale de l’emploi. Mais évidemment, cela pourrait changer. Concernant l’IA, on parle ainsi d’une technologie à usage général qui aurait un pouvoir de substitution avec le travail humain largement inédit. Combiné au rythme des progrès et du déploiement eux aussi inhabituellement élevés, on pourrait donc assister à une disparition si massive et rapide d’emplois qu’elle ne pourrait pas être compensée par la création de nouvelles tâches ou de nouveaux métiers, ni par la croissance Croissance Augmentation du produit intérieur brut (PIB) et de la production.
(en anglais : growth) suscitée par ces gains de productivité. Il n’y aurait tout simplement plus assez de travail pour les humains. Il existe toutefois un certain nombre d’incertitudes significatives autour de ce scénario.

 Des limites économiques et écologiques de la « révolution de l’IA »

La première concerne la matérialisation même de gains de productivité grâce à l’IA. Comme l’explique notamment une récente étude du Conseil supérieur de l’emploi, les estimations de ces gains varient énormément, de 0,05% à 1,5% par an [11], ce qui signifie, d’une part, qu’ils sont loin d’être acquis. Mais aussi, d’autre part, que même dans les scénarios les plus optimistes, on reste loin de valeurs qui constitueraient une rupture historique. Pour l’heure, d’ailleurs, les premières enquêtes sur les effets de l’IA sur la productivité sont pour le moins mitigées, y compris à l’échelle microéconomique dans des secteurs ou des entreprises où l’on aurait pourtant pu s’attendre à des effets notables [12]. Un résultat d’autant plus surprenant que nous en sommes déjà à la quatrième année depuis la sortie de ChatGPT. Mais un résultat qui fait écho à un paradoxe bien connu depuis les années 1980 et la révolution de la micro-informatique qui devait également se traduire par des gains de productivité mirifiques… finalement jamais observés. Un paradoxe qui porte aujourd’hui le nom d’un économiste, Robert Solow, qui l’a résumé comme suit : « on voit des ordinateurs partout, sauf dans les statistiques de productivité » [13].

Certes, rétorqueront les plus enthousiastes – ou craintifs – de l’IA, mais nous n’en sommes qu’au début de cette nouvelle révolution et les progrès se poursuivent à un rythme effréné. Sauf que c’est de moins en moins vrai. La course aux plus gros modèles, en particulier, commence à montrer ses limites. Faute de nouvelles données d’entraînement suffisantes, tout d’abord, puisque l’essentiel du web a déjà été siphonné, mais aussi, en parallèle, parce que les machines s’entrainent de plus en plus sur du contenu généré… par des machines [14]. Avec à la clé des problèmes de « consanguinité numérique » qui pourraient peser sur les performances futures (sans parler du persistant problème des hallucinations qui est inhérent au paradigme actuel de l’IA [15]). En outre, chaque nouvelle version des grands modèles nécessite de plus en plus de ressources pour des avancées de moins en moins significatives. Or, si les données de qualité commencent à manquer, il en va également de même des ressources matérielles et énergétiques nécessaires pour les traiter.

Car, derrière la succession d’annonces de nouveaux projets de centres de données toujours plus pharaoniques, se cachent des réseaux électriques saturés avec à la clé des prix qui explosent [16], des fournisseurs de matériel informatique (puces, serveurs, etc.) incapables de suivre la cadence [17], des terres qui commencent à manquer et des oppositions locales de plus en plus vives [18]. Autant d’éléments (dont beaucoup ont d’ailleurs été exacerbés par la guerre en Iran [19]) qui risquent de sérieusement compromettre les stratégies de croissance déjà notoirement irréalistes du secteur de l’IA. Le récent rapport du CSE rappelle ainsi que « la capitalisation boursière des dix premières start-up américaines ayant développé des modèles d’IA (les trois premières étant OpenAI, xAI et Anthropic) est passée de virtuellement 0 en 2023 à près de mille de milliards de dollars en octobre 2025, alors même qu’aucune de ces dix entreprises n’a encore réalisé de profits jusqu’à présent » [20] (c’est nous qui soulignons). Mais ce sont sans doute les montants des investissements consentis par les mastodontes du secteur ces dernières années qui donnent le plus le tournis : environ 1500 milliards de dollars en quatre ans uniquement pour Google, Microsoft, Meta et Amazon (dont plus de 600 milliards en 2026, soit à peu près l’équivalent du PIB PIB Produit intérieur brut : richesse marchande créée durant une période déterminée (souvent un an) sur un territoire précisé (généralement un pays ; mais, en additionnant le PIB de tous les pays, on obtient le PIB mondial).
(en anglais : Gross Domestic Product ou GDP) de la Belgique…) [21]. Des investissements qui reposent de plus en plus sur des montages financiers douteux – à l’image du financement du secteur dans son ensemble, d’ailleurs – et dont on voit mal comment ils pourront être rentabilisés dans un horizon raisonnable [22].

 Un discours qui occulte des bouleversements déjà bien réels

On le voit, avant même de discuter des impacts qu’une « révolution de l’IA » pourrait avoir sur l’économie, la productivité et les emplois, encore faut-il que cette « révolution » ait lieu… Naturellement, cela ne signifie pas que l’IA ou le numérique en général ne font rien au travail ou aux emplois. Au contraire même, on observe déjà de nombreuses conséquences problématiques trop souvent invisibilisées par les discours abstraits sur la « fin prochaine du travail ». Parmi ces conséquences, on peut évoquer l’intensification et la déqualification du travail que le sociologue Juan Sebastian Carbonell décrit comme une forme de « taylorisme Taylorisme Méthode dite « scientifique » d’étude concrète de la manière de travailler, développée par l’ingénieur américain Frederik Taylor. Elle s’appuie sur le concept de tâche, désignant un cycle d’opérations précises et devant être répétées durant la journée de travail. Une tâche est alors décomposée en gestes qui sont scrupuleusement examinés par des experts (le Bureau des méthodes) pour voir ceux qui peuvent être éliminés, ceux qui peuvent être transformés et être rationalisés.
(en anglais : taylorism). augmentée » [23]. On peut également citer les nouvelles formes d’organisation, de contrôle, de surveillance ou encore de sanctions du travail que l’on réunit parfois sous l’appellation de « management algorithmique » [24]. Un autre sociologue français, Antonio Casilli, travaille quant à lui depuis au moins une décennie sur la mise en lumière des logiques de déplacement et d’invisibilisation du travail à l’œuvre dans les domaines de l’IA et du numérique, que ça soit les « travailleurs du clic » sous-payés pour entraîner et surveiller les algorithmes ou encore le « digital labour » que l’on exerce toutes et tous gratuitement pour les grandes plateformes lorsqu’on utilise leurs services soi-disant « gratuits » [25].

Or, dans ce contexte, les discours apocalyptiques – ou enthousiastes – entourant la fin prochaine du travail salarié, voire du travail tout court, ont tendance à occulter ces enjeux en orientant la discussion vers des futurs incertains plutôt que sur ces dynamiques déjà bien présentes ici et maintenant. Ce faisant, ces discours remplissent au moins trois fonctions. Tout d’abord, ils naturalisent et dépolitisent des choix et des processus qui n’ont pourtant rien d’inéluctable. Annoncer que des milliers, voire des millions d’emplois vont être supprimés « par l’IA », c’est oublier un peu vite que ce ne sont pas les robots qui décident, mais bien les directions et les propriétaires d’entreprises… D’ailleurs, à bien y regarder, les annonces de vagues de licenciements chez Amazon ou Proximus, par exemple (pour prendre deux cas récents), ont finalement assez peu à voir avec « l’IA qui remplace les humains » et bien plus avec des stratégies managériales pour le moins discutables… [26]

Deuxièmement, ces discours servent également à entretenir la « hype » nécessaire pour continuer d’alimenter le cycle actuel d’investissements et de spéculation Spéculation Action qui consiste à évaluer les variations futures de marchandises ou de produits financiers et à miser son capital en conséquence ; la spéculation consiste à repérer avant tous les autres des situations où des prix doivent monter ou descendre et d’acheter quand les cours sont bas et de vendre quand les cours sont élevés.
(en anglais : speculation) boursière. Comme l’explique notamment le journaliste Hubert Guillaud, « Le battage médiatique est stratégique. Il sert à dynamiser la croissance. Les incubateurs et accélérateurs encourageant les entrepreneurs à surévaluer leurs technologies, à exagérer la taille du marché, à renchérir sur la maturité du marché, sur l’attrait du produit… comme le rappellent les mantras “fake it until you make it” ou “think big”. Ce narratif est une stratégie de survie pour passer les levées de fonds Fonds (de placement, d’investissement, d’épargne…) : société financière qui récolte l’épargne de ménages pour l’investir ou le placer dans des produits financiers plus ou moins précis, parfois définis à l’avance. Il existe des fonds de pension, des fonds de placement, des fonds de fonds qui sont proposés à tout un chacun. En revanche, les hedge funds (fonds spéculatifs) et les private equity funds sont réservés à une riche clientèle.
(en anglais : fund) extrêmement compétitives. L’enjeu n’est pas tant de mentir que d’être indifférent à la vérité. De buzzer et briller avant tout. Le buzz technologique est devenu un élément structurel des processus de changement sociotechnique contemporain. Le fictif y devient plausible » [27].

Enfin, ces discours ont évidemment aussi une fonction de disciplinarisation de la main-d’œuvre. Qu’elles se réalisent ou pas, les projections catastrophistes sur les pertes d’emploi et les possibilités d’automatisation exercent inévitablement une pression énorme sur les travailleurs et les travailleuses. Dès lors, ces dernier·ères seront d’autant moins enclin·es à contester leurs conditions de travail et à réclamer des améliorations qu’on leur répètera en boucle que les robots pourront de toute façon bientôt les remplacer…

Face à ces tentatives de sidération et de détournement des vrais enjeux, il faut donc essayer de démystifier l’IA et de rompre avec toutes formes de déterminisme technologique qui en feraient une force autonome et univoque [28]. Il faut également éviter de se perdre dans des débats lointains pour s’intéresser plutôt à ses conséquences et à son déploiement ici et maintenant, en s’autorisant à agir pour créer précisément les futurs que l’on souhaite voir advenir. Par exemple, en revendiquant la reconnaissance de nouveaux droits syndicaux (ex. : transparence des algorithmes, négociation collective autour du déploiement de l’IA, maîtrise des données) ou encore en défendant une régulation ambitieuse à l’échelle européenne et internationale. Voire même, en commençant par interroger la numérisation elle-même, pour en souligner notamment les nombreuses dimensions insoutenables.

---

Pour citer cet article : Cédric Leterme "IA, travail, emplois : Sortir de la sidération", Gresea, juin 2026.
Photo : Gutenberg Publisher ; Eliasz Bart, CC0, via Wikimedia Commons