Fracture du recrutement à l'ère de l'IA :
ma feuille de route pour jeunes diplômés et entreprises

Cet article devait être une analyse de plus sur les données du marché du travail, mais il en sera autrement. J’ai préféré le rendre plus stimulant et directement utile. Je commence par un état des lieux synthétique de la situation des jeunes diplômés, avant de partager ce que je ferai si j’étais à leur place — ou à celle d’un dirigeant d’entreprise.

Un licenciement laisse des traces. Un poste à pourvoir qui ne voit jamais le jour ne laisse rien : aucun événement, aucune date, aucun titre dans la presse. Après trois billets consacrés à l’examen des preuves visibles, je pense que l’histoire la plus importante concernant l’IA et l’emploi se joue dans cet espace blanc. Mais ce n’est que la moitié de l’histoire. Les meilleures données dont nous disposons au niveau des entreprises pointent dans la direction opposée : les sociétés qui investissent massivement dans l’IA embauchent, et ce sont leurs effectifs juniors qui croissent le plus vite. Mettez ces deux constats côte à côte et le marché du travail ressemble moins à un effondrement sectoriel par métier qu’à une fracture entre entreprises aux stratégies d’IA opposées.

Le bas de l’échelle se rétrécit

Aux États-Unis, le taux de chômage des jeunes diplômés atteint 5,7 %, contre 4,2 % pour l’ensemble de la population — une inversion de la hiérarchie habituelle.¹² Les employeurs ne licencient pourtant pas à un rythme anormal : le taux de licenciement s’établit à 1,1 %, sous sa moyenne d’avant-pandémie, tandis que le taux de recrutement a chuté à 3,3 %, contre un peu moins de 3,9 % en 2018 et 2019.³ La porte d’entrée se ferme plus vite que la porte de sortie.

Ce déficit de recrutement se concentre là où l’IA peut accomplir une part importante des tâches. Selon le Digital Economy Lab de Stanford (fondé sur les données de paie d’ADP), l’emploi des 22-25 ans dans les professions les plus exposées à l’IA s’est contracté de 3,8 % par an jusqu’en avril 2026. Chez leurs pairs occupant les professions les moins exposées, il a progressé de 2,0 %.⁴ Un document de travail du Census Bureau montre que les embauches en début de carrière dans les secteurs les plus exposés ont chuté de 9 % au moment du lancement de ChatGPT pour ne jamais se relever. Ce sont ces embauches manquantes, et non des licenciements atypiques, qui expliquent la totalité de la baisse d’emploi de 15 % mesurée par l’étude, soit plus de 150 000 postes.⁵ La Réserve fédérale de Dallas constate le même mécanisme : moins de jeunes accédant aux métiers exposés, et non un surcroît de licenciements.⁶

L’IA n’est pas la seule suspecte. La Fed de New York estime que le télétravail explique 64 % de la hausse du chômage des jeunes diplômés, et une étude de la LSE montre que l’effet propre de l’IA s’atténue nettement dès lors que l’exposition au télétravail est intégrée dans le même modèle.⁷⁸ Les taux d’intérêt, le contrecoup des embauches post-pandémie et la préférence marquée des employeurs pour l’expérience pèsent également dans la balance.

Les entreprises qui investissent le plus dans l’IA recrutent

Si l’usage de l’IA détruisait des emplois, ses utilisateurs les plus intensifs devraient voir leurs effectifs fondre le plus rapidement. En juin, Ramp et Revelio Labs ont testé cette hypothèse sur un échantillon de 21 559 entreprises américaines. Les données de paiements par carte et de factures de Ramp révèlent quelles entreprises dépensent réellement de l’argent dans l’IA ; les données de Revelio retracent l’évolution de leurs effectifs.⁹

Les utilisateurs intensifs (le premier tiers en termes de dépenses IA par salarié) consacraient en moyenne environ 34 dollars par employé et par mois. Il ne s’agissait pas de sociétés achetant quelques abonnements à un chatbot, mais d’entreprises finançant des agents de codage, des accès API et de multiples outils intégrés à leurs flux de travail quotidiens.

Au cours des 24 mois suivant l’adoption, leurs effectifs totaux ont progressé de 10,2 % de plus que ceux d’entreprises comparables n’ayant pas encore franchi le pas. Les effectifs juniors ont augmenté de 12 %, soit la croissance la plus rapide tous niveaux confondus, faisant grimper leur part dans la masse salariale de 1,15 point de pourcentage. Les utilisateurs légers (environ 3 dollars par salarié et par mois) n’ont enregistré aucun gain mesurable. Cet effet a pris du temps : environ 2 % après trois mois, 7 % après six mois, 21 % après un an et 32 % après dix-huit mois.

Il existe de bonnes raisons de ne pas crier victoire trop vite. L’adoption relève d’un biais d’autosélection : avant même d’adopter l’IA, ces entreprises croissaient déjà quatre fois plus vite que les autres, ce qui explique pourquoi l’étude les compare à des sociétés similaires ayant adopté l’outil plus tard. Les gains statistiquement significatifs n’apparaissent que dans le secteur de l’Information. De plus, les utilisateurs intensifs comptaient en moyenne 27 salariés : une hausse de 12 % des juniors représente donc environ un poste supplémentaire par entreprise. Enfin, Revelio s’appuie sur des profils en ligne. La corrélation laisse ouverte la possibilité que les entreprises bien gérées et en forte croissance soient simplement enclines à la fois à acheter de l’IA et à recruter davantage.

Une étude de Harvard fondée sur la même base de données parvient d’ailleurs à la conclusion inverse. Elle identifie les adopteurs à travers les offres d’emploi cherchant des « intégrateurs de GenAI » et constate une baisse de 7,7 % de l’emploi junior sur six trimestres, tirée par un ralentissement des embauches.¹⁰ Le désaccord tient à la définition même de l’adoption : s’agit-il de dépenses réelles injectées dans un processus métier ou de la publication d’un type d’offre d’emploi précis ? Si vous me posez la question, je penche pour la première option.

Les études par métier comparent les jeunes travailleurs et les plus anciens à l’échelle du marché. Ramp compare les entreprises entre elles. Les deux résultats peuvent être vrais si le marché se fracture par entreprise : les entreprises qui intègrent profondément l’IA apprennent à combiner technologie et travail humain pour se développer ; celles dont l’adoption est superficielle ou au point mort cessent discrètement de recruter. Les moyennes à l’échelle des professions masquent cette dichotomie.

Telle est mon interprétation. Elle offre aux dirigeants comme aux jeunes actifs quelque chose de plus utile qu’une énième prédiction sur le fait que l’IA va « prendre nos emplois ». Elle leur propose un camp à choisir, et donc un ensemble d’actions concrètes à mener.

Feuille de route pour les employeurs

1. Achetez un processus, pas une licence.
Les utilisateurs légers de l’étude Ramp dépensaient environ 3 dollars par salarié par mois pour un gain d’effectif nul. Dans une enquête distincte auprès de 6 000 dirigeants, 90 % ne rapportaient aucun effet de l’IA sur l’emploi ou la productivité au cours des trois années écoulées.¹¹ Donner un accès n’est pas adopter. Le célèbre ratio de transformation du BCG reste d’actualité : 10 % d’algorithmes, 20 % de technologie et de données, 70 % d’humain et de processus.¹² Choisissez un processus coûteux, reconfigurez-le autour des outils et mesurez le résultat métier. Un nombre de licences est une facture, pas un progrès.

2. Accordez-vous un an, puis comptez les heures.
Les gains chez Ramp étaient minimes à trois mois, mais évidents au bout de douze. Durant cette phase d’apprentissage, mesurez le temps de cycle, la qualité, le chiffre d’affaires et les heures libérées — et non les tokens consommés ou les prompts envoyés. Gartner a étudié 350 grandes entreprises déployant des agents d’IA et a constaté que les taux de réduction d’effectifs étaient quasi identiques entre les entreprises à fort ROI et celles à faible ROI. Les entreprises qui en tiraient de la valeur s’en servaient pour amplifier le travail humain plutôt que pour le supprimer.¹³ Chaque heure économisée doit avoir une destination. Si personne ne sait où elle est passée, c’est qu’elle n’a probablement jamais été économisée.

3. Préservez les stages et l’apprentissage.
L’assistance par l’IA a augmenté la productivité des agents du support client de 15 % en moyenne, et de 36 % pour les moins expérimentés, tout en n’apportant que peu de gains aux plus chevronnés.¹⁴ Cela rend les juniors extraordinairement peu coûteux à faire monter en compétences — et extrêmement coûteux à abandonner. IBM prévoit de tripler ses embauches de juniors aux États-Unis tout en repensant leurs rôles autour de la supervision des productions de l’IA.¹⁵ Un modèle de la Fed d’Atlanta résume le risque à long terme : les tâches juniors constituent le cursus par lequel les travailleurs deviennent experts. Automatiser le cursus sans le remplacer par un autre mode d’apprentissage finit par assécher le vivier de seniors.¹⁶ La solution pratique réside dans un nouveau modèle d’apprentissage : moins de production répétitive, plus de revue de code ou de livrables, de contact client et de jugement supervisé. Au passage, je pense que tous les stages doivent être rémunérés, je pose ça là.

La personne aux commandes de cette transformation doit être capable de faire la démonstration d’un flux de travail, d’en nommer les faiblesses et d’expliquer où l’arbitrage humain reste indispensable. Sinon, la transformation sera gérée comme un simple contrat d’approvisionnement.

Feuille de route pour débuter sa carrière

Le pacte traditionnel de l’entrée sur le marché du travail était simple : accepter des tâches exécutives en échange de l’acquisition d’expérience. Ce pacte est rompu. PwC a analysé 2,4 millions d’offres d’emploi de premier niveau aux États-Unis et a constaté que les postes les plus exposés à l’IA étaient sept fois plus susceptibles d’exiger des compétences traditionnellement réservées aux seniors. Depuis 2019, ces postes juniors « séniorisés » ont progressé de 35 %, tandis que les autres ont chuté de 10 %.¹⁷ Les employeurs exigent du jugement avant même d’offrir le poste qui permettait autrefois de le forger.

Postuler plus agressivement ne résoudra pas ce décalage. Une offre d’emploi moyenne attire aujourd’hui 244 candidatures, contre 116 en 2022, et les candidats rejetés sont écartés en un temps médian de six jours.¹⁸¹⁹ Vous devez apporter des preuves capables d’émerger d’un canal saturé.

1. Cherchez les signes d’une intégration profonde.
À poste égal, privilégiez l’employeur qui intègre l’IA au cœur du travail réel. Cherchez la mention d’outils précis dans les descriptions de poste, des billets techniques sur des systèmes d’agents, des dépenses d’infrastructure dédiées, des rôles repensés et des dirigeants capables d’expliquer ce qui a changé. Demandez où vont les heures économisées. Une entreprise qui a une réponse est en train d’apprendre ; une entreprise qui compte les connexions ne l’est probablement pas. Gardez toutefois à l’esprit la réserve énoncée plus haut : les gains d’embauche statistiquement significatifs mesurés par Ramp sont pour l’instant concentrés dans le secteur de l’Information.

2. Exercez-vous à piloter, non à déléguer.
Anthropic a étudié environ 400 000 sessions de codage et a constaté que les novices menaient leurs tâches à bien dans 15 % des cas, contre 28 à 33 % pour les niveaux supérieurs.²⁰ Le bond de productivité le plus fort se situe entre le novice et l’intermédiaire. Les utilisateurs expérimentés découpaient le travail en étapes, inspectaient les résultats et corrigeaient le tir ; les novices déléguaient la tâche en espérant le meilleur.²¹ La confiance envers l’outil devrait diminuer à mesure que la maîtrise augmente. Dans l’enquête de Stack Overflow auprès de 49 000 développeurs, les moins expérimentés utilisaient le plus l’IA et lui faisaient deux fois plus confiance que les vétérans.²² Utilisez l’outil de manière intensive, mais conservez la conception, la vérification et la compréhension globale.

3. Rendez votre jugement visible.
Un livrable parfaitement poli est une preuve faible quand n’importe qui peut en générer un en trois clics. Des chercheurs de Yale ont observé cette dévalorisation sur cinq millions de lettres de motivation : après l’apparition d’outils de rédaction par IA, le lien entre une lettre personnalisée et une convocation à un entretien s’est effondré de 51 % ; le lien avec une offre ferme a chuté de 79 %.²³ Adossez la partie rare de votre travail à ce que vous produisez. Par exemple, expliquez pourquoi vous avez choisi telle approche, ce qui a échoué, ce que vous avez écarté et comment vous avez vérifié le résultat. Un seul projet que vous pouvez défendre ligne par ligne vaut mieux que dix projets que vous ne maîtrisez qu’en surface. Ce que je ferais à votre place : enregistrez-vous en partage d’écran en train d’expliquer pourquoi vous avez pris telle ou telle décision. C’est une preuve irréfutable de jugement qui offre au recruteur un ancrage très solide.

Utilisez ensuite des leviers à forte efficacité. Les candidats recommandés franchissent le premier filtre dans 52 % des cas, contre 35 % au global ; les recommandations émanant de personnes exerçant le même métier se traduisent par des embauches à un taux près de deux fois supérieur aux recommandations transversales.¹⁹ Les stages se transforment en offres d’embauche dans 63,1 % des cas.²⁴ Postulez dans les premiers jours suivant la publication d’une offre. Remplacez une ligne générique « Compétences en IA » par un exemple concret et documenté. La preuve de compréhension, l’instinct/jugement et la proximité l’emportent sur le volume.

4. Orientez-vous vers le travail augmenté.
Les données de Stanford révèlent une distinction cruciale : l’emploi en début de carrière chute là où l’IA automatise la tâche, mais se maintient là où l’IA augmente le travailleur.⁴ Faites le bilan de votre semaine. Quelles heures produisent un travail standardisé ? Quelles heures exigent du contexte, de la responsabilité ou de la relation humaine ? Lesquelles vous apprennent quelque chose de capitalisable ? Utilisez l’IA pour compresser la première catégorie et libérer du temps pour les deux autres. Le profil le plus protégé n’est pas le « spécialiste en IA », c’est la personne qui comprend un domaine métier à forte valeur et sait reconfigurer ce travail avec l’IA.

Surveiller l’entrée

Pour les employeurs, le test est limpide. Un junior peut-il apprendre plus vite au sein de ce processus repensé qu’en dehors ? L’entreprise peut-elle nommer ce que ses collaborateurs font des heures économisées grâce aux outils ? Les effectifs progressent-ils en même temps que la production ? Si la réponse à ces trois questions est non, « l’adoption de l’IA » n’est peut-être qu’une étiquette cosmétique collée sur une réduction de coûts dissimulant un modèle opérationnel défaillant.

Pour celui qui cherche à entrer sur le marché, la question n’est pas de savoir si une entreprise mentionne l’IA. Elles le font presque toutes désormais. La question est de savoir si cet usage crée un travail qui vaut la peine d’être appris : des systèmes à superviser, des clients à comprendre, des décisions à assumer, et des professionnels expérimentés qui continuent d’enseigner. C’est toute la différence entre un stage raccourci (avec une offre à la clé) et un poste purement et simplement supprimé.