Depuis plusieurs années, le débat sur l’IA et l’emploi tourne en rond autour d’une même question : quels métiers vont disparaître ? Les modèles d’analyse se fondent sur des scores d’exposition aux tâches, des pourcentages de recoupement entre ce que fait un salarié et ce que l’IA peut exécuter.

L’approche semble rigoureuse, s’appuie sur des catalogues gouvernementaux américains répertoriant des milliers de tâches professionnelles depuis 1998, et produit des chiffres rassurants pour qui cherche une réponse basique. Mais des économistes sérieux pointent depuis peu une lacune béante : ces analyses ignorent systématiquement l’élasticité-prix de la demande, la seule variable capable de prédire ce qui arrive vraiment à l’emploi quand l’IA s’installe dans un secteur.

L’angle mort que personne ne veut voir

L’élasticité-prix, c’est quoi exactement ? C’est la mesure de la réaction de la demande face à une variation de prix. Si l’IA rend un service 30 % moins cher à produire, est-ce que la demande pour ce service explose, reste stable, ou s’effondre ? La réponse détermine si l’automatisation crée de l’emploi, le restructure, ou le supprime.

Prenons un cas concret : un cabinet juridique déploie l’IA pour l’analyse de contrats. Le coût par dossier baisse de 20 %. Si les entreprises n’achètent pas plus de services juridiques pour autant (demande inélastique), le cabinet a juste besoin de moins de collaborateurs juniors. Si, au contraire, des PME qui ne pouvaient pas se payer d’avocat entrent sur le marché (demande élastique), l’emploi total dans le secteur peut progresser. Même technologie, résultat opposé.

Ce qui rend la situation presque absurde : ce type de données existe pour les supermarchés. Des instituts de recherche analysent en temps réel l’effet d’une baisse de 5 % du prix des conserves sur les volumes vendus, grâce aux données de caisses enregistreuses. Rien d’équivalent n’existe pour le droit, la comptabilité, le graphisme ou l’ingénierie logicielle.

Quelle est la question, précise et concrète, qu’il faut poser en priorité avant toute stratégie professionnelle ou politique publique ? © whyframestudio, iStock

Trois secteurs, trois dynamiques radicalement différentes

L’absence de cette donnée n’est pas un détail académique. Voici comment elle change la lecture pour trois secteurs clés :

1. Santé : une baisse de 80 % du coût d’un dépistage préliminaire libère une demande colossale dans les pays où des milliards de personnes n’ont pas accès aux soins. L’IA crée ici de la demande de soins de suivi, d’interprétation, de traitement. L’emploi médical pourrait augmenter.
2. Services juridiques : la demande est tirée par la réglementation et les transactions, pas par le prix. Une baisse des coûts restructure les équipes (moins de juniors par dossier) sans effondrement du secteur.
3. Création de contenu : la demande en contenu explose dès que le coût marginal de production devient négligeable. Mais la demande de contenu humain premium reste limitée. Les tarifs freelance pour l’écriture standard ont chuté, tandis que la direction éditoriale et la stratégie de marque tiennent.

Chacun de ces cas appelle une réponse politique distincte. Or les modèles actuels d’exposition aux tâches les traiteraient de façon quasi identique, faute de données sur la réaction de la demande.

La Silicon Valley vend de l’inévitabilité, les consultants vendent des plans de transition, les médias alternent crainte et enthousiasme. Personne ne finance la collecte des données granulaires secteur par secteur qui permettraient de vraiment répondre à la question.

Si vous travaillez dans un domaine où un prix plus bas attire massivement de nouveaux clients, l’IA risque de vous rendre plus occupé. Si votre secteur fonctionne avec une demande quasi fixe quel que soit le tarif, la pression sur les effectifs sera réelle. C’est cette question, précise et concrète, qu’il faut poser en priorité avant toute stratégie professionnelle ou politique publique.