Traduction de Why I’m Worried About Job Loss + Thoughts on Comparative Advantage par claywren sur Lesswrong, 13 février 2026.
David Oks a publié hier1Voir traduction de cet article : Pourquoi je ne m’inquiète pas pour les pertes d’emploi liées à l’IA un essai très bien écrit dans lequel il affirme que la panique actuelle concernant la suppression d’emplois par l’IA est exagérée. Je suis d’accord avec certaines de ses prémisses (et je suis ravi de constater que nous sommes tous deux fans de Lars Tunbjörk), mais je suis en désaccord avec la plupart d’entre elles et j’arrive à des conclusions très différentes. Je constate que d’autres économistes partagent le point de vue de M. Oks, j’ai donc pensé qu’il serait préférable d’illustrer ma perspective sur l’économie et le travail et d’expliquer pourquoi j’ai choisi d’étudier les risques de perte progressive d’autonomie.
Ma thèse principale est simple : Oks a peut-être raison au sujet de l’avantage comparatif et des goulets d’étranglement, mais il a tort de dire que « les gens ordinaires n’ont pas à s’inquiéter ». Un marché du travail peut rester « employé » tout en se détériorant structurellement pour les travailleurs en raison de la pression sur les salaires, de l’effondrement des filières et de la captation des excédents par le capital.
J’écris ceci parce que je constate sans cesse le même raisonnement dans le discours sur l’économie et l’IA : une affirmation théoriquement correcte sur la production est utilisée pour faire une prédiction empirique sur le bien-être général. Je me soucie moins de la question binaire « y aura-t-il des emplois ? » que des questions qui déterminent si cette transition est bénigne : combien d’emplois, à quel salaire, avec quel pouvoir de négociation, et qui détient les systèmes générant les excédents.
Les arguments d’Oks sont les suivants :
1 : L’avantage comparatif préserve le travail humain
« … La substitution du travail est une question d’avantage comparatif, et non d’avantage absolu. La question n’est pas de savoir si l’IA peut accomplir des tâches spécifiques que font les humains. Il s’agit de savoir si la production globale des humains travaillant avec l’IA est inférieure à ce que l’IA peut produire seule : en d’autres termes, s’il existe un moyen pour que l’ajout d’un humain au processus de production augmente ou améliore la production de ce processus. »
Oks reprend ici l’argument ricardien, et je pense qu’il est correct dans son orientation en tant que description de nombreux flux de travail actuels. Nous sommes dans une « ère cyborg » où les humains associés à l’IA surpassent souvent l’IA seule, en particulier sur des problèmes dont les objectifs ne sont pas clairs ou qui ont un contexte lourd. Mais je ne pense pas que le cadre de l’avantage comparatif fasse le travail qu’Oks souhaite, car il omet les variables qui déterminent si les travailleurs « vont bien ».
Premièrement, l’avantage comparatif vous dit que certains travaux humains resteront précieux dans certainesconfigurations, mais ne dit rien sur les salaires, le nombre d’emplois ou la répartition des gains. Vous pouvez avoir un avantage comparatif et subir malgré tout des déplacements massifs, un effondrement des salaires et une concentration des rendements vers le capital. Un monde où les humains conservent un « avantage comparatif » dans une poignée de tâches résiduelles à une fraction des salaires actuels est techniquement cohérent avec le cadre d’Oks, mais il est évidemment préoccupant et certainement pas satisfaisant.
Un autre problème lié au cadre de l’avantage comparatif (et je pense que c’est un problème qui touche la plupart des prévisions en matière d’IA/d’économie) est qu’il suppose implicitement que la plupart des travailleurs possèdent le type de connaissances stratégiques tacites et hautement contextuelles qui complètent l’IA. La poursuite de l’« ère cyborg » présuppose que les travailleurs ont quelque chose d’irremplaçable à apporter (jugement, contexte institutionnel, orientation créative). Je suis d’accord avec cela pour certains emplois, mais cela ne suffit pas pour que je cesse de m’inquiéter de la perte d’emplois.
Dans le capitalisme, les entreprises sont rationnelles et cherchent à minimiser leurs coûts. Elles orienteront leur production vers la combinaison d’intrants qui offre le meilleur rendement par dollar (sauf politique contraire). Oks et David Graeber, dans leur thèse « Bullshit Jobs », s’accordent sur le point empirique selon lequel les organisations sont truffées d’inefficacités et que de nombreux rôles existent non pas parce qu’ils sont maximaux en termes de productivité, mais en raison de signaux sociaux et de défaillances de coordination. Oks considère cette inefficacité comme un tampon qui protège les travailleurs. Mais si une part importante des rôles existants implique des tâches cognitives codifiables et routinières, alors ils ne sont pas du tout protégés par un avantage comparatif. Ils sont protégés par le capital social et les frictions organisationnelles, ces dernières étant, selon moi, appelées à s’éroder (nous en discuterons plus tard).
Oks présente certaines preuves qui démontrent une protection contre le déplacement – j’admets que les contre-preuves sont jusqu’à présent peu concluantes et contaminées par de nombreux autres facteurs économiques. Je citerai l’étude « Canaries in the Coal Mine » d’Erik Brynjolfsson, car je pense qu’elle illustre la tendance que nous continuerons à observer au cours des deux ou trois prochaines années avant l’AGI.
Brynjolfsson a analysé des millions de registres de paie ADP et a constaté une baisse relative de 13 % de l’emploi chez les travailleurs en début de carrière (âgés de 22 à 25 ans) dans les professions exposées à l’IA depuis fin 2022. Pour les jeunes développeurs de logiciels en particulier, l’emploi a chuté de près de 20 % par rapport à son pic de 2022. Dans le même temps, l’emploi des travailleurs expérimentés dans les mêmes professions est resté stable ou a augmenté.
Quel est donc le mécanisme à l’œuvre ? L’IA remplace les connaissances codifiées, c’est-à-dire celles que l’on acquiert en classe ou dans les manuels scolaires, mais elle a du mal à remplacer les connaissances tacites, c’est-à-dire le jugement empirique qui s’accumule au fil des années de travail. C’est pourquoi les seniors sont épargnés et les juniors ne le sont pas. Mais la thèse d’Oks considère cela comme une assurance : vous voyez, les humains qui possèdent des connaissances approfondies ont toujours un avantage comparatif ! Je pense qu’il s’agit plutôt d’un luxe réservé aux travailleurs seniors, et que la protection des « seniors » va monter en flèche dans la hiérarchie au fil du temps.
Quelques autres statistiques (là encore, pas totalement concluantes, mais qui méritent d’être mentionnées) :
- Le chômage des jeunes a atteint 10,8 % en juillet 2025, soit le taux le plus élevé depuis la pandémie, alors même que le chômage global restait faible.
- Les offres d’emploi pour les postes de débutants ont diminué d’environ 35 % entre janvier 2023 et fin 2024 aux États-Unis.
- Les embauches de nouveaux diplômés dans les grandes entreprises technologiques ont chuté de plus de 50 % entre 2019 et 2024, seuls 7 % des nouvelles recrues en 2024 étant des diplômés récents.
- Une étude de Harvard a corroboré ces conclusions : le nombre d’emplois pour les débutants dans les entreprises adoptant l’IA a chuté de 7,7 % en seulement six trimestres à partir du début de 2023, tandis que l’emploi des seniors a continué à augmenter régulièrement.
Il s’agit d’une disparition du premier échelon de l’échelle professionnelle, qui a toujours eu une double fonction : produire des résultats et former la prochaine génération de travailleurs seniors. On peut citer d’autres sources d’emploi (professeurs de yoga, streamers, entraîneurs physiques) ou indiquer que le recrutement de débutants ralentit en raison d’autres forces économiques, mais je pose la question suivante : toute la génération de nouveaux diplômés universitaires, riches en connaissances codifiées mais dépourvus de connaissances tacites, trouvera-t-elle des postes complémentaires à l’IA ? Ou les entreprises ralentiront-elles le recrutement et profiteront-elles du rythme de production de leurs employés seniors augmentés ? Quel est le coût de la main-d’œuvre pour les diplômés débutants par rapport au coût de plus en plus faible de l’inférence ?
2 : Les goulots d’étranglement organisationnels ralentissent le remplacement
« Les gens sous-estiment souvent l’inefficacité qui règne dans pratiquement tous les domaines, et la fréquence à laquelle ces inefficacités peuvent être réduites à des goulots d’étranglement causés simplement par le fait que les humains sont humains… Les processus de production sont régis par leurs intrants les moins efficaces : plus les intrants les plus efficaces sont productifs, plus les intrants les moins efficaces ont de l’importance. »
C’est la partie la plus forte de l’essai et elle recoupe largement mon propre travail de modélisation. La distance entre les capacités techniques et le remplacement effectif de la main-d’œuvre est grande, variable d’un domaine à l’autre et régie par plusieurs contraintes indépendantes de l’intelligence du modèle. Le fait que le GPT-3 soit disponible depuis six ans sans automatiser les tâches de bas niveau est une bonne preuve empirique, même si je ne suis pas d’accord avec l’idée que les modèles de l’ère GPT-3 ou GPT-4 pourraient automatiser le service client (ils auraient besoin d’outils, d’une meilleure mémoire et d’une meilleure latence vocale pour y parvenir).
L’analyse présente une lacune dans la mesure où elle traite les goulots d’étranglement comme s’ils étaient des caractéristiques statiques du paysage plutôt que des obstacles sur la voie d’une force d’accélération. Oks reconnaît qu’ils s’érodent avec le temps, mais n’aborde pas le rythme de cette érosion ni le fait que l’IA elle-même pourrait accélérer leur élimination.
L’exemple ci-dessous est probablement exagéré, mais c’est le pire scénario possible pour Claude. Certaines de ces décisions agentives correspondent-elles à ce que nous classerions auparavant comme des frictions organisationnelles ?
Dans ma propre modélisation, j’estime les coefficients de friction organisationnelle pour différents secteurs et types d’emplois. L’argument des goulots d’étranglement est solide pour 2026-2029, mais je pense qu’il est considérablement plus faible pour 2030-2034. Oks cite l’exemple de l’électricité, dont la diffusion a pris des décennies, mais admet que le calendrier n’est pas similaire. Je suis d’accord, ce n’est pas similaire, et les données indiquent de plus en plus une courbe en S comprimée où l’adoption est lente jusqu’à ce qu’elle ne le soit plus.
L’argument du goulot d’étranglement avancé par Oks concerne uniquement les opérateurs historiques, c’est-à-dire les grandes entreprises existantes qui ont accumulé des dettes d’infrastructure. Que se passera-t-il lorsque les structures organisationnelles natives de l’IA entreront en concurrence avec ces entreprises traditionnelles ? Le goulot d’étranglement infrastructurel est un fossé qui ne protège les opérateurs historiques que jusqu’à ce que quelqu’un le franchisse.
3 : L’intelligence n’est pas le facteur limitant, et la demande élastique absorbera les gains de productivité
« L’expérience de ces dernières années devrait nous le montrer clairement : l’intelligence n’est pas le facteur limitant ici… même pour les tâches les plus simples du monde réel, nous sommes dans un monde de goulets d’étranglement. »
« La demande pour la plupart des choses créées par les humains est beaucoup plus élastique que nous ne le pensons aujourd’hui. En tant que société, nous consommons toutes sortes de choses – non seulement de l’énergie, mais aussi des contenus écrits et audiovisuels, des services juridiques, des « services aux entreprises » au sens large – en quantités qui étonneraient les gens qui vivaient il y a quelques décennies, sans parler de ceux qui vivaient il y a quelques siècles. »
Je m’appuierai ici un peu sur les derniers articles de Dean W. Ball sur l’auto-amélioration récursive, ainsi que sur certaines preuves empiriques de pertes d’emplois. Oks écrit comme si nous n’avions pas encore assisté à des remplacements significatifs – je dirais que c’est le cas, dans les limites des capacités des modèles actuels.
Au-delà de la crise des emplois de premier échelon évoquée précédemment, les remplacements touchent déjà les professionnels en milieu de carrière dans les domaines de la création et du savoir. Voir les rapports liés aux illustrateurs et graphistes, traducteurs, rédacteurs et licenciements d’entreprise explicitement liés à l’IA.
Les modèles qui font cela ne sont même pas encore particulièrement performants. Ces pertes se produisent avec des modèles de classe GPT-4 et les premiers modèles de classe GPT-5, des modèles qui hallucinent encore, produisent des textes longs médiocres, ne savent pas bien concevoir et ne peuvent pas gérer de manière fiable un raisonnement complexe en plusieurs étapes. Si ce niveau de capacité détruit déjà l’illustration, la traduction, la rédaction et la création de contenu, que se passera-t-il lorsque nous atteindrons l’auto-amélioration récursive ? Il faudrait mener des recherches supplémentaires pour voir comment les designers/traducteurs/rédacteurs, etc. déplacés se recyclent et trouvent un nouvel emploi, mais j’estime que cela est extrêmement difficile sur le marché du travail actuel.
Remarquez la répartition : ce ne sont pas les directeurs créatifs, les directeurs artistiques seniors ou les traducteurs principaux possédant une expertise de niche qui sont touchés. Ce sont tous ceux qui se trouvent en dessous d’eux : les juniors, les freelances en milieu de carrière, les personnes qui effectuent le travail de masse. L’argument de l’avantage comparatif d’Oks peut s’appliquer à la personne au sommet de la hiérarchie, dont le goût et le jugement complètent l’IA, mais il n’apporte aucun réconfort aux vingt personnes qui travaillent sous ses ordres.
Ensuite, nous examinerons le surplus de capacités. Nous n’avons même pas encore vu de modèles entraînés sur des puces de la génération Blackwell, et les modèles atteignent déjà la capacité de construire leurs prochaines mises à niveau.
De nouveaux centres de données gigantesques seront mis en service cette année. L’argument d’Oks selon lequel « le GPT-3 existe depuis six ans et rien de catastrophique ne s’est produit » consiste à examiner les capacités de 2020 à 2025 et à extrapoler vers l’avenir, juste avant qu’un changement radical ne se produise simultanément dans les progrès informatiques et algorithmiques. La rivière n’a pas débordé, mais le barrage s’est fissuré.
Ball soulève un autre point intéressant dans ses essais : il existe une différence entre une IA plus rapide pour effectuer les mêmes tâches et une IA qualitativement différente, à l’image d’une Bugatti roulant à 300 km/h au lieu de 200 km/h et d’une Bugatti qui apprend à voler. L’analyse d’Oks repose entièrement sur des améliorations progressives que les frictions organisationnelles peuvent absorber. Mais, là encore, la recherche automatisée en IA soulève la possibilité de capacités qui contournent les structures organisationnelles existantes plutôt que d’essayer de les pénétrer. Un système d’IA qui gère de manière autonome les processus métier de bout en bout n’a pas besoin de naviguer entre les politiques internes et les systèmes hérités.
Quant à l’argument du paradoxe de Jevons (souvent cité), selon lequel la demande élastique absorbera les gains de productivité, je pense qu’il est vrai pour certaines catégories de production, mais qu’il est choisi de manière sélective comme principe général. Les logiciels sont l’exemple central d’Oks, et il est bien choisi : la demande en logiciels est élastique car il s’agit d’un outil à usage général. Mais quelqu’un croit-il que la demande en matière de révision de documents juridiques est infiniment élastique ? En matière de préparation fiscale ? En matière de montage vidéo indépendant ? Il s’agit de marchés limités où les gains de productivité se traduisent assez directement par des réductions d’effectifs, et j’ai encore du mal à comprendre comment nous pouvons dire aux personnes dont les postes ont été supprimés lors de la première vague de se perfectionner ou de trouver de nouvelles carrières.
Quelqu’un a commenté sous le post d’Oks un autre exemple que je vais reprendre. Alors que la production manufacturière mondiale s’est déplacée vers la Chine et d’autres régions à faibles coûts de production, la production manufacturière totale a continué à augmenter plutôt qu’à diminuer, un effet d’échelle à la Jevons où une production moins chère a augmenté la consommation globale. Les travailleurs américains du secteur manufacturier ont toutefois subi des pertes concentrées. Les gains ont profité de manière disproportionnée aux consommateurs, aux entreprises et aux détenteurs de capitaux, tandis que de nombreux travailleurs déplacés (en particulier dans les régions industrielles du Midwest) ont été confrontés à un déclin économique à long terme qui a contribué à alimenter une réaction politique plus large contre la mondialisation.
Nous pouvons également citer un cas concret : la génération de vidéos par IA. Des modèles tels que Veo 3.1 et Seedance 2.0 produisent des séquences quasi réalistes avec un son natif, des dialogues synchronisés et, surtout, un jugement éditorial automatisé. Les utilisateurs téléchargent des images, des vidéos et des fichiers audio de référence, et le modèle assemble des séquences cohérentes à plusieurs plans correspondant à l’ambiance et à l’esthétique qu’ils recherchent. Seedance 2.0 a été commercialisé cette semaine.
L’industrie américaine du cinéma et de la production vidéo emploie environ 430 000 personnes (producteurs, réalisateurs, monteurs, caméramans, techniciens du son, artistes VFX), auxquelles s’ajoutent des centaines de milliers d’autres dans la production commerciale connexe : vidéos d’entreprise, contenu social, spots publicitaires, matériel éducatif. Le processus entre « quelqu’un a une idée pour une vidéo » et « un spectateur la regarde » emploie une main-d’œuvre intermédiaire considérable.
L’argument de la demande élastique avancé par Oks laisserait présager qu’une production vidéo moins coûteuse se traduirait simplement par plus de vidéos, avec un nombre total d’emplois à peu près équivalent. Et il est vrai que la demande de contenu vidéo est énorme : McKinsey note que l’Américain moyen passe désormais près de sept heures par jour à regarder des vidéos sur différentes plateformes. Mais je contesterais sa thèse : le nombre de personnes actuellement employées entre le producteur et le consommateur est-il équivalent au nombre de personnes qui seront nécessaires lorsque l’IA aura fait disparaître toute cette couche intermédiaire ? Lorsqu’une seule personne dotée d’une vision créative peut inciter Seedance/Veo/Sora à produire une publicité soignée qui nécessitait auparavant un réalisateur, un directeur de la photographie, un monteur, un coloriste et un concepteur sonore, la demande élastique pour la production se traduit-elle par une demande élastique pour la main-d’œuvre ?
Les gens peuvent désormais produire des animes IA raffinés pour environ 5 à 100 dollars. Ce contenu existe, mais la main-d’œuvre nécessaire n’existe pas. Donc, oui, il y aura beaucoup plus de contenu vidéo dans le monde. Mais la fonction de production a changé ; le rapport entre le travail humain et la production a changé de plusieurs ordres de grandeur. L’élasticité de la demande se trouve dans le contenu, pas dans la main-d’œuvre.
Pour résumer : le paradoxe de Jevon dans la production globale est parfaitement compatible avec des effets distributifscatastrophiques. Il est possible d’avoir une activité économique totale plus importante tout en ayant des millions de personnes dont les compétences spécifiques et les marchés du travail locaux sont détruits. Les personnes qui sont déplacées à l’heure actuelle ne sont pas des cas marginaux, ce sont des illustrateurs, des traducteurs, des rédacteurs, des graphistes, des producteurs vidéo et des artistes 3D à qui on a dit que leurs compétences seraient toujours précieuses parce qu’ils étaient « créatifs ». Le cadre global efface ces personnes, et il en effacera d’autres.
4 : Nous inventerons toujours de nouveaux emplois à partir des excédents
« Nous inventerons des emplois parce que nous le pouvons, et ces emplois se situeront quelque part entre les loisirs et le travail. En effet, c’est toute l’histoire de la vie humaine depuis le premier excédent agricole. Pendant toute la période où nous avons cherché des moyens plus productifs de produire des biens, nous avons utilisé les excédents que nous générions pour faire des choses qui s’éloignaient de plus en plus des nécessités de la survie. »
Il s’agit d’un argument par induction : les transitions technologiques précédentes ont toujours généré de nouvelles catégories d’emploi, donc celle-ci le fera aussi. La prémisse est correcte, le schéma est réel et bien documenté. Je ne le conteste pas.
Le problème réside dans la question de la classe de référence. Chaque transition précédente a impliqué une ascension de l’échelle cognitive pour les humains, passant du travail physique à un travail cognitif de plus en plus abstrait. Oks le mentionne : l’automatisation agricole a poussé les gens vers l’industrie manufacturière, puis l’automatisation de l’industrie manufacturière les a poussés vers les services, puis l’automatisation des services les a poussés vers le travail intellectuel. Les nouveaux emplois qui ont émergé étaient toujours des emplois cognitifs. Cette fois-ci, c’est le domaine cognitif lui-même qui est automatisé.
Je ne pense pas que cela signifie qu’aucune nouvelle catégorie d’emploi n’émergera. Mais l’affirmation d’Oks selon laquelle « les gens trouveront des choses étranges et intéressantes à faire de leur vie » ne répond pas à trois questions essentielles : le parcours de transition (comment les gens passent-ils concrètement d’un emploi perdu à un nouvel emploi ?), les niveaux de revenus (les nouvelles activités seront-elles rémunérées de manière comparable à celles qu’elles remplacent ?) et la propriété (le surplus qui permet ces activités sera-t-il largement partagé ou détenu par une poignée de personnes ?) . Il y a également le problème de la filière débutant → senior que j’ai mentionné plus tôt.
Le fait de considérer les « loisirs » comme une fin en soi est révélateur. Si le travail humain devient vraiment superflu, ce ne sera pas un monde où les « gens ordinaires » se porteront bien par défaut, mais plutôt un monde où l’ensemble du système économique devra être repensé. Oks traite cela comme une préoccupation lointaine. Je dirais que c’est la chose la plus préoccupante, car les politiques doivent être élaborées avant d’en arriver là, et non après.
5 : Ce qui manque
Le problème le plus profond de l’essai d’Oks réside dans son cadre, plutôt que dans ses affirmations individuelles. Toute son analyse est centrée sur le travail : les humains auront-ils encore des emplois ? Je pense que cette question mérite certainement d’être posée, mais qu’elle est également incomplète.
Je vais être indulgent et dire que la section suivante couvre un aspect qu’il n’a pas abordé (plutôt que de ne pas l’avoir pris en considération), mais il affirme que « les gens ordinaires n’ont pas à s’inquiéter », ce qui me semble être un mauvais cadrage.
La bonne question est : qui récupère le surplus ? Cela vaut-il la peine de s’en inquiéter ?
Si l’IA rend la production 10 fois plus efficace et que tous ces gains reviennent aux propriétaires des systèmes d’IA et à l’infrastructure financière qui les sous-tend, alors le fait que les « gens ordinaires » conservent leur emploi avec des salaires réels stagnants ou en baisse dans un monde où les propriétaires d’IA sont riches n’est pas « acceptable ». Il s’agit d’une augmentation massive et sans précédent de l’inégalité. L’argument de l’avantage comparatif est parfaitement compatible avec un monde où le travail humain est techniquement présent, mais où il capte une part de valeur de plus en plus réduite.
C’est ce sur quoi j’ai travaillé dans un document politique à paraître : la question de savoir comment les structures de propriété des systèmes d’IA détermineront si les gains de productivité seront largement répartis ou concentrés. Les modèles d’équité des infrastructures, les structures de propriété des travailleurs, la création de demande structurelle : tels sont les mécanismes qui déterminent si la transition vers l’IA sera bénigne ou catastrophique. La thèse d’Oks n’apporte pas de réponse évidente à cette question.
Oks a raison de dire qu’une panique irréfléchie pourrait produire de mauvais résultats en matière de réglementation. Mais un optimisme complaisant qui décourage le travail acharné nécessaire à la mise en place de nouvelles structures de propriété, de mécanismes de redistribution et de soutien à la transition est tout aussi dangereux, et sans doute plus probable compte tenu de la répartition actuelle du pouvoir. Les transitions technologiques n’ont jamais eu de conséquences bénignes par défaut. Elles ont été le fruit d’une conception institutionnelle délibérée : droit du travail, application des lois antitrust, éducation publique, assurance sociale.
Je ne pense pas que nous devrions dire aux gens « ne vous inquiétez pas ». Nous devons nous inquiéter des bonnes choses. Réfléchissez sérieusement à qui sera propriétaire des systèmes qui sont sur le point de devenir les actifs les plus productifs de l’histoire de l’humanité, et demandez-vous si les cadres institutionnels actuellement mis en place vous permettront de partager les gains. La différence entre un bon et un mauvais résultat réside dans l’économie politique et la propriété, et l’histoire montre que lorsque nous laissons cette question suivre son cours, ce sont les gens ordinaires qui en font les frais.
Les traductions de 2026 (.xlsx) – celles de 2025 (.html) – par Gilles en vrac
Les caractères gras sont de l’auteur.
Notes
- 1Voir traduction de cet article : Pourquoi je ne m’inquiète pas pour les pertes d’emploi liées à l’IA ↩︎