L'IA remplace-t-elle les vétérans ou les juniors ? Les données disent : « les juniors d'abord »

Quand on parle des « emplois qui disparaîtront en premier » avec la diffusion de l'IA, beaucoup supposent que les seniors qui font un travail routinier sont les plus exposés. Ce que montrent les données de ces dernières années, c'est l'inverse.

L'article « Canaries in the Coal Mine? » de Brynjolfsson et ses collègues du Digital Economy Lab de Stanford s'appuie sur les données de paie de millions de salariés de la société ADP pour montrer que dans les métiers exposés à l'IA, c'est l'emploi des 22-25 ans qui stagne. Après une première version en août 2025, la version révisée d'août 2026, avec des données jusqu'à juin 2026, indique que l'écart s'est encore creusé. Un article de chercheurs de Harvard, qui ont analysé environ 65 millions de CV (version de mai 2026), constate que dans les entreprises ayant adopté l'IA générative, seul l'emploi des juniors a baissé, et une étude d'Anthropic (mars 2026) croisant les données d'usage de Claude avec les statistiques d'emploi américaines a trouvé des signes dans le même sens pour l'embauche des jeunes.

Cet article présente, à partir de travaux de recherche et de statistiques officielles, comment l'impact de l'IA sur l'emploi diffère selon l'expérience, entre juniors et seniors, et le traduit en questions pour savoir de quel côté se trouve votre propre poste. Les métiers les plus touchés sont traités dans Les 15 métiers les plus touchés par l'IA, les conditions qui font durer un métier dans Les métiers qui survivront à l'ère de l'IA, l'écart entre les prévisions sur les cols blancs et les données réelles dans L'IA va-t-elle supprimer les emplois de bureau ?, et l'écart de performance entre ceux qui continuent de travailler au même endroit dans Comment l'IA creuse-t-elle l'écart de compétences entre employés de bureau ?

1. La réponse : les données disent « les juniors d'abord »

Pas d'impressions : voici des chiffres vérifiés sur les pages originales des éditeurs.

Deux points méritent l'attention. D'abord, ce qui baisse, ce sont les embauches, pas les licenciements. L'article de Stanford conclut que l'effet passe surtout par une réduction des embauches de jeunes et non par une hausse des départs. Avant que les salariés en poste ne perdent leur emploi, c'est la porte d'entrée qui se rétrécit. Ensuite, aucun chômage massif n'apparaît à l'échelle de l'économie. Le tout premier constat de l'article est l'absence de preuve d'un déplacement généralisé dans l'ensemble de l'économie, et l'emploi total de l'échantillon ADP a progressé d'environ 6 % sur la période. L'effet se concentre sur une frange étroite : les jeunes dans les métiers exposés à l'IA.

L'ancienne idée selon laquelle « les jeunes sont protégés » ne tient plus. Ce qui apparaît, c'est une structure où ce que l'IA automatise le plus facilement, c'est justement le travail « de manuel » traditionnellement confié aux débutants : code routinier, tenue des comptes, premier niveau de réponse aux demandes.

2. Ce que montrent les statistiques officielles : le chômage des jeunes diplômés aux États-Unis et le taux d'insertion au Japon

Les études de la section 1 reposent sur des données de paie et de CV d'entreprises. Vérifions si les statistiques nationales vont dans le même sens. Pour les États-Unis, nous utilisons The Labor Market for Recent College Graduates, que la Federal Reserve Bank of New York publie chaque trimestre à partir de la Current Population Survey (CPS) ; à titre de comparaison, nous ajoutons l'enquête sur l'emploi des diplômés (en japonais) des ministères japonais du Travail et de l'Éducation.

Le taux de chômage des jeunes diplômés a augmenté de 1,2 point en quatre ans, de 4,0 % à 5,2 % : la plus forte hausse des quatre groupes. Pendant une bonne partie des années 1990 à 2010, il était inférieur à celui de l'ensemble des actifs ; depuis 2021, il reste au-dessus. Parmi les jeunes diplômés en emploi, 42,5 % occupent un poste qui n'exige normalement pas de diplôme du supérieur (le « taux de sous-emploi » de la Fed de New York).

Ces statistiques ne prouvent pas à elles seules que l'IA est en cause. La hausse des taux d'intérêt et le reflux des embauches après la pandémie se superposent à la même période. C'est précisément pour séparer ces effets que les études de la section 1 comparent les métiers exposés à l'IA aux métiers moins exposés.

La Fed de New York publie aussi le taux de chômage des jeunes diplômés (22-27 ans) par discipline. En voici une sélection.

Le chômage des jeunes diplômés est le plus élevé dans les filières informatiques, où l'IA sert beaucoup à écrire du code. Le génie civil, autre filière d'ingénieur, reste bas, et les soins infirmiers, qui exigent un diplôme d'État et une pratique de terrain, plus bas encore. Les chiffres portent sur une seule année, 2024 (American Community Survey, publié en février 2026), et reflètent aussi des facteurs autres que l'IA, comme le nombre de diplômés de chaque filière et la conjoncture.

La situation peut différer dans d'autres pays. Au Japon, par exemple, le taux d'insertion des diplômés universitaires (licence) sortis en mars 2026 était de 98,0 % au 1er avril, inchangé par rapport à l'année précédente (ministère de la Santé, du Travail et des Affaires sociales et ministère de l'Éducation (en japonais), publié le 22 mai 2026). On n'y voit pas de recul comparable à celui des États-Unis dans l'embauche des diplômés dans son ensemble. Ce taux correspond toutefois à la part des diplômés en recherche d'emploi qui en ont trouvé un, sans ventilation par métier. Les écarts d'usage de l'IA selon l'âge sont traités dans notre article sur l'écart de compétences entre employés de bureau.

3. Pourquoi les seniors tiennent bon

Comme explication possible, l'article de Stanford avance l'hypothèse que l'IA remplace plus facilement le savoir codifié (enseigné à l'école, dans les manuels et les procédures écrites) et complète le savoir tacite (acquis par la pratique et le mentorat), et montre que les données vont dans ce sens : les métiers qui reposent davantage sur le savoir codifié voient l'emploi des débutants progresser plus lentement, tandis que ceux qui reposent davantage sur le savoir tacite voient l'emploi des salariés en milieu de carrière et des seniors progresser plus vite. Les auteurs insistent sur le caractère descriptif, et non causal, de ces résultats.

Un second indice est la manière dont l'IA est utilisée. À partir de l'Anthropic Economic Index (données d'usage de Claude), le même article indique que dans les métiers où l'IA sert surtout à faire le travail à la place des gens (automatisation), l'emploi des jeunes baisse, tandis que là où elle sert surtout à les aider (complément), l'emploi est stable ou en hausse, en particulier pour les salariés expérimentés. À exposition égale, c'est l'usage de l'IA qui départage les trajectoires.

Les offres d'emploi vont dans le même sens. Dans l'étude de Harvard, les tâches que l'IA réussit bien ont peu à peu disparu des offres destinées aux juniors dans les entreprises ayant adopté l'IA générative. La baisse de l'emploi des juniors s'est concentrée dans les métiers exposés à l'IA, tandis que la tendance de l'emploi des seniors a peu changé.

C'est le domaine du savoir tacite : ce qu'on ne peut pas mettre dans un manuel et qu'on n'intègre qu'en situation. L'IA reproduit instantanément le savoir de manuel, mais le savoir tacite reste en grande partie porté par des personnes. La pente « codifié contre tacite » observée dans les données va dans le même sens que cette intuition.

4. Trois questions pour évaluer votre propre poste

Les recherches montrent que les métiers dont la porte d'entrée se rétrécit partagent certains traits. Les trois questions ci-dessous sont la grille de cet article pour appliquer ces traits à votre poste, et non une conclusion des recherches elles-mêmes.

Voici ce que juniors et seniors peuvent faire selon le nombre de « oui ».

Parmi les cas étudiés dans l'article de Stanford figurent notamment le développement logiciel et le service client. Les projections à dix ans par métier (Bureau of Labor Statistics américain) figurent dans Les 15 métiers les plus touchés par l'IA.

5. La formation qui s'évapore : quand les juniors ne peuvent plus progresser

Le risque sérieux est que les entreprises posent une bombe à retardement : ne plus embaucher de juniors → les juniors ne se forment pas → pénurie de seniors dans quelques années.

Traditionnellement, les jeunes ingénieurs et comptables lisaient le code de leurs aînés, enchaînaient les tâches routinières et intégraient le savoir tacite sur le terrain. Quand l'IA prend en charge ces tâches d'entrée, le lieu même où les juniors apprennent disparaît avec elles.

Autrement dit, une entreprise qui décide que « l'IA baisse les coûts, donc on arrête de recruter des jeunes diplômés » décide en même temps de ne pas recruter ses seniors de demain. L'article de Stanford voit lui aussi dans le ralentissement des embauches de débutants un signe précoce que l'IA générative pourrait affecter l'« échelle des carrières ». Précisons que la « pénurie de profils intermédiaires dans quelques années » est une inquiétude fondée sur les données actuelles, non un fait mesuré.

6. Le contre-argument : « l'IA n'est pas forcément la cause »

Les contre-arguments sont solides. Une analyse du Budget Lab de Yale (octobre 2025) a conclu que, dans les 33 mois suivant le lancement de ChatGPT, le marché du travail dans son ensemble n'a pas connu de perturbation perceptible. La composition des métiers évoluait un peu plus vite que lors des transitions technologiques passées, mais pas nettement, et ce mouvement avait commencé avant l'usage généralisé de l'IA. L'étude d'Anthropic elle-même (mars 2026) n'a pas non plus trouvé de hausse systématique du chômage chez les travailleurs très exposés.

L'article de Stanford aborde franchement ses propres faiblesses :

• L'écart se réduit quand on tient compte du niveau d'études : impossible de dire si l'éducation est une explication alternative ou le canal même par lequel l'IA agit
• Une partie de la divergence précède ChatGPT : les métiers plus ou moins exposés ont évolué différemment autour de la pandémie
• L'écart est plus marqué dans les données ADP que dans les enquêtes nationales : les statistiques nationales vont dans le même sens, mais moins nettement

En même temps, l'article souligne que l'écart persiste en neutralisant l'exposition aux taux d'intérêt, en excluant les entreprises technologiques et les métiers de l'informatique, et en tenant compte du télétravail ; qu'il a continué de se creuser après le pic des taux ; et qu'il se concentre dans les métiers où l'IA sert à automatiser, avec un net gradient selon l'âge — des éléments que les taux d'intérêt ou le télétravail expliquent mal à eux seuls.

On ne peut donc pas dire que l'IA soit la seule cause de la stagnation de l'emploi des jeunes. Mais la relation — plus un métier est exposé à l'IA, et plus l'IA y sert à automatiser, plus les embauches de jeunes baissent — ressort de façon répétée dans plusieurs jeux de données indépendants. La position de cet article : l'IA n'est pas la seule cause, mais c'est l'une des pressions qui s'exercent sur la porte d'entrée.

7. Stratégies pour les débutants

« J'ai compris les données — que dois-je faire ? » Voici une liste pratique.

1. Choisir des structures où l'IA assiste les personnes

Dans un même métier, certaines structures confient des tâches entières à l'IA, d'autres l'utilisent pour assister les personnes. Dans l'article de Stanford, l'emploi des jeunes est resté stable ou a progressé dans les métiers où l'IA complète le travail. En entretien, demandez : « Que font les nouveaux arrivants avec l'IA, et qui vérifie ? » — la réponse montre de quel côté penche la structure. Savoir utiliser l'IA va de soi ; ce qui fait la différence, c'est le jugement sur les parties du résultat dont il faut douter et celles qu'il faut corriger.

2. Occuper tôt le terrain où l'IA est faible

• Présence physique : travail de terrain, santé et soins, communication en personne
• Jugement engageant la responsabilité : conformité, gouvernance, éthique
• Formuler des questions créatives : nouveaux projets, conception UX, marque
• Faire bouger les gens : vente, coaching, leadership

Les métiers en croissance et la formation nécessaire pour y accéder sont présentés en tableau dans Les métiers qui survivront à l'ère de l'IA.

3. Combiner les compétences

Savoir « coder » ou « faire de la comptabilité » ne suffit plus. Créez de la rareté par des combinaisons comme « domaine × IA » ou « design × données » : par exemple « expérience clinique + ingénierie de prompts » ou « pratique juridique + vérification des résultats de l'IA ».

4. Se créer soi-même des occasions d'acquérir du savoir tacite

Si votre entreprise ne vous donne pas l'occasion de lire le code des aînés, allez la chercher vous-même : projets open source, projets personnels, communautés, mentors. Comme le montrent les données, les métiers qui reposent sur le savoir tacite voient l'emploi des expérimentés progresser plus vite. À l'ère de l'IA, les débutants ne peuvent plus compter uniquement sur leur employeur pour les former.

5. Monter d'un cran — vers le management, la conception et les décisions métier

Les postes de pure exécution sont les plus faciles à supprimer. Mais si vous entrez tôt dans des rôles où vous prenez des décisions de conception, comprenez le métier et savez mobiliser les gens, vous passez du côté où l'IA vous amplifie. Dans l'article de Stanford aussi, l'emploi était stable ou en hausse dans les métiers où l'IA sert à aider les gens.

8. Là où les seniors ne peuvent pas se relâcher

« Avantage aux seniors » ne veut pas dire que tous sont à l'abri. Ces profils sont même plus exposés que les juniors :

Bref, ce n'est pas « senior = à l'abri », mais « senior qui maîtrise l'IA et exerce un jugement fondé sur le savoir tacite = à l'abri ». Ce qui progresse dans les données, ce ne sont pas « les expérimentés en général », mais les salariés expérimentés dans les métiers où l'IA sert à aider les gens. La ligne de partage tient à l'attitude, pas aux capacités.

9. Ce que les entreprises doivent faire maintenant

Au-delà des individus, les entreprises doivent aussi penser leur structure de talents à long terme.

1. Voir l'embauche de juniors comme un investissement dans les seniors de demain, pas comme un coût

L'IA réduit les coûts à court terme. Mais fermer la porte d'entrée fait courir le risque de manquer de profils intermédiaires et de seniors dans quelques années. Couper les recrutements de jeunes diplômés peut revenir à couper sa compétitivité future.

2. Repenser la formation des débutants pour l'ère de l'IA

Si « lire le code des aînés » et « apprendre par les tâches routinières » ne fonctionnent plus, il faut un nouveau cursus : critiquer les solutions produites par l'IA, débattre avec l'IA, éprouver ses limites.

3. Faire des seniors des « amplificateurs d'IA »

Savoir tacite des seniors × capacité de l'IA = un gros gain de productivité. Repensez les équipes en partant du principe que les seniors utilisent l'IA pour augmenter leur production et transmettent aux juniors leur façon de juger.

4. Formaliser la règle « un humain signe en dernier »

Prévoyez toujours un point de contrôle humain avant qu'un résultat d'IA ne passe en production. Cela préserve à la fois des occasions de travail et d'apprentissage pour les juniors et la qualité.

Résumé

• Les données disent que l'IA touche d'abord les juniors. Dans la version révisée de Stanford (août 2026), l'emploi des 22-25 ans dans les métiers exposés à l'IA est inférieur de 19 % à ce qu'il serait au rythme des métiers moins exposés. Celui des 35-49 ans dans ces mêmes métiers a progressé d'environ 10 %.
• L'analyse des CV par Harvard montre elle aussi un emploi des juniors inférieur d'environ 9 % six trimestres après l'adoption de l'IA générative par les entreprises, les seniors restant quasi stables. Dans les deux cas, la baisse vient de moins d'embauches, pas de plus de licenciements.
• Dans les statistiques officielles, le chômage des jeunes diplômés aux États-Unis est passé de 4,0 % (sept. 2022) à 5,2 % (sept. 2026), la plus forte hausse des quatre groupes. Au Japon, en revanche, le taux d'insertion des diplômés universitaires de mars 2026 était de 98,0 %, sans recul comparable.
• Une raison probable : l'IA remplace les savoirs codifiés et complète les savoirs tacites. Les juniors reculent là où l'IA automatise ; les expérimentés progressent là où elle assiste les personnes.
• Évaluez votre poste avec trois questions : le travail d'un nouvel arrivant peut-il s'écrire dans un manuel, l'IA fait-elle le travail à la place des personnes, et l'embauche ou le chômage des diplômés se dégradent-ils ?
• Contre-arguments : le Budget Lab de Yale ne constate pas de perturbation notable du marché du travail dans son ensemble. Stanford reconnaît elle-même que l'écart se réduit une fois corrigé du niveau d'études et que certaines différences précèdent l'IA.
• À long terme, on craint que la formation s'évapore : les organisations qui ferment la porte d'entrée risquent de manquer de cadres intermédiaires et de seniors dans quelques années.
• Les seniors sont aussi exposés s'ils n'utilisent pas l'IA, ont une pratique superficielle ou ne savent pas transmettre leurs savoirs tacites. Les entreprises devraient repenser l'embauche des juniors comme un investissement d'avenir.

Questions fréquentes

Q1. « Les juniors d'abord », est-ce seulement un phénomène américain ?

Les recherches citées ici (Stanford, Harvard et Anthropic) et les statistiques de la Fed de New York sont américaines, et les analyses de cette ampleur restent rares ailleurs. Au Japon, par exemple, le taux d'insertion des diplômés universitaires de mars 2026 était de 98,0 % (au 1er avril, inchangé sur un an), sans recul comparable à celui des États-Unis dans l'embauche des diplômés dans son ensemble. Dans les pays où le recrutement massif de jeunes diplômés ou l'emploi de long terme sont très ancrés, les embauches s'ajustent autrement ; même si le même mouvement apparaît, sa forme et son calendrier peuvent différer. Ces taux étant rarement ventilés par métier, le plus fiable est de vérifier, à l'aide des statistiques publiques ou des données sectorielles, comment évoluent réellement les recrutements de diplômés dans votre secteur et le travail décrit dans les offres juniors.

Q2. Faut-il donc renoncer à devenir ingénieur quand on est jeune ?

C'est l'inverse. Les jeunes qui maîtrisent déjà l'IA sont rares. Ce qui recule, ce sont les embauches pour des tâches d'entrée que l'IA remplace facilement ; la valeur des jeunes capables d'utiliser l'IA et d'assumer des décisions augmente. Dans les projections du BLS américain, les développeurs de logiciels progressent de +10,2 % d'ici 2035, tandis que les programmeurs informatiques, dont le travail consiste surtout à écrire du code, reculent de −7,3 %. Plutôt que d'abandonner l'informatique, changez ce que vous apprenez et votre manière de l'aborder.

Q3. Comment devenir, à 30 ou 40 ans, un « senior qui maîtrise l'IA » ?

Trois choses seulement :
(1) Passer au moins 30 minutes par jour sur Claude Code, Cursor ou Codex
(2) Éprouver soi-même, dans sa spécialité, où s'arrêtent les capacités de l'IA
(3) Renforcer sa connaissance du domaine jusqu'à pouvoir critiquer et corriger ce que produit l'IA
À long terme, mettre en mots ses critères de décision compte plus que la maîtrise des outils.

Q4. Peut-on éviter l'effondrement de la filière de formation ?

À l'échelle d'une entreprise, oui : (1) maintenir les recrutements de jeunes diplômés, (2) créer des programmes de formation qui travaillent avec l'IA et (3) intégrer du « temps pour transmettre » dans le travail des seniors. Ce qui se passera à l'échelle de la société reste ouvert ; les auteurs de Stanford en sont au stade de la publication d'indicateurs pour permettre à d'autres de suivre le phénomène.

Q5. Les métiers de terrain (bâtiment, soins, livraison) sont-ils vraiment sûrs ?

Relativement sûrs pour l'instant. Dans les données d'usage d'Anthropic, environ 30 % des travailleurs exerçaient des métiers sans usage notable de l'IA (cuisiniers, mécaniciens, maîtres-nageurs et autres). Les métiers où une personne sur place prend la décision sont loin d'être remplacés. À long terme, robots autonomes et véhicules autonomes pourraient se diffuser ; à l'horizon de 20 ans, c'est une autre histoire.

Q6. Qui est le plus fort : un senior qui utilise l'IA ou un junior qui ne l'utilise pas ?

Dans la plupart des entreprises, probablement le senior qui utilise l'IA. Quand le savoir tacite du senior s'ajoute à la capacité de l'IA, l'écart de productivité devient important. À l'inverse, le junior qui n'utilise pas l'IA risque de perdre du terrain à mesure que le travail d'entrée passe à l'IA.

Q7. J'ai l'impression que « la moitié de mon travail a disparu » à cause de l'IA. Que faire ?

Agissez en trois temps. (1) Court terme : concentrez-vous sur la moitié restante pour en élever la qualité, et utilisez l'IA pour doubler la productivité sur le reste. (2) Moyen terme : augmentez délibérément la part du travail où l'IA est faible (jugement, relations, physique). (3) Long terme : lisez l'évolution de votre secteur et redéfinissez ce que sera votre métier cinq ans après la généralisation de l'IA. L'idée clé : « reprendre sa place au sein du secteur ».

À lire aussi : Les 15 métiers les plus touchés par l'IA générative (projections par métier) / L'IA va-t-elle supprimer les emplois de bureau ? (prévisions et données réelles) / Comment l'IA creuse-t-elle l'écart de compétences entre employés de bureau ? (l'écart entre ceux qui continuent de travailler) / Ce que l'IA a fait aux freelances IT — cet article porte sur l'emploi salarié, mais chez les freelances, l'expérience joue dans l'autre sens