Ce qui a été publié aujourd’hui
Erik Brynjolfsson, Bharat Chandar et Ruyu Chen, du Stanford Digital Economy Lab, ont révisé aujourd’hui « Canaries in the Coal Mine? », en étendant l’étude jusqu’à juin 2026 sur les données administratives de paie ADP couvrant des millions de salariés américains.
L’emploi des 22-25 ans dans les métiers exposés à l’IA se situe désormais 19 % en dessous de ce qu’il serait s’il avait suivi celui de leurs pairs moins exposés. La version de novembre 2025 chiffrait le même écart à 16 %.
Cela mérite un temps d’arrêt avant toute chose. Le résultat n’est pas un instantané qui se confirme : c’est une série, et elle s’écarte. Un lecteur qui a vu le titre il y a neuf mois et classe celui-ci en « encore la même histoire » a manqué la seule chose qui ait changé.
| Version | Données jusqu’à | Écart d’emploi relatif |
|---|---|---|
| November 2025 | mid-2025 | 16% |
| Revised 12 August 2026 | June 2026 | 19% |
Les quatre phrases qui ne survivront pas au titre
Une baisse d’emploi de 19 % se lit comme un licenciement de masse. L’étude dit l’inverse, avec ses propres mots, à quatre reprises.
Elle ne relève aucune preuve d’un déplacement massif de l’emploi à l’échelle de l’économie. L’écart passe principalement par une baisse des embauches de jeunes actifs plutôt que par une hausse des départs. L’ajustement s’opère par l’emploi et non par la rémunération de base. Et les baisses se concentrent dans les métiers où l’IA se substitue aux tâches humaines, tandis que là où elle complète le travail, l’emploi est stable ou en hausse.
En clair : ceux qui sont déjà entrés ne sont ni poussés dehors ni moins payés. La porte s’ouvre moins souvent, dans certains métiers et pas dans d’autres. C’est un phénomène plus lent, plus discret et plus sélectif qu’une vague de licenciements, et il appelle une réponse entièrement différente de la part de quiconque débute.
| La question | Ce que dit l’étude |
|---|---|
| Les jeunes actifs sont-ils licenciés ? | Non. L’écart passe par une baisse des embauches, pas par une hausse des départs. |
| Leurs salaires baissent-ils ? | Non. L’ajustement porte sur l’emploi, pas sur la rémunération de base. |
| Est-ce toute l’économie ? | Non. Les auteurs ne trouvent aucune preuve d’un déplacement généralisé. |
| Est-ce tous les métiers exposés ? | Non. Les baisses se concentrent là où l’IA se substitue aux tâches ; là où elle complète, l’emploi est stable ou en hausse. |
Substituer ou compléter : la seule ligne qui dit quoi faire
Tout dans ce résultat est descriptif, sauf un point. « L’IA se substitue aux tâches » contre « l’IA complète la personne » est la distinction qui sépare les métiers où l’écart s’est creusé de ceux où l’emploi a tenu ou progressé — et c’est la seule ligne de l’étude sur laquelle un jeune de vingt-trois ans peut agir cette semaine.
C’est aussi celle qu’on coupe. Elle survit mal à un titre, elle résiste à un chiffre unique, et elle oblige à dire que l’effet est inégal, ce qui satisfait moins que de le dire universel.
La forme utile de la question n’est pas « mon secteur est-il automatisé ». Elle est plus étroite et plus réponsable : dans le poste précis auquel je m’apprête à consacrer ma soirée, l’outil fait-il la tâche à ma place, ou me rend-il plus rapide ? L’étude ne peut pas répondre pour votre présélection. Elle peut vous dire que la question est la bonne.
Les auteurs publient la limite de leur propre preuve
Deux réserves figurent dans l’étude plutôt que dans sa reprise, et toutes deux viennent des auteurs.
Ils présentent leurs résultats comme des indicateurs descriptifs précoces — des canaris dans la mine — et non comme des estimations causales. L’étude ne prétend pas avoir prouvé que l’IA a causé l’écart ; elle affirme que l’écart existe et qu’il a la forme de ce que l’IA produirait.
Et ils notent que les effets sont plus marqués dans l’échantillon ADP que dans les enquêtes nationales de référence. C’est une équipe de recherche qui vous dit, sans qu’on le lui demande, que ses propres données tournent plus chaud que le tableau national. Très peu de ce que vous lirez sur cette étude portera cette phrase, et c’est pourtant l’élément le plus utile pour juger du poids que le 19 % peut supporter.
Ce que cela change dans une recherche d’emploi, et ce que nous savons ou non faire
Si le mécanisme est l’embauche absente et non le renvoi, alors la ressource rare pour un jeune candidat n’est pas la résilience. C’est l’information sur les portes encore ouvertes, assez tôt pour y consacrer sa soirée plutôt qu’aux autres.
Cette rédaction appartient à une société qui édite une application emploi : autant être précis sur ce que cela résout et ne résout pas. Nous notons chaque poste sur six dimensions publiées et les affichons toutes avant que vous postuliez, ce qui permet de voir où un poste vous convient mal sans y passer la soirée. Cela aide à répartir l’effort. C’est la bonne forme d’aide sur un marché où la contrainte est de savoir quelles candidatures valent la peine.
Ce que nous ne savons pas faire, c’est vous dire si un poste donné relève de la substitution ou de la complémentarité. Rien dans nos données ne le porte, et la réponse honnête est que les travaux de Stanford sur l’exposition par métier sont un meilleur guide que quoi que ce soit sur notre site. Nous préférons le dire plutôt que laisser une distinction utile se faire absorber en argument produit.
Les six dimensions sur lesquelles la société de cette rédaction note chaque poste, et l’audit qui les teste, sont sur babzituna.com/bias. Ni l’un ni l’autre ne vous dit si un poste est automatisé ou augmenté ; l’étude ci-dessus est le meilleur guide pour cela.