5
ROME
3
22 catégories d'occupation, deux indicateurs distincts à lire axe par axe. En orange · l'exposition technique estimée par tâche (échelle 0–0,5, référence académique internationale). En bleu marine · le taux d'adoption observé ou estimé par catégorie (échelle 0–100 %). Les deux courbes ne se comparent pas directement · chacune est ramenée à son propre maximum.
Avertissement méthodologique · les scores d'exposition affichés s'appuient sur des coefficients LLM-dérivés (Karger, Kuusela, Tetlock · FRB Chicago/SSRN 2026, n=894 occupations O*NET). L'étude Yin, Vu & Persico (NBER WP 35110, avril 2026) documente une instabilité de mesure de 3,6× entre modèles d'IA différents sur des tâches identiques. À lire comme une fourchette indicative · le classement relatif entre métiers reste robuste, mais les niveaux absolus comportent une variance documentée.
64 % des Français utilisent l'IA générative (Ifop x Converteo, mars 2026, +20 pts en un an). L'adoption varie de 15 % (entretien, maintenance) à 85 % (informatique).
| Top adoption | Expo. | Adopt. |
|---|
La note Trésor-Éco n°391 (Direction générale du Trésor, 30 juin 2026) pose un cadre équilibré : l'IA agit sur l'emploi par deux canaux opposés · la substitution des tâches automatisables d'un côté, les gains de productivité et la hausse de la demande de travail de l'autre. Faute de recul et d'adoption suffisante, les études empiriques ne permettent pas encore de trancher l'effet net.
d'adoption de l'IA par les entreprises (OCDE 2025) · proche de la moyenne UE (20 %), rattrapage +8 pp vs +6 pp.
de productivité sur usages ciblés · du service client aux développeurs, possiblement sous-estimé.
d'emplois exposés selon les méthodes · emplois menacés (substituables) vs valorisés (augmentés).
de chômage des 15-24 ans (T1 2026, vs 19,1 % un an plus tôt) · sans lien causal établi avec l'IA.
Signaux relevés : premières vagues de licenciements dans la finance et l'informatique (l'IA parfois prétexte), insertion des jeunes qui ralentit. Conclusion : accompagnement public (formation, reconversion) nécessaire, et risque réel de décrochage par sous-adoption face aux économies concurrentes. DG Trésor · Trésor-Éco n°391 ↗
Le working paper Ramp / Revelio Labs (30 juin 2026) mesure l'adoption réelle de l'IA à partir des dépenses observées de 21 559 firmes américaines. Résultat qui tranche avec la thèse de destruction d'emplois : les adopteurs intensifs voient leur emploi croître d'environ 10% et leurs effectifs juniors de 12% après adoption. À mettre en regard du déclin d'emploi des jeunes actifs mesuré par Stanford sur l'exposition par profession : ici, ce sont des firmes adoptantes qui recrutent davantage de juniors.
d'emploi chez les adopteurs intensifs après adoption · aucun effet chez les adopteurs légers.
d'effectifs en début de carrière chez ces mêmes adopteurs intensifs.
firmes américaines, dépenses IA réelles (Ramp) reliées aux effectifs (Revelio Labs).
Prudence assumée par les auteurs : l'effet est en partie de sélection (les adopteurs sont déjà des firmes plus grandes, plus techniques et en croissance rapide) et concentré sur le secteur de l'Information. Donnée américaine, sans équivalent France · à lire comme repère international. Ramp / Revelio Labs · A New Look at AI's Impact on Jobs ↗
L'Ipsos AI Monitor 2026 (Global Advisor, 23 532 adultes dans 32 pays, mars-avril 2026) place la France parmi les pays les moins inquiets d'un remplacement de leur propre emploi par l'IA. Un résultat à nuancer avec la lecture institutionnelle : la DG Trésor rappelle que 62% des Français voient l'IA comme un risque pour l'emploi en général. Risque sociétal perçu élevé, risque personnel perçu faible : le grand écart de la perception française.
pensent que l'IA va remplacer leur emploi (76% non) · en recul, contre 27% en 2025, l'un des plus bas des 32 pays.
déclarent que l'IA leur a fait gagner du temps au travail · sous la moyenne mondiale de 62%.
pensent que l'IA va changer leur façon de travailler.
Enquête d'opinion · elle mesure la perception, non l'exposition réelle des métiers. La Suisse n'est pas couverte par le panel. Ipsos AI Monitor 2026 ↗
Le rapport d'usage d'OpenAI (OpenAI Signals, 6 août 2026) documente comment ChatGPT est réellement utilisé, à partir des messages des comptes grand public. Signal français notable : l'adoption gagne les tranches d'âge plus élevées. À lire avec la décote d'une source vendeur documentant son propre produit · c'est de la télémétrie d'usage, pas une mesure d'emploi.
de part des messages ChatGPT envoyés par les 35 ans et plus en France sur un an.
d'usage pour « agir » (rédiger, coder, analyser) au travail qu'en dehors, à l'échelle mondiale.
comptes grand public uniquement · les comptes d'organisations ne sont pas dans le jeu de données.
Signal d'adoption et de diffusion, non d'exposition des métiers. Source de première partie (OpenAI) · à croiser avec des sources indépendantes. OpenAI · comment le monde met ChatGPT au travail ↗
L'INSEE (Insee Première n°2120, enquête TIC 2025 auprès d'environ 11 000 entreprises) fournit la mesure officielle et représentative de la diffusion de l'IA en France : 18% des entreprises de 10 salariés et plus utilisent au moins une technologie d'IA en 2025, contre 10% en 2024 — un triplement depuis 2023. C'est la base de référence pour le suivi annuel de l'adoption française, et elle recoupe le 18% cité par la DG Trésor.
d'usage de l'IA entre 2023 et 2025 · 18% des entreprises de 10+ salariés en 2025 (10% en 2024).
des entreprises de 250 salariés et plus · contre 15% pour les 10-49 salariés : l'adoption croît avec la taille.
dans l'information-communication · mais 10% dans la construction, 9% dans le transport : forte disparité sectorielle.
Mesure l'adoption déclarée d'« au moins une technologie d'IA » (périmètre large, pas seulement l'IA générative), non les effets emploi · entreprises de moins de 10 salariés hors champ. INSEE · Insee Première n°2120 ↗
La version d'août 2026 de l'étude de référence de Stanford (Brynjolfsson, Chandar & Chen, données de paie ADP jusqu'à juin 2026) consolide en six faits l'effet le plus net observé à ce jour : un décrochage de l'emploi des jeunes en début de carrière dans les métiers exposés. Donnée américaine, mais elle éclaire les signaux français : la DG Trésor documente un chômage des 15-24 ans passé de 19,1% à 21,1%, sans lien causal établi.
emploi des 22-25 ans en métiers exposés vs trajectoire attendue · contre −16% en août 2025.
Donnée US (ADP), sans ventilation France · à lire comme repère international de la thèse « canaris », non comme une mesure française. Stanford · Canaries in the Coal Mine? (août 2026) ↗
L'étude de Massenkoff et McCrory (mars 2026) introduit une mesure d'exposition observée qui croise la capacité théorique des LLM avec l'usage effectivement constaté, en pondérant plus lourdement les usages automatisés et professionnels. Elle chiffre ainsi ce que cet observatoire nomme la friction : entre ce qu'une IA pourrait faire et ce qu'elle fait, l'écart reste considérable. C'est le contrepoint direct aux scores d'exposition théorique, et une mise en garde contre la lecture des fourchettes de 5 à 60% citées par la DG Trésor comme si elles étaient déjà réalisées.
des tâches informatiques et mathématiques sont théoriquement automatisables, mais 33% seulement réellement couvertes.
des actifs ont une couverture nulle · cuisiniers, mécaniciens, barmen, maîtres-nageurs.
de croissance projetée 2024-2034 par tranche de +10 points de couverture (BLS) · corrélation réelle mais faible.
Côté emploi, l'étude ne trouve aucune hausse significative du chômage pour les actifs les plus exposés depuis fin 2022, mais un signal précoce sur les 22-25 ans, dont le taux d'accès à l'emploi dans les métiers exposés recule d'environ 14%, à la limite de la significativité. Données américaines (CPS, BLS, O*NET), sans déclinaison France. Source de première partie · l'usage observé provient du seul trafic Claude. Massenkoff & McCrory · Labor market impacts of AI ↗
Le LIFT d'HEC Paris, avec la Banque de France, livre la première mesure française de l'effet de l'IA générative sur l'entrée des jeunes dans l'emploi. Elle ne regarde pas le stock d'emplois mais les flux : chaque embauche et chaque fin de contrat du secteur privé, de janvier 2019 à mars 2026, dans les mouvements de main-d'œuvre de la Dares. C'est le choix méthodologique décisif, car un choc technologique déplace d'abord les recrutements avant de déplacer les effectifs. Le résultat ne décrit pas une destruction mais un gel : on embauche beaucoup moins, on part aussi moins, et le renouvellement s'arrête.
embauches en CDI des 21-29 ans depuis novembre 2022, métiers les plus exposés contre les moins exposés · un écart de 20,8 points, et de 23,1 points tous contrats confondus.
CDI de moins par an pour les seuls 21-29 ans · environ 6 200 embauches mensuelles en moins dans le quintile exposé, dont 4 600 au-delà du recul des métiers peu exposés.
mouvements par mois · les fins de contrat reculent aussi, de 23 % contre 6 %, mais plus tard et moins fort : le marché se fige plutôt qu'il ne détruit.
d'embauches de jeunes développeurs · mais hors développeurs l'écart reste de 17 points : l'informatique explique moins d'un cinquième du phénomène.
Source académique primaire, tierée T1 · l'indice d'exposition est construit sur les 1 584 fiches du ROME 4.0 et leurs 16 740 savoir-faire, notés par des agents fondés sur un modèle de langage puis convertis en PCS. Les auteurs posent eux-mêmes la réserve : les résultats sont descriptifs et ne neutralisent ni le resserrement monétaire, ni la correction post-Covid du numérique, ni la diffusion du télétravail, ni l'essor de l'apprentissage, dont les effectifs passent d'environ 430 000 en 2017 à plus d'un million fin 2023. L'analyse en stock, sur la Base tous salariés de l'Insee, reste à venir. LIFT · HEC Paris · Policy Paper 2026-02 ↗
Le dossier de The Economist du 4 septembre 2026, qui agrège des sources américaines primaires (BLS, Census Bureau, Goldman Sachs, Indeed), documente un solde d'emploi positif. Il contredit frontalement la lecture des jeunes comme premières victimes, que l'étude Canaries de Stanford établit sur les métiers exposés. Les deux ne s'excluent pas : Stanford mesure une exposition par profession, The Economist un solde agrégé. À mettre en regard du chômage des 15-24 ans en France, passé de 19,1% à 21,1% selon la DG Trésor, sans lien causal établi.
d'emplois créés par l'IA aux États-Unis, portés par l'infrastructure · environ 500 Md$ par an de plus qu'en 2022.
de chômage · l'écart entre les 20-24 ans et le taux global est proche d'un plus bas pluri-décennal.
d'emploi chez les agents de service client et les secrétaires depuis janvier 2023 · la substitution est réelle, mais ciblée.
pour les assistants juridiques et les analystes d'études de marché entre 2023 et 2025, contre 2% en moyenne.
emplois au-dessus de la tendance : 320 000 dans les métiers des centres de données depuis 2023, 730 000 chez les ingénieurs et data scientists depuis 2022 · estimations du journal sur séries BLS.
suppressions projetées par le BLS dans les fonctions administratives et de support de bureau d'ici 2035 · les services aux collectivités sont le premier secteur en croissance sur la même période.
Source de presse, tierée T4 · elle agrège des données primaires mais produit aussi ses propres estimations, dont le million d'emplois et les soldes au-dessus de tendance. Données américaines, sans ventilation France. Sources primaires relayées, non consultées en première main par l'observatoire : BLS, US Census Bureau, Goldman Sachs, Indeed, LinkedIn Economic Graph, Burning Glass Institute, Challenger Gray & Christmas, NEMA. The Economist · 4 septembre 2026 ↗
Le Bulletin 266/1 de la Banque de France quantifie exactement l'écart que cet observatoire appelle friction : l'IA se diffuse vite dans les entreprises françaises, mais une minorité seulement en constate un gain mesurable. Les auteurs concluent que le rendement dépend moins de l'adoption que du degré d'intégration aux processus métier.
des entreprises de 20 salariés et plus utilisent l'IA générative début 2026.
des 20-49 salariés aux 1 000 et plus · l'adoption reste commandée par la taille.
seulement des utilisatrices d'IA générative constatent un gain de productivité · 41% pour l'IA prédictive.
si la mesure porte sur l'ensemble des entreprises interrogées et non sur les seules utilisatrices.
Précaution de lecture. Ces deux tiers ne contredisent pas le 18% de l'INSEE : les périmètres diffèrent, 20 salariés et plus début 2026 pour l'IA générative d'un côté, 10 salariés et plus en 2025 pour au moins une technologie d'IA de l'autre. Les deux chiffres ne se comparent pas directement. Effets emploi limités : 6% des utilisatrices imputent à l'IA une baisse d'effectifs, la France se situant entre l'Allemagne (1% en solde net) et le Royaume-Uni (33%). Banque de France · Bulletin 266/1 ↗
Le rapport AI & Economy ATLAS v1.0 de Google, sur 15 millions d'interactions rattachées aux codes du BLS et aux tâches O*NET, s'ouvre sur le constat de Solow transposé : l'IA paraît partout sauf dans les statistiques. Il donne la mesure de la friction à l'échelle mondiale et recoupe le résultat de la Banque de France, qui ne trouve que 31% d'entreprises utilisatrices constatant un gain. La diffusion est large, la profondeur reste faible.
des professions touchées, mais 21% des tâches seulement dans la profession médiane qui utilise l'IA.
des conversations cognitives professionnelles visent une automatisation de bout en bout · l'usage est collaboratif.
des interactions ont lieu hors du travail · une utilité domestique que les statistiques économiques ne captent pas.
point d'usage supplémentaire par point de PIB par habitant · l'adoption épouse la richesse nationale.
Réserve majeure : source de première partie, l'usage observé provient du seul trafic Google et le rapport mesure ce que les gens font avec l'IA, non le résultat productif obtenu. Données mondiales à dominante américaine, sans ventilation France. Google · AI & Economy ATLAS v1.0 ↗