Que deviennent les débutants quand l'IA fait leur travail ?

En novembre 2022, le mois où ChatGPT a été ouvert au public, les entreprises privées de France métropolitaine, hors agriculture, intérim et particuliers employeurs, signaient en tendance environ 22 000 CDI par mois avec des jeunes de 21 à 29 ans dans les métiers les plus exposés à l'IA : traducteurs, journalistes, chargés d'études économiques, techniciens des opérations bancaires, développeurs. En mars 2026, cette tendance était inférieure d'environ 6 200.

Ces chiffres viennent d'une étude d'HEC Paris et de la Banque de France↗, publiée en octobre 2026 à partir des déclarations sociales des entreprises, et de sa présentation par HEC↗. Notre analyse sur la productivité y voyait, avec l'étude de Stanford, le seul signal mesuré de l'IA sur l'emploi. Leurs auteurs, comme ceux des autres études sur l'emploi citées ici, décrivent un écart sans en établir la cause.

L'étude classe 310 professions en 5 groupes de même nombre de métiers, d'après la note qu'un modèle de langage a donnée à leurs savoir-faire, tirés des fiches de France Travail : ce que l'IA générative pourrait faire ou aider à faire, compte tenu de la présence physique et du savoir tacite qu'ils demandent. Cette note mesure une capacité, pas l'usage que les entreprises font de l'IA. L'étude suit chaque embauche et chaque fin de contrat en CDI de janvier 2019 à mars 2026.

Chez les 21-29 ans, les embauches en CDI ont baissé de 28,3 % dans le groupe le plus exposé et de 7,5 % dans le moins exposé, qui réunit des métiers de soin et de présence physique : infirmiers, aides-soignants, assistantes maternelles. L'écart reste fort jusqu'à 40 ans et disparaît presque après 50 ans.

Les sorties ont reculé elles aussi : les fins de contrat des 21-29 ans ont baissé de 23 % dans les métiers les plus exposés et de 6 % dans les moins exposés. Les auteurs parlent d'un « gel des mouvements », avec moins d'entrées, moins de sorties et des équipes qui se renouvellent moins.

Le cas le plus net est celui des développeurs et ingénieurs informatiques. Début 2026, leurs embauches en CDI de 21-29 ans étaient inférieures d'environ 42 % à leur niveau de novembre 2022, contre 11 % dans les 4 groupes de métiers moins exposés. Le recul touche aussi leurs aînés, et les auteurs ne peuvent pas le séparer de la correction propre à l'informatique après la pandémie. Sans les développeurs, il reste 17 points d'écart entre les métiers les plus et les moins exposés.

Environ 6 000 entreprises ont répondu début 2026 à une enquête de la Banque de France sur leur usage de l'IA, et leurs réponses ont pu être rapprochées de leurs embauches. Les près de 600 qui déclarent un usage intensif ont vu leurs embauches de jeunes en CDI évoluer moins favorablement depuis fin 2022 que celles des autres entreprises de leur secteur ; en 2025, l'écart atteint 17 % à 25 % selon le trimestre, d'après la présentation d'HEC. Les auteurs ne savent pas si ces entreprises utilisaient déjà l'IA quand l'écart est apparu.

Une équipe de Stanford suit les fiches de paie de millions de salariés américains. Son chiffre d'ensemble est détaillé avec ses réserves dans notre article sur l'IA et l'emploi↗ ; son tableau de bord↗ permet d'aller métier par métier.

Dans les métiers exposés comme dans les autres, le nombre de salariés expérimentés augmente ; seul l'emploi des plus jeunes recule. Les auteurs de Stanford avancent une explication qu'ils ne démontrent pas. L'IA ferait surtout les tâches vérifiables et procédurales, fondées sur le savoir des cours et des manuels, qui justifiaient l'embauche de débutants. Ce lien s'efface quand ils tiennent compte du diplôme, rappelle notre article.

2 économistes de Harvard ont repéré, parmi plus de 280 000 entreprises américaines, celles qui recrutaient un spécialiste chargé d'intégrer l'IA générative. 6 trimestres après le début de 2023, l'emploi junior y était inférieur d'environ 9 % à celui des autres entreprises, sans rupture pour les seniors. Dans leurs offres d'emploi, les tâches que l'IA sait faire apparaissent de moins en moins dans les postes juniors après 2023, sans changement comparable dans les postes seniors.

D'autres équipes ont refait l'exercice dans leur pays. Leurs résultats ne se comparent pas entre eux : la mesure, les groupes comparés et la date de fin changent d'une étude à l'autre, et seule l'étude française compte des embauches.

• États-Unis, Stanford : salariés de 22-25 ans des 2 groupes de métiers les plus exposés, comparés aux 3 autres, jusqu'en juin 2026. -11 % contre +10 %, un écart qui grandit depuis l'été 2025.
• Royaume-Uni, King's College London : postes juniors, au sens de l'ancienneté, dans les entreprises dont les salariés sont très exposés, comparées aux autres, de 2021 à 2025. -5,8 %, selon le communiqué de l'université sur un document de travail.
• Suède, Université d'Örebro : salariés de 22-25 ans des métiers très exposés, comparés aux autres métiers chez un même employeur, jusqu'au début de 2025. -5,5 %. Le recul général des offres d'emploi commence avec la hausse des taux d'avril 2022, 7 mois avant ChatGPT.
• Norvège, IZA : salariés de 21-30 ans, groupe de métiers le plus exposé contre le moins exposé, jusqu'en février 2026. Un écart estimé proche de zéro, avec une forte incertitude. Chez les 22-25 ans, un écart apparaît au printemps 2025 et se creuse jusqu'en février 2026, que les auteurs tiennent pour une tendance naissante plutôt qu'un effet établi. Les jeunes développeurs reculent d'environ 18 %.
• Danemark, universités de Chicago et de Copenhague : salaires et heures de 25 000 salariés de 11 métiers exposés, tous âges confondus, selon qu'ils utilisent un assistant ou non. Aucun effet supérieur à 2 %.
• Finlande, ETLA : salariés jeunes, avec la méthode de Stanford, jusqu'en septembre 2025. Aucun effet systématique de l'exposition.

Dans les 3 pays où les études isolent les développeurs, leurs embauches ou leurs effectifs jeunes reculent. Aux États-Unis et en Norvège, leurs aînés progressent ; en France, le recul de leurs embauches touche tous les âges. L'écart entre l'ensemble des métiers exposés et les autres n'apparaît que dans certains pays.

D'autres causes ont touché les mêmes métiers au même moment : la hausse des taux d'intérêt en 2022 et 2023, la correction des embauches du numérique après la pandémie, le télétravail. Les auteurs norvégiens concluent que ces pays ont peut-être subi des perturbations différentes, plutôt que des effets différents de l'IA.

Dans les 3 études qui mesurent les embauches et les départs, le recul passe par les embauches. Les départs des jeunes ont baissé aux États-Unis comme en France, et les promotions de juniors ont à peine augmenté dans les entreprises adoptantes étudiées à Harvard.

Le recul est apparu dès 2023. Pour les économistes de Harvard, c'est plus tôt que ne se font d'ordinaire sentir les effets d'une automatisation, et ils y voient un ajustement par anticipation, qu'ils disent ne pas pouvoir tester : les entreprises cesseraient d'embaucher sur les postes qu'elles pensent automatisables. Si elles surestiment ce que l'IA saura faire à court terme, ajoutent-ils, le recul des embauches juniors pourrait n'être que temporaire.

Les annonces des entreprises divergent. En juin 2025, le patron d'Amazon a écrit à ses salariés↗ que l'IA réduirait dans les prochaines années l'effectif total de ses fonctions de bureau. En février 2026, la directrice des ressources humaines d'IBM annonçait que le groupe triplait ses embauches de débutants, développeurs compris, avec des postes réécrits pour faire moins de code de routine et plus de relation avec les clients, selon Fortune↗. Aucune mesure publiée ne vérifie ces déclarations.

En France, les entreprises interrogées par l'Apec↗ prévoient pour 2026 de recruter 16 % de cadres de 6 à 10 ans d'expérience en plus, et 1 % de plus pour les moins de 6 ans, dont les recrutements ont baissé de 13 % de 2023 à 2025. L'Apec l'explique par l'incertitude économique, sans le relier à l'IA.

La France a une particularité, l'apprentissage. Elle comptait 1,017 million d'apprentis fin 2025, et ceux du supérieur étaient 3,4 fois plus nombreux qu'en 2019. Chez les 21-29 ans des métiers les plus exposés, la part des apprentis est passée de 6 % à 10 % entre fin 2019 et fin 2023 ; les auteurs d'HEC et de la Banque de France jugent que cela peut peser sur leurs séries, sans expliquer à lui seul l'écart entre les métiers. En 2025, les embauches d'apprentis du supérieur ont reculé de 7,7 %, surtout à cause des économies budgétaires et réglementaires, selon l'OFCE.

Pour 3 économistes de Barcelone, le travail fait en début de carrière vaut aussi par ce qu'il enseigne. Dans leur modèle↗, publié en document de travail en août 2026, automatiser les tâches juniors peut faire baisser la production à long terme quand l'économie réalisée est faible : moins de jeunes choisissent les métiers où l'expérience compte, et le nombre de professionnels expérimentés diminue. Leur vérification empirique porte sur l'automatisation par les robots aux États-Unis. Les économistes d'HEC et de la Banque de France concluent sur le même point. Selon eux, les postes de début de carrière « sont aussi ceux où s'acquièrent, par la pratique, les compétences des cadres et des dirigeants de demain ». Les économistes de Harvard citent en exemple de ces tâches exposées à l'IA le débogage de code et la relecture de documents juridiques.

Un précédent a été observé hors de l'IA générative. Le chercheur Matt Beane a passé plus de 2 ans dans des blocs opératoires où la chirurgie robotique s'installait. Avec le robot, le chirurgien titulaire reprenait régulièrement les commandes, et les internes ont reçu nettement moins de pratique qu'en chirurgie traditionnelle. Certains apprenaient malgré tout, en dehors des voies de formation prévues, ce que Beane appelle le shadow learning, un apprentissage dans l'ombre.

Les rares mesures directes vont dans le même sens. Dans un lycée turc, une expérience a porté sur près de 1 000 élèves en mathématiques, dont une partie a travaillé avec un assistant proche de ChatGPT. Leurs résultats aux exercices ont progressé de 48 % ; une fois l'outil retiré, leurs notes étaient inférieures de 17 % à celles des élèves qui ne l'avaient jamais eu. Avec une version conçue pour faire travailler l'élève, la perte disparaissait, sans gain mesurable. En janvier 2026, Anthropic↗, l'entreprise qui vend l'assistant Claude, a fait apprendre une bibliothèque de programmation à 52 ingénieurs, en majorité juniors.

L'écart le plus fort portait sur le débogage, c'est-à-dire sur la capacité à vérifier un code. Le gain de vitesse des ingénieurs équipés, environ 2 minutes, n'était pas significatif.

L'objection la plus sérieuse vient d'une expérience souvent citée. Dans le centre d'assistance d'un éditeur de logiciels↗, des chercheurs de Stanford et du MIT ont suivi plus de 5 000 agents. Ceux qui avaient l'assistant dès leur arrivée résolvaient en 2 mois autant de demandes par heure que leurs collègues sans assistant en 8 à 10 mois. Si l'IA fait gagner des mois de formation, la question de la formation pourrait se régler d'elle-même. Les auteurs notent qu'une entreprise pourrait alors embaucher plus de débutants comme en embaucher moins, et que leurs données ne le disent pas.

Ils ont aussi mesuré ce qui reste sans l'outil, pendant ses pannes. Les agents équipés restaient au-dessus de leur niveau d'avant l'IA, d'autant plus qu'ils avaient suivi l'outil de près, et les auteurs y voient la trace d'un apprentissage durable. Sur leurs courbes d'ancienneté, en revanche, ils écrivent ne pas pouvoir distinguer un agent qui apprend d'un agent qui suit les recommandations.

Il existe donc 3 mesures de ce qui reste sans l'outil, et elles divergent. Au centre d'assistance, le gain demeure. Chez les lycéens turcs et chez les ingénieurs d'Anthropic, dans 2 expériences tirées au sort, la compétence baisse quand l'IA a fait l'exercice.

Notre lecture est que l'écart tient à la nature de la tâche. Au centre d'assistance, l'outil proposait les réponses des meilleurs agents à des demandes qui reviennent, et les suivre revenait à les apprendre. Chez les lycéens et les ingénieurs, l'outil donnait la solution d'exercices dont le but était de comprendre. L'IA semble aider le débutant qui fait encore le travail, et lui nuire quand elle le fait à sa place. Aucune étude ne mesure encore cette différence chez des débutants en entreprise, ni ne les suit pendant plusieurs années. Pour une organisation, la question utile porte sur les tâches que ses débutants font encore eux-mêmes, et sur le temps que ses salariés expérimentés passent à relire leur travail.