IA et emploi : le Trésor alerte sur l’exposition des cadres qualifiés

Dans une note publiée le 30 juin 2026, la Direction générale du Trésor acte un renversement historique : ce ne sont plus les emplois peu qualifiés, mais les métiers de cadres — finance, assurance, informatique, édition — qui figurent désormais parmi les plus exposés à l’intelligence artificielle. Un constat qui interroge frontalement la gestion des compétences et l’avenir du travail qualifié en France.

Un diagnostic officiel qui rompt avec le catastrophisme ambiant

Passée quasi inaperçue dans la presse grand public, la note Trésor-Éco n°391 signée par Martin Chopard, Elisa Cotet, Tristan Gantois et Eloïse Villani tranche pourtant avec les discours alarmistes sur la « fin du travail ». Selon la Direction générale du Trésor, organisme de conseil économique du ministère de l’Économie, l’effet net de l’intelligence artificielle sur l’emploi reste, à ce stade, indéterminé.

Cette prudence assumée repose sur un constat empirique : l’IA agit via deux canaux opposés. D’un côté, elle peut se substituer à des travailleurs en automatisant leurs tâches. De l’autre, elle génère des gains de productivité susceptibles de créer de nouveaux emplois, de libérer du temps pour des activités à plus forte valeur ajoutée, ou de faire émerger des métiers inédits. Faute de recul suffisant — l’IA générative (ChatGPT, Claude, Copilot) ne s’est massivement diffusée qu’à partir de 2023 — les travaux disponibles ne permettent pas encore de trancher.

Ce qui est certain, en revanche, c’est que la nature des emplois exposés a radicalement changé. Et c’est là que réside l’apport majeur de cette analyse.

Le grand basculement : quand les cols blancs deviennent la cible

Contrairement aux trois révolutions industrielles précédentes — mécanique, électricité, informatique — qui ont d’abord impacté les emplois manuels puis administratifs peu qualifiés, l’IA générative cible directement les knowledge workers : ceux dont le métier repose sur le traitement d’information et la production intellectuelle.

Les secteurs identifiés par le Trésor — finance, assurance, informatique, édition — partagent une caractéristique commune : une forte composante de tâches codifiables. Analyse de données financières, rédaction de rapports standardisés, évaluation de risques assurantiels, programmation logicielle, production de contenus éditoriaux : autant de missions que les Large Language Models (LLM) peuvent désormais assister, voire réaliser de manière autonome.

Selon une étude de Coface citée dans les sources complémentaires, 18 % des tâches réalisées par les salariés en Suisse pourraient être automatisées grâce à l’IA, plaçant le pays parmi les plus exposés aux côtés du Royaume-Uni. La Suisse, comme la France, concentre de nombreux emplois qualifiés et sièges sociaux d’entreprises, deux facteurs aggravants.

Ce renversement invalide le « contrat implicite » qui structurait les parcours professionnels depuis les années 1980 : études longues = sécurité de l’emploi + statut social. Désormais, le diplôme seul ne protège plus.

Quatre secteurs dans l’œil du cyclone

Finance : l’analyse automatisée

Les analystes financiers, chargés d’études de marché, gestionnaires de portefeuille juniors figurent en première ligne. Selon des études sectorielles, GitHub Copilot et ses équivalents financiers (Bloomberg GPT) peuvent déjà traiter 40 % des tâches d’analyse de premier niveau : agrégation de données, détection d’anomalies, génération de rapports standardisés.

Le paradoxe : ces gains de productivité ne se traduisent pas nécessairement par des suppressions de postes, mais par une redéfinition du métier. L’analyste devient superviseur et valideur critique des outputs IA, avec une pression accrue sur les compétences distinctives : expertise sectorielle pointue, capacité de synthèse stratégique, relation client complexe.

Assurance : la tarification algorithmique

Les actuaires, souscripteurs, gestionnaires de sinistres voient une partie croissante de leurs missions automatisée. L’IA excelle dans l’évaluation de risques à partir de données massives, la tarification dynamique, la détection de fraude. Une étude citée par Actu IA révèle que les métiers de l’assurance figurent parmi les plus transformés par les LLM, avec près d’un quart des professions impactées.

Ici aussi, l’enjeu n’est pas tant la disparition des emplois que leur recomposition : les tâches routinières (traitement de dossiers simples) disparaissent, les cas complexes nécessitant jugement humain et négociation subsistent.

Informatique : les créateurs dévorés par leur création

Le cas des développeurs illustre un paradoxe saisissant : les créateurs de l’IA sont eux-mêmes exposés à leurs créations. GitHub Copilot écrit déjà 40 % du code sur la plateforme, et des IA comme Devin (2024) peuvent coder des applications complètes de manière autonome.

Cette situation invalide la stratégie de reconversion refuge vers le numérique. L’informatique, perçue comme LE secteur d’avenir, connaît elle-même une transformation profonde. Les développeurs juniors, dont le rôle d’apprentissage reposait sur l’écriture de code simple supervisé, se trouvent privés de cette étape formatrice — un effet « déqualification des juniors » peu anticipé par les entreprises.

Édition : la production de contenu assistée

Rédacteurs techniques, journalistes spécialisés, traducteurs, correcteurs : les métiers de la chaîne éditoriale sont directement concernés par l’IA générative. ChatGPT, Claude ou Jasper peuvent produire des contenus structurés, traduire, corriger, adapter des textes à différents publics.

Là encore, la question n’est pas binaire (remplacement total ou absence d’impact), mais celle d’une recomposition du métier : l’humain devient curateur, valideur, garant de la qualité et de l’originalité, là où la machine produit le premier jet.

Formation et reconversion : l’urgence d’une réponse systémique

Face à ce diagnostic, la note du Trésor souligne implicitement l’insuffisance des dispositifs actuels. Le système français de formation continue — CPF (Compte Personnel de Formation), CEP (Conseil en Évolution Professionnelle) — a été conçu pour accompagner des transitions progressives, pas une recomposition aussi rapide et massive.

Plusieurs signaux témoignent d’une prise de conscience politique. Le 19 juin 2026, à VivaTech, le Premier ministre Sébastien Lecornu a annoncé qu’une heure d’intelligence artificielle par semaine deviendrait obligatoire pour tous les élèves de seconde dès la rentrée 2027, dans le cadre du cours de sciences numériques et technologie (SNT). Un signal clair : si l’État forme les jeunes à l’IA, ces compétences deviennent un socle pour tous.

Mais pour les actifs en poste, l’urgence est immédiate. Selon les experts RH, 40 % des compétences actuelles deviennent obsolètes tous les 3 à 4 ans dans les secteurs exposés. Attendre n’est plus une option.

Les angles morts du débat public

Si la note du Trésor documente l’exposition, elle laisse plusieurs questions cruciales en suspens.

Première zone d’ombre : la substituabilité réelle. Un métier très exposé (traducteur, par exemple) peut survivre si la qualité de l’IA reste insuffisante pour certains usages (traduction littéraire, juridique) ou si des régulations imposent la supervision humaine. L’exposition n’est pas la destruction.

Deuxième angle mort : la dimension psychologique. L’incertitude sur l’avenir professionnel génère un stress chronique chez les cadres, documenté par les baromètres RH depuis 2024. Cela impacte la productivité, la santé mentale, et pourrait accélérer les départs volontaires — une « grande démission des cols blancs » dont les prémices se dessinent déjà dans certains secteurs.

Troisième impensé : le renversement du gradient de protection. Historiquement, plus on montait en qualification, plus on était protégé de l’automatisation. L’IA inverse cette logique. Les métiers manuels complexes — plombier, électricien, coiffeur — nécessitant dextérité et adaptation à l’imprévu restent difficiles à automatiser. Un plombier pourrait gagner plus qu’un analyste financier junior en 2030, bouleversant la stratification sociale.

Trois scénarios pour 2027-2028

À moyen terme, trois trajectoires se dessinent, selon les choix de politique publique et les dynamiques économiques.

Scénario 1 : « Transformation maîtrisée ». L’État et les branches professionnelles négocient des accords de GPEC (Gestion Prévisionnelle des Emplois et Compétences) massifs. Financements de reconversions, garanties d’employabilité, régulation de l’usage de l’IA. Les métiers évoluent mais l’emploi net reste stable. Les gains de productivité sont partagés via une baisse du temps de travail ou des hausses salariales.

Scénario 2 : « Disruption brutale ». Faute d’anticipation, des vagues de licenciements touchent les fonctions support (middle management, analystes juniors). Chômage des cadres en hausse, tensions sociales. Les entreprises captent l’intégralité des gains de productivité. Creusement des inégalités entre ceux qui maîtrisent l’IA et les autres.

Scénario 3 : « Réinvention créative ». L’automatisation des tâches routinières libère du temps pour des activités à plus forte valeur ajoutée. Émergence de nouveaux métiers : éthicien IA, curateur de données, coach en transition professionnelle. L’économie se tertiarise encore plus vers les services à la personne et les métiers créatifs. Effet net positif sur l’emploi mais recomposition profonde.

Le scénario qui se réalisera dépendra de la rapidité et de l’ampleur de la réponse collective : formation massive, régulation équilibrée, partage des gains de productivité.

Conclusion : de l’exposition à l’action

La note du Trésor a le mérite de poser un diagnostic factuel dans un débat souvent saturé d’idéologie. Oui, les métiers qualifiés sont exposés. Non, cela ne signifie pas mécaniquement leur disparition. Mais cela impose une refonte profonde des stratégies de formation, d’accompagnement et de régulation.

Pour les professionnels concernés, le message est clair : l’adaptabilité et l’apprentissage continu deviennent des compétences cardinales. Tester dès maintenant les outils IA de son secteur, identifier ses tâches automatisables, développer ses compétences distinctives humaines ne relèvent plus de l’anticipation, mais de l’urgence.

Pour les décideurs publics et les directions d’entreprise, la question n’est plus « l’IA va-t-elle transformer l’emploi qualifié ? » mais « comment accompagnons-nous cette transformation pour qu’elle soit socialement acceptable et économiquement efficace ? »

La réponse à cette question dessinera le visage du travail qualifié en 2030. Et le chronomètre a déjà commencé à tourner.