La vague de remplacement par l'IA est-elle surestimée ? Barclays : seulement 20 % des compétences essentielles en milieu professionnel peuvent être fortement reproduites, mais l'effet d'amplification se propage discrètement

L'impact de l'IA sur le marché du travail pourrait s'avérer beaucoup plus modéré que ne le laissent entendre les récits dominants, mais aussi beaucoup plus profond. Les dernières recherches de Barclays révèlent qu'à peine 20 % des compétences fondamentales en milieu professionnel sont réellement susceptibles d'être fortement reproduites par l'IA, la crainte d'une vague massive de "remplacement" semble donc surestimée ; cependant, l'effet "amplificateur" de l'IA sur la productivité présente une toute autre dynamique : sa portée dépasse largement celle de l'automatisation classique et elle s'infiltre pratiquement dans tous les recoins du marché du travail.

Le 22 septembre, Barclays a publié un rapport présentant son "Cadre d'automatisation et d'amplification de l'IA" (Barclays 3A Framework), qui prend comme unité d'analyse centrale les compétences (et non les professions), afin d'évaluer de façon systématique l'impact de l'IA cognitive et de l'IA physique sur plus de 830 métiers. Les résultats montrent que le risque d'automatisation est fortement concentré sur certains groupes professionnels ; les emplois fortement exposés à l'IA cognitive sont principalement liés à l'informatique, l’ingénierie et la science, tandis que l'exposition maximale à l’IA physique concerne le bâtiment, la production, l'installation, la maintenance et les réparations. Parallèlement, les données de recrutement aux États-Unis révèlent déjà une transformation structurelle cohérente avec l'essor de l’IA : depuis 2022, la part des postes dans les métiers les plus exposés à l’automatisation est passée d’environ 30% à 25% environ.

L’explosion de la demande de compétences liées à l’IA met en lumière une autre logique : aux États-Unis, au Royaume-Uni, en France et en Allemagne, la proportion des postes exigeant des compétences en IA est passée d’environ 2% en 2019 à 6-10% en août 2026. Il est de plus en plus notable que le centre de gravité de cette demande évolue : en 2019, plus de 70% des emplois liés à l’IA relevaient du secteur technologique et de la donnée, contre 50% environ en 2026, tandis que les postes à dominante managériale passent d’environ 10% à 25%. Cela montre que l’IA se diffuse désormais au sein de l’écosystème professionnel dans son ensemble, bien au-delà des seuls domaines techniques spécialisés.

Jusqu’ici, les analyses traditionnelles sur les impacts de l’IA prenaient comme unité le « métier », alors que Barclays considère qu’un métier est un ensemble de tâches, chaque tâche regroupant différentes compétences, et que ces compétences constituent les « atomes » pour comprendre les effets de l’IA. Ainsi, l’IA est plus susceptible d’automatiser ou d’amplifier des compétences précises — telles que la collecte d’informations, la rédaction ou l’analyse de données — que de remplacer une profession dans son intégralité.

Le cadre 3A s’appuie sur la base de données du département américain du travail, qui couvre 104 compétences transversales nécessaires à l’exercice de plus de 800 métiers. Ce modèle innove selon trois axes : premièrement, il intègre à la fois l’IA cognitive et l’IA physique, couvrant intelligence numérique et intelligence incarnée ; deuxièmement, il prend la compétence (et non la tâche ou la profession) comme unité d'analyse ; troisièmement, il inclut à la fois les effets d’"automatisation" et d’"amplification"— le premier mesure dans quelle mesure l’IA peut remplacer le travail humain, le second évalue le potentiel de l’IA à accroître la productivité des compétences humaines.

Les résultats confirment que seulement environ 20% des compétences professionnelles sont jugées hautement reproductibles par l’IA ; 40% des compétences montrent une importante résistance à l’IA cognitive, tandis que plus de 70% résistent à l’IA physique, indiquant que l’impact de l’automatisation par l’IA physique reste bien plus restreint que celui de l’IA cognitive.

Concernant la distribution du risque d’automatisation, un résultat clé du rapport Barclays est que : les degrés très élevés d’exposition ne concernent qu’une minorité de métiers spécifiques, tandis que la plupart des professions sont principalement sensibles soit à l’IA cognitive soit à l’IA physique, rarement aux deux à la fois.

Les métiers les plus exposés à l'automatisation par l’IA cognitive incluent les data scientists, statisticiens et actuaires, dont les compétences clés — recherche d’information, reconnaissance de modèles, traitement de documents et prise de décisions automatisées — se recoupent largement avec les capacités de l’IA. Côté IA physique, ce sont les ouvriers agricoles, opérateurs de machines textiles, monteurs de structures métalliques, etc., dont l’activité repose sur la répétition de tâches physiques, qui sont les plus concernés.

À l’inverse, environ 120 professions présentent une faible exposition combinée aux deux types d’IA, et cela concerne près de 20% de la main-d’œuvre américaine : enseignants, professionnels de la petite enfance, coachs, et certains emplois de l’hôtellerie et du divertissement—des métiers qui reposent fortement sur l’interaction humaine, la supervision sur site ou la prestation artistique, et qui sont difficiles à automatiser.

Contrairement à la distribution concentrée du risque d’automatisation, l’effet d’amplification de l’IA se révèle beaucoup plus large et homogène. Dans le modèle de Barclays, l’effet d’amplification est le plus important pour les professions qui présentent un équilibre entre compétences automatisables, partiellement automatisables et non automatisables — l’IA prend en charge les tâches reproductibles tout en rehaussant la valeur et la productivité des compétences humaines restantes.

Les métiers de type gestion où l’effet d’amplification de l’IA cognitive est maximal regroupent les contrôleurs aériens, directeurs de services médicaux ou responsables formation—l’IA prend en charge tout le volet administratif et traitement de l’information, ce qui amplifie les aptitudes humaines de leadership, supervision ou gestion du personnel. L’effet d’amplification de l’IA physique se remarque surtout chez de nombreux mécaniciens et techniciens (comme les mécaniciens de bus ou de camions, mécaniciens industriels, etc.), où une partie des tâches routinières peut être automatisée, mais où les diagnostics, la prise de décision ou l’adaptation restent du ressort humain.

Barclays souligne que la clé dans la distribution de l’effet d’amplification, c’est que : les capacités d’automatisation de l’IA se concentrent sur certains métiers, mais l’effet de gain de productivité s’étend à un ensemble professionnel beaucoup plus vaste. Médecins, enseignants, ingénieurs — des métiers très différents — peuvent profiter de façon tangible des outils IA. Cela signifie, à long terme, que le gain global de productivité lié à l’IA pourrait surpasser son effet direct de remplacement.

Les données du marché du travail viennent appuyer ce cadre d’analyse. Selon Barclays, à partir des données LinkUp, depuis 2022, la part de postes vacants dans les métiers les plus exposés à l’automatisation est passée de près de 30% à environ 25%, la diminution la plus notable concernant les postes d’ingénieurs logiciels ; dans les métiers les moins exposés, la part a légèrement progressé, de 20% à 21-23%.

Parallèlement, la demande spécifique de compétences en IA explose. Selon Indeed Hiring Lab et d’autres sources s’appuyant sur des recherches par mots-clés larges, la proportion de postes liés à l’IA aux États-Unis, au Royaume-Uni, en France et en Allemagne est passée d’environ 2% en 2019 à 6-10% en 2026, avec la plus forte progression observée au Royaume-Uni.

Mais le changement structurel le plus décisif concerne les employeurs. En 2019, les métiers technologiques et de la donnée représentaient plus de 70% des annonces d’emplois liés à l’IA ; en 2026, ils n’en occupent plus qu’environ 50%, tandis que les fonctions managériales passent d’environ 10% à 25%. Cette tendance se retrouve aussi bien aux États-Unis que dans les grands pays européens, ce qui prouve que l’IA se diffuse désormais comme compétence commune sur le marché du travail, et plus seulement comme expertise pointue.

Le rapport anticipe également les nouveaux modèles économiques qui verront le jour à mesure que l’IA physique se généralise, et distingue deux stades :

Dans un premier temps, les humains jouent le rôle de « dresseurs de robots » : faute de jeux de données du monde réel équivalents aux corpus d’entraînement des grands modèles de langage, le secteur génère les données nécessaires par télé-opération, vidéos à la première personne ou autres méthodes, les robots apprenant via la démonstration humaine. Figure’s Index, Scale AI et d’autres bâtissent déjà cet écosystème de crowdsourcing.

Dans un second temps, la valeur se déplacera vers les « procédures d’opération » elles-mêmes. Lorsque l’IA physique aura atteint maturité, la priorité ne sera plus le matériel mais les compétences et processus de travail qui y sont embarqués : soudure, chirurgie, cuisine, toutes ces expériences humaines pourraient être codées au sein de "manuels de robotique" commercialisables, constituant une nouvelle catégorie de propriété intellectuelle. UniStore de Unitree et NeuraGym/NeuraVerse de NEURA Robotics sont déjà considérés comme des exemples précoces de la commercialisation de ces compétences, même si, pour l’instant, elles restent confinées à l’écosystème des fabricants de robots humanoïdes.

Barclays estime que, dans une configuration extrême, le matériel deviendra progressivement une commodité, et le véritable avantage concurrentiel appartiendra à ceux qui sauront capter, encoder et contrôler ces compétences à haute valeur ajoutée : construire le plus de robots ne garantit pas la victoire, ce sont les acteurs qui maîtriseront la "couche d’instruction" qui pourraient dominer cette nouvelle bataille pour les compétences.