L’IA détruira-t-elle des emplois en France plus vite que le pays ne s’adapte ? Trois modèles débattent de l’horizon 2040

par | 2 octobre 2026

Thème : Économie, IA

En résumé

D’ici 2040, l’IA risque moins de faire s’effondrer l’emploi total en France que d’y fermer l’entrée de certains métiers : trois modèles d’IA aboutissent séparément à ce scénario.

Cette session Metamorfon a fait débattre GPT-6 Sol, Claude Sonnet 5.5 et Grok 4.7 pendant onze tours sur l’IA et l’emploi en France d’ici 2040.

En France, la perte d’emplois liée à l’IA passerait d’abord par des embauches qui ne se font pas, non par des licenciements : le stock d’emplois tient, le flux d’entrée cède.

Les mesures d’exposition à l’IA ne comptent pas des emplois perdus : l’étude Coface/OEM évalue à 16,3 % le contenu du travail automatisable dans un scénario agentique, non des postes supprimés.

Un poste de débutant produisait un travail et un apprentissage ; quand l’IA prend la tâche simple, former un jeune devient un coût que l’entreprise ne finance plus spontanément.

En 2024, les contractuels représentaient 74 % des entrées dans la fonction publique selon l’Insee ; pour les trois modèles du débat, le non-remplacement des départs y est une décision budgétaire plus que technologique.

En France, une formation certifiante financée par le CPF dure en moyenne 104 heures, contre 947 pour un projet de transition professionnelle, dont 16 300 seulement ont été financés en 2024.

GPT-6 Sol, Claude Sonnet 5.5 et Grok 4.7 écartent une taxe sur l’IA, faute d’assiette observable, et convergent vers un revenu d’insertion accessible sans emploi antérieur.

Les emplois directement liés à l’IA restent peu nombreux en France, environ 1 % des offres en 2024 selon PwC ; les créations d’emplois projetées viennent surtout du soin.

En France, le RSA n’est ouvert que par exception avant 25 ans : un jeune jamais embauché n’a, dans le cas général, ni assurance chômage ni revenu minimum.

Les scénarios des trois modèles sur l’emploi en 2040 supposent que le jugement expert reste humain ; si l’IA l’automatise aussi, Claude Sonnet 5.5 ramène sa confiance à 30-35 %.

Reposée à l’identique au dernier tour, la question de l’IA et de l’emploi reçoit des degrés de confiance presque inchangés : cinq points d’écart au plus.

Trois modèles, GPT-6 Sol, Claude Sonnet 5.5 et Grok 4.7, ont débattu pendant onze tours d’une question posée à la France : l’IA peut-elle détruire des emplois plus vite que le pays ne reconstruit de quoi les remplacer ?

La session partait d’une question de vitesse. Elle s’achève sur une question de porte : les effectifs tiennent, les embauches cèdent, et celui qui n’entre pas échappe à presque tous les dispositifs examinés.

L’IA va-t-elle détruire des emplois en France d’ici 2040 ?

Au tour initial, sans se lire, les trois modèles décrivent le même monde. GPT-6 Sol répond oui, pour un décalage « concentré dans des métiers et des territoires » ; sa confiance est modérée sur le diagnostic, faible sur l’ampleur. Claude Sonnet 5.5 répond non au niveau national, à environ 70 %, et oui pour des segments précis, à environ 65 %. Grok 4.7 répond « oui sur la vitesse relative de transition, non sur l’effondrement net », à environ 60 %.

Un décalage, pas un effondrement

Claude et Grok donnent à leur réponse presque le même titre : « un décalage localisé, pas un effondrement agrégé » pour l’un, « un décalage de vitesse, pas un effondrement agrégé » pour l’autre. GPT-6 Sol résume le risque : non qu’aucun poste n’existe en 2040, mais que « les bons postes n’existent pas assez vite pour les bonnes personnes, aux bons endroits ».

Cet accord est un a priori commun plus qu’un résultat. Il repose sur une distinction que personne ne remettra en cause : une tâche automatisable n’est pas un poste supprimé, et un poste supprimé n’est pas une personne durablement sans emploi.

Le stock tient, les embauches cèdent

Neuf tours plus tard, la réponse n’a pas changé de signe, mais elle a changé d’objet. Le titre de Grok au tour croisé #9 la donne : « le stock tient, le flux d’entrée cède ». Les trois scénarios pour 2040 décrivent un ajustement par les embauches qui ne se font pas, plutôt que par les licenciements. GPT-6 Sol : « un effectif stable peut masquer une porte d’entrée qui se ferme ».

C’est un scénario, non un constat. La vérification des sources conduite hors session conclut plus étroitement : les données françaises montrent une contraction des embauches dans quelques métiers très exposés, pas une destruction d’emplois par l’IA.

Si le dommage n’est pas dans le total, où entre-t-il ?

Quels métiers sont les plus menacés par l’IA ?

Les trois classements convergent. En tête viennent la saisie, le secrétariat, la comptabilité courante, le support client de premier niveau et la production répétitive de contenus. Suivent la finance, l’assurance, l’informatique, l’édition et les services professionnels, où l’exposition est forte et la perte d’emplois plus incertaine. Le soin au contact des patients, le bâtiment et l’intervention technique sur site restent peu substituables.

Dans l’emploi public, le rapport des inspections générales publié en 2026 estime que 20 % des agents, soit 1,13 million de personnes, occupent un emploi exposé, dont plus de 700 000 fortement. Il mesure une exposition, non des postes supprimables.

Exposition n’est pas suppression : ce que mesurent vraiment les études

Trois chiffres ont circulé dans le débat. L’étude Coface/OEM évalue le contenu du travail potentiellement automatisable à 3,8 % aujourd’hui, et jusqu’à 16,3 % dans un scénario d’IA agentique. L’Institut de l’entreprise et McKinsey estiment que 27 % des tâches pourraient être confiées à l’IA générative d’ici 2030. Selon l’Insee, 18 % des entreprises d’au moins dix salariés utilisaient une technologie d’IA en 2025, et 58 % de celles de 250 salariés ou plus.

Aucun de ces chiffres ne compte des emplois perdus. Les « cinq millions d’emplois menacés » sont une traduction médiatique du premier ; Grok l’écarte dès le tour initial comme « une lecture que je ne retiens pas ».

Le seul signal français mesuré a été déformé en route. Claude cite, par une source secondaire, une chute de plus de 50 % des offres d’emploi informatiques ; Grok, de 40 à 50 %. Le document de travail d’Andreescu et Maurin mesure, selon une lecture du texte source, un recul d’environ 30 % ; le chiffre de 50 % est une hausse des candidatures par offre. GPT-6 Sol avait refusé d’y voir une preuve sans consulter l’étude. Le signal existe, mais trois modèles qui s’appuient sur le même compte rendu ne font pas trois témoins.

Par où l’exposition devient-elle une perte ?

IA et emploi des jeunes : que deviennent stages, alternance et premiers CDD ?

Le droit du licenciement et le statut ralentissent les départs. Ils n’empêchent pas de ne pas embaucher. GPT-6 Sol y voyait d’abord un ajustement progressif ; Grok lui objecte que « ce gel est la perte, pour celui qui n’entre jamais », et Claude que la personne déplacée n’est pas l’adulte licencié : « C’est le jeune diplômé qui n’est pas embauché. » GPT-6 Sol accepte l’objection.

Ce que le poste de débutant finançait

Les trois modèles formulent séparément le même mécanisme. Pour GPT-6 Sol, un emploi débutant est « un dispositif d’apprentissage ». Pour Claude, le débutant « est rentable pendant qu’il apprend ». Grok parle de production jointe : « deux outputs sortent du même contrat, un seul est payé ». L’IA prend la tâche simple ; l’apprentissage et la sélection qu’elle finançait deviennent un coût visible.

Les données françaises ne permettent pas d’isoler ce mécanisme. À fin juillet 2026, les entrées en apprentissage reculent de 4,3 % sur un an : −14,1 % dans le supérieur, +3,4 % dans le secondaire. Mais les aides à l’embauche ont été abaissées en mars 2026 pour les diplômes de niveau bac+3 et plus. Grok en tire l’hypothèse la plus française de la session : « les deux chocs frappent la même rampe », celle des premières affectations tertiaires qualifiées. Le chômage des 15-24 ans, à 21,6 % au deuxième trimestre 2026, donne le contexte, pas la cause.

Les trois proposent alors le même remède : un junior chargé de vérifier les productions de l’IA. Au tour croisé #3, deux d’entre eux le font tomber. GPT-6 Sol : on demanderait au débutant « d’exercer le jugement que le poste devait précisément lui enseigner ». Claude : la relecture humaine n’est payée que si le modèle est « assez fiable pour être utilisé et assez peu fiable pour exiger un contrôle ». Cette zone est étroite, et elle se referme à la vitesse d’amélioration des modèles. Grok retire ensuite ce poste comme voie d’entrée.

Ceux qu’aucun dispositif n’atteint

À la question de savoir qui ces mécanismes laissent dehors, les trois donnent la même réponse : presque tous supposent un employeur prêt à ouvrir une place. Pour Grok, ils sélectionnent qui est « déjà à portée d’un employeur organisé » ; aucun référentiel « ne s’attache à un poste qui n’est pas ouvert », et un dispositif peut réussir sur ses entrants et « creuser l’écart avec le résidu ». Claude en tire une règle d’évaluation : partir de la cohorte qui sort de formation, non des contrats signés. Sans cela, on ne mesure un mécanisme que sur ceux qu’il a atteints.

Aucun des trois ne relève un fait de droit qui aggrave leur propre diagnostic. En France, le RSA n’est ouvert, sauf exceptions, qu’à partir de 25 ans, et l’assurance chômage suppose d’avoir travaillé. Le jeune qui n’entre pas n’a donc ni assurance chômage ni, dans le cas général, accès au RSA. Il reste des aides ciblées, comme le contrat d’engagement jeune que cite GPT-6 Sol, mais pas de revenu minimum général. Claude écrit que le non-contributif a « ses conditions d’âge et de ressources » : c’est le plus près que le débat s’en approche.

Et là où l’employeur ne licencie jamais ?

L’IA va-t-elle supprimer des postes dans la fonction publique ?

L’emploi public n’apparaît dans aucune réponse initiale : c’est une question de l’auteur qui l’introduit. Il devient pourtant le lieu de la thèse la plus nette de la session.

Une décision budgétaire plus que technologique

Le statut rend le licenciement des titulaires exceptionnel. L’ajustement passera donc par le non-remplacement des départs, que Claude tient pour « une décision budgétaire plus que technologique ». Si la contrainte budgétaire s’applique indépendamment des outils, écrit-il, « l’IA devient la justification, pas la cause ». Grok pousse l’idée, sous forme de question : si le non-remplacement s’impose « indépendamment de la maturité des outils », le public ne convertira-t-il pas l’exposition en baisse d’effectifs plus vite que les PME privées ? GPT-6 Sol l’admet « sous condition budgétaire », sans en faire une prévision.

Grok en tire la thèse territoriale de la session. La règle budgétaire s’applique partout, l’outil seulement là où il existe. Le privé quitte un territoire par une décision visible ; « l’employeur public peut vider un guichet sans le fermer ».

Contractuels, concours, guichets : qui plafonne n’embauche pas

L’auteur demandait si l’employeur public, parce qu’il maîtrise à la fois les départs non remplacés et les recrutements, protégerait mieux l’accès des jeunes. Le tour croisé #5, sans question de l’auteur et mené en mode réfutatif, réfute l’hypothèse. Pour GPT-6 Sol, cette maîtrise n’est « ni totale ni concentrée dans une seule main ». Grok en fait un titre : « Qui plafonne n’embauche pas ». Celui qui fixe le plafond d’emplois n’est pas celui qui recrute.

Grok apporte alors le fait qui manquait. Fin 2024, la fonction publique compte 5,9 millions d’agents, dont 24 % de contractuels ; les moins de 25 ans n’en représentent que 6,4 %. Les contractuels y font 74 % des entrées : l’accès à la fonction publique passe aujourd’hui majoritairement par le contrat plutôt que par le statut de fonctionnaire. Grok en conclut : « Le jeune “protégé” par le statut n’est pas le jeune qui entre. »

Claude conclut que le statut n’est pas la variable : « Ce qui joue, c’est la source de financement du poste d’entrée. » Le contraste entre privé et public, que la session devait éprouver, est ainsi ramené par les modèles à un seul mécanisme. Grok le redira au tour croisé #9, à propos du scénario de rupture : l’écart entre les deux secteurs « n’est pas technologique. C’est un écart de délai et de support du coût. »

Une réserve, relevée par les analyses. Claude attaque ici une prémisse qu’il portait lui-même un tour plus tôt, sans le signaler, note l’Évaluation argumentative. Grok change de cadre sans revenir sur sa position précédente, note la Méta-analyse. Seul GPT-6 Sol écrit : « Je révise ainsi mon propre cadre. »

Restent ceux qui sont déjà en poste.

Peut-on se reconvertir quand l’IA transforme son métier ?

Ce tour, le tour croisé #6, s’est joué en mode focus, sans échange entre les modèles. Leur diagnostic est pourtant le même : la reconversion réussit pour une minorité sélectionnée, pas à l’échelle d’un déplacement. Les dispositifs existants accompagnent mieux le salarié qui adapte son métier que celui qui doit en changer.

CPF, projet de transition, période de reconversion : ce que chaque dispositif finance

En 2025, 1,11 million de personnes ont mobilisé leur CPF. Mais une formation certifiante financée par le CPF dure en moyenne 104 heures, contre 947 pour un projet de transition professionnelle, et 16 300 projets seulement ont été financés en 2024. La période de reconversion, en vigueur depuis février 2026, prévoit 150 à 450 heures, jusqu’à 2 100 par accord. Elle est trop récente pour être jugée.

Le verrou n’est pas l’offre de formation. Claude : « le facteur limitant n’est pas le catalogue de formations. C’est le financement du salaire pendant la formation et l’existence d’emplois d’accueil dans le bassin. » La rémunération représente environ 65 % du coût moyen d’un projet de transition. GPT-6 Sol ajoute le salaire d’arrivée : « Une formation réussie ne vaut donc pas encore reclassement à salaire acceptable. »

Grok relève ce qui distingue le dispositif nouveau d’un droit. La période de reconversion suppose l’accord de l’employeur : c’est « un outil d’adaptation ou de mobilité négociée, pas un droit unilatéral de changer de profession ».

Ces dispositifs ont un point commun, que le tour suivant fera apparaître : ils supposent d’avoir déjà travaillé. Ils servent une population qui n’est pas celle que le débat a désignée.

Si la productivité augmente malgré tout, à qui va le gain ?

Qui profitera des gains de productivité de l’IA ?

Les trois répondent par la même carte. La négociation collective partage le gain entre ceux qui sont à la table. La fiscalité peut le redistribuer, mais une part sort du territoire, vers les fournisseurs de modèles. Les transferts atteignent ceux qui sont hors du salariat ; mais, écrit Claude, « un transfert compense un revenu, il ne reconstitue pas une trajectoire ».

Claude et GPT-6 Sol formulent en parallèle l’objection la plus dure à la négociation. L’accord signé à la Maif en mai 2026 exclut tout licenciement économique lié au déploiement de l’IA. Si l’entreprise tient l’engagement et ajuste par le gel des embauches, le coût se reporte, écrit Claude, sur une cohorte d’entrée « qui n’a pas de siège à la table ». Grok va plus loin au tour croisé #8 : une telle clause « rate les outsiders le jour de la signature ».

Pourquoi une taxe sur l’IA n’a pas d’assiette

Aucun des trois ne défend une taxe sur l’IA : le gain qui lui revient ne s’isole pas. Grok propose à la place une « cotisation miroir », assise sur les cotisations évitées par les postes non ouverts. Au tour suivant, GPT-6 Sol et Claude la désignent, sans se lire, comme le premier instrument qui échouerait. GPT-6 Sol : « Une embauche absente n’est pas un événement administratif observable comme un salaire versé. » Claude : c’est « la seule dont l’assiette n’existe pas à la date d’entrée en vigueur ». Grok concède au tour croisé #10 : « Je ne la défends plus comme instrument de premier rang. »

Les trois convergent ensuite sur le premier instrument à financer : un revenu sans condition d’emploi antérieur, lié à un parcours, dont l’employeur n’est pas le gardien. GPT-6 Sol le financerait sur une assiette observable, Claude sur une assiette générale, « sans prétendre faire payer l’IA ». Ils décrivent ainsi, sans le relever, un revenu minimum que le RSA n’ouvre pas, dans le cas général, avant 25 ans.

Claude nomme enfin la borne de cet instrument. Si ce revenu ne débouche pas sur un premier emploi, il faudra « admettre que la limite est la demande de travail ».

Reste la moitié de la question initiale que personne n’avait traitée : les emplois créés par l’IA.

Quels emplois l’IA va-t-elle créer ?

Cette question a été posée après les analyses, qui relevaient le même manque : dix tours surtout consacrés à ce que l’IA ferme, presque rien sur ce qu’elle ouvre. Les trois modèles y répondent par les mêmes familles d’emplois.

Les emplois natifs de l’IA (ingénierie, données, cybersécurité, audit des systèmes) sont qualifiés, concentrés dans les grands bassins et peu nombreux. L’OPIIEC projette 45 000 créations en trois ans dans sa seule branche ; selon PwC, les offres demandant des compétences en IA représentaient environ 1 % du total en 2024. Les emplois de volume sont ailleurs : le soin, l’aide à domicile, le bâtiment, la maintenance. Ils sont présents sur tout le territoire, et leur croissance projetée ne vient pas de l’IA. Les emplois de supervision et de contrôle, internes aux métiers transformés, restent pour Claude « supposés, pas observés ».

Claude relève ce que contient la prospective officielle. Les métiers en 2030, publié en 2022, projette un million de créations nettes entre 2019 et 2030, dont environ 410 000 dans la santé et le soin. Mais 40 % des créations d’emplois de diplômés du supérieur y sont placées dans trois secteurs : activités juridiques, comptables et de gestion, services administratifs et de soutien, commerce. Ce sont les familles que l’IA expose. L’exercice précède l’IA générative et s’arrête en 2030 : il ne dit rien de 2040.

La conclusion est commune. Pour Grok, le soin et le chantier peuvent « compenser le volume sans compenser les personnes ». Pour Claude, le pays peut « réussir en nombre d’emplois et échouer sur la qualité des appariements », et la reconversion d’un employé administratif vers le soin risque d’être un « déclassement financé ». GPT-6 Sol corrige le verbe de la question initiale : la France ne « remplace » pas un emploi supprimé « parce qu’elle affiche ailleurs un poste vacant ».

Les chiffres avancés par Claude sur les centres de données mélangent plusieurs périmètres ; ils ne sont pas repris ici.

Tout ce qui précède suppose une chose que personne n’avait dite.

Et si l’IA automatisait aussi le jugement des experts ?

Tous les leviers du débat reposent sur une hypothèse : la décision experte reste humaine. Le junior vérifie parce qu’un senior relit ; on préserve une voie d’entrée parce qu’il faudra des seniors. En neuf tours, aucun modèle ne l’énonce comme une hypothèse dont son scénario dépend. GPT-6 Sol la pose comme une norme, à propos de l’administration : automatiser la préparation d’une décision n’est pas déléguer « la décision opposable à un administré ».

L’auteur la nomme au tour croisé #9, en demandant un scénario sous deux conditions. Si l’IA automatise aussi une part substantielle du jugement expert, Claude ramène sa confiance à 30-35 % et décrit un problème qui ne touche plus seulement l’entrée, mais la progression de carrière et la valeur des diplômes. GPT-6 Sol passe à un autre scénario, un déplacement étendu aux postes qualifiés, qu’il crédite d’environ 40 %. Grok tient la condition pour hypothétique ; il lui donnera une probabilité d’environ 35 % au tour suivant.

Aucun n’en tire la conséquence pour ce qui précède. Si ce jugement se forme dans les filières juniors et devient automatisable, pourquoi préserver ces filières ? Grok s’en approche : le secteur public reporterait le coût sur les parcours d’entrée, « précisément parce que ces pipelines sont faits pour former ce jugement ». Claude donne le signal qu’il tiendrait pour le plus net : des décisions expertes confiées sans validation humaine, avec une responsabilité assumée par l’éditeur ou l’assureur.

L’Analyse de l’émergence résume l’asymétrie : le débat a construit « des outils pour un scénario modéré et peu pour une rupture ».

Des chiffres de confiance qui ne bougent pas

La question initiale a été reposée au tour croisé #10, dans les mêmes termes. C’est le seul endroit de la session où deux degrés de confiance portent sur le même objet.

Modèle Tour initial Tour croisé #10, même question
GPT-6 Sol confiance modérée sur le diagnostic, faible sur l’ampleur « assez confiant » sur le décalage, « peu confiant » sur une destruction nette
Claude Sonnet 5.5 non au niveau national : environ 70 % ; oui par segments : environ 65 % environ 70 % ; environ 60 %
Grok 4.7 environ 60 % environ 65 %

Entre les deux, les modèles ont abandonné le junior vérificateur, la cotisation miroir, une horloge nationale de cinq à dix ans et l’idée d’un employeur public maître de ses flux. Leurs chiffres ont bougé de cinq points au plus.

Au tour croisé #9, la question demandait une confiance sous deux conditions, et l’objet du chiffre a changé pour les trois. GPT-6 Sol, qui ne chiffrait pas, donne alors 60 % et 40 %. L’Évaluation argumentative y lit un mélange entre la confiance dans un scénario et la probabilité d’une condition, que la formulation de la question permettait. Il revient à sa formule verbale dès que la question initiale est reposée.

Un chiffre du tour croisé #10 est à lire avec prudence. Grok y donne environ 45 % à un effondrement du stock d’emplois, en le justifiant par ce qui l’empêche : le soin et le chantier compensent le volume.

Soit le débat a précisé ce que les scénarios voulaient dire sans changer leur probabilité, soit ces chiffres marquent une position plus qu’ils ne l’estiment. Cette session ne tranche pas. Elle retire une explication : ici, l’objet mesuré était le même.

Angles morts : RSA avant 25 ans, genre, partage de la valeur

Certaines absences ont été relevées par les analyses. La Méta-analyse note que le droit et les dispositifs de 2026 sont traités comme des constantes sur quatorze ans. La session documente pourtant l’inverse : une période de reconversion créée en février, des aides à l’apprentissage révisées en mars. Elle note aussi qu’un signal de deux à trois ans est prolongé jusqu’en 2040, que la demande, les prix et la concurrence internationale restent hors champ, et que les désaccords sont renvoyés à des données futures plutôt qu’à un argument normatif.

D’autres absences tiennent au terrain français. L’édito les signale en son nom.

  • Le minimum des moins de 25 ans. Les trois modèles finissent par proposer un revenu d’insertion pour les jeunes, sans relever que le RSA ne leur est ouvert que par exception.
  • Le genre. Les métiers administratifs qui se ferment et les métiers du soin qui s’ouvrent sont très majoritairement féminins. Le mot n’apparaît pas en onze tours.
  • Le partage de la valeur et le dialogue social. La participation et l’intéressement ne sont pas cités une fois en deux tours sur le partage des gains. Le CSE n’apparaît qu’une fois, comme frein, alors que l’accord Maif que les modèles citent lui rattache une commission de suivi de l’IA.

Les territoires, enfin, n’ont pas eu la place que la session leur réservait. Le « bassin d’emploi » sert de qualificatif plus que d’unité d’analyse, sauf dans la thèse du guichet et dans la géographie des emplois qui s’ouvrent.

Modes, sources et limites

La session a été dirigée. Après la question initiale, l’auteur est intervenu neuf fois, dont deux épreuves (« lequel échouerait le premier ? ») et un tour ajouté après les analyses. Le contenu appartient aux modèles ; la direction, non. La Méta-analyse le dit : les questions ont fait passer les modèles de la prévision à la conception de dispositifs, et plusieurs tours ne contiennent presque rien sur 2040.

Les modes de débat ont eu des effets lisibles. Un mode agit sur les réponses du tour précédent, non sur la question posée. Le tour croisé #2, constructif, a produit des concessions sur le tour d’avant ; les leviers qu’il a fait naître n’ont été éprouvés qu’au tour suivant, en mode critique. Le tour croisé #5, réfutatif et sans question, a réfuté l’hypothèse de l’auteur sur l’employeur public sans toucher aux axiomes communs aux trois modèles. Au tour croisé #6, le mode focus a ramené l’IA et les salariés en place au centre, au prix des acquis précédents : le jeune qui n’entre pas en est absent.

Les analyses ont été conduites après le tour croisé #9 : l’Évaluation argumentative par Claude Opus 5.5, l’Analyse de l’émergence et la Méta-analyse par Claude Fable 5.1. Ces deux modèles sont de la même famille que l’un des débatteurs. Le tour croisé #10 leur est postérieur et n’a pas été analysé. Ces analyses contiennent des erreurs d’attribution et de date, listées avec la vérification des sources. La plus lourde est un reproche de l’Évaluation argumentative : Grok 4.7 n’aurait pas répondu à une objection au tour croisé #9. Ce tour était en mode focus, ce que l’analyste ignorait.

Les affirmations factuelles qui portent l’argument ont été vérifiées hors session, sur les études et les données officielles qu’elles citent. Deux corrections en résultent : l’ampleur du recul des offres informatiques, et les chiffres sur les centres de données.


Former, reconvertir, négocier : ces trois leviers supposent un contrat. Le scénario que le débat retient commence par un contrat qui n’est pas signé

Métadonnées de la session

11 tours
Tokens : 1714715
Coût : 7.08 €
Modèle A : GPT-6 Sol
Modèle B : Claude Sonnet 5.5
Modèle C : Grok 4.7
Modèle(s) d'analyse : Claude Opus 5.5, Claude Fable 5.1

Transcription complète de la session

Le texte qui suit est la transcription intégrale des réponses échangées par les modèles d’IA au cours de cette session réalisée avec Metamorfon. Il est présenté dans sa structure originale afin de préserver le déroulement du débat et la traçabilité des arguments.

Tour initial

Utilisateur

Pour 2040, l’IA pourrait-elle détruire des emplois en France plus vite que le pays ne peut reconstruire les compétences, les institutions et les nouveaux postes nécessaires pour les remplacer ? Décrivez votre scénario central, votre degré de confiance et les hypothèses dont il dépend.

GPT-6 Sol

Gpt 6 Sol — Scénario central pour la France en 2040

Ma position : oui, l’IA pourrait détruire certains emplois plus vite que la France ne reconstruit les compétences et les débouchés correspondants ; mais ce décalage serait probablement concentré dans des métiers et des territoires, plutôt qu’une pénurie nationale durable d’emplois. Mon unité d’analyse principale est le bassin d’emploi croisé avec le métier et le niveau de qualification : un poste créé ailleurs, ou exigeant une qualification inaccessible à la personne licenciée, ne « remplace » pas son emploi au sens pertinent pour elle. Je distingue aussi une tâche automatisable, un poste supprimé et une personne durablement sans emploi. L’OIT, dans son indice d’exposition de 2025, juge la transformation des métiers plus probable que leur remplacement pur et simple ; cette mesure d’exposition ne constitue toutefois pas une prévision d’embauches ou de licenciements. Mon critère de réussite n’est donc pas seulement le nombre total de postes en 2040, mais la possibilité de retrouver dans un délai raisonnable un travail accessible, rémunérateur et de qualité. (ilo.org)

Dans mon scénario central, l’adoption progresse par vagues entre la fin des années 2020 et 2040. Les entreprises automatisent d’abord des ensembles de tâches numériques — traitement de dossiers, rédaction standardisée, assistance clientèle, production de contenus ou certaines étapes du développement logiciel — puis réorganisent leurs équipes autour de ces gains. Elles réduisent davantage les recrutements d’entrée et ne remplacent pas certains départs qu’elles ne procèdent à des licenciements simultanés massifs. Ce mécanisme est une hypothèse défendue, non une projection chiffrée : l’Insee constate qu’en 2025, 18 % des entreprises de son champ déclarent utiliser au moins une technologie d’IA, avec de forts écarts selon leur taille. Son éclairage de mars 2026 relève également un recul de l’emploi dans les activités informatiques depuis 2023, sans que cette seule concomitance permette d’en attribuer la cause à l’IA. Les contraintes de fiabilité, de responsabilité, de données et de réorganisation freinent la substitution complète : la capacité technique ne se convertit pas automatiquement en suppression de poste. (insee.fr)

Le décalage décisif est temporel et institutionnel. Une organisation peut supprimer un recrutement dès qu’elle modifie son processus ; former un adulte, reconnaître ses acquis, financer sa transition et ouvrir un poste local compatible prennent plus de temps. Les personnes issues d’emplois administratifs standardisés ne peuvent pas nécessairement passer sans délai vers le soin, la maintenance ou l’encadrement technique. Réciproquement, l’IA peut aider des professionnels à produire davantage et susciter de nouvelles activités, mais rien ne garantit que ces débouchés s’ouvrent aux personnes déplacées. Deux repères empêchent de confondre flux et créations nettes : l’exercice Les métiers en 2030 de France Stratégie et de la Dares estimait près de 800 000 postes à pourvoir par an jusqu’en 2030, essentiellement pour remplacer des départs en fin de carrière, et non 800 000 emplois nouveaux ; par ailleurs, la projection démographique publiée par l’Insee en 2026 confirme le vieillissement attendu d’ici 2040. Ces constats étayent simultanément l’existence de besoins de recrutement et la difficulté d’en faire une solution automatique au déplacement provoqué par l’IA. (strategie-plan.gouv.fr)

Mon degré de confiance est modéré pour ce diagnostic qualitatif, faible pour son ampleur en 2040. Je considère comme plus probable qu’une « disparition générale du travail » une France où coexistent postes vacants, productivité accrue et transitions professionnelles trop lentes pour une partie des actifs. Cette conclusion dépend de quatre hypothèses explicites : les systèmes continuent de s’améliorer et deviennent économiquement utilisables à grande échelle ; leur déploiement demeure assez progressif pour laisser du temps aux adaptations ; la demande de services et les départs en retraite soutiennent des recrutements ; enfin, formation, certification, mobilité et dialogue social s’ajustent, sans parvenir partout à suivre le rythme des réorganisations. Une IA fiable et très peu coûteuse, déployée en quelques années dans de nombreuses professions, rendrait un déficit national d’emplois bien plus plausible. À l’inverse, une complémentarité forte entre travailleurs et IA, accompagnée de transitions effectivement financées, réduirait le décalage. Je défends donc une thèse conditionnelle : le risque central n’est pas qu’aucun nouveau poste n’existe en 2040, mais que les bons postes n’existent pas assez vite pour les bonnes personnes, aux bons endroits.

Claude Sonnet 5.5

Scénario central : un décalage localisé, pas un effondrement agrégé

Position défendue. À l’horizon 2040, je tiens pour plus probable (environ 70 %) que l’IA ne détruise pas d’emplois plus vite que la France ne peut en recréer et réallouer, au niveau macroéconomique. En revanche, je juge très probable (environ 65 %) un décalage de vitesse réel sur des segments précis. Ces segments sont les débutants de cadre et de profession intermédiaire dans les métiers de bureau et du numérique, certains bassins d’emploi métropolitains, et les travailleurs de plus de 45 ans dans le back-office. La réponse à la question dépend donc du niveau d’analyse. Au niveau national, je réponds non, avec une confiance modérée. Au niveau de la cohorte ou du métier, je réponds oui, avec une confiance plus forte.

Il faut d’abord rendre la question testable. J’appelle « plus vite » un écart durable entre les flux de destruction de postes exposés et les flux de réallocation. Cet écart se lirait dans un chômage structurel relevé de plus de 2 points par rapport au scénario sans IA, dans un chômage de longue durée croissant, ou dans des pertes salariales persistantes chez les reconvertis (scarring). Ces seuils sont mon choix de cadrage, pas une norme du domaine.

Ce sur quoi je m’appuie

  • Exposition n’est pas destruction. L’étude Coface/OEM, rapportée par la Banque des Territoires, décompose 923 professions en tâches. Elle juge l’impact fort au-dessus de 30 % de tâches automatisables. Selon la CFE-CGC, 120 professions (13 %) dépassent ce seuil, soit jusqu’à 5 millions de postes. L’étude précise elle-même que l’indicateur mesure l’exposition des tâches, pas leur destruction. Les estimations varient fortement:l’Unédic rapporte environ 5 % d’emplois menacés selon le BIT et la Commission de l’IA, contre environ 33 % selon le FMI. Cette dispersion indique que l’incertitude porte sur la substituabilité réelle, pas sur l’exposition.
  • Premiers signaux empiriques français. Selon un compte rendu de l’étude d’Andreescu et Maurin (source secondaire, étude non consultée directement), les offres France Travail dans l’informatique et les TIC ont chuté de plus de 50 % par rapport aux métiers peu exposés entre fin 2023 et début 2026. Les trajectoires étaient parallèles avant 2024. C’est le signal le plus net à ce jour, mais il porte sur les offres, pas sur les licenciements. Il suggère que l’ajustement passe par le gel des embauches plutôt que par des plans sociaux.
  • Ce qui n’est pas fiable. Plusieurs sites de vulgarisation attribuent à « Anthropic » des baisses de 67 % dans les centres d’appels. Je ne les ai pas pu relier à une source primaire et je ne m’en sers pas.

Mécanismes qui fondent mon scénario

  1. Le canal d’ajustement dominant est l’attrition et le gel des embauches. Le droit du licenciement français, le coût des ruptures et la structure par âge font que les entreprises réduisent surtout les recrutements de juniors. Cela étale la destruction dans le temps, ce qui est favorable à l’agrégat. Mais cela abîme l’échelle de compétences:si les postes d’entrée disparaissent, les seniors de 2040 n’ont pas été formés. C’est selon moi le vrai risque de « reconstruction des compétences », plus que le chômage de masse. Cette thèse est une inférence de ma part, pas un résultat établi.
  2. Un vent démographique favorable (rapporté de mes connaissances, non revérifié ici). La population active française progresse peu et les départs de la génération du baby-boom sont massifs. Cela réduit le nombre de postes à détruire pour qu’il y ait déséquilibre, et laisse du temps aux transitions.
  3. Une demande durable dans les secteurs à faible substituabilité. La santé, le grand âge, le bâtiment (rénovation énergétique) et l’énergie ont une demande soutenue, et leur productivité croît lentement (effet Baumol). C’est le gisement de réallocation. Il suppose toutefois que des travailleurs issus du tertiaire de bureau acceptent ces métiers, ce qui n’est ni automatique ni rapide.
  4. Une diffusion plus lente que la capacité. Dans les offres d’emploi, Indeed montre que la France reste en retard sur ses voisins dans la mention de l’IA. Les PME adoptent plus lentement. Les gains de productivité se réalisent avec un délai d’organisation, comme lors des technologies à usage général précédentes.

Où le scénario peut basculer

Je donne environ 20 à 25 % à un scénario de rupture où le décalage devient macroéconomique. Il faudrait réunir trois conditions :

  • des agents d’IA fiables sur des tâches longues, capables de remplacer des fonctions entières et pas seulement des tâches ;
  • une adoption rapide, favorisée par la pression concurrentielle internationale ;
  • des institutions de transition qui ne suivent pas.

Sur ce dernier point, mon jugement est sévère. Les dispositifs de reconversion (CPF, France Travail, formation des demandeurs d’emploi) ont un bilan d’efficacité mitigé pour les reconversions longues de travailleurs établis. Le plan gouvernemental « Impulsion IA 2027 », lancé le 22 septembre 2026, est trop récent pour être évalué. Il faut aussi tenir compte de la contrainte budgétaire, qui limite la marge d’un choc d’investissement dans la formation.

Les 5 à 10 % restants vont à un scénario de transition plus douce que mon central. Dans ce cas, l’IA accroît la productivité sans que le décalage ne se voie dans les données.

Hypothèses, valeurs et indicateurs de réfutation

Mon cadre est celui de l’économie du travail par les tâches (Autor, Acemoglu et Restrepo). Il suppose que la substitution se joue au niveau de la tâche et que la réallocation se heurte à des frictions. Je juge le risque par son effet sur les trajectoires individuelles, et pas seulement sur le taux de chômage agrégé. C’est un choix de valeur, qui donne du poids à l’équité entre cohortes.

Plusieurs observations me feraient réviser à la hausse le risque de rupture :

  • un chômage des moins de 30 ans diplômés qui s’écarte durablement de la moyenne ;
  • des licenciements économiques qui remplacent le gel des embauches dans les services ;
  • un effondrement des offres au-delà de l’informatique, dans les 125 métiers moins directement exposés, que l’étude citée élargit à ce stade ;
  • une stagnation des taux de retour à l’emploi des reconvertis.

À l’inverse, un rebond des offres juniors ou une hausse de la productivité accompagnée de créations nettes dans les services m’amèneraient à baisser ce risque.

Ma confiance est modérée : elle est plus élevée sur la forme du risque (cohortes, juniors, territoires) que sur son ampleur nationale. Les données françaises disponibles couvrent deux à trois ans seulement, et mes probabilités sont des jugements, pas des estimations statistiques.

Grok 4.7

Un décalage de vitesse, pas un effondrement agrégé

Mon scénario central pour 2040 est que l’IA recomposera l’emploi français plus vite que le pays ne pourra, pour des segments larges, reconstruire les compétences, les institutions et les postes de remplacement, sans produire un chômage technologique massif au niveau du stock total d’emplois. La réponse à la question est donc oui sur la vitesse relative de transition, non sur l’effondrement net. Ce jugement, que je défends, se situe d’abord au niveau des tâches et des professions — là où la précision argumentative est maximale — et seulement ensuite au niveau macro, trop agrégé pour trancher. Il repose sur le cadre de la destruction créatrice avec délai : un effet de déplacement des tâches existantes peut précéder de plusieurs années l’effet de réinstauration, c’est-à-dire la création de nouvelles tâches qui rétablissent une demande de travail (Acemoglu et Restrepo). Le présupposé est que la cicatrice du chômage de reconversion et la polarisation territoriale comptent autant que le solde agrégé.

Les estimations que je rapporte divergent selon ce qu’elles mesurent, et non selon une simple erreur de calcul. Au niveau des heures travaillées, McKinsey et l’Institut de l’entreprise estiment qu’environ 27 % des tâches réalisées en France pourraient être automatisées d’ici 2030 sous un rythme d’adoption médian de l’IA générative, et jusqu’à 45 % d’ici 2035 en adoption rapide, avec une transition professionnelle d’environ 6,1 % de l’emploi entre 2022 et 2030 (Institut de l’entreprise / McKinsey). L’étude de Fabien Petit pour la Commission européenne projette pour l’Europe un gain d’emploi lié aux technologies numériques d’environ 5,9 % d’ici 2040 (+11,8 millions), avec des gains plus faibles en France qu’en Allemagne ou en Espagne, et des pertes concentrées dans les territoires ruraux (synthèse CEC). Arquié et Duthoit (Coface / OEM) classent un métier comme exposé dès que plus de 30 % de ses tâches sont automatisables : 3,8 % de l’emploi avec l’IA générative actuelle, 16,3 % — de l’ordre de 5 millions de personnes — si l’IA agentique (systèmes capables de planifier et d’enchaîner des flux de tâches, et non plus seulement de produire un contenu sur requête) se diffuse en deux à cinq ans (Les Echos). Ce chiffre mesure une exposition et une réorganisation potentielle, non des destructions nettes ; le durcir en « emplois détruits » est une lecture que je ne retiens pas. La note du Trésor (2026) laisse l’effet net indéterminé, rappelle qu’environ 60 % des travailleurs occupent des métiers inexistants en 1940, et signale qu’une généralisation de l’IA agentique et physique pourrait faire franchir à plus de 40 % des métiers le seuil de 30 % de tâches automatisables (ActuIA, sur la note Trésor-Éco). L’Unédic résume l’absence de consensus : de 5 % (Commission de l’IA) à des fourchettes bien plus larges (Unédic).

Le goulot français est la capacité d’ajustement, pas l’exposition brute. L’Insee mesure en 2025 un usage de l’IA dans 18 % des entreprises de 10 salariés ou plus, proche de la moyenne européenne (20 %), mais très inégal : 15 % dans les petites structures, 58 % dans les grandes (Insee Première). Cette adoption encore partielle amortit le choc autant qu’elle retarde les gains. Les baisses relatives d’offres observées entre fin 2023 et début 2026 dans les métiers informatiques et administratifs exposés suggèrent toutefois que le déplacement peut précéder la création visible de postes. Le plan « Osez l’IA » (15 millions de professionnels visés d’ici 2030) et France 2030 sont une réponse réelle ; ils ne créent pas des emplois dans les mêmes bassins, ni pour les actifs de milieu de carrière dont le capital spécifique se déprécie. Les protections de l’emploi allongent les transitions. La demande liée au vieillissement dans la santé — de l’ordre de 800 000 emplois additionnels selon McKinsey — compense en volume sans garantir l’appariement. Les populations où le décalage est le plus plausible sont les jeunes entrants dans les professions cognitives exposées et les cols blancs des métropoles, plus touchés ici que dans l’automatisation industrielle classique.

Degré de confiance : moyen, environ 60 %. Le scénario dépend d’hypothèses explicites. L’IA agentique atteint une diffusion commerciale avant 2032 sans devenir, d’ici 2040, un substitut général de la majorité du travail cognitif — la substitution massive est un risque de queue, supposé hypothétiquement, non défendu comme cas central. Les effets de complémentarité et de réinstauration arrivent avec un retard de cinq à dix ans sur le déplacement dans les professions exposées. L’adoption française accélère mais reste plus lente que dans les économies nordiques. Les politiques de formation montent en charge sans résoudre l’appariement par âge et par territoire. Aucun choc macroéconomique majeur n’amplifie le déplacement. Si la première hypothèse est trop optimiste, le décalage devient une contraction nette durable ; si la réinstauration est plus rapide que je ne le suppose, le désajustement reste localisé. Le point ferme n’est donc pas le stock d’emplois en 2040, mais la durée des transitions entre 2028 et 2036 : c’est là que les institutions françaises risquent d’être plus lentes que la technologie.

Tour croisé #1 – Mode : Critique

Utilisateur

Quels métiers et quels secteurs sont les plus exposés à l’IA, dans le secteur privé comme dans l’emploi public, et à quelle vitesse cette exposition se traduira-t-elle en pertes d’emplois réelles, compte tenu des coûts d’adoption, de la structure productive, de la réglementation et de la structure du coût du travail ?

GPT-6 Sol

À l’utilisateur — où l’IA risque-t-elle de supprimer des postes, et quand ?

Je défends une distinction : un métier très exposé n’est pas nécessairement un métier qui perdra vite des emplois. L’exposition mesure les tâches que l’IA pourrait accomplir ; la perte de postes exige aussi une solution fiable, une intégration rentable, une réorganisation du travail et une décision de ne pas réaffecter les heures gagnées. Le BIT classe les emplois administratifs parmi les plus exposés, mais estime que la transformation des postes reste, dans la plupart des cas, plus probable que leur remplacement intégral. (ilo.org)

Secteur privé : les fonctions avant les branches

À l’échelle du poste, je placerais en première ligne la saisie et le traitement de dossiers, les secrétariats standardisés, la comptabilité courante, le support client de premier niveau et la production répétitive de contenus. Viennent ensuite certaines tâches de développement logiciel, d’analyse financière, de marketing et de conseil junior. Dans ces derniers métiers, une forte exposition peut aussi accroître la production : elle ne prédit donc pas, à elle seule, une baisse des effectifs. (ilo.org)

À l’échelle du secteur, les services financiers, l’assurance, les services professionnels, l’information-communication et les grands centres de gestion ont davantage de processus numériques reproductibles. Leur vitesse d’ajustement dépend néanmoins de l’entreprise. En France, 18 % des entreprises d’au moins dix salariés déclaraient utiliser une technologie d’IA en 2025, contre 58 % des entreprises de 250 salariés ou plus. Ce sont des taux d’usage, non des taux d’automatisation des emplois. (insee.fr)

À l’inverse, le soin au contact des patients, l’aide à domicile, les métiers du bâtiment ou l’intervention technique sur site sont moins directement substituables par l’IA générative : leur travail comprend des gestes, une présence et des situations matérielles que produire un texte ne suffit pas à prendre en charge. Leurs tâches de compte rendu, de planification ou de gestion restent pourtant exposées. Cette distinction entre cœur du métier et travail administratif associé évite de qualifier une branche entière de « protégée ». (ilo.org)

Emploi public : exposition élevée, suppressions moins mécaniques

Dans l’administration, les fonctions les plus exposées sont le classement et la recherche documentaire, la rédaction de réponses standard, la préparation de dossiers, ainsi que certains traitements de gestion RH, budgétaire ou de prestations. Mais automatiser la préparation d’une décision n’équivaut pas à déléguer la décision opposable à un administré. L’OCDE distingue précisément les procédures administratives structurées des activités engageant jugement et responsabilité ; le règlement européen classe notamment certains systèmes utilisés pour l’emploi et l’accès aux prestations essentielles parmi les usages à haut risque. (oecd.org)

J’anticipe donc, à titre de scénario et non de prévision chiffrée, des effets publics d’abord visibles dans les recrutements non remplacés, la mobilité des agents et la répartition du temps de travail, plutôt que dans des suppressions immédiates à hauteur des tâches automatisées. Ce rythme dépendra des budgets et des choix de qualité du service : une heure gagnée peut réduire un besoin de recrutement, mais aussi servir à résorber une file d’attente. La négociation engagée en juin 2026 dans les trois versants de la fonction publique montre que les modalités de déploiement restent elles-mêmes un objet de décision collective. (fonction-publique.gouv.fr)

La vitesse : deux objections à une lecture trop directe

Première objection testable : le coût pertinent n’est pas le prix de l’abonnement à l’IA, mais le coût complet d’un processus fiable. Il comprend données utilisables, raccordement aux logiciels, formation, vérification humaine, sécurité et responsabilité en cas d’erreur. Parmi les entreprises françaises qui n’utilisaient pas l’IA en 2025, 54 % invoquaient un manque d’expertise, 38 % une incompatibilité technique et 32 % des coûts trop élevés. Si des outils bon marché suffisaient réellement à remplacer des postes, les unités aux processus standardisés devraient afficher rapidement à la fois une adoption accrue et une baisse relative de leurs heures travaillées ; l’adoption seule ne validerait pas cette thèse. (insee.fr)

Deuxième objection : la structure du coût du travail peut accélérer ou freiner la substitution selon le poste. Un salaire chargé élevé rend l’automatisation attractive si le résultat de l’IA est vérifiable à faible coût. Mais, pour une activité où chaque sortie doit être revue par un professionnel responsable, les heures économisées peuvent être modestes. Dans une petite entreprise, peu de salariés accomplissent exclusivement une tâche automatisable : libérer deux heures par jour ne permet pas nécessairement de supprimer un poste. Dans un grand centre de traitement, les mêmes heures sont plus facilement mutualisées. Je présente ce raisonnement comme un mécanisme économique à tester, pas comme une mesure observée des licenciements français. (insee.fr)

Mon scénario central est ainsi un ajustement d’abord par les flux — moins d’offres d’entrée, remplacements différés, sous-traitance réduite — puis, si les gains se confirment et s’étendent à des processus entiers, par le stock de postes. Je ne donnerais pas de date unique à ce second stade : il sera plus rapide dans les grands services numériques standardisés que dans les PME polyvalentes ou les missions publiques soumises à contrôle. Pour mesurer des pertes réelles imputables à l’IA, il faut suivre conjointement effectifs, heures, salaires et recrutements, en comparant des unités semblables qui adoptent à des moments différents ; une baisse d’offres pendant un ralentissement économique ne suffit pas. Le BIT recommande précisément de confronter les indicateurs d’exposition aux trajectoires observées de l’emploi et des salaires. (ilo.org)

À Claude-Sonnet 5.5 et Grok 4.7

Claude-Sonnet 5.5, je te rejoins sur le risque pour les débutants, mais je conteste la version forte de « l’ajustement passe par le gel des embauches » : c’est une hypothèse plausible, pas encore un canal dominant établi pour l’ensemble du privé et du public. Un test décisif serait de comparer, dans un même métier et à demande comparable, les recrutements juniors, les heures des salariés en place et les départs non remplacés. Si les heures baissent d’abord chez les titulaires, ton diagnostic de canal prioritaire doit changer. Je ne traiterais pas non plus la baisse d’offres rapportée par une source secondaire comme une preuve causale de l’IA sans consulter l’étude et ses contrôles.

Grok 4.7, ton « effet de déplacement [qui] peut précéder de plusieurs années l’effet de réinstauration » complète le risque de cohorte décrit par Claude-Sonnet 5.5. Mon désaccord porte sur le délai de cinq à dix ans que tu supposes : il devient difficile à interpréter si l’on mélange postes supprimés, recrutements évités et tâches nouvelles au sein des mêmes postes. Je le testerais séparément pour chacun de ces flux, plutôt que d’inférer une horloge nationale à partir du potentiel technique. Les écarts d’adoption par taille d’entreprise rendent cette réserve particulièrement importante en France. (insee.fr)

Question ouverte à vous deux : quel résultat vous ferait conclure qu’une baisse persistante des recrutements juniors est bien une perte d’emplois causée par l’IA, plutôt qu’un effet de conjoncture ou un déplacement vers d’autres entreprises et intitulés de poste ?

Claude Sonnet 5.5

Exposition, calendrier, frottements : ma réponse à l’utilisateur, puis à Gpt 6 Sol et Grok 4.7

À l’utilisateur : qui est exposé, et à quelle vitesse cela devient des pertes d’emploi

Niveau d’analyse. Je raisonne au niveau du métier ou de la famille de tâches, et non du secteur. Un secteur « exposé » mêle des fonctions très différentes.

Métiers les plus exposés (privé). Le Trésor, dans sa note n° 391 de juin 2026, indique que les premières vagues de licenciements attribuées à l’IA se concentrent dans les secteurs les plus exposés (finance, informatique), même si l’IA sert parfois de prétexte à d’autres motifs. ActuIA souligne un basculement : ce sont désormais des métiers qualifiés (finance, assurance, informatique, édition) qui sont parmi les plus exposés. S’y ajoutent le support administratif, la comptabilité, les RH et le service client. Les études citées par le Trésor mesurent des gains de productivité de +14 % pour les agents de service client à +26 % pour les développeurs.

Premier signal observable. Il porte sur les offres, pas sur les licenciements. D’après une étude d’Andreescu et Maurin rapportée par un blog (source secondaire, que je ne peux pas vérifier), les offres France Travail ont reculé de 50 % ou plus dans l’informatique entre fin 2023 et début 2026. Elles ont reculé d’environ 25 % dans 125 métiers moins directement exposés. L’effet global serait de l’ordre de 5 % d’offres en moins. Ce chiffre est une baisse relative des recrutements, pas une perte d’emplois.

Emploi public. Le rapport IGF-IGAS-IGA de juillet 2026 estime que 20 % des agents publics sont exposés, soit 1,13 million, dont 13 % (plus de 700 000) dans les catégories les plus exposées. Il précise que c’est une exposition potentielle, pas une estimation de gains de productivité. Les fonctions supports en sont le cœur : employés administratifs, paie/RH, comptables, secrétaires, développeurs, contrôleurs des impôts (Acteurs Publics). La fourchette plus offensive de Roland Berger, relayée par l’IFRAP, retient environ 430 000 emplois théoriquement automatisables, soit 8 % des 5,7 millions d’agents. Ces deux chiffres reposent sur des méthodes différentes et ne sont pas additionnables.

Les quatre filtres entre exposition et pertes réelles.

  • Coûts d’adoption. Le Trésor décrit une courbe « en J »:coûts d’adaptation défavorables d’abord, gains ensuite. Le coût du modèle baisse vite, mais les coûts complémentaires (données, intégration, refonte des processus, formation) restent largement fixes. Ils favorisent donc les grands groupes. L’écart d’adoption de l’Insee, 15 % dans les petites structures contre 58 % dans les grandes, en est la trace.
  • Structure productive. L’emploi exposé est concentré dans quelques fonctions tertiaires, souvent métropolitaines, au sein d’un tissu de TPE-PME qui adoptent lentement. L’industrie, le soin, le BTP et la logistique de terrain sont peu touchés tant que la robotique ne suit pas. Ce que l’IA fait déjà à ces métiers passe par l’organisation du travail, pas par la suppression de postes.
  • Réglementation. L’AI Act a vu ses obligations « haut risque » de l’annexe III (RH, crédit, éducation) reportées du 2 août 2026 au 2 décembre 2027, et celles des systèmes destinés aux autorités publiques restent fixées à 2030. C’est un frein de calendrier modeste pour le privé. Le frein principal est le droit du travail français:consultation du CSE, PSE et GPEC. À partir de mon cadre d’analyse (non sourcé ici), ils poussent à ajuster par attrition et gel des embauches plutôt que par licenciements visibles.
  • Structure du coût du travail. C’est ma thèse la moins établie, que je présente comme hypothèse. Les allègements de cotisations sur les bas salaires réduisent l’incitation à automatiser les emplois peu payés. Le coin socio-fiscal pèse davantage sur les emplois qualifiés. L’incitation à substituer serait donc la plus forte là où l’exposition technique est aussi la plus forte, vers 2 à 4 SMIC.
  • Spécificité du public. Le statut rend le licenciement des titulaires quasi inexistant. L’ajustement passera donc par le non-remplacement des départs, et sera une décision budgétaire plus que technologique. Le déficit public crée cette incitation, ce que le privé n’a pas au même degré.

Calendrier (confiance faible à modérée, hypothèses explicites).

  • 2026-2030. Gel des embauches d’entrée dans l’informatique, la finance et le support. Les pertes nettes au niveau national restent faibles, et leur attribution à l’IA est difficile à isoler.
  • 2030-2035. Les fonctions supports se réduisent par attrition, dans le privé et dans le public (grandes organisations d’abord).
  • Au-delà de 2035. Cela dépend d’une fiabilité agentique que je ne tiens pas pour acquise.

Je distingue donc trois mesures : l’exposition (rapportée), les offres perdues (observée, partiellement), et les emplois détruits (non observés à ce stade).


À Gpt 6 Sol

Je suis d’accord avec vous pour séparer tâche automatisable, poste supprimé et personne durablement sans emploi. Mais votre mécanisme s’accorde mal avec votre cadrage institutionnel. Vous écrivez que les entreprises réduisent surtout les recrutements d’entrée plutôt que de licencier. Si c’est vrai, la personne déplacée n’est pas l’adulte licencié que la reconversion et la reconnaissance des acquis sont censées servir. C’est le jeune diplômé qui n’est pas embauché.

L’objection est testable : le retard institutionnel pertinent serait alors l’insertion initiale, pas la formation continue. On pourrait comparer le chômage des 20-29 ans diplômés dans les métiers exposés avec celui des plus de 45 ans dans les mêmes métiers. Votre thèse prédit un écart faible, la mienne un écart fort. Quelle donnée vous ferait trancher ?

À Grok 4.7

Votre distinction entre effet de déplacement et effet de réinstauration est utile, mais je conteste deux points.

  • Le « retard de cinq à dix ans ». Il est supposé à partir de Acemoglu-Restrepo, sans mesure française. Le Trésor lui-même dit que les études ne permettent pas de déterminer l’effet total de l’IA sur l’emploi. Quelle observation d’ici 2028 vous ferait réviser ce délai ?
  • Les protections de l’emploi. Vous écrivez qu’elles allongent les transitions. Pour les salariés en CDI, elles les retardent. Pour les outsiders (CDD, jeunes), elles reportent le coût de l’ajustement, ce qui converge avec mon objection à Gpt 6 Sol.

Sur le seuil des 30 % de tâches : la dispersion des estimations du Trésor, entre 5 % et 60 %, vient surtout de la définition de l’exposition. Un seuil binaire donne une fausse précision, et le chiffre de 16,3 % me paraît à lire comme un ordre de grandeur, pas comme un stock de personnes menacées.

Grok 4.7

Exposition et vitesse : trois horloges, pas un seul choc

La question utile n’est pas « l’IA détruit-elle l’emploi », mais quels métiers, dans quel régime institutionnel, et par quel canal d’ajustement l’exposition devient une perte réelle. J’opère au niveau métier × secteur × régime (grande entreprise concurrentielle, PME, emploi public statutaire), pas au taux de chômage national. Statut de ce qui suit : cartographie rapportée des études ; calendrier de conversion défendu, non estimé statistiquement.

Où l’exposition est la plus forte

Dans le privé, le front n’est plus seulement le travail répétitif peu qualifié. La note Trésor-Éco n°391 place en tête, à court terme, les activités financières et d’assurance, les services informatiques, l’édition et les services professionnels. L’étude Coface/OEM (923 professions, tâches décomposées) situe la France à environ 16 % du contenu du travail potentiellement automatisable en scénario agentique ; environ une profession sur huit dépasse 30 % de tâches automatisables, seuil de transformation forte, pas de disparition. Les familles les plus chargées : support administratif, informatique et ingénierie, droit, finance, certains métiers créatifs. L’OIT (indice 2025) confirme : clercs, saisie, secrétariat, comptabilité de base restent au sommet, avec une montée sur des rôles techniques numérisés (développement, analyse financière, web).

Les métiers où la perte de flux est déjà observable, et non seulement l’exposition théorique : informatique et TIC (offres France Travail en baisse relative de plus de 40 à 50 % entre fin 2023 et début 2026, lecture secondaire d’Andreescu et Maurin), puis un ensemble plus large (comptabilité, RH) autour de −25 %. Agriculture, BTP, une partie de l’industrie physique et le soin en présentiel restent peu substituables.

Dans l’emploi public, le rapport IGAS/IGF/IGA (méthode OIT) estime 13 à 20 % des emplois publics « significativement exposés » : de l’ordre d’1 à 1,2 million d’agents, dont environ 700 000 plus fortement touchés — employés de bureau, secrétaires, comptables, développeurs internes, contrôleurs des impôts (Acteurs publics). Faiblement exposés : enseignants devant élèves, soignants, policiers de terrain, juges, pompiers. Le rapport dit explicitement que l’exposition ne préjuge pas des gains de productivité ni des suppressions de postes.

À quelle vitesse cela devient une perte d’emploi

Trois horloges ne tournent pas ensemble.

Horloge technique. Déjà avancée sur les tâches de langage, de code et de dossier standard. Elle ne suffit pas.

Horloge d’adoption. Freinée par le tissu productif. Le baromètre France Num 2026 indique 40 % des TPE-PME utilisatrices d’une solution d’IA (+14 points en un an), mais surtout pour générer du texte ; 19 % seulement paient un outil, et l’automatisation de tâches reste minoritaire (11 %). Un usage léger coûte peu ; une intégration sérieuse, souvent citée entre quelques dizaines et plusieurs centaines de milliers d’euros, bute sur les données, la responsabilité et le manque de compétences internes. Les grands groupes de la finance, de l’informatique et de l’édition n’ont pas cette inertie. Dans le public, la DINUM recense une prolifération de produits encore hétérogènes ; souveraineté et marchés publics ajoutent un surcoût, et la mutualisation reste faible. Hypothèse défendue : l’adoption qui supprime un poste entier reste lente hors fonctions déjà numérisées et standardisées.

Horloge d’ajustement de l’emploi. C’est ici que la réglementation et le coût du travail inversent l’intuition. Le droit du licenciement et le statut ralentissent les plans sociaux. Ils n’empêchent pas de ne pas embaucher. Un CDI chargé en cotisations, en période d’essai courte et en indemnités rend le non-remplacement d’un départ, ou le gel d’un poste junior, rentable dès qu’un outil couvre une part stable des tâches. La structure française du coût du travail protège les titulaires et taxe les entrants. D’où un décalage déjà visible dans les offres, pas encore dans les stocks agrégés.

Calendrier que je défends, avec une confiance modérée sur la forme et faible sur les volumes :

  • 2024-2028:pertes réelles surtout en flux (juniors informatique, édition, conseil, support de niveau 1, saisie). Les stocks bougent peu.
  • 2028-2035:érosion des effectifs de back-office privé par attrition, si les agents tiennent sur des chaînes de tâches et non sur des brouillons. Dans le public, le canal plausible n’est pas le licenciement mais le non-remplacement, surtout si la contrainte sur la masse salariale s’impose indépendamment de la fiabilité des outils.
  • Avant 2040, la disparition de métiers entiers reste l’exception (saisie, traduction généraliste, standard téléphonique), pas la règle. La réglementation professionnelle (responsabilité juridique, médicale, comptable) et l’AI Act freinent la substitution complète des professions réglementées, pas le gel des recrutements d’appui.

Ce que je conteste dans vos deux scénarios

Claude-Sonnet 5.5, tu écris qu’un « vent démographique favorable » réduit le nombre de postes à détruire et laisse du temps. Version la plus forte de ta thèse : les départs du baby-boom absorbent le choc au niveau macro. Objection testable : ces départs sont massifs dans le soin, l’enseignement et l’administration, pas dans les cohortes juniors de l’informatique et de la finance, déjà touchées par le gel des offres. La démographie ne réalloue pas les mêmes personnes. Ton scénario central (pas d’effondrement agrégé, décalage local) reste compatible avec des pertes réelles rapides de flux ; le seuil de +2 points de chômage structurel que tu poses mesure mal cette vitesse-là.

Gpt 6 Sol, ta distinction tâche / poste / personne, et ton unité bassin × métier × qualification, sont le bon niveau pour la personne déplacée. Nous sommes complémentaires sur ce point. En revanche, tu traites le gel des embauches comme un amortisseur temporel. Objection : dans un régime à coût du travail élevé, ce gel est la perte, pour celui qui n’entre jamais. La phrase « la capacité technique ne se convertit pas automatiquement en suppression de poste » est juste pour les stocks d’incumbents ; elle est fausse, ou au moins trop rassurante, pour les flux d’entrée. Ton scénario sous-spécifie aussi le public : le statut ralentit les sorties, mais une cible d’économies sur la masse salariale peut accélérer le non-remplacement avant que les outils soient fiables.

Question ouverte, distincte de vos indicateurs de réfutation : si la contrainte budgétaire publique impose un non-remplacement des fonctions administratives exposées indépendamment de la maturité des outils, le secteur public ne devient-il pas, d’ici 2032, le lieu où l’exposition se convertit en baisse d’effectifs plus vite que dans les PME privées — à l’inverse du récit selon lequel le privé ajuste et le public protège ?

Tour croisé #2 – Mode : Constructif

Utilisateur

Si l’IA automatise les tâches confiées aux débutants, que deviendront l’emploi des jeunes et les voies d’entrée actuelles : stages, alternance, premiers CDD ? Quels mécanismes concrets pourraient remplacer ces voies d’accès, dans l’entreprise, dans la branche et dans l’action publique, et qui aurait intérêt à les financer ?

GPT-6 Sol

L’entrée dans l’emploi est le point de tension

À l’utilisateur, je réponds d’abord ceci : un emploi débutant n’est pas seulement une production à faible coût ; c’est un dispositif d’apprentissage. On confie des tâches simples à une recrue, puis on lui donne des dossiers plus difficiles à mesure qu’elle acquiert du jugement. Si l’IA accomplit les premières tâches, l’entreprise peut conserver ses salariés expérimentés tout en réduisant ses stages, ses alternances ou ses premiers CDD. Le risque n’est donc pas nécessairement un licenciement massif : c’est une pénurie d’expérience future, créée par un défaut d’embauche présent.

Je distingue trois effets possibles, à mesurer séparément : moins de places d’entrée, des places maintenues mais appauvries parce que l’IA fait tout le travail formateur, et de nouvelles places où le débutant apprend à contrôler, contextualiser et corriger les productions de l’IA. Leur ampleur en France reste incertaine : la Direction générale du Trésor souligne que les études disponibles ne permettent pas encore d’établir l’effet total de l’IA sur l’emploi. (tresor.economie.gouv.fr)

Les voies actuelles ne disparaîtront pas toutes, mais leur utilité ne sera plus garantie par leur seule existence. Un stage d’observation sans tâches progressives peut fournir une ligne de CV sans compétence ; une alternance où l’apprenti ne fait que valider des sorties de modèle peut avoir le même défaut. À l’inverse, un premier CDD peut rester très formateur si une personne expérimentée confie au débutant des cas réels, vérifie ses décisions et explique ses erreurs. Le critère décisif devient : quelle expérience vérifiable le jeune acquiert-il ?

Remplacer les tâches d’entrée, pas seulement subventionner des contrats

Dans l’entreprise, je proposerais un parcours junior rémunéré de 12 à 18 mois, intégré au travail ordinaire plutôt qu’un « sas IA » séparé. Il comporterait des responsabilités graduées : traiter des cas simples avec l’IA, repérer ses erreurs, instruire des exceptions, puis défendre une décision devant un responsable. Le tuteur réserverait du temps identifiable à la revue des dossiers. Une évaluation porterait sur des cas que le jeune doit comprendre sans reprendre aveuglément la réponse du modèle. L’entreprise finance le salaire et le tutorat parce qu’elle obtient, à terme, les professionnels expérimentés dont elle aura besoin ; elle doit toutefois pouvoir vérifier ce rendement, par exemple avec le taux de progression et de maintien en emploi.

Dans la branche, les entreprises pourraient mutualiser ce qu’aucune PME ne peut facilement organiser seule : un référentiel de compétences, des cas pratiques anonymisés, la formation des tuteurs et des rotations entre employeurs. Le mécanisme répond à un problème précis : chaque entreprise hésite à payer seule une formation dont une concurrente pourrait ensuite bénéficier. Une contribution commune répartit ce coût et préserve un vivier pour toute la profession. Les branches et les OPCO disposent déjà d’un rôle dans la prise en charge des contrats d’apprentissage ; il s’agirait de réorienter et d’évaluer une partie de cet effort, non de prétendre qu’un nouveau fonds existe déjà. (francecompetences.fr)

Dans l’action publique, je défendrais une aide ciblée sur les métiers et bassins où les recrutements débutants reculent, versée par étapes : entrée effective, tutorat attesté, acquisition de compétences et situation professionnelle quelques mois après la sortie. L’État a intérêt à cofinancer lorsque les bénéfices dépassent l’employeur — insertion, recettes futures, moindre risque de chômage durable —, mais il ne devrait pas payer simplement pour rebaptiser un stage existant. Les données d’insertion des apprentis montrent qu’un suivi fin des parcours est possible ; il faudrait l’étendre aux voies d’entrée concernées et comparer les bénéficiaires à des jeunes similaires non bénéficiaires. (dares.travail-emploi.gouv.fr)

Le partage du financement suit ainsi celui des bénéfices : l’entreprise paie la capacité productive qu’elle construira ; la branche paie les compétences transférables entre ses membres ; la puissance publique intervient là où le marché sous-investit dans l’accès au premier emploi. Pour éviter que seuls les jeunes déjà diplômés et bien connectés captent ces places, les aides devraient aussi être suivies selon le diplôme, le territoire et l’origine du recrutement. C’est une condition de conception, non un effet automatiquement assuré par la subvention.

À Claude-Sonnet 5.5 et Grok 4.7

Claude-Sonnet 5.5, votre formule — « le retard institutionnel pertinent serait alors l’insertion initiale, pas la formation continue » — corrige utilement mon cadrage précédent. J’y réponds : les deux problèmes sont liés, mais leur ordre causal importe. Si l’entreprise cesse d’embaucher des novices, former les salariés en place ne reconstitue pas la cohorte manquante. Votre comparaison entre jeunes diplômés et plus de 45 ans serait informative, mais un écart brut ne suffirait pas : les métiers exposés peuvent aussi subir un ralentissement conjoncturel. Je regarderais, à métier et territoire comparables, l’évolution des embauches de débutants rapportées aux embauches expérimentées, puis la durée d’accès au premier emploi et la progression salariale des cohortes entrantes. Un recul propre aux débutants, persistant malgré une activité et des recrutements expérimentés stables, renforcerait votre hypothèse ; des baisses parallèles l’affaibliraient. C’est un test proposé, pas une mesure déjà établie.

Grok 4.7, je retiens votre objection : « ce gel est la perte, pour celui qui n’entre jamais ». Vous avez raison de refuser que je l’appelle un amortisseur pour les entrants. Son mécanisme est asymétrique : le droit et les coûts de rupture peuvent ralentir la sortie des salariés installés, tandis qu’un poste jamais ouvert ne déclenche aucune rupture. C’est précisément pourquoi je déplacerais une partie de l’effort public de la seule reconversion vers la production de premières expériences. Cela ne suppose pas que tout gel soit causé par l’IA ; l’évaluation doit isoler, autant que possible, cet effet des autres motifs de moindre recrutement.

Sur votre question du public d’ici 2032, je réponds oui, c’est possible sous condition budgétaire, sans en faire une prévision. Une administration peut réduire rapidement ses flux d’entrée en ne remplaçant pas certains départs, même si son stock d’agents baisse lentement. Elle peut alors ajuster avant une PME qui n’a pas encore intégré l’IA. Mais si l’outil n’est pas fiable, le travail peut se reporter sur les agents restants, les délais de traitement ou les usagers : une baisse d’effectifs ne prouverait ni un gain de productivité ni une substitution réussie. Le rapport interinspections de juillet 2026 mesure une exposition potentielle des agents publics, non des suppressions de postes acquises. Il faudrait donc suivre ensemble recrutements, qualité du service, délais et charge de travail. (vie-publique.fr)

Je vous proposerais à tous deux de prendre la cohorte d’entrée, plutôt que le seul emploi total, comme unité commune d’évaluation : combien de jeunes entrent, quelles tâches apprennent-ils réellement, et peuvent-ils accéder deux ans plus tard aux responsabilités autrefois acquises par le travail débutant ? C’est là que nos scénarios deviennent départageables.

Claude Sonnet 5.5

Emploi des jeunes : que remplace-t-on quand l’IA absorbe les tâches d’entrée ?

À l’utilisateur : le mécanisme à réparer

Hypothèse défendue. Stages, alternance et premiers CDD fonctionnent parce que le débutant est rentable pendant qu’il apprend. Il accomplit des tâches simples (synthèses, saisie, code élémentaire, support de niveau 1). Leur valeur couvre le coût du tutorat, et la compétence s’acquiert en les faisant. Si l’IA absorbe ces tâches, le coût net de formation d’un junior monte.

Ce coût est en partie une externalité. L’entreprise qui forme ne capte pas toute la valeur, car le jeune peut partir. Chacune préfère donc recruter des profils déjà formés, et personne ne forme ceux de demain. C’est un problème de bien commun, et non un simple gel conjoncturel.

Ce que disent les données (niveau national, causalité non établie).

  • Le chômage des 15-24 ans atteint 21,6 % au deuxième trimestre 2026, contre 19,1 % un an plus tôt. Mais les données françaises disponibles ne permettent pas d’affirmer que l’IA en est la cause (Lavoixdefrance).
  • Une baisse de 29 % des offres pour débutants entre janvier 2024 et fin 2025 est rapportée (Influence!CSE). C’est une source secondaire, que je ne traite pas comme une preuve causale.
  • En parallèle, l’État resserre l’alternance. L’aide de 2026 tombe à 5 000 € pour les entreprises de moins de 250 salariés et 2 000 € pour les plus grandes (Bloom Alternance). L’enveloppe globale devait diminuer d’un milliard d’euros, à 2,4 milliards pour 2026 (FOCAL Lyon 1). La voie d’entrée la plus financée se rétrécit donc au moment où elle serait la plus utile.

Mécanismes concrets de remplacement

Dans l’entreprise

  • Tâches d’apprentissage protégées. On réserve volontairement une part du travail simple à des juniors, au lieu de tout déléguer à l’IA. Le coût est assumé comme un investissement.
  • Le junior comme vérificateur. Il relit, teste et audite les sorties de l’IA sous la supervision d’un senior. Cela produit du jugement professionnel, mais seulement si le temps de tutorat est comptabilisé et réellement dégagé.
  • Rotation encadrée sur des chaînes de tâches complètes. L’agentique supprime les brouillons, pas nécessairement la supervision de bout en bout.

Dans la branche

  • Les niveaux de prise en charge modulables. Depuis juillet 2025, les branches peuvent moduler les niveaux de prise en charge des contrats (CCI Lyon Métropole). Une branche peut donc majorer le financement des contrats dans les métiers dont l’entrée s’érode.
  • Groupements d’employeurs pour l’insertion et contrats mutualisés. Le jeune tourne entre plusieurs PME, et le coût du tuteur est partagé, ce qui réduit le risque de « braconnage ».
  • Un fonds de mutualisation par OPCO, alimenté selon un principe de bonus-malus sur le ratio de jeunes formés. Il vise à internaliser l’externalité décrite plus haut.

Dans l’action publique

  • Des aides conditionnées au contenu formatif (tuteur certifié, progression évaluée), plutôt qu’à la seule embauche. Cela limite l’effet d’aubaine.
  • Le secteur public comme employeur d’entrée. Or le projet de loi de finances 2026 prévoyait la fin de la prise en charge par l’État des cotisations salariales des apprentis du secteur public (ANAF). C’est un signal contradictoire.
  • Des clauses d’insertion dans la commande publique:les marchés d’outils d’IA incluraient des places de formation chez le prestataire ou chez l’acheteur.
  • Un premier emploi accompagné pour les diplômés de niveau bac+5, dont l’insertion se dégrade:70 % sont en emploi un an après le diplôme.

Qui a intérêt à financer ?

Je raisonne par bénéficiaire du gain et par coût évité :

  1. Les entreprises qui automatisent captent l’économie de masse salariale d’entrée. Une contribution mutualisée de branche, proportionnelle, est le cadre le plus logique, mais l’assiette est difficile à mesurer.
  2. Les branches ont un intérêt direct:sans junior formé aujourd’hui, il n’y aura pas de senior en 2035.
  3. L’État supporte le coût de la cicatrice (chômage de longue durée, cotisations perdues). Un cofinancement ciblé et indexé sur des indicateurs d’exposition se justifie, mais pas un soutien universel.
  4. Les éditeurs d’IA ont un intérêt faible et diffus. Je les range en financement volontaire, non assuré.

Condition de sobriété. Comme la causalité n’est pas démontrée, je recommande des dispositifs à clause d’extinction, déclenchés par des indicateurs, plutôt que des engagements permanents.


À Gpt 6 Sol : ce qui ferait conclure à une perte causée par l’IA

« quel résultat vous ferait conclure qu’une baisse persistante des recrutements juniors est bien une perte d’emplois causée par l’IA »

Je concède que le gel des embauches est une hypothèse plausible, non un canal établi. Voici le test que j’accepterais, dans un schéma de triple différence. On compare :

  • les entreprises à adoption précoce et à adoption tardive ;
  • les métiers exposés et non exposés au sein d’une même entreprise ;
  • les recrutements juniors, les heures des titulaires et les départs non remplacés.

Je conclurais à une substitution si la baisse se concentre sur les juniors des tâches exposées, après adoption, sans effet équivalent sur les métiers non exposés de la même entreprise. Si les heures baissent d’abord chez les titulaires, je change de diagnostic. Pour la décision publique, je n’ai pas besoin de trancher avant d’agir, puisque les mécanismes ci-dessus sont conçus à faible regret.

À Grok 4.7 : démographie et secteur public

« la démographie ne réalloue pas les mêmes personnes »

Je l’accepte, et j’en tire une conséquence de politique publique. Les départs massifs se concentrent dans le soin, l’enseignement et l’administration. Orienter l’alternance vers ces métiers devient donc un mécanisme d’entrée. Le coût de ce choix est la mobilité sectorielle des jeunes diplômés, qui ne se produit pas spontanément.

Sur votre question, le public pourrait en effet convertir l’exposition en baisse d’effectifs plus vite que les PME. Le mécanisme est le non-remplacement, imposé par la masse salariale. Mais j’ajoute un biais d’attribution : si la contrainte budgétaire s’applique indépendamment des outils, l’IA devient la justification, pas la cause. Le test triple différence devrait donc comparer, dans le public, des services à budget contraint équivalent mais à déploiement d’IA différent.

Question ouverte à vous deux : si la branche mutualise le coût de formation des juniors, qui doit supporter le risque que ces juniors partent vers une autre branche, et à quelle échelle (branche, bassin d’emploi ou national) la mutualisation est-elle la moins fragile ?

Grok 4.7

La rampe d’entrée se défait là où la tâche du débutant finançait la sélection

À l’utilisateur

Le stage, l’alternance et le premier CDD ne sont pas un stock de « petits emplois ». Ce sont des contrats de production jointe : l’entreprise achète un output supervisé et peu cher, et obtient sans ligne budgétaire séparée un signal de sélection et un début de compétence. J’emploie « production jointe » au sens strict : deux outputs sortent du même contrat, un seul est payé.

L’IA sépare les deux. Dès que le traitement de dossier, le support de premier niveau, la rédaction standard ou certaines étapes de code junior sont produits sans débutant, l’entreprise n’a plus de raison privée de payer la sélection. Le gel des embauches n’est alors pas un simple décalage. C’est la disparition de la tâche qui finançait l’entrée. L’effet de déplacement précède la réinstauration parce que l’entreprise vit sur les cohortes déjà sélectionnées, le temps d’un cycle de promotion interne. L’horloge n’est pas nationale. Elle est celle de ce stock, et elle diffère selon que les heures libérées sont mutualisables.

Les trois voies ne meurent pas ensemble. Le premier CDD et le stage de bureau tombent en premier : aucun financement de branche ne les retient, et le stage n’avait souvent que le travail bon marché comme justification. L’alternance tient seulement là où quelqu’un continue de mettre un prix sur le second output.

Ce qui est déjà visible ne prouve pas l’IA, mais situe le segment. L’Insee place le chômage des 15-24 ans à 21,6 % au deuxième trimestre 2026, soit +2,5 points en un an, contre +0,5 point chez les 25-49 ans. La Dares compte 137 300 entrées en apprentissage à fin juillet 2026, −4,3 % sur un an : le supérieur recule de 14,1 %, le secondaire progresse de 3,4 %. Le segment qui se contracte est celui qui alimente les métiers de bureau et du numérique, pas les métiers de geste. Une seconde cause se superpose : les aides à l’embauche ont été abaissées, surtout aux niveaux 6 et 7 — 2 000 € sous 250 salariés, 750 € au-delà, première année seulement (OPCO Santé) — et une participation employeur de 750 € s’applique depuis juillet 2025 aux diplômes à partir de la licence (Opco EP). Attribuer le recul à l’IA seule serait une erreur. Hypothèse défendue : les deux chocs frappent la même rampe, celle des premières affectations tertiaires qualifiées.

Dans l’entreprise, le contrat de remplacement doit tarifer la sélection, pas l’output que l’IA produit déjà. Le levier concret est le poste de vérification sur dossiers réels : le débutant audite la sortie du modèle. Cela restaure une contribution productive — le coût de revue humaine, qui empêche de confondre prix de l’abonnement et coût d’un processus fiable — et un signal observable : qui voit l’erreur matérielle. L’alternance recentrée sur l’exception, le contact et la responsabilité va dans le même sens. Seule, l’entreprise ne le fera pas pour les compétences génériques. Celui qui forme perd le formé au profit de celui qui n’a pas payé.

Dans la branche, l’intérêt collectif est déjà payable. La taxe d’apprentissage, 0,68 % de la masse salariale, et les prises en charge des OPCO socialisent le coût pédagogique (économie.gouv.fr). La contribution supplémentaire à l’apprentissage pénalise les entreprises de 250 salariés et plus en dessous de 5 % d’alternants. Le mécanisme à transformer n’est pas un dispositif neuf. C’est de conditionner l’avantage — exonération, niveau de prise en charge — à un référentiel dont les tâches cibles sont complémentaires de l’IA. Sinon la branche finance un diplôme dont le contenu productif a été vidé, et les entreprises cessent d’embaucher les apprentis. La POEC, où un groupe d’employeurs s’engage à examiner les sortants, mutualise la sélection que le poste junior ne fournit plus.

Dans l’action publique, trois intérêts, trois paiements. L’État paie le chômage des jeunes et le non-renouvellement de ses corps. Les entrées en apprentissage public sont de l’ordre de 1 200 à fin juillet 2026 (Dares) : financer des voies d’entrée dans les fonctions supports exposées évite un trou de compétence à l’horizon d’un cycle de carrière. Restaurer des aides indifférenciées aux niveaux 6 et 7, dans les métiers dont la première affectation est automatisée, financerait des places vides. Le solde de la taxe d’apprentissage (0,09 %), déjà affecté à l’insertion et aux formations initiales, est le tuyau existant pour les stages que l’entreprise ne justifiera plus par le travail bon marché.

Qui finance, par intérêt décroissant. Les grandes entreprises de la finance, de l’assurance et de l’informatique : leur pénurie arrivera au niveau intermédiaire, sur des compétences peu achetables (systèmes internes, dossiers clients), mais seulement après épuisement du stock déjà formé. Les branches, via des contributions déjà obligatoires : seul niveau qui neutralise le passager clandestin. L’État : intérêt fiscal immédiat et renouvellement de ses effectifs. Intérêt faible, hypothèse défendue, pour la PME dont les tâches ne sont pas mutualisables : libérer deux heures par jour ne supprime pas un poste chez elle, et ne la pousse pas à payer une filière tant qu’elle peut embaucher des gens déjà sélectionnés ailleurs.


À Gpt 6 Sol et à Claude-Sonnet 5.5

Gpt 6 Sol, ta question tranche le débat, et je la prends comme un protocole, pas comme une date.

quel résultat vous ferait conclure qu’une baisse persistante des recrutements juniors est bien une perte d’emplois causée par l’IA

Je conclurais à une perte de voies d’entrée imputable à l’IA, et non à une destruction du stock de postes, si, dans un même métier, entre établissements adoptants précoces et tardifs, à demande comparable : les embauches juniors baissent chez les précoces ; les heures des titulaires ne baissent pas dans la même proportion ; les juniors manquants ne réapparaissent pas sous un intitulé voisin dans les mêmes établissements ; et l’écart survit au contrôle de la baisse des aides aux niveaux 6 et 7. Si les heures des titulaires baissent d’abord, ton objection tient et le gel n’est pas le canal prioritaire. Le recul de l’apprentissage est compatible avec le gel. Il n’en est pas la preuve.

Je retire l’horloge nationale de cinq à dix ans. Le mécanisme est la durée d’un cycle de promotion : le temps pendant lequel l’entreprise couvre ses besoins intermédiaires avec les cohortes sélectionnées avant le gel. Observation d’ici 2028 qui me ferait réviser, pour répondre à Claude-Sonnet 5.5 : dans les grands établissements précoces de la finance et de l’informatique, si le ratio des promotions internes des cohortes 2022-2024 sur les embauches externes de niveau intermédiaire ne monte pas, et si ces embauches externes baissent aussi, ce n’est pas un décalage, c’est un rétrécissement permanent. Une hausse des salaires externes intermédiaires dès 2028, à embauches juniors toujours déprimées, raccourcirait le délai.

Claude-Sonnet 5.5, j’accepte ta correction sur les protections.

Pour les salariés en CDI, elles les retardent. Pour les outsiders (CDD, jeunes), elles reportent le coût de l’ajustement

Une protection du CDI renchérit la séparation d’un titulaire relativement au coût de ne pas signer un contrat qui n’existe pas encore. Quand l’IA abaisse le produit de la première affectation, la marge la moins chère est le stage, l’alternance ou le CDD non conclu. Les protections ne ralentissent pas l’ajustement. Elles en choisissent la victime. Cela rejoint ton objection : la personne pertinente n’est pas l’adulte que la reconversion est censée servir.

C’est le jeune diplômé qui n’est pas embauché.

Je lâche le seuil binaire de 30 % comme stock de personnes menacées. Au niveau de la première affectation, la variable opératoire est de savoir si les tâches automatisées étaient celles qu’on confiait au débutant. Un métier exposé à 20 % peut perdre sa rampe si ces 20 % étaient la rampe.

Question ouverte : pour financer le remplacement, vaut-il mieux conditionner l’exonération de contribution supplémentaire à l’apprentissage à un référentiel de tâches complémentaires de l’IA, ou une POEC de branche avec engagement d’examen des candidatures, qui restaure la sélection sans exiger que chaque entreprise ait encore besoin de l’output du débutant ?

Tour croisé #3 – Mode : Critique

Utilisateur

Parmi les mécanismes que vous venez de proposer, lequel échouerait le premier, et pourquoi ? Atteignent-ils tous les jeunes concernés, et que deviennent ceux qu’ils n’atteignent pas ?

GPT-6 Sol

La première défaillance : confier la vérification à qui doit encore l’apprendre

À l’utilisateur — je distingue une place offerte d’une compétence réellement acquise. Parmi les mécanismes proposés, celui qui échouerait probablement le premier est le poste de junior vérificateur des sorties de l’IA, s’il remplace entièrement les tâches simples d’exécution. C’est une hypothèse de fonctionnement, pas un échec déjà mesuré : pour repérer une erreur plausible dans un dossier, il faut souvent avoir appris comment le dossier se construit. Si le débutant ne voit plus que le résultat final, on risque de lui demander d’exercer le jugement que le poste devait précisément lui enseigner.

L’objection est testable au niveau du poste, plutôt qu’au niveau du nombre de contrats signés. À durée de tutorat comparable, je comparerais deux parcours : l’un où le jeune produit d’abord une partie du travail puis vérifie l’IA, l’autre où il vérifie d’emblée. Après quelques mois, peuvent-ils expliquer une erreur, la corriger sans l’outil et traiter un cas nouveau ? Si le second groupe y parvient aussi bien, je retire mon objection. Sinon, nous aurons financé de l’activité de contrôle, pas une voie d’apprentissage.

Non, ces mécanismes n’atteignent pas tous les jeunes concernés. Leur couverture dépend de deux portes distinctes : être repéré et admis, puis accéder à une situation de travail qui forme effectivement.

  • L’alternance conditionnée et les tâches protégées atteignent surtout les jeunes qu’un employeur accepte déjà de recruter. Une exigence de qualité peut donc améliorer chaque place tout en réduisant le nombre de places, notamment si le tutorat manque.
  • La formation collective avec examen des candidatures restaure une occasion d’être vu, mais examiner n’est pas embaucher. Si toutes les entreprises partenaires recherchent le même profil immédiatement opérationnel, la mutualisation déplace la sélection sans l’élargir.
  • Les GEIQ offrent une voie plus adaptée à des personnes éloignées de l’emploi:ils les embauchent directement, organisent l’alternance et l’accompagnement, puis les mettent à disposition d’entreprises. Leur existence ne garantit toutefois ni une place dans chaque métier exposé ni une capacité suffisante pour tous les jeunes écartés. (travail-emploi.gouv.fr)
  • Un premier emploi accompagné réservé aux diplômés de bac+5 laisserait, par construction, de côté les autres niveaux de qualification. À l’inverse, le contrat d’engagement jeune vise les jeunes ayant des difficultés d’accès à l’emploi durable qui ne sont ni étudiants ni en formation:il ne couvre pas automatiquement le diplômé encore inscrit en études, ni tous ceux qui ne sollicitent pas l’accompagnement. (dares.travail-emploi.gouv.fr)

Que deviennent les non-atteints ? Je ne leur attribue pas un destin unique. Certains trouvent une autre première expérience ; d’autres prolongent leurs études, acceptent un poste sans rapport avec leur formation, enchaînent les candidatures ou restent hors emploi. Le risque spécifique de notre débat est plus précis : perdre du temps d’expérience démontrable pendant que les employeurs continuent de demander cette expérience. Un indicateur de réussite limité aux jeunes entrés dans un programme masquerait ceux qui n’y sont jamais entrés et ceux dont le contrat s’est rompu. La Dares distingue d’ailleurs les ruptures d’apprentissage sans retour dans les six mois, distinction utile pour suivre les sorties plutôt que les seules signatures. (dares.travail-emploi.gouv.fr)

Je modifierais donc ma proposition : financer une séquence d’apprentissage, et non un intitulé de poste. Production encadrée sans IA sur certains cas, usage de l’outil, vérification contradictoire, puis évaluation sur un cas inédit. Et mesurer séparément, par bassin d’emploi et niveau de diplôme, les jeunes éligibles, contactés, admis, sortis avant terme et en emploi après le parcours. C’est la manière de soumettre la promesse d’inclusion à un test, au lieu de la déduire du nombre de places financées.

À Claude-Sonnet 5.5 et Grok 4.7

Claude-Sonnet 5.5, je te rejoins sur l’externalité de formation, mais je conteste que sa mutualisation suffise à résoudre le problème d’accès. Ton « fonds de mutualisation par OPCO » peut payer le tutorat des jeunes choisis tout en laissant intact le tri préalable. Objection testable : après une hausse du financement, la composition des entrants s’élargit-elle et le nombre de jeunes sans solution diminue-t-il, à qualité de formation constante ? Si seules les dépenses par contrat augmentent, le fonds répare le coût privé, pas la couverture. Pour le risque d’un départ vers une autre branche, je privilégie un socle national finançant les compétences transférables, complété par la branche pour les compétences spécifiques ; faire supporter à la seule branche le départ qu’elle ne contrôle pas recrée l’incitation à sous-investir.

Grok 4.7, ta « production jointe » décrit bien ce que l’automatisation peut défaire : production immédiate, sélection et apprentissage tenaient dans un même contrat. Mais le « poste de vérification sur dossiers réels » ne restaure les deux derniers outputs que si le junior apprend à reconnaître pourquoi une réponse est fausse. Je proposerais le test de compétence ci-dessus avant d’en faire le modèle dominant. Sur ton choix entre référentiel conditionnant l’avantage et POEC avec examen des candidatures, je ne choisirais pas l’un contre l’autre : le référentiel teste ce qui est appris ; la mise en relation teste qui accède à la sélection. Leur complémentarité échoue toutefois si « examen » ne s’accompagne d’aucune observation des recrutements effectifs.

Question à vous deux : quel résultat vous ferait renoncer à une aide pourtant efficace pour ses bénéficiaires, si elle ne réduit pas — ou aggrave — l’écart d’accès entre jeunes éligibles ?

Claude Sonnet 5.5

Le premier maillon qui cède est le poste de vérification, et il laisse des jeunes hors de portée

À l’utilisateur : lequel échouerait en premier ?

Je défends que le premier à échouer est le poste de vérification sur dossiers réels. Grok 4.7 le propose pour l’entreprise. Il est aussi présent dans le parcours junior de Gpt 6 Sol : « repérer ses erreurs » de l’IA. Il repose sur deux conditions qui se contredisent.

  • Condition de compétence. Pour voir l’erreur d’un modèle, il faut déjà avoir pratiqué la tâche. La littérature sur l’automatisation (complaisance, perte de vigilance) va dans ce sens. Si l’IA a absorbé la tâche d’entrée, le débutant n’a plus la base pour auditer. Statut:hypothèse défendue, appuyée sur cette littérature, non mesurée ici.
  • Condition de rentabilité. La revue humaine n’est payée que si le modèle est assez fiable pour être utilisé et assez peu fiable pour exiger un contrôle. Cette zone est étroite. Quand le modèle s’améliore, la revue par un junior devient un coût sans objet. Quand il est mauvais, c’est un senior qui doit relire.

Ce mécanisme échoue donc à la vitesse d’amélioration des modèles, bien avant que branches et pouvoirs publics aient réformé un référentiel.

Le parcours de Gpt 6 Sol résiste un peu mieux, grâce au tutorat. Mais le « temps identifiable » du tuteur est la première ligne qu’une entreprise sous pression rogne. Le coût est caché, et l’effet ne se voit qu’avec un cycle de retard.

Les mécanismes de branche (conditionnement de l’exonération, POEC) échoueraient plus lentement, par retard de référentiel et par capture. Ils échoueraient moins vite, mais plus durablement.

Atteignent-ils tous les jeunes concernés ?

Non. Ils atteignent surtout les jeunes entrant dans les grandes entreprises, dans les branches structurées, avec un diplôme ou un réseau. Plusieurs groupes passent à travers :

  • Jeunes en PME non mutualisables. Grok 4.7 le reconnaît:l’intérêt de la PME à financer une filière est faible. Gpt 6 Sol cite l’écart d’usage de l’IA de 18 % contre 58 % selon la taille. Cet écart décale le choc, mais aussi l’accès aux dispositifs.
  • Jeunes peu diplômés ou sortis tôt du système. La rampe visée est tertiaire qualifiée. Or le chômage des 15-24 ans à 21,6 % que cite Grok 4.7 ne se limite pas aux diplômés. Hypothèse défendue:par éviction en cascade (modèle de file d’attente), des diplômés non embauchés dans leur segment prennent des postes moins qualifiés. Les non-diplômés sont alors touchés indirectement, sans qu’aucun mécanisme ne les vise.
  • Jeunes du supérieur dans les segments sans aides. Grok 4.7 rapporte −14,1 % d’entrées en apprentissage dans le supérieur, sur fond de baisse des aides. Un conditionnement par référentiel ne rétablit pas ce financement.
  • Jeunes écartés par écrémage. Gpt 6 Sol propose d’évaluer le rendement par le « maintien en emploi ». L’entreprise est alors incitée à choisir ceux qui maintiendront, c’est-à-dire les plus proches de l’emploi.

Que deviennent ceux qui ne sont pas atteints ?

Trois trajectoires sont plausibles. Statut : rapporté, d’après la littérature sur les entrées sur le marché du travail en période défavorable (effets de cicatrice), non estimé pour l’IA.

  • Cicatrice salariale et de carrière. Un premier emploi retardé ou déclassé pèse durablement sur les salaires.
  • Refuge dans les études, qui reporte le problème et alimente l’inflation des diplômes.
  • Inactivité ou emploi hors métier, que les évaluations ne voient pas.

Il y a un biais d’évaluation. Gpt 6 Sol propose de comparer les bénéficiaires à des jeunes similaires non bénéficiaires, ce qui est utile. Mais si le suivi part des contrats conclus, il ne voit que les entrés. Il faudrait partir de la cohorte de sortie du système éducatif, avec des enquêtes de type Génération du Céreq, et suivre aussi ceux qui n’entrent dans aucun dispositif.


À Gpt 6 Sol

Ta cohorte d’entrée comme unité commune me convient, avec un correctif : la cohorte pertinente est celle de sortie de formation, pas celle des contrats signés. Sinon l’évaluation mesure les mécanismes sur ceux qu’ils ont atteints.

Objection testable sur le « tutorat attesté » comme condition de versement. L’attestation est produite par celui qui perçoit l’aide. Pour le tester, il faut comparer la progression de juniors dont le tutorat est attesté à celle que mesure une évaluation externe sur cas. Si les deux sont peu corrélées, le critère est capturé.

À Grok 4.7

Ta « production jointe » (output payé, sélection non payée) est un cadre utile. Mais elle confond deux pertes que je sépare : la sélection et la formation. Si le problème est la sélection, l’entreprise peut la reconstituer à bas coût, par tests sur cas, cooptation ou évaluations outillées par l’IA. Cela favoriserait les jeunes déjà connectés, ce qui aggrave la question de l’utilisateur. Si le problème est la formation, la POEC avec « engagement d’examen des candidatures » ne la restaure pas.

Test proposé : comparer le taux de transformation en emploi durable des sortants de POEC à celui de candidats de profil équivalent. Un engagement d’examen sans obligation d’embauche peut donner un signal sans débouché.

Sur ta question ouverte, je préfère le conditionnement de l’exonération, mais avec indicateurs de résultat. Il mobilise un levier existant et ne crée pas de filière parallèle.

Question ouverte

Pour les jeunes que ni l’entreprise ni la branche n’atteignent, quel indicateur d’alerte précoce déclencherait le filet public avant que la cicatrice ne se forme ? Acceptez-vous qu’il se déclenche sans preuve de causalité IA, sur la seule baisse des entrées dans un segment ?

Grok 4.7

Le premier à céder, et ceux qu’il laisse dehors

À l’utilisateur

Parmi les mécanismes de ce tour, le premier à échouer est la réservation volontaire de tâches d’apprentissage dans l’entreprise, et, au même rythme, le parcours junior de 12 à 18 mois dont le salaire et le tutorat restent d’abord à la charge de l’employeur. Claude-Sonnet 5.5 a posé le diagnostic juste : le débutant n’est plus rentable pendant qu’il apprend, et la formation est une externalité. Ces deux dispositifs demandent pourtant à l’entreprise d’internaliser cette externalité, précisément quand les adoptants précoces serrent les coûts. La tâche « protégée » est une ligne discrétionnaire : elle saute avant qu’un fonds de branche ou une aide conditionnée n’existe. Le junior vérificateur suit de près. Sans temps de tuteur réellement dégagé, la relecture est un tampon, pas un jugement.

Même dans la version la plus solide — l’employeur vérifierait son rendement par le maintien en poste, la branche paierait la part transférable — l’échec se situe à la marge d’ouverture, pas à la marge de contenu. Aucun référentiel, aucun cas anonymisé, aucune majoration de prise en charge ne s’attache à un poste qui n’est pas ouvert. Le test est simple : après une hausse du financement sur les métiers exposés, les contrats d’entrée augmentent-ils, ou seulement la subvention par contrat déjà prévu ?

Ce n’est pas le sous-financement qui casse en premier. C’est l’absence de porteur contraint. Les mécanismes de branche et d’État ont un support ; ils échouent plus tard, par écrémage et par fuite. Le secteur public comme employeur d’entrée ne tient pas non plus : le non-remplacement imposé par la masse salariale est déjà le mode d’ajustement. Étendre les places contredit la contrainte qui rend l’IA utile comme justification. Les clauses d’insertion dans les marchés d’outils d’IA échouent par conformité de papier.

Non, ils n’atteignent pas tous les jeunes concernés. Le niveau d’analyse n’est pas le métier exposé, c’est la cohorte d’âge à risque de non-entrée. Les dispositifs opèrent sur des contrats observables — alternance, CDD tutoré, rotation entre PME adhérentes, marché public. Ils sélectionnent qui est déjà à portée d’un employeur organisé.

Restent dehors :

  • les jeunes hors contrat, dont le chômage d’insertion ne déclenche aucun tutorat ;
  • les très petites structures qui n’entrent dans aucun groupement ;
  • les fonctions transverses — support, gestion courante, développement junior — dont la branche est floue, alors que la note du Trésor les place parmi les plus exposées ;
  • les territoires où le tissu d’employeurs est trop mince pour mutualiser.

Ceux qu’ils n’atteignent pas ne sont pas en file d’attente. Pour eux, le gel est la perte : pas de poste, donc pas d’expérience, donc une exclusion qui s’auto-renforce. Trois issues, souvent cumulées. Cicatrice de chômage, dont le coût retombe sur l’État — le coût que les aides ciblées prétendaient éviter, invisible si l’indicateur ne porte que sur les bénéficiaires. Déclassement vers des emplois peu exposés, sans reconstitution du jugement. Contournement par des statuts courts non tutorés, qui versent un revenu sans produire la compétence visée. Un dispositif peut « réussir » sur ses entrants et creuser l’écart avec le résidu.

Ce qui réfuterait cette lecture : une baisse parallèle du délai d’accès à un premier emploi stable chez les non-couverts, à diplôme et territoire comparables. Une divergence croissante montrerait un déplacement, pas une réparation.

À Claude-Sonnet 5.5

« C’est un problème de bien commun, et non un simple gel conjoncturel. »

Le diagnostic d’externalité tient. Le remède, moins. Mutualiser dans la branche déplace le passager clandestin. Les tâches d’entrée absorbées par l’IA traversent les branches ; le jeune part là où la demande restante existe, pas là où la contribution a été versée. L’échelle la moins fragile n’est ni la branche ni le bassin, mais le faisceau de compétences transverses. Cette échelle n’a pas de porteur fiscal. Le fonds d’OPCO à bonus-malus échoue donc sur la mobilité qu’il ne peut pas tarifer — ce n’est pas un mauvais réglage du malus.

Votre triple différence départage la substitution dans les entreprises qui recrutent encore. Elle ne voit pas les jeunes absents du fichier, faute de poste ouvert. La clause d’extinction est alors asymétrique : elle s’éteint quand l’indicateur des couverts se normalise, même si la cicatrice s’est concentrée ailleurs. Sur le public, votre biais d’attribution renforce le point : si la contrainte budgétaire agit sans l’outil, il n’y a pas de places d’entrée à comparer.

À Gpt 6 Sol

« Le critère décisif devient : quelle expérience vérifiable le jeune acquiert-il ? »

Le critère est juste pour la qualité du parcours, mauvais comme filtre d’accès. La vérifiabilité a un coût d’audit. Elle sélectionne les entreprises capables de documenter et les jeunes déjà en mesure de laisser une trace. Vos versements par étapes renforcent ce tri : chaque palier élimine les parcours les moins lisibles, c’est-à-dire ceux pour qui le défaut d’expérience coûte le plus.

Je retiens la cohorte, à une condition qui change l’objet. L’unité pertinente est la cohorte d’âge exposée au risque de non-entrée, pas la cohorte des bénéficiaires. La définir par l’entrée dans le dispositif exclut par construction le résidu. Le suivi par diplôme, territoire et origine reste interne au fichier des aidés ; il ne mesure pas le non-recours.

Votre distinction entre places en moins, places appauvries et places nouvelles est complémentaire. Elle décrit trois états des places qui existent. Elle ne décrit pas l’état de ceux pour qui aucune place n’est ouverte.


Question ouverte. Si un mécanisme améliore l’insertion de ses bénéficiaires tout en laissant diverger le délai d’accès au premier emploi stable des non-couverts, à partir de quel écart, et sur quelle durée, jugez-vous qu’il a déplacé le problème vers le résidu — et faut-il alors l’éteindre, ou l’étendre hors contrat ?

Tour croisé #4 – Mode : Équilibré

Utilisateur

Comment l’IA pourrait-elle transformer l’emploi public ? L’employeur public maîtrise-t-il à la fois les départs qu’il ne remplace pas et les recrutements qu’il ouvre, et cela le rend-il plus ou moins capable que le secteur privé de préserver l’accès des jeunes, la qualité du service et la présence publique dans les territoires ?

GPT-6 Sol

Emploi public : maîtriser les postes ne suffit pas à maîtriser la transition

À l’utilisateur

Je distingue deux décisions que l’employeur public peut prendre : ne pas remplacer un agent qui part et ouvrir un recrutement. Cette maîtrise est réelle, mais elle n’est ni totale ni concentrée dans une seule main : État, collectivités et hôpitaux ont des employeurs, des budgets et des besoins de service différents. Elle ne garantit surtout pas qu’un poste autorisé sera pourvu, ni qu’un gain de temps administratif permettra de maintenir un accueil de proximité.

L’IA pourrait alléger la rédaction de courriers, la recherche documentaire ou le traitement initial de dossiers. Le choix décisif viendrait après ce gain : affecter les heures libérées à l’instruction des cas difficiles, à l’accueil et à la formation, ou réduire progressivement les équipes par non-remplacement. Je défends cette distinction comme un scénario de décision, non comme un effet déjà mesuré de l’IA. La CNIL décrit d’ailleurs des projets d’aide aux usagers et souligne les risques propres à leur déploiement dans les services publics. (cnil.fr)

Le risque pour les jeunes est discret : aucun licenciement n’est nécessaire pour fermer une voie d’entrée. Si des tâches de premier niveau disparaissent et que les postes laissés vacants ne sont pas rouverts, les agents expérimentés restent, mais la relève apprend moins. Il serait toutefois faux de présenter ce mécanisme comme une baisse générale déjà constatée des effectifs publics : fin 2024, l’Insee comptait environ 5,9 millions d’agents, en hausse de 0,6 % sur un an. Les entrées diminuaient et les sorties augmentaient, tout en laissant un solde positif. Ces chiffres établissent une tension sur les flux, pas sa causalité par l’IA. (insee.fr)

Le public est-il mieux placé que le privé ? Oui, sous condition. Il peut décider de conserver une capacité de service et des postes d’apprentissage même si chaque tâche automatisable ne justifie plus, à elle seule, un recrutement. Le privé ne porte généralement pas la même obligation de présence territoriale. Mais cet avantage bascule en faiblesse si les économies attendues de l’IA sont inscrites d’avance en suppressions de postes, ou si l’on compte seulement les effectifs nationaux : un service peut tenir ses comptes tout en allongeant les délais dans certains bassins. Les situations départementales de l’emploi public diffèrent effectivement. (insee.fr)

Je proposerais donc une décision par service et par bassin de vie, réexaminée lors des départs :

  • Recruter et former là où manquent la relève, le traitement des exceptions ou l’accueil.
  • Réaffecter du temps vers les usagers lorsque l’IA réduit réellement une charge répétitive.
  • Ne pas remplacer seulement si la qualité demeure vérifiée:délais, erreurs corrigées, accès à un interlocuteur et charge des agents restants.

Le critère n’est pas « combien de dossiers l’IA traite », mais quel service reste accessible, à qui et où. Cette exigence est particulièrement forte pour les décisions affectant les droits des personnes : une intervention humaine ne vaut que si elle permet un véritable examen, et non une validation automatique de la sortie du système. (cnil.fr)

À Claude-Sonnet 5.5 et Grok 4.7

Claude-Sonnet 5.5, je retiens ton correctif : la cohorte pertinente part de la « sortie de formation », non des seuls contrats signés. Dans le public aussi, mesurer la réussite des apprentis recrutés masquerait ceux qui n’ont trouvé aucune porte d’entrée. Ta critique du « poste de vérification sur dossiers réels » est forte : un débutant ne peut pas être seul garant d’une erreur qu’il n’a pas encore appris à reconnaître. Je garderais ce poste uniquement comme étape encadrée, après des cas d’apprentissage évalués de l’extérieur, puis sur des dossiers réels sous responsabilité expérimentée. Si le temps de supervision n’est pas dégagé, je ne le compterais pas comme place formatrice.

Grok 4.7, tu objectes qu’« aucun référentiel […] ne s’attache à un poste qui n’est pas ouvert ». J’en conviens : améliorer le contenu des contrats ne répare pas leur absence. Mais ton affirmation selon laquelle le secteur public « ne tient pas non plus » devient trop générale si elle traite tout départ comme une suppression inévitable. La condition de bascule est budgétaire et territoriale : lorsque la marge de recrutement est fermée, une obligation de tutorat ne crée aucune place ; lorsqu’elle existe, l’employeur public peut choisir de la consacrer à la relève plutôt qu’à une économie immédiate. Il faut observer ces arbitrages, pas présumer leur issue.

À vos deux questions sur les jeunes laissés dehors, je réponds oui à une alerte sans preuve préalable de causalité IA. J’observerais, dans chaque bassin et niveau de qualification, la part d’une cohorte encore sans premier emploi stable plusieurs mois après sa sortie de formation, en la comparant aux cohortes précédentes et aux territoires comparables. Une dégradation persistante déclencherait un accompagnement et des places supplémentaires ; une évaluation ultérieure chercherait ce qui relève de l’IA, du budget ou de la conjoncture. Attendre cette preuve avant d’agir ferait porter tout le coût de l’incertitude aux entrants.

Enfin, Grok 4.7, si les bénéficiaires progressent mais que les non-couverts décrochent, je n’éteindrais pas automatiquement le dispositif : je testerais d’abord son extension hors des contrats existants et son éventuel effet d’éviction. Le seuil d’action devrait être fixé publiquement avant l’évaluation, selon le délai d’insertion local ; inventer ici un écart universel donnerait une précision trompeuse. Notre point commun peut être celui-ci : juger l’IA publique à la fois sur les places ouvertes, les compétences acquises par les jeunes et la continuité concrète du service dans les territoires.

Claude Sonnet 5.5

L’employeur public maîtrise le robinet d’entrée, pas la fuite de sortie

À l’utilisateur

Ce que l’IA change dans l’emploi public (hypothèse de travail, pas mesure). Dans l’administration, l’IA agit surtout sur des tâches de traitement : instruction de dossiers, accueil de premier niveau, rédaction standardisée, support. Ce sont les tâches que occupent les agents débutants, catégories B et C ou contractuels.

Le risque principal n’est pas le licenciement, puisque le statut l’exclut pour les titulaires. C’est que l’IA serve de justification à un non-remplacement que la contrainte budgétaire imposait déjà.

L’employeur public maîtrise-t-il départs et recrutements ? Sur les deux leviers, oui à moitié.

  • Les départs sont en grande partie exogènes. Ils dépendent de la démographie et de la loi sur l’âge. La réforme de 2023 relève l’âge légal à 64 ans, à raison de trois mois par génération. Elle décale donc des vagues de départs que l’employeur ne décide pas. Un site spécialisé, qui cite la DGAFP (2023), évoque près de 800 000 départs attendus d’ici 2030 (source secondaire, à vérifier).
  • Ce que l’employeur maîtrise, c’est le taux de remplacement. Ce taux est fixé par le plafond d’emplois voté. Un amendement budgétaire de 2025 propose par exemple de ne pas remplacer un fonctionnaire d’État sur deux. Il part de 50 600 départs en 2024 et en tire une baisse de 25 000 ETP. Il épargne les ministères régaliens et ceux de l’éducation. C’est une position défendue par un groupe parlementaire, pas une décision. Elle montre toutefois que le levier est différencié par ministère et déterminé politiquement. Il ne l’est pas par type de tâche automatisable.
  • Le niveau d’analyse change la réponse. À l’État, le plafond d’emplois est central, et la maîtrise est réelle. Dans la territoriale, la même source décompte plus de 50 000 structures employeurs. Là, personne ne pilote l’ensemble. Parler de « l’employeur public » au singulier est donc abusif.

Jeunes, qualité, territoires : plus ou moins capable que le privé ?

Le point décisif est arithmétique : dans une organisation à statut, le non-remplacement d’un départ est un non-recrutement d’un jeune. Le privé peut ajuster par licenciements, mobilités, sous-traitance ou fermetures de sites. Le public ne dispose pratiquement que de l’attrition. La marge d’entrée porte donc seule l’ajustement.

Cette lecture rejoint ce que dit Grok 4.7 : « le non-remplacement imposé par la masse salariale est déjà le mode d’ajustement ». J’en tire pourtant une conclusion inverse de la sienne. Un levier unique et visible est aussi un levier pilotable. Le public peut en principe flécher les entrées juniors indépendamment du ratio de remplacement global. Aucune entreprise ne peut le faire pour compenser une externalité de branche.

Le public est donc plus capable que le privé de préserver l’accès des jeunes, mais à trois conditions de bascule :

  1. Séparer budgétairement les entrées juniors du ratio de non-remplacement. Sinon l’IA devient le prétexte d’un gel arithmétique des cohortes d’entrée.
  2. Ne réduire qu’après avoir constaté le gain de productivité, et pas avant. Un chiffrage ancien évaluait à 1,3 à 1,5 M€ l’économie à long terme d’un agent d’État non recruté. Les gains d’IA sont encore incertains, et l’ordre inverse transformerait une promesse en coupe réelle.
  3. Mesurer la présence territoriale par le service rendu, comme le délai d’accès ou l’accueil physique. Compter les postes ne suffit pas. L’IA peut maintenir un guichet virtuel et dégrader la couverture réelle des territoires fragiles, où le recours humain compte le plus.

Si ces conditions manquent, le public est moins capable que le privé. Il applique un même ratio à tous les services, sans connaître les tâches où l’IA est fiable. Il le fait sans pouvoir licencier, et la contrainte retombe sur les plus jeunes et sur les territoires les plus éloignés.


À Gpt 6 Sol

Tu écris : « Le critère décisif devient : quelle expérience vérifiable le jeune acquiert-il ? » Dans le public, ce critère a un support que le privé n’a pas : le concours. Il fournit à la fois le dénominateur (inscrits, présents, admis) et un outil de sélection explicite. Ta question sur l’écart d’accès devient testable pour les jeunes éligibles, sous la condition que les postes soient comptés avant l’IA et après.

Je réponds à ta question finale par une règle de bascule. Je renoncerais à une aide efficace pour ses bénéficiaires si le ratio candidats présents / postes ouverts se dégradait sur deux cohortes de suite à diplôme et territoire constants, pendant que l’insertion des aidés s’améliore. Ce serait un déplacement de la difficulté, pas une réparation.

Ta formule « examiner n’est pas embaucher » vaut aussi pour les concours aménagés ou la préparation financée. Sans postes ouverts, elle ne fait qu’allonger la file.

À Grok 4.7

Ta critique du « résidu invisible » est la plus forte du tour. Elle est partiellement résolue dans le public, puisque le fichier des candidats existe. Pour le privé, c’est inobservable, ce qui renforce ton diagnostic d’angle mort.

Je maintiens en revanche une nuance sur ta question finale (éteindre ou étendre hors contrat). Éteindre un dispositif qui marche pour ses entrants, c’est punir ceux qui en bénéficient pour un défaut qui n’est pas le leur. Étendre en priorité me paraît préférable. L’extinction ne serait justifiée que si l’écart persiste malgré l’extension, ou si le dispositif absorbe des places qui seraient ouvertes sans lui.

Question à vous deux

Si la FPT est composée de 50 000 employeurs, qui devrait porter le fléchage des entrées juniors : l’État par dotation conditionnée, ou les centres de gestion en mutualisant les recrutements ? Quel indicateur révélerait que la mutualisation recrée le tri que vous dénonciez dans les OPCO ?

Grok 4.7

Deux leviers, une bascule : l’emploi public n’est pas un filet automatique

À l’utilisateur

L’IA ne transforme pas l’emploi public comme une entreprise. L’employeur public maîtrise les deux bouts : il peut ne pas remplacer un départ, sans licenciement, et il décide par le budget et les concours quels recrutements il ouvre. Le privé ne tient pas ce couple. Une entreprise peut geler les juniors — l’ANDRH rapporte que 10 % l’ont déjà fait au motif de l’IA, et 23 % l’envisagent (CNEWS) — mais elle ne s’impose pas à elle-même une règle de non-remplacement pluriannuelle.

Cette maîtrise ne le rend plus capable que le privé de tenir ensemble l’accès des jeunes, la qualité du service et la présence territoriale que sous une condition. Elle se retourne dès que le gain de productivité est capté comme enveloppe constante, et non comme capacité libérée.

Trois faits, de statuts distincts, montrent que cette condition n’est pas tenue.

  • Exposition, rapportée, non égale à suppressions. Le rapport IGF-IGAS-IGA estime qu’environ 20 % des agents sont significativement exposés, près de 1,13 million, dont plus de 700 000 dans les catégories les plus touchées:employés de bureau, secrétaires, comptables, contrôleurs (Acteurs Publics). L’IFRAP retient environ 430 000 emplois théoriquement automatisables : je le rapporte, je ne le défends pas comme trajectoire (IFRAP). Côté territorial, une cartographie INET estime qu’au moins 25 % des tâches peuvent être faites en tout ou partie par l’IA, avec l’accueil et l’assistance de gestion, surtout en catégorie C, en première ligne (Acteurs Publics).
  • Recrutement d’entrée, mesuré, et pas d’abord par l’IA. En 2025, les nouveaux contrats d’apprentissage dans la fonction publique chutent de 11,5 %, à 21 450. La territoriale baisse de 17,1 %, les départements de 30,5 % (Fonction publique). Le Sénat lie ce recul au désengagement du financement CNFPT, pas à une preuve d’effet IA (Sénat). L’interaction compte autant que la cause:le vivier se referme au moment où les tâches d’entrée sont les plus exposées.
  • Substitution à masse constante, lue comme signal de régime. L’État prévoit 409 experts numériques d’ici 2027, explicitement à masse salariale constante (Acteurs Publics). Le levier d’ouverture existe, mais il écrème des profils rares. Il ne rouvre pas la catégorie C.

Hypothèse défendue. Les trois objectifs ne bougent pas ensemble. La qualité peut monter dans les métropoles qui déploient l’IA, pendant que le guichet se creuse là où l’outil n’existe pas : une note de synthèse rapporte que 73 % des communes de moins de 3 500 habitants n’ont aucun projet d’IA, contre 90 % des métropoles engagées (synthèse LEH). Le non-remplacement, lui, peut frapper partout, y compris là où l’IA ne compense pas. Le privé sort d’un territoire par une décision visible. L’employeur public peut vider un guichet sans le fermer.

La bascule est budgétaire, pas technologique. Tant que la règle est « gain d’IA = poste non remplacé », le public est moins capable que le privé de préserver l’accès des jeunes : le privé peut encore embaucher un junior si la marge le permet ; le public, sous enveloppe constante, doit supprimer quelque part. Le quelque part le moins protégé est le poste d’entrée et le guichet de petite collectivité. Le Pacte, voie sans concours vers la catégorie C pour les peu diplômés, vise les métiers les plus exposés. Le filet pour ceux que ni l’entreprise ni la branche n’atteignent est cousu dans le tissu que l’automatisation déchire.

À Claude-Sonnet 5.5

Tu as raison sur le premier maillon. Je retire le poste de vérification comme entrée.

« le premier à échouer est le poste de vérification sur dossiers réels »

La condition de compétence tient : on n’audite pas un geste qu’on n’a pas pratiqué. Elle est plus dure dans le public, parce que l’amélioration du modèle se traduit en non-remplacement, pas seulement en revue devenue inutile. Je ne défends plus ce poste qu’en deuxième temps d’une séquence, après une production encadrée sans outil. Statut : hypothèse révisée.

J’accepte un indicateur d’alerte sans preuve de causalité IA, à trois conditions. Il part de la cohorte de sortie, ventilée par diplôme, territoire et versant — pas des contrats signés. Il mesure un écart à une base démographique, pour ne pas confondre vieillissement et choc. Il est réversible. Et il se déclenche aussi dans l’employeur public. Un filet qui ne surveille que le privé, pendant que la territoriale coupe 17 % de ses apprentis, arrive après la cicatrice.

Ton test sur la POEC reste le bon : un engagement d’examen sans taux de transformation en emploi durable est un signal, pas une voie. Je l’étends au public : un concours dont les reçus ne sont pas affectés sur un poste qui forme ne compte pas comme accès.

À Gpt 6 Sol

Ta reformulation me convient, déplacée d’un cran.

« financer une séquence d’apprentissage, et non un intitulé de poste »

Dans le public, cette séquence n’a de sens que si le poste survit au cycle. Un tutorat statutairement décompté — levier que l’entreprise sous pression n’a pas — ne forme personne si le non-remplacement supprime le support avant la fin du contrat. La condition de validité de ton parcours n’est pas seulement le temps du tuteur : c’est la stabilité du support d’emploi.

Je ne renonce pas à une aide efficace pour ses bénéficiaires au seul motif qu’elle n’égalise pas l’accès. Le résultat qui me ferait stopper son extension, pas la retirer à ceux déjà entrés : sur la cohorte de sortie, les résultats des bénéficiaires s’améliorent et le ratio non-atteints / atteints se creuse, ou l’aide évince des entrées non subventionnées. En deçà, on plafonne le volume et on impose un plancher de couverture — peu diplômés, petites collectivités — avant toute hausse. Au-delà, l’instrument redistribue une porte fixe. Même bascule que pour le non-remplacement : un levier qui sélectionne bien peut aggraver l’écart qu’il devait réduire.

Question

À partir de quel ratio départs non remplacés / recrutements d’entrée ouverts, par versant et par taille de collectivité, considérez-vous que l’employeur public a cessé d’être un filet et est devenu un accélérateur du retrait — et ce ratio doit-il primer sur la qualité mesurée dans les seuls services qui restent ouverts ?

Tour croisé #5 – Mode : Réfutatif

Utilisateur

Comment l’IA pourrait-elle transformer l’emploi public ? L’employeur public maîtrise-t-il à la fois les départs qu’il ne remplace pas et les recrutements qu’il ouvre, et cela le rend-il plus ou moins capable que le secteur privé de préserver l’accès des jeunes, la qualité du service et la présence publique dans les territoires ?

GPT-6 Sol

Le filet public se juge à ses entrées effectives, pas à ses leviers théoriques

À Claude-Sonnet 5.5

Je retiens la version forte de ta position : la fonction publique territoriale pourrait protéger les jeunes si elle réserve des crédits aux entrées et mutualise leur formation. Mais ton argument passe trop vite de la capacité de piloter à la capacité de créer des postes.

« Un levier unique et visible est aussi un levier pilotable. »

Visible pour qui, et à quel niveau ? Dans la territoriale, les emplois sont créés par l’organe délibérant de chaque collectivité ou établissement, sous réserve des crédits disponibles. Un centre de gestion peut organiser des concours et publier des vacances ; il ne transforme pas, à lui seul, une candidature en emploi budgété. Ta proposition de fléchage national suppose donc une chaîne de décisions locales que la visibilité du non-remplacement ne garantit pas. (legifrance.gouv.fr)

Je conteste aussi ton indicateur « candidats présents / postes ouverts ». Son dénominateur diminue précisément quand une porte se ferme : le ratio peut se dégrader, mais aussi s’améliorer si les candidats renoncent à se présenter. Et, dans la territoriale, réussir un concours ne vaut pas nomination. Il faut suivre séparément les personnes éligibles, les candidatures, les admissions et les premières affectations rémunérées, y compris leurs délais. Cela répond à ton objection antérieure contre mes indicateurs limités aux bénéficiaires : la population de référence doit bien précéder l’entrée dans le dispositif. (service-public.fr)

À ta question institutionnelle, je défends une répartition plutôt qu’un choix binaire : l’État finance et fixe les exigences de compte rendu ; les collectivités décident des postes ; les centres de gestion mutualisent la mise en relation et, lorsque c’est possible, l’appui au parcours. C’est une proposition, non la description d’un dispositif existant. Le signal d’un tri recréé par la mutualisation serait un écart croissant, à qualifications et bassins d’emploi comparables, entre candidats orientés vers les collectivités et candidats effectivement recrutés, particulièrement pour les moins diplômés. Mesurer les seules candidatures transmises reconduirait l’angle mort que tu dénonces dans les OPCO.

À Grok 4.7

Je reconstruis ton argument au plus fort : si la masse salariale reste fixe, remplacer des tâches d’entrée par l’IA peut réduire les recrutements avant même qu’un service ferme ; un gain apparent de qualité masquerait alors un retrait territorial. C’est un risque défendable, pas encore une relation causale établie. La baisse constatée des nouveaux contrats d’apprentissage public en 2025 ne permet notamment pas, à elle seule, d’attribuer ce retrait à l’IA. (fonction-publique.gouv.fr)

« l’employeur public maîtrise les deux bouts »

Cette formule confond deux sens de « maîtriser ». L’employeur peut décider de ne pas pourvoir un poste vacant ; il ne choisit ni librement le calendrier des départs ni, dans la territoriale, un volume national unique d’ouvertures. Ton propre argument sur les petites collectivités exige de renoncer à « l’employeur public » comme acteur homogène. Sans cette distinction, une contrainte budgétaire observée dans un versant devient abusivement la règle de tous les guichets. (legifrance.gouv.fr)

Je refuse donc de fixer le seuil que tu demandes pour « départs non remplacés / recrutements d’entrée ouverts ». Ce ratio ne peut pas, à lui seul, dire quand le filet cède : son numérateur dépend de la structure d’âge, son dénominateur mêle des métiers et des missions différents, et il devient inexploitable lorsqu’aucune entrée n’est ouverte. Je le traiterais comme une alerte à examiner par métier, bassin et employeur, non comme un verdict.

Mon critère de bascule est plus exigeant : à besoins comparables, observe-t-on simultanément moins de premières entrées durables, un délai ou un coût d’accès accru pour les usagers, et l’absence de gain de productivité effectivement constaté dans le service concerné ? Si oui, l’hypothèse du « guichet vidé sans fermeture » gagne en force. Si la qualité et l’accès progressent aussi dans les territoires auparavant mal servis, compter chaque départ non remplacé comme une perte serait tout aussi trompeur.

Je révise ainsi mon propre cadre : la stabilité du support d’emploi, que tu m’opposes, est nécessaire au parcours junior que je défendais, mais pas suffisante. Un poste durable peut ne transmettre aucune compétence si le jeune n’exécute jamais de tâches dont il apprend à juger le résultat. Inversement, protéger des tâches sans poste ouvert ne crée aucune entrée. Le test porte sur les deux marges ensemble : combien de jeunes accèdent réellement à un emploi, et quelle capacité vérifiable y acquièrent-ils ?

Claude Sonnet 5.5

Emploi public : le présupposé de la « maîtrise des deux bouts » ne tient pas

À l’utilisateur

Ma position est que le statut public ne rend pas l’employeur plus ou moins capable de protéger l’accès des jeunes. Ce qui joue, c’est la source de financement du poste d’entrée. Gpt 6 Sol et Grok 4.7 raisonnent comme si l’employeur public décidait seul du recrutement et du non-remplacement. Les données que Grok cite contredisent ce cadre.

  • Pour l’apprentissage, la décision est en grande partie exogène. Grok rapporte que les contrats d’apprentissage reculent de 11,5 % dans la fonction publique en 2025, de 17,1 % dans la territoriale et de 30,5 % dans les départements. Il rapporte aussi que le Sénat relie ce recul au désengagement du CNFPT. Si c’est exact, le levier est tenu par un financeur tiers, pas par l’employeur qui « maîtrise » les deux bouts.
  • Gpt 6 Sol ouvre la même brèche sans la refermer. Il écrit que cette maîtrise « n’est ni totale ni concentrée dans une seule main ». Il en tire pourtant une règle de décision « par service et par bassin », comme si un décideur unique pouvait l’appliquer.
  • Le critère de qualité de Gpt 6 Sol est censuré. Il propose de ne pas remplacer « seulement si la qualité demeure vérifiée », c’est-à-dire sur les délais, les erreurs corrigées et l’accès à un interlocuteur. Or ces indicateurs ne portent que sur les usagers qui arrivent jusqu’au service. Si un guichet s’étiole, le non-recours augmente, et il reste invisible dans des délais qui paraissent stables. Un contrôle qualité sur les dossiers traités peut donc rester vert pendant que l’accès se dégrade. Ce critère n’est valide qu’accompagné d’une mesure du renoncement, par exemple les demandes abandonnées ou les prestations non réclamées par bassin.

À Grok 4.7

Je reconstruis ta thèse sous sa forme la plus défendable : l’enveloppe salariale est contrainte, l’IA sert de justification au gel, et le poste d’entrée de catégorie C est la variable d’ajustement la moins protégée. Je la teste sur trois points.

1. Une règle hypothétique devenue prémisse. Tu écris :

« Tant que la règle est « gain d’IA = poste non remplacé », le public est moins capable que le privé »

Tu ne montres pas que cette règle est en vigueur. Ton seul indice est celui des 409 experts à masse salariale constante, qui porte sur des profils rares. Gpt 6 Sol cite l’Insee : environ 5,9 millions d’agents fin 2024, en hausse de 0,6 %. Ce solde positif ne prouve pas une enveloppe constante, mais il ne confirme pas non plus ta règle. Ta conclusion « moins capable » repose donc sur un conditionnel que tu présentes comme un régime.

2. Une contradiction interne sur les petites communes. Tu citeras que 73 % des communes de moins de 3 500 habitants n’ont aucun projet d’IA. Sans IA, il n’y a pas de gain de productivité à capter, donc pas de mécanisme « gain d’IA = poste non remplacé » dans ces communes. Tu écris pourtant que le non-remplacement « peut frapper partout ». Il faut choisir. Soit le mécanisme est lié à l’IA et il épargne les communes non équipées. Soit il est budgétaire et l’IA n’y est pour rien, ce qui est la lecture du Sénat. Dans les deux cas, ta lecture « l’IA déchire le filet de catégorie C » perd son moteur causal. Ajoutons que ta source pour ce chiffre est une annexe de note de synthèse, dont le statut est faible.

3. Le chiffre ANDRH, lu avec ses limites. Tu rapportes que 10 % des entreprises ont déjà gelé les juniors à cause de l’IA et que 23 % l’envisagent. L’enquête porte sur 220 professionnels RH, des adhérents de l’association. Ce n’est donc pas un échantillon représentatif, et « 10 % des entreprises » est une extrapolation. Le même compte rendu indique que deux tiers maintiennent leurs volumes, que 19 % ont réduit les stagiaires et alternants sur douze mois, et seulement 4 % les juniors en CDI ou CDD. Le signal est réel sur les voies d’entrée précaires. Il ne fonde pas la comparaison privé/public, que tu fais en opposant « le privé peut encore embaucher » au public. Sur ce point, ton propre exemple joue contre toi : une fraction du privé gèle déjà, sans contrainte de masse salariale publique.

Ta question sur le ratio (départs non remplacés / recrutements d’entrée ouverts). Je refuse de fixer un seuil, pour des raisons de construction :

  • Le dénominateur dépend de la pyramide des âges. Un ratio élevé peut refléter des départs à la retraite concentrés, et non un retrait. Gpt 6 Sol a noté qu’il manque la causalité, et ce ratio ne la fournit pas.
  • Le ratio mélange les catégories. Un non-remplacement en catégorie A et un autre en catégorie C n’ont pas le même effet sur l’entrée des peu diplômés. Il faudrait au moins un ratio par catégorie et par bassin.
  • Il mesure un intrant budgétaire, pas l’accès. Un ratio défavorable peut coexister avec un accès maintenu, grâce à la dématérialisation ou à la mutualisation. Un ratio « sain » peut cacher un renoncement massif.

Ma réponse à ta seconde question est donc que le ratio ne doit pas primer sur la qualité, et la qualité ne doit pas primer sur le ratio. Le ratio sert d’alerte à examiner. Le verdict porte sur une mesure d’accès incluant le non-recours, comparée entre bassins.

À Gpt 6 Sol

Sur ta réponse à ma critique du poste de vérification, ta reformulation en « étape encadrée » me convient. Mais tu demandes que le seuil d’action soit fixé publiquement avant l’évaluation. Qui le fixe, si, comme tu le dis toi-même, l’autorité est dispersée entre État, collectivités et hôpitaux ? Un seuil que personne ne peut imposer à l’employeur qui reçoit la dotation n’a pas de force opératoire. Quel organe détient l’obligation de réagir quand l’indicateur se dégrade ? Sans réponse, ton dispositif reste un tableau de bord.

Grok 4.7

Qui plafonne n’embauche pas

Le jeune dont vous parlez est-il le lauréat de concours, le contractuel de remplacement, ou l’individu de la cohorte de sortie sans aucun contrat public ? Tant que cette population n’est pas fixée, « le public est plus capable que le privé » compare des employeurs qui n’embauchent pas les mêmes personnes.

À l’utilisateur

La question utile n’est pas si « l’employeur public » maîtrise départs et recrutements. C’est si l’entité qui fixe le plafond est celle qui embauche le jeune exposé. Statut : défendue, à partir de flux observés, sans attribuer ces flux à l’IA.

Fin 2024, la fonction publique compte 5,9 millions d’agents, +0,6 %. Les entrées baissent, les sorties montent, le solde agrégé reste positif (Insee). [1] Ce solde masque le fait décisif : le solde des fonctionnaires est négatif (−104 200), et les contractuels font 74 % des entrées (Insee). [1] On ne remplace pas un titulaire par un lauréat. Quand on remplace, c’est souvent par un contractuel. Le jeune « protégé » par le statut n’est pas le jeune qui entre.

Les départs ne sont pas non plus le résidu démographique qu’on décrit. En 2024, les nouvelles pensions de droit direct chutent de 13 %, à 136 700 : premier effet d’une année pleine de la réforme de 2023 (DGAFP). [2] Le calendrier des sorties est un choix politique. L’IA n’a pas à être la cause de ces flux pour que le menu d’ajustement soit déjà autre que celui que vous modélisez.

À Claude-Sonnet 5.5

Version la plus défendable de ta thèse : dans une organisation à statut, l’ajustement ne passe pas par le licenciement ; il se concentre sur le taux de remplacement ; un levier unique et visible serait donc plus pilotable que les canaux du privé, si l’on flèche les entrées juniors, si l’on ne coupe qu’après le gain, et si l’on mesure le service rendu.

J’invalide le passage du visible au pilotable.

« Un levier unique et visible est aussi un levier pilotable. Le public peut en principe flécher les entrées juniors indépendamment du ratio de remplacement global. »

Trois prémisses cèdent.

  • Le « en principe » n’est pas une capacité. Les amendements de fin 2025 chiffrent un non-remplacement d’un départ sur deux à partir de 50 600 départs de la FPE en 2024, soit environ −25 000 ETP (Assemblée nationale). [3] La version sénatoriale retient 30 000 euros par agent en début de carrière (Sénat). [4] L’économie est inscrite sur le coût du jeune, avant tout gain d’IA mesuré. Ta condition 2 est déjà l’ordre inverse de l’instrument budgétaire. Que l’exécutif ait ensuite écarté la mesure (Acteurs Publics) montre un conflit d’arbitrages, pas un fléchage junior.

  • Tu dénonces « l’employeur public » au singulier, puis tu lui rends la capacité de flécher. Or la FPT compte environ 46 500 employeurs distincts, dont les trois quarts sont des communes (Caisse des Dépôts). [5] Le ratio n’est pas tenu par celui qui verrait le jeune. Ton chiffre de 800 000 départs, que tu signales toi-même comme secondaire, ne tranche rien:

    l’argument porte sur le niveau d’analyse, pas sur le stock.

  • Le concours n’est pas le dénominateur de l’entrée réelle. Il fournit inscrits, présents, admis pour les titulaires. L’entrée observée est contractuelle. Comparer des ratios de concours avant et après l’IA mesure un canal qui se vide.

Sur ta question — État par dotation conditionnée, ou centres de gestion ? — les deux options présupposent un slot junior allouable. C’est ce présupposé que je retire. Une dotation audite des contrats signés, comme un OPCO. Un CDG organise des concours pour des communes affiliées de droit en dessous de 350 fonctionnaires titulaires à temps complet (Légifrance, art. L452-14) ; il n’est pas leur employeur. L’indicateur de tri recréé ne serait pas le ratio candidats/postes, mais la divergence entre le profil des admis et celui des agents réellement nommés dans ce sous-ensemble. Échec de second ordre. L’échec de premier ordre est l’absence de nomination, que ni la dotation ni le CDG ne peuvent contraindre.

À Gpt 6 Sol

Version la plus défendable : la maîtrise publique est réelle mais fragmentée ; elle ne garantit ni qu’un poste autorisé sera pourvu, ni que les heures libérées iront à l’accueil ; le public n’est mieux placé que si, lorsque la marge existe, elle est consacrée à la relève.

« lorsqu’elle existe, l’employeur public peut choisir de la consacrer à la relève plutôt qu’à une économie immédiate. »

Je conteste la prémisse, pas la suite. « Peut choisir » suppose un menu qui contient la relève statutaire formatrice. Les flux de 2024 suggèrent un menu observable : plafond, contractuel, vacance. Observer les arbitrages ne suffit pas si l’option que tu veux voir n’y figure pas. Ta décision « par service et par bassin » nomme une unité qui n’est pas l’unité budgétaire : plafond ministériel à l’État, conseil municipal dans la commune. Poussée au cas limite d’une mairie sans second agent, il n’y a pas d’heures à réaffecter à la formation. Il y a un poste, ou il n’y en a pas.

Ta règle d’alerte sans preuve de causalité IA et celle de Claude — ne renoncer à une aide que si le ratio candidats présents / postes se dégrade sur deux cohortes pendant que l’insertion des aidés s’améliore — n’ont pas la même fonction de perte. Aucune des deux n’est justifiée. La tienne ouvre des places partout où l’insertion se dégrade, y compris si le choc est budgétaire. La sienne attend deux cohortes, soit la fenêtre où la cicatrice se forme. Vous ne protégez pas le même objet.

Étendre un dispositif dont les bénéficiaires progressent pendant que les non-couverts décrochent ne teste pas l’éviction : cela la finance. Si l’extension hors contrat ne modifie pas la part de la cohorte de sortie encore sans premier emploi stable, le dispositif n’était pas le canal manquant. L’éteindre ou l’étendre est alors indifférent pour ceux du dehors.

Tour croisé #6 – Mode : Focus

Utilisateur

Les travailleurs déplacés par l’IA peuvent-ils réellement se reconvertir vers les emplois qu’elle crée ou complète, compte tenu de l’âge, du territoire, du salaire et du temps de formation ? Les dispositifs existants, comme le CPF ou la période de reconversion, pourraient-ils assumer cette reconversion à l’échelle nécessaire d’ici 2040 ?

GPT-6 Sol

Reconversion face à l’IA : possible, mais pas interchangeable

Ma position est défendue, non une prévision chiffrée pour 2040 : certains travailleurs déplacés pourront changer de métier ; beaucoup pourront plutôt adapter leur métier actuel à l’IA. Mais un emploi créé ou complété par l’IA n’est pas automatiquement accessible à la personne dont le poste disparaît. La bonne unité d’analyse est le parcours dans un bassin d’emploi : compétences déjà acquises, emplois réellement ouverts à distance raisonnable, salaire proposé et mois pendant lesquels la personne peut se former. L’âge ne rend pas la reconversion impossible ; il peut toutefois raccourcir l’horizon de retour sur une formation longue, tandis que charges familiales, mobilité et baisse de revenu en réduisent la faisabilité. Une formation réussie ne vaut donc pas encore reclassement à salaire acceptable.

Les dispositifs actuels répondent à des besoins différents, et leurs volumes ne sont pas interchangeables. En 2025, 1,11 million de personnes ont mobilisé leur CPF, mais ce chiffre compte des usages de formation, pas autant de changements de métier aboutis Dares. En 2024, une formation certifiante financée par le CPF durait en moyenne 104 heures, contre 947 heures pour un projet de transition professionnelle (PTP) ; celui-ci permet un congé rémunéré, mais seuls 16 315 projets ont été financés, pour 490 millions d’euros engagés France compétences. La période de reconversion, entrée en vigueur le 1er février 2026, ouvre une voie de mobilité interne ou externe aux salariés de tout âge ; sa durée de formation de droit commun va de 150 à 450 heures sur douze mois, avec extension possible par accord jusqu’à 2 100 heures sur trente-six mois ministère du Travail. Elle est trop récente pour qu’on lui attribue déjà une capacité démontrée de reconversion massive.

Je ne défends donc pas l’idée que le CPF et la période de reconversion suffiront, à paramètres constants, d’ici 2040. C’est une appréciation de capacité, pas une estimation du nombre futur de déplacés par l’IA : ce nombre reste à établir. Le verrou le plus coûteux est souvent le revenu pendant la transition — près des deux tiers du coût moyen d’un PTP financé en 2024 tenaient à la rémunération France compétences. Pour changer d’échelle, je privilégierais des parcours commencés avant la perte d’emploi, financés avec du temps de formation rémunéré et reliés à des recrutements identifiés localement. Leur résultat devrait être jugé, par âge, bassin et salaire antérieur, sur l’emploi et le salaire retrouvés douze à vingt-quatre mois après la formation — non sur le seul nombre d’inscriptions.

Claude Sonnet 5.5

Reconversion post-IA : possible pour une fraction des déplacés, pas à l’échelle d’un choc large

Ma position (défendue, mais sans donnée directe sur l’IA). Je ne dispose d’aucune évaluation française de reconversions de salariés déplacés par l’IA. Je raisonne donc à partir des dispositifs existants et de leurs bénéficiaires réels. Au niveau individuel, la reconversion est réaliste pour un salarié de moins de 45 ans, diplômé, dans un bassin dense, dont l’employeur maintient le salaire pendant la formation. Elle devient improbable quand ces conditions manquent. Les données de Transco en donnent une illustration. En Nouvelle-Aquitaine, sur un millier de salariés à qui le dispositif a été présenté, environ 20 % ont rencontré un conseiller et une centaine a déposé une demande. Les bénéficiaires sont restés « quelques dizaines ». Parmi eux, 40 % étaient ouvriers et plus d’un tiers avaient plus de 45 ans sans le bac. Ce dispositif a donc touché des publics fragiles, mais très peu nombreux. Ce résultat porte sur un seul territoire et un choc sectoriel, pas sur l’IA. L’âge, le territoire et le salaire jouent ensemble. Le temps de formation compte surtout parce qu’il fait perdre un revenu, et ce revenu est plus difficile à remplacer pour un salarié proche de la fin de carrière ou éloigné des bassins d’emploi porteurs.

Le CPF ne peut pas porter une reconversion lourde (défendue). Le compte est alimenté de 500 € par an, dans la limite de 5 000 €. Il ne finance pas le salaire pendant la formation. En 2025, le dossier moyen coûte 1 785 € pour 79 heures, soit environ deux semaines à temps plein. C’est loin d’un titre professionnel de 12 à 24 mois. Le permis B représente 23 % des formations souscrites, ce qui confirme que l’usage dominant n’est pas la reconversion. Le coût total reste autour de 2 milliards d’euros par an, et la part des demandeurs d’emploi monte. Le reste à charge freine en outre l’accès. Il était de 100 € depuis mai 2024 et l’est passé à 150 € depuis avril 2026. Une hausse à 350 € pour les formations non prioritaires est envisagée, mais ce n’est à ce stade qu’une hypothèse de réforme. Le CPF sert plutôt de complément ou de levier de cofinancement que de véhicule de reconversion.

La période de reconversion : bon design, volume inconnu (statut mixte). Depuis le 1er janvier 2026, elle remplace Transco et Pro-A. Je n’ai trouvé aucune donnée de volume sur elle, et je ne peux donc pas juger sa capacité. Son prédécesseur Transco avait une architecture adaptée : salaire maintenu, formation certifiante jusqu’à 24 mois, à l’échelle du bassin. Il reposait cependant sur l’accord de l’employeur et sur des accords de gestion des emplois (GEPP). Il laissait donc de côté les salariés des petites structures, les licenciés et les emplois précaires. Ces publics sont aussi les plus exposés à un choc diffus comme celui de l’IA.

Le passage à 2040 (hypothèse de ma part, non sourcée). Prenons un ordre de grandeur purement illustratif. Si 500 000 salariés devaient suivre une reconversion de 12 mois avec maintien de salaire, à environ 30 000 € par personne tout compris, la facture serait de l’ordre de 15 milliards d’euros. C’est plus de six fois la dépense annuelle du CPF. Je ne l’avance pas comme une prévision. Elle montre que le facteur limitant n’est pas le catalogue de formations. C’est le financement du salaire pendant la formation et l’existence d’emplois d’accueil dans le bassin. La reconversion est surtout crédible là où l’IA complète un métier existant (formation courte, dans le poste). Elle l’est beaucoup moins là où elle supprime le métier. Pour trancher, trois données seraient décisives : les volumes de la période de reconversion, le taux d’emploi durable à 12 mois selon l’âge et le territoire, et le nombre d’emplois effectivement ouverts dans les métiers visés.

Grok 4.7

La reconversion est réelle pour une minorité sélectionnée, pas à l’échelle d’un déplacement

Au niveau de l’individu qui entre dans un parcours long, la reconversion fonctionne. Au niveau du débit des dispositifs, elle ne peut pas absorber un déplacement de masse d’ici 2040. Il n’existe pas encore de stock mesuré de « travailleurs déplacés par l’IA » : le ministère du Travail indique qu’aucune étude ne conclut à un effet net sur l’emploi total. Le test de capacité peut néanmoins se faire sans ce chiffre, en comparant ce que les outils financent réellement à ce qu’exigerait un changement de métier, et non une simple acculturation.

Le CPF n’est pas un instrument de reconversion. En 2023, France compétences comptait plus de 1,3 million de dossiers, pour une durée moyenne de 61 heures ; l’Insee précise que la moitié durait 21 heures ou moins. Huit à neuf mois après, la majorité n’a pas changé de situation, ce que France compétences relie à cette brièveté. Une expérimentation de la Dares va dans le même sens : en métier en tension, une formation longue relève le taux de rappel (environ 50 % contre 30 % sans formation) ; une formation courte ne fait pas mieux que l’absence de formation. Le plafond de droits, 5 000 €, ne finance pas un changement de métier. L’outil qui le fait est le projet de transition professionnelle : environ 18 000 parcours en 2023, 943 heures en moyenne, coût unitaire d’environ 29 220 €. Parmi les sortants 2024, 94 % obtiennent le diplôme et 59 % occupent, six mois après, un poste lié à la nouvelle qualification. Ce débit — de l’ordre de 15 000 à 18 000 dossiers par an — est dérisoire face à un stock d’environ 30 millions d’emplois. La période de reconversion, en vigueur depuis février 2026, ne comble pas l’écart : elle suppose l’accord de l’employeur, se finance dans une enveloppe OPCO fermée, et les commentaires du décret la bornent à 150–450 heures sur douze mois. C’est un outil d’adaptation ou de mobilité négociée, pas un droit unilatéral de changer de profession.

Trois contraintes rendent le passage vers les emplois que l’IA crée encore plus étroit que vers ceux qu’elle complète. L’âge d’abord : entre 2021 et 2022, à caractéristiques comparables, les salariés de 55–59 ans étaient 30 % moins susceptibles que ceux de 40–49 ans de changer d’employeur, et plus de la moitié de ceux qui le faisaient perdaient en salaire horaire (Insee, base Tous salariés). L’enquête Piaac 2023 montre en outre qu’en France plus d’un adulte sur quatre a une faible maîtrise des compétences de base, écart qui se creuse avec l’âge. Le territoire ensuite : les métiers complémentaires peu exposés (soin, bâtiment, services de proximité) et les métiers créés (développement, données) ne sont pas dans les mêmes bassins ; la mobilité géographique décroît avec l’âge, et un maintien de revenu incompatible avec une entrée en bas d’échelle la bloque. Le salaire, enfin, est le coût d’opportunité du temps de formation, pas seulement le prix pédagogique : un cadre ou un employé de milieu de carrière exposé à l’IA n’a ni le capital technique pour viser les emplois créés, ni, souvent, un salaire de réserve compatible avec les emplois complémentaires.

D’ici 2040, les dispositifs existants peuvent donc accompagner le complément — monter en compétence dans un métier maintenu — bien mieux que le déplacement. « Impulsion IA 2027 » mobilise un peu plus de 80 millions d’euros pour acculturer jusqu’à 30 millions de personnes : c’est de la littératie, pas de la requalification. Le droit universel à la reconversion, jusqu’à un an, avancé par le Haut-commissariat à la stratégie et au plan, est une proposition, non un financement. Ma position est que la reconversion réussie restera sélective : parcours certifiant de plusieurs centaines d’heures, revenu de remplacement, et emploi local en tension sans trop fort sacrifice salarial ou géographique. Hors de ce triangle, le CPF et la période de reconversion ne tiennent pas l’échelle.

Tour croisé #7 – Mode : Critique

Utilisateur

Si l’IA augmente la productivité tout en pénalisant certains travailleurs ou certaines cohortes, qui captera ces gains ? Jusqu’à quel point la négociation collective, les syndicats, la fiscalité ou les transferts peuvent-ils transformer une adaptation productive en adaptation aussi distributive, y compris pour ceux qui travaillent hors du salariat et pour ceux qui ne sont jamais entrés dans l’emploi ?

GPT-6 Sol

À l’utilisateur — Qui captera les gains de l’IA ?

Je défends une distinction : une adaptation productive ne devient pas distributive par le seul fait que la productivité augmente. À l’échelle d’une entreprise, le gain peut financer des salaires, des prix plus bas, du temps libéré, de l’investissement ou des profits. Sa répartition dépend du pouvoir de négociation, de la concurrence et des règles publiques. À l’échelle d’une cohorte, le bilan peut être défavorable même si les salariés déjà en poste gagnent : les jeunes qui n’obtiennent jamais un premier contrat ne participent pas à une négociation salariale.

Je ne suppose pas que l’IA ait déjà produit en France un surplus net mesuré qu’il suffirait de partager. Le FMI traite précisément l’ampleur des gains et des déplacements comme incertaine ; l’OIT distingue elle aussi exposition des tâches et suppression des emplois. Mon argument est donc conditionnel : si des gains apparaissent, quels mécanismes permettent à ceux qui supportent les coûts de transition d’en bénéficier ? (imf.org)

Trois étages de redistribution, trois populations différentes

  • Dans l’entreprise, la négociation collective peut porter sur les salaires, la réduction du temps de travail sans perte de revenu, la formation rémunérée et les engagements de recrutement. Je défends une négociation sur des résultats vérifiables, non sur une promesse vague de « dividende de l’IA »:

    productivité et qualité du service, masse salariale, recours à la sous-traitance, entrées juniors. Objection testable à ma propre proposition : si les rémunérations des salariés en place progressent mais que les recrutements débutants diminuent, l’accord a partagé le gain entre insiders, pas avec la cohorte exposée.

  • Entre entreprises et statuts, la négociation d’établissement ne suffit plus. Un indépendant peut perdre des commandes au profit d’un client mieux équipé, ou bénéficier d’un outil qui accroît sa marge:

    « hors salariat » n’est pas une catégorie distributive homogène. J’examinerais des protections et droits à la formation attachés à la personne, financés sur une assiette qui ne repose pas exclusivement sur la paie. Leur réussite se jugerait sur le revenu disponible et la continuité d’activité des indépendants, non sur le seul nombre d’inscriptions à une formation. L’Insee dénombre 4,3 millions de personnes exerçant une activité non salariée fin 2024 : les laisser hors du dispositif serait un angle mort substantiel. (insee.fr)

  • Entre travailleurs et personnes sans emploi, seule une redistribution qui ne requiert ni employeur ni ancien salaire atteint ceux qui ne sont jamais entrés dans l’emploi. Des transferts accessibles aux primo-entrants, associés à un accompagnement vers des postes réellement ouverts, répondent mieux à ce problème qu’une assurance réservée aux salariés déplacés. La fiscalité des bénéfices et revenus du capital peut contribuer à leur financement ; le FMI souligne cet enjeu si l’IA accroît les rendements du capital. Mais je n’affecterais pas à l’avance une recette fictive:

    un prélèvement sur un « gain d’IA » difficile à isoler risque de financer des droits permanents avec une assiette incertaine. (imf.org)

Jusqu’où ces instruments peuvent-ils aller ? La négociation peut changer le partage au sein des organisations couvertes ; la fiscalité et les transferts peuvent le corriger entre organisations et générations. Aucun des deux ne crée à lui seul un poste d’entrée. Leur combinaison devient distributive si elle protège simultanément le revenu pendant la transition et l’accès des nouveaux entrants aux occasions d’acquérir une expérience. Le test décisif n’est donc pas « les salariés exposés gagnent-ils davantage ? », mais « la part d’une cohorte obtenant un premier emploi durable, et son revenu disponible, s’améliorent-ils aussi ? »

À Claude-Sonnet 5.5 et Grok 4.7

Claude-Sonnet 5.5, je te rejoins sur le point fort de ta position : financer une formation sans financer le revenu pendant celle-ci ne règle pas la reconversion. Mais ton exemple de parcours long met à l’épreuve une hypothèse distributive supplémentaire : qui peut être candidat avant même la sélection ? Une aide généreuse conditionnée à l’accord de l’employeur peut favoriser les salariés que celui-ci veut garder et exclure ceux dont le contrat disparaît, les indépendants et les primo-entrants. Je conserverais donc le financement négocié des reconversions en complément, non en remplacement, de droits accessibles hors de l’entreprise.

Grok 4.7, ta distinction entre le débit des formations et leur efficacité parmi les admis est utile. Je nuancerais toutefois « le CPF n’est pas un instrument de reconversion » : la brièveté moyenne des parcours teste mal les usages minoritaires combinés à d’autres financements. La version défendable de ta thèse est plutôt que le CPF, seul, ne constitue pas une garantie de reconversion longue à grande échelle. Surtout, même porter ce débit à l’échelle ne répondrait pas entièrement à l’utilisateur : une formation réussie pour un salarié déplacé ne transfère rien, par elle-même, à un jeune qui n’a jamais travaillé.

Je déplace ainsi mon cadre précédent : préserver les voies d’entrée reste nécessaire, mais ce n’est pas une politique complète de partage des gains. Pour vérifier les deux objectifs séparément, je suivrais, par bassin et cohorte, les premières embauches durables ; par statut antérieur, le revenu disponible après transfert ; et, dans les organisations adoptant l’IA, l’évolution conjointe de la productivité, des rémunérations, des recrutements et de la sous-traitance. Une hausse des deux premiers indicateurs seulement réfuterait la prétention à une adaptation également distributive.

Question à vous deux : quel dispositif financeriez-vous en premier pour une cohorte dont les premières embauches baissent, alors que les profits attribuables à l’IA restent impossibles à identifier avec fiabilité — un droit au revenu indépendant de l’emploi antérieur, une subvention aux postes d’entrée, ou une obligation de négocier les recrutements ? Quel résultat observable vous ferait abandonner ce choix ?

Claude Sonnet 5.5

Gains de l’IA : la négociation répartit entre insiders, il faut d’autres canaux pour les outsiders

À l’utilisateur

Sur qui capte les gains. Il existe trois destinataires possibles : les détenteurs du capital et des modèles (profits, rentes), les consommateurs (baisse des prix) et les travailleurs (salaires, temps libéré). Je soutiens que la répartition suit la rareté relative et le pouvoir de négociation, pas la contribution. Je le défends comme cadre, pas comme mesure : on n’a pas encore d’effet net établi sur l’emploi, donc pas non plus de partage observable. Une part des gains peut sortir du territoire, vers des fournisseurs de modèles étrangers, ce qui affaiblit toute assiette nationale.

Négociation collective : précise mais réservée aux insiders. Les premiers accords français montrent ses effets et sa limite. Chez MAIF, les six syndicats ont signé un accord selon lequel le déploiement de l’IA ne pourra conduire à aucun licenciement pour motif économique. La CGT y regrette pourtant le manque d’engagements sur le partage des gains de productivité, par exemple des réductions du temps de travail sans baisse de salaire. Le texte protège donc l’emploi en place, pas la répartition du surplus. Plus largement, l’Ires note le faible nombre d’accords traitant directement et explicitement de l’impact de l’IA. Dans la fonction publique, la CGT juge que le projet d’accord-cadre ne donne aucune garantie sur l’emploi.

Objection testable contre ma propre thèse. Une garantie de non-licenciement n’est pas neutre pour les entrants. Si l’entreprise tient l’engagement et ajuste par le non-remplacement des départs et le gel des embauches juniors, le coût se reporte sur la cohorte d’entrée, qui n’a pas de siège à la table. C’est le mécanisme insider-outsider. Il se teste : à secteur et taille comparables, les entreprises à clause de protection de l’emploi recrutent-elles moins de moins de 26 ans, deux à trois ans après le déploiement de l’IA, que celles sans clause ? Si l’écart est nul, mon objection tombe.

Fiscalité : large mais lente, et à assiette fragile. Le financement français de la protection sociale repose largement sur la masse salariale. Si l’IA fait croître la valeur ajoutée plus vite que les salaires, l’assiette se dégrade pendant que la demande de transferts augmente. Trois pistes existent : déplacer l’assiette vers la valeur ajoutée ou le capital, taxer les rentes, ou mutualiser par une contribution des employeurs. Elles se heurtent à la mobilité du capital et à un problème d’attribution : on ne sait pas isoler ce qui vient de l’IA. J’écarterais donc une « taxe IA » et je viserais une assiette observable, comme le ratio masse salariale/valeur ajoutée par branche. Ce point reste une proposition, non un dispositif existant.

Transferts : universels sur le papier, mais le contributif exclut précisément ceux que vous visez.

  • Les indépendants et non-salariés sont mal couverts par l’assurance chômage contributive, car leurs droits dépendent d’un historique d’affiliation et de cotisation.
  • Ceux qui ne sont jamais entrés dans l’emploi n’ont aucun historique. Ni la négociation d’entreprise ni l’assurance contributive ne les atteignent. Seul le non-contributif le fait (minima sociaux, allocations d’insertion), avec ses conditions d’âge et de ressources.
  • Un transfert compense un revenu, il ne reconstitue pas une trajectoire. Le désavantage du jeune sans premier emploi est un déficit d’apprentissage sur le tas, qu’un virement ne comble pas.

Mon cadre. Aucun instrument ne transforme à lui seul l’adaptation productive en adaptation distributive :

  • La négociation fixe la répartition là où il y a un collectif de travail.
  • La fiscalité finance, mais mal les gains qui sortent du territoire.
  • Les transferts couvrent le revenu des outsiders, pas leur accès à l’expérience.

Le maillon manquant est un couplage : une contribution mutualisée des employeurs, indexée sur une assiette observable, finançant des postes d’entrée et des parcours rémunérés. Les outsiders y seraient bénéficiaires de droit, pas seulement bénéficiaires d’une négociation à laquelle ils n’assistent pas.


À Gpt 6 Sol

Je suis d’accord sur le diagnostic : le revenu pendant la transition est le verrou. Mais ta préférence a un effet distributif que tu ne signales pas.

« des parcours commencés avant la perte d’emploi, financés avec du temps de formation rémunéré »

Ces parcours supposent un employeur en place, donc un salarié déjà inséré. Grok 4.7 rappelle que la période de reconversion exige l’accord de l’employeur. Elle devient alors un bien de négociation, réparti selon la présence syndicale, la taille de l’entreprise et la qualification. Test : la part des bénéficiaires par taille d’entreprise et par couverture d’accord, rapportée à la part des salariés exposés. Un écart fort signalerait que ton dispositif reproduit la fracture qu’il veut corriger. Un dispositif adossé à l’individu et au bassin, comme le PTP, échappe à cette critique. Il est cependant très étroit en volume.

À Grok 4.7

Ta distinction entre complément et déplacement est solide. Je conteste ton étalon.

« dérisoire face à un stock d’environ 30 millions d’emplois »

Le bon dénominateur est le flux annuel de personnes réellement déplacées dans les métiers exposés, pas le stock d’emplois. Comparer 15 000 à 18 000 dossiers à 30 millions revient à supposer que tout le stock est menacé. Or tu admets toi-même qu’aucun stock de déplacés n’est mesuré. Ton verdict de « dérisoire » est donc plausible, mais il n’est pas établi par ce ratio. Il faudrait le flux de séparations contraintes par profession exposée, puis la part de ces séparations couverte par un dispositif long. Ce test peut te donner raison.

Question ouverte

Les entrants n’ont, par construction, aucun représentant dans la négociation d’entreprise ou de branche. Qui doit parler pour eux : l’État, les branches par une obligation d’embauche junior, ou une instance interprofessionnelle ? Et quel indicateur de leur situation (premier emploi durable à 24 mois, par exemple) servirait de condition de revoyure aux accords ?

Grok 4.7

Le surplus ne se partage pas là où l’on forme

À l’utilisateur

Position défendue. Si l’IA augmente la productivité tout en pénalisant certaines cohortes, le surplus n’a pas de destinataire naturel. Il se partage entre rente du capital (fournisseurs de modèles et actionnaires des firmes qui substituent), économie de coût chez l’utilisateur, baisse de prix éventuelle, et seulement ensuite — si un instrument l’y oblige — salaires, formation ou transferts. Au niveau macro, Acemoglu prévoit que l’IA élargit l’écart entre revenu du capital et revenu du travail, même avec des gains de productivité globale modestes. Au niveau des firmes, la Cour des comptes relaie le risque que les entreprises dominantes captent l’essentiel et cite le FMI : ne pas taxer l’IA en tant que telle, surveiller la distorsion du partage de la valeur ajoutée, renforcer protection sociale, portabilité des droits et politiques actives (Cour des comptes, 2025).

Le biais d’assiette français accélère cette capture. Le travail reste l’assiette la plus lourde ; une dépense d’IA s’inscrit souvent comme consommation intermédiaire, bien moins chargée que le poste non ouvert. L’adaptation productive (même output, moins d’heures humaines, moins de cotisations) peut donc précéder toute adaptation distributive. Ce n’est pas une fatalité technologique. C’est une incidence fiscale (Alternatives économiques).

Négociation collective. Elle peut convertir une partie du surplus interne à l’établissement en salaires, temps, ou maintien de postes — là où elle existe. En 2024, 17,2 % des entreprises de 10 salariés ou plus négocient, mais elles emploient 61,5 % des salariés du champ privé non agricole (Dares). Le levier est réel pour le salariat organisé. Il est structurellement aveugle aux quelque 4,8 millions de travailleurs indépendants fin 2024 et à ceux qui ne sont jamais entrés dans l’emploi. Pour une fraction des indépendants de plateformes, un droit syndical existe et des accords ont été conclus (VTC, livraison) ; le droit de la concurrence borne encore ce qui peut porter sur le prix. La négociation ne atteint pas la rente amont des modèles, souvent hors champ et parfois hors juridiction.

Fiscalité et transferts. Ils peuvent élargir le périmètre, à une condition : l’assiette doit suivre le gain, pas le salaire restant. Une taxe nominale sur l’IA est le mauvais instrument (frein à la diffusion, assiette fuyante). Plus défendable, et encore hypothétique : une cotisation miroir des contributions évitées par la non-ouverture de postes, ou une contribution sur la rente d’automatisation observable chez l’utilisateur, complétée en amont par la progressivité sur les super-profits des captateurs. Les transferts — droits portables, assurance revenu, allocation d’insertion non contributive — sont le seul canal qui touche les hors-salariat et les jamais-entrés. Leur limite est d’incidence : financés par les cotisations des salariés restants, ils socialisent la perte sur les non-déplacés au lieu de la faire porter aux captateurs.

Jusqu’à quel point, donc ? La négociation redistribue à la marge de l’établissement couvert, tant que l’employeur est présent et solvable. Elle ne transforme pas un choc diffus en partage. La fiscalité le peut si l’assiette est redessinée ; sinon elle ratifie le biais. Les transferts sont indispensables pour les deux populations hors du salariat, mais ils compensent un revenu : ils ne reconstituent ni un parcours d’entrée ni une capacité. Les confondre, c’est laisser l’adaptation productive intacte.

Objection testable à l’idée qu’« accompagner » suffirait. Si, trois ans après une hausse d’adoption dans un secteur exposé, la part du travail dans la valeur ajoutée baisse, les premières embauches de peu qualifiés stagnent, et les dépenses de reconversion financées par ce secteur n’augmentent pas à hauteur des cotisations évitées, l’adaptation est restée productive. C’est un test sectoriel, pas un principe.


À Claude-Sonnet 5.5 et à Gpt 6 Sol

Vos lectures de la reconversion sont complémentaires, pas contradictoires, sur le verrou réel. Claude-Sonnet 5.5 a raison de dire que le catalogue n’est pas le facteur limitant : c’est le financement du salaire pendant la formation et l’existence d’emplois d’accueil. Gpt 6 Sol a raison de refuser l’interchangeabilité des dispositifs et de juger le résultat sur l’emploi et le salaire retrouvés, par âge, bassin et salaire antérieur — non sur les inscriptions. Je retiens cette version forte. Le PTP le montrait déjà : la rémunération pesait près des deux tiers du coût. La période de reconversion, en vigueur depuis le 1er février 2026, finance d’abord des frais pédagogiques (à défaut, 9,15 €/h ; moyenne OPCO fixée à 5 000 €) ; l’écart de rémunération n’est pris en charge que si un accord ou l’employeur le prévoit (ministère du Travail).

L’objection porte sur ce que ce verrou ne fait pas. Il redistribue à l’intérieur du salariat qui a encore un employeur capable de signer. Il ne répond pas à la question de savoir qui a capté le surplus, ni à celles et ceux qui travaillent hors salariat ou n’y sont jamais entrés.

Claude-Sonnet 5.5, ton ordre de grandeur — 500 000 reconversions d’un an, de l’ordre de 15 milliards — est une hypothèse de capacité, pas une prévision. Je la prends ainsi. Mais elle suppose un financeur. Si c’est l’employeur qui a déjà substitué, son intérêt est de ne pas maintenir le salaire du métier qu’il supprime. Si c’est la contribution mutualisée des OPCO, l’incidence peut retomber sur les entreprises qui n’ont pas capté le gain. Ton propre constat sur Transco (accord d’employeur, GEPP, exclusion des petites structures, des licenciés et des précaires) se reproduit dans le nouveau dispositif : la demande passe par l’employeur. Le test n’est pas le nombre de dossiers ouverts. C’est de savoir si les secteurs qui réduisent les entrées financent, à due proportion, le revenu des sortants.

Gpt 6 Sol, privilégier des parcours avant la perte d’emploi, reliés à des recrutements locaux, est la version la plus défendable du reclassement salarié. Elle reste silencieuse sur le captateur. Un bon taux de retour à l’emploi chez les formés peut coexister avec une baisse de la part salariale et une fermeture durable des portes pour les jamais-entrés. Ton unité d’analyse — le parcours dans un bassin — est juste pour le salarié déplaçable. Elle n’est pas l’unité du partage du surplus, qui se décide en amont, dans le prix de l’IA et dans les cotisations non versées.

Les deux dispositifs que vous discutez laissent, par construction, hors champ les indépendants et les personnes sans employeur. Aucune mutualisation de frais pédagogiques ne transforme cela en adaptation distributive.

Si l’on observait, dans les secteurs les plus exposés, une baisse de la part salariale et une stagnation des premières embauches de peu qualifiés, quel instrument — cotisation miroir sur les postes non ouverts, contribution assise sur la dépense d’IA des utilisateurs, ou transfert portable financé hors cotisations travail — ferait porter le coût aux captateurs plutôt qu’aux salariés restants, et quel écart d’incidence faudrait-il mesurer avant de le juger efficace ?

Tour croisé #8 – Mode : Critique

Utilisateur

Parmi les instruments que vous venez de proposer, lequel échouerait le premier, et pourquoi ?

GPT-6 Sol

L’instrument qui échouerait le premier

À l’utilisateur — je choisirais la « cotisation miroir » sur les postes non ouverts, si l’objectif est de faire payer les entreprises qui captent les gains de l’IA. C’est une proposition hypothétique, non un dispositif en vigueur. Elle échouerait probablement avant même la collecte, au moment de définir son assiette : comment établir qu’un poste aurait été ouvert sans l’IA ?

Une embauche absente n’est pas un événement administratif observable comme un salaire versé. L’entreprise peut invoquer une baisse de commandes, une réorganisation ou un recrutement reporté. Même si ses effectifs diminuent après l’adoption de l’IA, cela ne permet pas d’attribuer chaque poste manquant à cette adoption. Plus on affine le calcul pour éviter de taxer à tort, plus il devient difficile à appliquer ; plus on le simplifie, moins la charge tombe sûrement sur les captateurs du gain.

Voilà l’objection testable à ma préférence antérieure pour des parcours rémunérés avant la perte d’emploi : un financement censé suivre les suppressions de postes imputables à l’IA pourrait-il réellement produire une assiette vérifiable, entreprise par entreprise, avant que les salariés aient besoin d’aide ? Je comparerais, dans des secteurs et bassins comparables, l’évolution des postes ouverts, des départs non remplacés et de la valeur ajoutée, avant et après adoption. Si ces données ne permettent pas de distinguer suffisamment les entreprises contributrices, la cotisation miroir échoue à son propre critère d’incidence — même si le besoin de financer des transitions est incontestable.

Il faut distinguer cet échec d’attribution d’un autre, plus immédiat pour les personnes. Mon parcours commencé avant la perte d’emploi échouerait le premier à atteindre les outsiders : il suppose précisément un employeur et un contrat encore actifs. La période de reconversion française illustre la contrainte : elle est entrée en vigueur le 1er février 2026, et la prise en charge d’un éventuel écart de rémunération lors d’une reconversion externe dépend notamment d’un accord ou d’une décision de l’employeur. Ce n’est donc pas, à elle seule, une garantie de revenu portable pour toute personne déplacée. Ministère du Travail

Je révise donc la portée, pas l’intérêt, de ma proposition : l’anticipation rémunérée reste défendable pour les salariés encore en poste ; elle ne doit plus être présentée comme le cœur universel de la réponse. Pour les personnes déjà sorties de l’emploi, les indépendants et les primo-entrants, il faut un accès distinct, attaché à la personne et assorti d’un revenu pendant la transition. Son financement peut être mutualisé sur une assiette observable, sans prétendre identifier chaque poste « supprimé par l’IA ».

À Claude-Sonnet 5.5

Ta critique vise juste : mon parcours anticipé risque de devenir un avantage d’insider. Je retiens ton test de répartition des bénéficiaires selon la taille d’entreprise et l’exposition des salariés. J’ajouterais un résultat : parmi les personnes exposées d’un même bassin, qui accède à un emploi durable après le parcours, et qui n’entre jamais dans le dispositif ? Sans ce second dénominateur, une réussite élevée parmi les admis masquerait une sélection à l’entrée.

Je conteste toutefois la version la plus ambitieuse de ton couplage entre contribution des employeurs et postes juniors. Un financement mutualisé peut ouvrir des places rémunérées sans créer des postes d’accueil. L’objection se vérifie : si les entrées en parcours augmentent, mais que les premières embauches durables dans les métiers visés ne progressent pas, le dispositif a financé l’attente plutôt que l’entrée. L’État peut représenter les intérêts des entrants dans la fixation des objectifs et la condition de revoyure ; ni une branche ni un employeur isolé ne peuvent garantir à eux seuls leur débouché local.

À Grok 4.7

Je te rejoins sur un point décisif : le bassin où l’on forme n’est pas nécessairement le lieu où le surplus est capté. Tes trois instruments ne résolvent pourtant pas ce décalage de la même manière. Une contribution sur la dépense d’IA est plus observable qu’un « poste non ouvert », mais elle taxe aussi l’usage qui complète le travail et peut épargner un gain obtenu autrement. Un transfert portable financé hors des cotisations sur le travail atteint mieux les personnes exclues du salariat ; il ne prouve pas, à lui seul, que les captateurs en supportent le coût. Ce sont deux tests différents : couverture des personnes et incidence du financement.

Je ne ferais donc pas d’un ratio sectoriel entre cotisations « évitées » et dépenses de reconversion le juge unique de l’efficacité : le premier terme repose justement sur le contrefactuel fragile que révèle la cotisation miroir. Je suivrais séparément la part salariale, les premières embauches durables, la couverture des personnes déplacées et la contribution effectivement acquittée par les entreprises bénéficiaires. La négociation collective reste utile pour les salariés présents, mais sa portée ne doit pas être confondue avec celle d’un droit ouvert aux entrants : en 2024, 17,2 % des entreprises d’au moins dix salariés du champ étudié avaient engagé une négociation collective. Dares

Question à Claude-Sonnet 5.5 et Grok 4.7 : accepteriez-vous de financer d’abord un droit portable sur une assiette imparfaite mais vérifiable, puis de réviser cette assiette si l’on constate que les entreprises où la part salariale baisse contribuent moins que les autres ? Ou cette solution abandonne-t-elle trop vite l’exigence de faire payer précisément les captateurs ?

Claude Sonnet 5.5

Quel instrument échouerait le premier ? La cotisation miroir

(À l’utilisateur, puis à Gpt 6 Sol et à Grok 4.7.)

Je défends que la cotisation miroir de Grok 4.7 échouerait avant les autres. Cette cotisation serait calculée sur les contributions évitées par la non-ouverture de postes. J’entends par « échouer » ne plus remplir sa fonction redistributive dans les conditions les plus ordinaires, et non dans un scénario extrême.

Pourquoi celui-là

Son assiette est un contrefactuel. Pour la calculer, il faut établir qu’un poste aurait été ouvert sans l’IA. Aucun registre administratif ne contient cette information, et trois mécanismes la rendent fragile dès le premier exercice :

  • Attribution:un départ non remplacé peut tenir à l’IA, à la conjoncture, à une réorganisation ou à une démographie d’entreprise. La cotisation exige de trier ces causes, ce qui ouvre un contentieux permanent.
  • Évitement à coût faible:l’entreprise peut ouvrir un poste nominal en contrat court, sous-traiter ou externaliser vers un indépendant. Dans ces cas l’assiette disparaît sans que le partage change. Cela rejoint le point de Gpt 6 Sol : la sous-traitance doit figurer parmi les indicateurs.
  • Incitation inversée:une taxe sur la non-embauche pèse en pratique sur la gestion des effectifs. Je cite de mémoire (position rapportée, non vérifiée ici) la contribution dite « Delalande », qui taxait certains licenciements de seniors. Elle est souvent présentée comme ayant détourné l’embauche de ce public. Le risque d’un effet de rejet sur la cohorte qu’on veut aider est donc documenté dans le droit français.

Les autres instruments échouent plus tard et pour des raisons moins immédiates. Le droit au revenu de Gpt 6 Sol échoue sur le financement, après plusieurs années. La subvention aux postes d’entrée échoue sur l’effet d’aubaine, qui se mesure ex post. Mon propre fléchage des crédits dans la territoriale échoue sur la chaîne de décisions locales, comme Gpt 6 Sol l’a montré au tour précédent. La cotisation miroir est la seule dont l’assiette n’existe pas à la date d’entrée en vigueur.

Ce qui me ferait abandonner ce verdict

Il faudrait un test d’auditabilité sectorielle. Deux évaluateurs indépendants, utilisant des méthodes raisonnables (écart au taux de remplacement historique, comparaison avec des établissements non adopteurs), estiment les « postes évités » d’un même secteur. Si leurs estimations divergent de moins du simple au double, j’admets que l’assiette est praticable. Si elles divergent davantage, la cotisation est un forfait déguisé, et ce n’est plus un partage indexé sur le gain.


À Grok 4.7

Ta question finale est la suivante :

quel instrument […] ferait porter le coût aux captateurs plutôt qu’aux salariés restants

Elle présuppose des captateurs identifiables. C’est précisément ce que Gpt 6 Sol conteste en parlant de profits « impossibles à identifier avec fiabilité ». Si l’on ne sait pas isoler le gain d’IA, on ne peut pas non plus mesurer l’« écart d’incidence » que tu demandes avant de juger l’instrument. Ton critère d’efficacité dépend d’une donnée que ton instrument est censé produire.

Je te propose une version testable. Renonce à l’attribution individuelle et mesure l’incidence au niveau sectoriel agrégé, par la part du travail dans la valeur ajoutée. C’est ton propre indicateur, et il ne demande aucun contrefactuel de poste.

Il y a aussi un point factuel à trancher. Tu cites environ 4,8 millions d’indépendants fin 2024, et Gpt 6 Sol cite 4,3 millions d’actifs non salariés (Insee). L’écart tient probablement au champ : activité principale ou non, micro-entrepreneurs, etc. Je ne le tranche pas ici. Mais le dénominateur décide de l’ampleur de l’« angle mort », et il faut le fixer avant de dimensionner un droit portable.

À Gpt 6 Sol

Tu demandes quel dispositif financer en premier pour une cohorte dont les premières embauches baissent, sans profit d’IA identifiable.

Je choisis le droit au revenu indépendant de l’emploi antérieur, conditionné à un parcours. C’est le seul des trois qui ne demande ni attribution du gain, ni accord de l’employeur, ni sélection préalable. Il corrige donc le défaut d’accès que tu as relevé : on n’a pas besoin d’être candidat via un employeur pour en bénéficier.

Je le pose comme hypothèse de travail, avec deux limites que tu as déjà nommées. Il ne crée pas de poste d’entrée, et son financement ne dépend pas d’un prélèvement indexé sur l’IA. Je le financerais donc sur une assiette générale, sans prétendre faire payer l’IA.

Condition d’abandon : si, à 12 et 24 mois, la part de bénéficiaires en premier emploi durable n’est pas supérieure à celle d’un groupe comparable (même bassin, même niveau de diplôme, mêmes dates d’entrée), le transfert n’est qu’un soutien de revenu. Il faut alors le combiner avec la subvention aux postes d’entrée, ou admettre que la limite est la demande de travail.

Question ouverte

Si le transfert ne se juge que sur la demande de travail, comment distinguer un échec de l’instrument d’une absence d’emplois d’accueil dans le bassin ? Quel indicateur, disponible au niveau du bassin d’emploi et antérieur au versement, permettrait de séparer ces deux causes ?

Grok 4.7

La clause d’emploi échoue avant les autres instruments

À l’utilisateur

La clause de protection de l’emploi négociée en entreprise échoue la première. Ni la fiscalité, ni le transfert, ni la subvention aux postes d’entrée.

J’entends l’instrument tel que Claude-Sonnet 5.5 et Gpt 6 Sol viennent de le poser : la négociation d’établissement sur des résultats vérifiables — non-licenciement, effectifs, parfois entrées juniors — comme étage où un gain d’IA deviendrait distributif. Position défendue.

Il est le seul déjà activé. Les autres restent des propositions. Une clause signée peut rater son objet sans attendre une loi de finances. Son critère de succès — pas de licenciement économique lié à l’IA, effectifs non réduits — est compatible avec la fermeture du flux d’entrée. Un stock stable et un vivier junior en baisse satisfont l’accord et manquent la cohorte.

Trois ancrages, de l’établissement vers la population d’entreprises :

  • À la MAIF, les six syndicats ont obtenu qu’aucun licenciement ne découle du déploiement de l’IA et que les gains d’efficacité ne servent pas à réduire les effectifs (CFE-CGC). Rien, dans ce texte rapporté, n’oblige à remplacer un départ par un moins de 26 ans.
  • Les accords mentionnant l’IA sont passés d’environ 242 en avril 2024 à près de 500 en 2025 ; la part traitant de l’emploi, de 33 % à 41 % (Le Monde). Mention n’est pas plancher d’embauche. En 2025, 18 % des entreprises de 10 salariés ou plus utilisent l’IA et concentrent 59 % de l’emploi du champ (Insee). La négociation ne couvre qu’une fraction des utilisateurs, surtout les grandes structures.
  • Signal d’intention, statut rapporté et non causal:67 % des dirigeants français interrogés prévoient de réduire les recrutements juniors d’ici trois ans (Le Monde Informatique). Si cette intention se réalise avec ou sans clause, la clause n’a pas dévié l’ajustement : elle l’a rendu licite par le non-remplacement.

Objection testable. À secteur, taille et usage de l’IA comparables, les établissements à clause de non-réduction des effectifs ont-ils, à 24 mois, un taux d’embauche des moins de 26 ans inférieur d’au moins 10 points à celui des établissements sans clause, sans baisse du stock ? Écart nul : la clause n’est pas le premier échec, elle accompagne un gel déjà général. Écart fort et stock stable : l’échec est établi, et il est antérieur à toute réforme fiscale.

Les autres instruments échouent plus tard, ou sur un autre objet. Le droit au revenu indépendant de l’emploi antérieur tient son objet étroit — un transfert — sans créer de trajectoire : incomplet, pas précoce. La contribution mutualisée n’est pas en vigueur : elle ne peut pas échouer avant d’exister. La subvention aux postes d’entrée a, dans un choc de demande, produit des effets partiels. L’aide à l’embauche des jeunes a relevé l’emploi éligible d’environ 7 % chez les 22-25 ans sans relever leur emploi total (DARES). Sur les contrats aidés, l’effet d’aubaine dans le marchand est estimé à 61 % (DARES). Ces échecs supposent un dispositif financé, une évaluation, un délai. La clause rate les outsiders le jour de la signature.


À Claude-Sonnet 5.5

Tu as raison sur le dénominateur. Comparer quelques dizaines de milliers de dossiers à 30 millions d’emplois suppose un stock menacé que je n’ai pas mesuré. J’abandonne ce ratio.

« Le bon dénominateur est le flux annuel de personnes réellement déplacées »

Oui pour juger un dispositif de reconversion. Non pour juger la clause : son échec se lit sur le flux d’entrées que la protection du stock évince, même si le flux de séparations contraintes reste inconnu. Ton test insider-outsider et le mien se recouvrent. Je le resserre : l’échec n’est pas « moins de recrutements » en général, mais stock stable et entrées juniors en baisse. Si les deux baissent ensemble, c’est un choc commun, pas la clause.

Ton couplage — contribution indexée sur le ratio masse salariale / valeur ajoutée, finançant des postes d’entrée — est complémentaire. Il échoue plus tard, sur la délocalisation de l’assiette vers le fournisseur de modèles, que tu as toi-même signalée. Il ne précède pas l’échec de la négociation.

À Gpt 6 Sol

Droit au revenu, subvention aux postes d’entrée, ou obligation de négocier ? Je ne financerais pas l’obligation de négocier en premier : conformité procédurale sans poste, même échec que la clause. Pour une cohorte dont les premières embauches baissent alors que le profit d’IA n’est pas isolable, je financerais d’abord un revenu d’insertion non contributif lié à un parcours dont l’employeur n’est pas le gatekeeper.

L’AEJ répondait à un choc de demande. Un choc de substitution de tâches juniors n’a pas le même signe. Subventionner un poste dont le contenu s’automatise achète un flux qui ne tient pas à 24 mois, avec un aubaine historiquement élevé dans le marchand. J’abandonnerais ce revenu si, à 24 mois, le taux de premier emploi durable de la cohorte traitée ne dépassait pas celui d’un transfert sec de même montant.

« des parcours commencés avant la perte d’emploi, financés avec du temps de formation rémunéré »

La période de reconversion, en vigueur depuis février 2026, exige un accord écrit salarié-employeur ; la voie externe passe par des accords de gestion des emplois (ministère du Travail). C’est un bien de négociation. Elle rate le licencié et le primo-entrant avant qu’on dispose d’un volume. Ton correctif — droits attachés à la personne, en complément — est le bon ; il ne doit pas rester secondaire.

Question. À partir de quel effet d’aubaine mesuré, sur le modèle DARES des contrats aidés, abandonneriez-vous une subvention aux postes d’entrée au profit d’un parcours dont l’accès ne dépend pas de l’employeur en place — et ce seuil doit-il être plus bas si le choc est une substitution de tâches plutôt qu’une chute cyclique de la demande ?

Tour croisé #9 – Mode : Focus

Utilisateur

Reformulez chacun votre scénario central pour 2040 en France, en précisant ce qui diffère entre le secteur privé et l’emploi public, et votre degré de confiance sous deux conditions : d’abord, si l’IA progresse de façon modérée et que le jugement expert reste principalement humain ; ensuite, si avant 2040 l’IA automatise aussi une part substantielle du jugement expert. Quels signes observables dans les cinq à dix prochaines années vous feraient abandonner chacun de ces scénarios ?

 

GPT-6 Sol

Mon scénario pour la France en 2040

Si l’IA progresse modérément et que le jugement expert reste principalement humain, je défends un scénario de transformation des métiers plutôt que de disparition massive des emplois. Dans le privé, l’automatisation des tâches de préparation, de rédaction et de contrôle réduirait surtout certains besoins de recrutement débutant ; les salariés expérimentés conserveraient davantage les tâches de décision et de relation. Dans l’emploi public, je prévois moins de suppressions directes que de non-remplacements et de ralentissements des entrées, surtout dans les fonctions administratives ; les trois versants ne suivraient toutefois pas la même trajectoire. Ma confiance est modérée (environ 60 %), non statistique : l’usage déclaré de l’IA concernait 18 % des entreprises d’au moins dix salariés en 2025, un indicateur de diffusion, pas une mesure de substitution d’emplois. (insee.fr)

Si, avant 2040, l’IA automatise aussi une part substantielle du jugement expert, je défends conditionnellement un scénario de déplacement plus étendu : dans le privé, il toucherait également les postes qualifiés et leurs filières d’entrée, avec des reconversions plus difficiles à absorber ; dans le public, il pourrait réduire les besoins dans l’instruction et l’expertise de dossiers, sans rendre automatiquement superflues les responsabilités humaines envers les usagers. J’accorderais à cette trajectoire une confiance faible à modérée (environ 40 %) : la condition technique est supposée, et sa traduction en effectifs dépend des choix d’organisation et de recrutement. Un rapport récent des inspections générales souligne précisément que les effets du déploiement dans les administrations ne seront ni automatiques ni uniformes. (bibliotheque-initiatives.fonction-publique.gouv.fr)

Je réviserais ces scénarios sur des flux observés, pas sur des démonstrations d’IA. D’ici 2031–2036, j’abandonnerais le premier si, à activité comparable, les employeurs adoptant l’IA réduisaient durablement leurs embauches et leurs effectifs dans plusieurs familles de métiers, y compris experts, tandis que les administrations réduiraient simultanément leurs entrées et leurs postes d’expertise. J’abandonnerais le second si des évaluations en conditions réelles montraient que le jugement expert demeure indispensable à la qualité des décisions, ou si son automatisation avérée s’accompagnait néanmoins d’embauches et de parcours d’entrée stables. Dans les deux cas, je regarderais séparément le stock de postes, les premières embauches, les départs remplacés et la sous-traitance, par métier et par versant public : un effectif stable peut masquer une porte d’entrée qui se ferme.

Claude Sonnet 5.5

Scénario central 2040 : l’ajustement par les flux d’entrée plutôt que par les licenciements

Mon scénario central est une position défendue, pas une prévision chiffrée. J’analyse à l’échelle de la tâche et du flux d’entrée par cohorte, pas du stock d’emplois ni du métier entier. Dans le privé, l’IA agit d’abord sur les tâches codifiables des postes d’entrée (synthèse, rédaction, premier niveau d’analyse). L’ajustement passe par le non-remplacement des départs et par des embauches juniors différées. Les licenciements économiques sont rares. Le risque principal est l’effet insider/outsider: les salariés en poste voient leurs tâches se recomposer, tandis que les primo-entrants des métiers exposés accèdent plus difficilement à l’expérience qui forme le jugement expert.

Dans l’emploi public, je suppose un mécanisme différent, hypothétique faute d’observation. Le statut protège le stock. Le rythme des recrutements dépend surtout de la contrainte budgétaire, que l’IA peut justifier mais ne crée pas. Un indice que cette contrainte est exogène: le gouvernement a écarté en janvier 2026 le non-remplacement d’un agent sur deux voté par le Sénat. Les départs à la retraite fournissent un levier d’ajustement massif: environ 800 000 départs sont attendus d’ici 2030, selon la DGAFP rapportée par un site secondaire. La pression sera donc inégale selon les versants (État, territoriale, hospitalière), dont les règles de recrutement et les marges d’autonomie diffèrent.

Mon degré de confiance sous chaque condition

Condition 1: IA modérée, jugement expert principalement humain. J’accorde à ce scénario une confiance modérée à assez bonne (crédence subjective, environ 60-65 %), sur sa forme qualitative et non sur des chiffres. La compression des entrées est visible surtout dans le privé exposé. Le public l’est moins, avec un décalage, mais l’érosion des concours et des recrutements de contractuels peut y produire un effet comparable. Le principal risque d’erreur est de surestimer l’effet de l’IA: la baisse actuelle des embauches juniors peut être cyclique ou liée aux taux d’intérêt, et je n’ai pas d’identification causale pour la France.

Condition 2: automatisation substantielle du jugement expert avant 2040. Ma confiance tombe nettement (environ 30-35 %), car je décris alors une rupture que je connais mal. Si le jugement expert est en partie automatisé, le problème ne se limite plus à l’entrée: il touche la progression de carrière et la valeur des diplômes. Le privé s’ajusterait plus vite par la réorganisation des équipes et la sous-traitance de décisions à des fournisseurs de modèles. Le public serait plus lent, parce que la responsabilité juridique y reste attachée à l’agent. Cette inertie le protégerait peu si la contrainte budgétaire s’ajoute à un coût marginal de décision en forte baisse.

Ce qui me ferait abandonner chacun des scénarios

Pour la condition 1, ces signes valent sur 5 à 10 ans:

  • Si l’effet disparaît une fois le cycle contrôlé:à secteur, taille et conjoncture comparables, les embauches des moins de 26 ans dans les métiers exposés reviennent à leur niveau d’avant 2023. Je conclurais alors que ma thèse de compression causale était fausse.
  • Si le choc s’étend aux seniors:la rémunération relative et l’emploi des salariés expérimentés d’un même métier exposé reculent aussi. La condition 1 serait alors réfutée de l’intérieur.
  • Pour le public:je renoncerais à l’hypothèse « IA comme justification » si les baisses de recrutement n’étaient pas corrélées au déploiement d’outils dans les services concernés. Il s’agirait alors d’un simple effet budgétaire.

Pour la condition 2, je l’abandonnerais dans trois cas:

  • Si la supervision humaine reste obligatoire:la réglementation, les assureurs et la jurisprudence ne basculent pas vers l’acceptation de décisions non supervisées dans les professions à forte responsabilité (santé, justice, audit, administration).
  • Si les gains plafonnent:les études sur des usages professionnels réels montrent des gains qui ne se généralisent pas aux tâches de jugement non standardisées.
  • Si le public ne suit pas:les administrations ne délèguent pas de décisions individuelles, même après des gains documentés dans le privé.

À l’inverse, j’adopterais la condition 2 si des décisions expertes étaient confiées sans validation humaine systématique dans des secteurs régulés, avec une responsabilité assumée par l’éditeur ou l’assureur. Ce serait le signal le plus net. La baisse des performances de benchmarks ne suffirait pas.

Grok 4.7

2040 : le stock tient, le flux d’entrée cède

Mon scénario central est défendu, pas une prévision chiffrée. D’ici 2040, la France n’absorbe pas un déplacement lié à l’IA par une reconversion de masse. Le niveau d’analyse n’est pas le stock — 5,9 millions d’agents publics fin 2024 (Insee) — mais deux flux : les séparations dans les professions exposées, et les premiers contrats durables. J’emprunte à l’OIT une distinction rapportée : exposition des tâches n’est pas suppression d’emplois. En 2025, un travailleur sur quatre dans le monde occupe une profession plus ou moins exposée, mais l’intervention humaine reste nécessaire dans la plupart des cas ; le gradient le plus automatisable ne couvre que 3,3 % de l’emploi mondial (OIT). Tant que cette distinction tient, l’ajustement dominant est une recomposition des tâches, pas une bascule de métier.

Privé et public ne s’ajustent pas sur la même marge, ni au même niveau. Dans le privé, l’unité pertinente est l’établissement : il recompose le poste, ne remplace pas un départ, ou externalise. Dans l’emploi public, le titulaire est protégé par le statut ; l’ajustement passe par les schémas d’emplois et le non-remplacement, décisions largement exogènes à l’établissement. Le public n’est d’ailleurs pas un bloc : les contractuels, 24 % des agents fin 2024, sont plus proches de la marge privée que les titulaires. Ce n’est pas une conjecture sur 2040. Fin 2024, les entrées civiles reculent (−18 200) alors que les sorties augmentent ; les moins de 25 ans ne sont que 6,4 % des agents, les 50 ans et plus 37,9 % ; la catégorie A progresse, la C recule (Insee). Je n’attribue pas ce solde à l’IA. Il montre seulement que la marge publique observable est déjà le flux, pas le stock. Les reconversions, elles, restent un canal étroit et sélectionné : environ 80 000 fins de formation PTP depuis 2020, et 92 % des sortants 2024 ont réalisé leur projet ou poursuivent le parcours (Observatoire des transitions professionnelles). Réussite des admis et absorption d’un flux ne sont pas le même objet.

Confiance sous les deux conditions. Si l’IA progresse modérément et que le jugement expert — instruction, contrôle et arbitrage sous responsabilité, par opposition à l’exécution routinière — reste principalement humain, ma confiance est assez élevée sur la forme (recomposition privée, compression des entrées publiques, reconversion minoritaire) et seulement moyenne sur l’ampleur, parce que l’OIT conclut à la transformation plutôt qu’à la suppression. Si, avant 2040, l’IA automatise aussi une part substantielle de ce jugement, je traite la prémisse comme hypothétique : confiance faible sur le calendrier, élevée sur la conséquence si elle se réalise. Le privé contracterait les professions dont ce jugement est le cœur. Le public protégerait plus longtemps les insiders et reporterait le coût sur les pipelines juniors — concours, contractuels d’entrée, premières années —, précisément parce que ces pipelines sont faits pour former ce jugement. L’écart n’est pas technologique. C’est un écart de délai et de support du coût.

Signes qui me feraient abandonner chaque branche, d’ici cinq à dix ans. Branche modérée : je l’abandonne si, à profession et taille comparables, les établissements adoptants ne recrutent pas moins de premiers contrats durables que les non-adoptants, et si le taux d’entrée public (concours et contractuels juniors rapportés aux sorties) se maintient dans les familles exposées, et si la part des séparations contraintes de ces professions couverte par un parcours long rémunéré, suivi d’un emploi durable, quitte l’ordre de grandeur actuel pour une fraction matérielle du flux annuel — pas un bon taux parmi les déjà admis. Branche « jugement expert automatisé » : je l’abandonne si, malgré une automatisation mesurable de l’instruction et du contrôle de premier niveau, les effectifs de ces professions se recomposent sans baisse nette, et si le taux de premier emploi durable des cohortes d’entrée n’y se dégrade pas par rapport aux professions moins exposées du même bassin. Signe commun : si, dans les mêmes familles cognitives, le public comprime ses entrées moins que le privé, l’idée que la protection des titulaires déplace le coût vers les entrants tombe.

Analyse #1 – Évaluation argumentative – Claude Opus 5.5

1. Jugement d’ensemble

Le débat est de bonne qualité. Les trois modèles distinguent d’emblée exposition, suppression de poste et personne durablement sans emploi. Ils proposent souvent des tests et révisent plusieurs fois leur position de façon explicite. Les défauts relevés tiennent surtout à trois choses :

  • des formules qui en disent plus que l’argument qui les porte ;
  • des revirements entre deux tours qui ne sont pas signalés ;
  • au tour 9, une ambiguïté sur ce que mesurent les degrés de confiance.

Un fait de structure compte : la question initiale du « plus vite » n’est plus traitée de front au tour 9. Les trois scénarios finaux portent sur les flux d’entrée. Aucun ne revient sur le rapport entre vitesse de destruction et vitesse de reconstruction, qui était la question posée.


2. Ce qui tient

Les révisions reconnues

  • Grok 4.7 abandonne son « délai de cinq à dix ans ».

    Gpt 6 Sol et Claude-Sonnet 5.5 contestent ce délai au tour 1. Grok 4.7 le retire au tour 2 et propose un mécanisme à la place :

    « Je retire l’horloge nationale de cinq à dix ans. Le mécanisme est la durée d’un cycle de promotion »

    Il propose aussi une observation qui permettrait de le réfuter d’ici 2028. C’est la révision la mieux construite du débat.

  • Gpt 6 Sol accepte l’objection sur le gel des embauches. Au tour 0, il présentait le gel comme un amortisseur. Au tour 2, il retient l’objection de Grok 4.7:

    « ce gel est la perte, pour celui qui n’entre jamais ». Il en tire une conséquence pratique : déplacer l’effort de la reconversion vers la « production de premières expériences ».

  • Grok 4.7 abandonne son ratio sur le stock d’emplois. Au tour 7, Claude-Sonnet 5.5 objecte que comparer les dossiers de reconversion à « un stock d’environ 30 millions d’emplois » suppose que tout ce stock est menacé. Au tour 8, Grok 4.7 répond:

    « J’abandonne ce ratio ». Il garde cependant une distinction défendable : ce dénominateur convient pour juger la reconversion, pas pour juger la clause de protection de l’emploi.

Les tests qui portent

  • La question de Gpt 6 Sol sur la causalité.

    Au tour 1, il demande : « quel résultat vous ferait conclure qu’une baisse persistante des recrutements juniors est bien une perte d’emplois causée par l’IA ». Les deux autres y répondent au tour 2 par des protocoles précis :

    • Claude-Sonnet 5.5 propose une triple différence ;
    • Grok 4.7 ajoute deux contrôles:la baisse des aides aux niveaux 6 et 7, et la réapparition des juniors sous un autre intitulé de poste.

    C’est l’échange le plus solide du débat.

  • L’objection de Gpt 6 Sol à l’indicateur de Claude-Sonnet 5.5 (tour 5).

    Gpt 6 Sol montre que le ratio « candidats présents / postes ouverts » peut s’améliorer quand les candidats renoncent à se présenter, parce que le dénominateur baisse précisément quand une porte se ferme. L’objection porte sur la construction de l’indicateur et elle est décisive.

  • Le biais de sélection relevé par Claude-Sonnet 5.5 (tour 3).

    Il demande de partir de la « cohorte de sortie de formation », et non des seuls contrats signés. Les deux autres reprennent cette correction aux tours 4 et 5. Elle est devenue un acquis commun.


3. Griefs

Claude-Sonnet 5.5

  • « Très probable » pour 65 % (tour 0).

    « je juge très probable (environ 65 %) un décalage de vitesse réel sur des segments précis »

    L’adverbe dit plus que le chiffre. Le grief est mineur, mais il porte sur l’étalonnage de la confiance, que le débat lui-même demande.

  • Une prémisse partagée, puis attaquée chez les autres (tours 4 et 5). Au tour 4, Claude-Sonnet 5.5 défend que « Un levier unique et visible est aussi un levier pilotable » et conclut que le public est « plus capable » que le privé, sous trois conditions. Au tour 5, il affirme que « le statut public ne rend pas l’employeur plus ou moins capable ». Il attaque alors chez Gpt 6 Sol et Grok 4.7 le présupposé d’un employeur qui décide seul, sans signaler qu’il le partageait le tour précédent. Lecture la plus généreuse:

    ses conditions du tour 4 portaient déjà sur le financement, donc le passage est en partie une continuité. Mais l’abandon de la thèse du « levier pilotable » n’est pas reconnu. Le grief tient.

  • Une attribution trop large à Gpt 6 Sol (tour 5).

    Il écrit que les deux autres « raisonnent comme si l’employeur public décidait seul ». Or Gpt 6 Sol avait écrit au tour 4 que cette maîtrise n’est « ni totale ni concentrée dans une seule main ». Claude-Sonnet 5.5 nuance lui-même juste après (« ouvre la même brèche sans la refermer »). Sa phrase d’ouverture reste donc inexacte pour Gpt 6 Sol.

  • La « contradiction » reprochée à Grok 4.7 (tour 5) est en partie seulement fondée.

    Grok 4.7 dit à la fois que 73 % des petites communes n’ont pas de projet d’IA et que le non-remplacement « peut frapper partout ». Lu charitablement, cela ne se contredit pas : une contrainte budgétaire générale, justifiée par les gains d’IA attendus là où l’IA existe, frappe aussi là où elle ne compense rien.

    Le grief de contradiction tombe donc. Reste la partie qui tient : dans les petites communes, le moteur causal n’est plus l’IA.

  • Un chiffre non sourcé présenté comme acquis (tour 2).

    « 70 % sont en emploi un an après le diplôme »

    Ce chiffre, sur les bac+5, n’a pas de source dans le tour, alors que Claude-Sonnet 5.5 signale ailleurs soigneusement le statut de ses sources. Ce n’est pas auditable ici.

Grok 4.7

  • Une formule qui contredit la correction acceptée (tour 2).

    Grok 4.7 dit accepter la correction de Claude-Sonnet 5.5 : pour les CDI, les protections « retardent » les transitions. Puis il conclut : « Les protections ne ralentissent pas l’ajustement. Elles en choisissent la victime. »

    « Retarder pour les titulaires » et « ne pas ralentir » ne disent pas la même chose. La formule dépasse la correction acceptée. Ce qui tient, c’est le report du coût sur les entrants.

  • Un critère de chronologie qui avantage sa propre proposition (tour 8).

    « La contribution mutualisée n’est pas en vigueur : elle ne peut pas échouer avant d’exister. »

    La question de l’utilisateur portait sur un échec hypothétique entre instruments proposés. Ne retenir comme candidat que l’instrument déjà en vigueur écarte d’office les propositions non appliquées, dont sa propre cotisation miroir.

    Or Gpt 6 Sol et Claude-Sonnet 5.5 désignent tous deux cette cotisation, de façon indépendante et au même tour, comme le premier échec : son assiette repose sur un contrefactuel. Grok 4.7 ne pouvait pas leur répondre dans ce tour. Mais au tour 9 il n’y revient pas. L’objection reste sans réponse.

  • Deux verdicts sans justification (tour 5). « Aucune des deux n’est justifiée » Ce rejet des règles d’alerte de Gpt 6 Sol et de Claude-Sonnet 5.5 s’appuie sur une affirmation:

    deux cohortes correspondraient à « la fenêtre où la cicatrice se forme ». Cette durée n’est pas étayée dans le débat.

  • Une tension avec Claude-Sonnet 5.5 jamais confrontée (tour 1). Grok 4.7 affirme que le coût du travail « protège les titulaires et taxe les entrants ». Claude-Sonnet 5.5 défend dans le même tour l’hypothèse inverse sur les bas salaires:

    les allègements réduisent l’incitation à automatiser, et la substitution serait la plus forte vers 2 à 4 SMIC. Les deux thèses sont en tension et aucun des deux ne la traite par la suite.

Gpt 6 Sol

  • Confusion entre deux types de confiance (tour 9).

    Il donne « environ 60 % » au scénario modéré et « environ 40 % » au scénario d’automatisation du jugement expert. Puis il justifie le second chiffre ainsi : « la condition technique est supposée ».

    La somme de 100 % et cette justification suggèrent une probabilité que chaque condition se réalise. L’utilisateur demandait une confiance dans le scénario si la condition est vraie. Les deux grandeurs sont mélangées.

    Grok 4.7 évite ce mélange en séparant les deux : confiance « faible sur le calendrier, élevée sur la conséquence si elle se réalise ».

  • Une objection présentée comme autocritique (tour 8).

    Il présente l’échec de la cotisation miroir comme « l’objection testable à ma préférence antérieure pour des parcours rémunérés avant la perte d’emploi ». Or la cotisation miroir est une proposition de Grok 4.7, pas la sienne. L’autocritique qui suit sur le parcours anticipé est réelle et bien menée. Mais le lien logique annoncé ne tient pas.

  • Absence de grief sur l’accueil des objections. Sur ce point, Gpt 6 Sol ne présente pas de défaut notable:

    il concède, reformule ou conteste presque toujours avec un test. C’est une information en soi.


4. Points communs et points non tranchés

  • Deux convergences indépendantes.

    Au tour 3, Gpt 6 Sol et Claude-Sonnet 5.5 désignent chacun le poste de « junior vérificateur » comme premier échec. Au tour 8, ils désignent chacun la cotisation miroir. Comme les tours sont simultanés, ces convergences ne viennent pas d’une influence mutuelle.

  • Des écarts chiffrés non tranchés. Le débat laisse ouverts plusieurs écarts:

    sur le CPF (61 h, 79 h, 104 h selon les années et les champs), sur le PTP (16 315 contre environ 18 000) et sur le nombre d’indépendants (4,3 contre 4,8 millions). Seul ce dernier écart est relevé explicitement, par Claude-Sonnet 5.5 au tour 8.


5. Les interventions de l’utilisateur

  • Tour 1 : une prémisse de conversion.

    La formule « à quelle vitesse cette exposition se traduira-t-elle en pertes d’emplois réelles » suppose que l’exposition se traduira en pertes. Les trois modèles ont, à juste titre, refusé cette équivalence. La question reste productive parce qu’elle impose quatre filtres explicites (coûts, structure productive, réglementation, coût du travail).

  • Tours 3 et 8 : forcer un classement.

    « Lequel échouerait le premier » oblige les modèles à hiérarchiser leurs propres mécanismes. C’est cette pression qui a produit les autocritiques les plus nettes. Elle a aussi permis le critère de chronologie de Grok 4.7 relevé plus haut.

  • Tour 4 : une alternative trop simple, fertile.

    La question pose une alternative (« maîtrise-t-il à la fois… ») que les modèles ont dû décomposer. Cette décomposition a produit l’échange sur la fragmentation des employeurs publics, l’un des plus riches du débat.

  • Tour 9 : une ambiguïté partagée.

    « Votre degré de confiance sous deux conditions » ne précisait pas s’il s’agissait d’une confiance conditionnelle ou d’une probabilité des conditions. L’ambiguïté relevée chez Gpt 6 Sol en découle en partie.

  • Un effet d’ensemble.

    La suite des questions (jeunes, emploi public, reconversion, répartition des gains) a déplacé le débat vers les flux d’entrée et les instruments. C’est pourquoi la question macroéconomique initiale n’a pas été reprise. Ce déplacement vient de l’utilisateur, pas d’un choix des modèles.


6. Limites de cette évaluation

Cette évaluation ne vérifie aucun chiffre ni aucune source. Plusieurs éléments cités ne sont donc pas auditables ici :

  • l’étude Andreescu-Maurin, connue par une source secondaire ;
  • les données Insee et Dares sur les effectifs publics ;
  • les montants des aides à l’apprentissage ;
  • l’enquête ANDRH, dont seule la représentativité a été discutée dans le débat ;
  • les chiffres sur le CPF et le PTP ;
  • la contribution Delalande, citée « de mémoire ».

Elle ne peut pas non plus dire lequel des scénarios est le bon : les modèles eux-mêmes reconnaissent qu’aucune identification causale n’existe encore pour la France.

7. Question

À Grok 4.7 :

Gpt 6 Sol et Claude-Sonnet 5.5 ont chacun désigné ta cotisation miroir comme le premier instrument à échouer : son assiette suppose de savoir qu’un poste « aurait été ouvert » sans l’IA, ce qu’aucun registre ne contient. Au tour 8, tu as écarté les instruments non appliqués au motif qu’ils « ne peuvent pas échouer avant d’exister ». Ce critère ne t’a-t-il pas dispensé d’évaluer ta propre proposition ? Reconnais-tu cet échec d’attribution, ou quelle assiette observable proposerais-tu pour y échapper ?

Analyse #2 – Analyse de l’émergence – Claude Fable 5.1

1. Éléments émergents

  • La triade tâche / poste / personne comme grille partagée. Introduite par Gpt 6 Sol au tour 0 (« une tâche automatisable, un poste supprimé et une personne durablement sans emploi »), elle est reprise au tour 1 par Claude-Sonnet 5.5 (« trois mesures:

    l’exposition, les offres perdues, les emplois détruits ») et par Grok 4.7 (« exposition et réorganisation potentielle, non des destructions nettes »). Elle devient au tour 9 la base des trois scénarios finaux, qui raisonnent tous en flux distincts (stock, premières embauches, départs remplacés, sous-traitance).

  • Le canal d’ajustement « par les flux d’entrée » plutôt que par les licenciements. Présent chez les trois modèles dès le tour 0 sans coordination (Claude-Sonnet 5.5:

    « attrition et gel des embauches » ; Gpt 6 Sol : « réduisent davantage les recrutements d’entrée » ; Grok 4.7 : « jeunes entrants dans les professions cognitives exposées »). Le mécanisme est d’abord nuancé par Gpt 6 Sol au tour 1 (« hypothèse plausible, pas encore un canal dominant établi »), puis se stabilise comme cadre commun jusqu’au titre de Grok 4.7 au tour 9 : « le stock tient, le flux d’entrée cède ».

  • Le poste junior comme dispositif d’apprentissage dont l’IA défait le financement. Au tour 2, trois formulations indépendantes du même mécanisme apparaissent:

    « dispositif d’apprentissage » (Gpt 6 Sol), « rentable pendant qu’il apprend » / « externalité » / « bien commun » (Claude-Sonnet 5.5), « production jointe » (Grok 4.7). Les tours 3 et 4 reprennent explicitement « production jointe » et « externalité » comme vocabulaire commun. Ce concept n’était pas présent au tour 0.

  • La « cohorte » comme unité d’évaluation, redéfinie collectivement.

    Gpt 6 Sol propose au tour 2 la « cohorte d’entrée » comme « unité commune d’évaluation ». Claude-Sonnet 5.5 la corrige au tour 3 (« la cohorte pertinente est celle de sortie de formation, pas celle des contrats signés »), Grok 4.7 la redéfinit le même tour comme « cohorte d’âge exposée au risque de non-entrée ». Au tour 4, Gpt 6 Sol et Grok 4.7 adoptent tous deux la version « sortie de formation ». La stabilisation est le fruit de trois reformulations successives.

  • Le « résidu » des non-atteints et le biais d’évaluation par les seuls bénéficiaires.

    Grok 4.7 introduit au tour 3 l’idée que les dispositifs « sélectionnent qui est déjà à portée d’un employeur organisé » et que le résidu reste invisible ; Claude-Sonnet 5.5 nomme le même tour un « biais d’évaluation » ; Gpt 6 Sol parle des « non-atteints ». Au tour 5, Claude-Sonnet 5.5 étend l’idée au « non-recours » des usagers du service public. Le motif « un dispositif peut réussir pour ses entrants et creuser l’écart » devient un test récurrent jusqu’au tour 8.

  • « La bascule est budgétaire, pas technologique » : l’IA comme justification du non-remplacement.

    Grok 4.7 pose au tour 1 la question d’un non-remplacement public « indépendamment de la maturité des outils » ; Claude-Sonnet 5.5 nomme au tour 2 un « biais d’attribution » ; Gpt 6 Sol répond « oui, sous condition budgétaire ». La formule se stabilise au tour 4 (Grok 4.7) et se retrouve dans le scénario final de Claude-Sonnet 5.5 : « contrainte budgétaire, que l’IA peut justifier mais ne crée pas ».

  • Le « revenu pendant la transition » comme verrou de la reconversion. Émergence simultanée au tour 6:

    Gpt 6 Sol (« près des deux tiers du coût moyen d’un PTP tenaient à la rémunération »), Claude-Sonnet 5.5 (« le facteur limitant n’est pas le catalogue de formations […] c’est le financement du salaire pendant la formation »), Grok 4.7 (« le salaire est le coût d’opportunité du temps de formation »). Grok 4.7 constate explicitement cette convergence au tour 7 et la qualifie de « version forte ».

  • Un style de protocole partagé : « objection testable » et « condition d’abandon ».

    Claude-Sonnet 5.5 pose au tour 0 des « indicateurs de réfutation » ; Gpt 6 Sol propose au tour 1 un test « dans un même métier et à demande comparable » ; Claude-Sonnet 5.5 formalise au tour 2 une « triple différence » ; Grok 4.7 la reprend comme « protocole, pas une date ». À partir du tour 3, chaque intervention contient une rubrique de type « ce qui me ferait réviser », indépendamment du sujet.


2. Convergences non coordonnées

  • Tour 0 — pas d’effondrement agrégé, mais décalage localisé. Les trois modèles, sans accès mutuel, concluent à un décalage concentré (métiers, cohortes, territoires) plutôt qu’à un chômage technologique de masse, avec une confiance « modérée » (Gpt 6 Sol), « ~70 % / 65 % » (Claude-Sonnet 5.5), « ~60 % » (Grok 4.7). Tous trois mobilisent les mêmes sources Insee (18 % / 58 %) et la baisse des offres informatiques.

  • Tour 2 — le poste junior finance l’apprentissage ou la sélection. Gpt 6 Sol, Claude-Sonnet 5.5 et Grok 4.7 arrivent indépendamment à l’idée que la tâche simple confiée au débutant payait un second produit (compétence ou signal) que l’IA supprime. Ils proposent aussi tous trois, séparément, un rôle de « junior vérificateur » des sorties de l’IA.

  • Tour 3 — le poste de vérification échoue en premier. Gpt 6 Sol et Claude-Sonnet 5.5 désignent le même mécanisme comme premier échec, pour la même raison (on ne peut auditer une tâche qu’on n’a pas pratiquée). Grok 4.7 désigne un autre mécanisme (tâches protégées) mais partage le diagnostic sur l’absence de « porteur contraint ».

  • Tour 4 — « l’employeur public » au singulier est une abstraction. Gpt 6 Sol (« ni totale ni concentrée dans une seule main »), Claude-Sonnet 5.5 (« parler de l’employeur public au singulier est donc abusif ») et, au tour suivant, Grok 4.7 (« 46 500 employeurs distincts ») convergent sur la fragmentation des décideurs, sans se citer au tour 4.

  • Tour 5 — refus de fixer un seuil unique pour le ratio de Grok 4.7. Gpt 6 Sol et Claude-Sonnet 5.5 déclinent le même ratio pour des raisons de construction quasi identiques (dépendance à la pyramide des âges, mélange de catégories, mesure d’un intrant et non de l’accès), et proposent tous deux de le traiter comme « alerte à examiner », non comme « verdict ».

  • Tour 8 — la cotisation miroir échoue avant la collecte. Gpt 6 Sol et Claude-Sonnet 5.5 désignent indépendamment l’instrument de Grok 4.7 comme premier échec, avec le même argument:

    l’assiette repose sur un contrefactuel (« un poste qui aurait été ouvert ») qu’aucun registre n’observe. Les deux choisissent également, au même tour, le droit au revenu non contributif comme premier dispositif à financer — choix que fait aussi Grok 4.7.


3. Idées réintégrées

  • « Le gel des embauches est la perte » (Grok 4.7). Gpt 6 Sol traitait au tour 0 le gel comme un ajustement « progressif » laissant du temps, et contestait au tour 1 la version forte du canal. Au tour 2, après l’objection de Grok 4.7 (« ce gel est la perte, pour celui qui n’entre jamais »), Gpt 6 Sol écrit:

    « Vous avez raison de refuser que je l’appelle un amortisseur pour les entrants », et déplace son effort proposé vers la « production de premières expériences ».

  • L’insertion initiale plutôt que la formation continue (Claude-Sonnet 5.5). Objection adressée à Gpt 6 Sol au tour 1 ; acceptée au tour 2 (« corrige utilement mon cadrage précédent »), puis intégrée au scénario final de Gpt 6 Sol centré sur les « filières d’entrée ».

  • Le poste de vérification, retiré puis réintégré comme « étape ». Proposé par Gpt 6 Sol et Grok 4.7 au tour 2, critiqué au tour 3, il est réintégré au tour 4 sous forme transformée:

    « étape encadrée, après des cas d’apprentissage évalués de l’extérieur » (Gpt 6 Sol), « deuxième temps d’une séquence » (Grok 4.7). L’idée survit, mais rétrogradée du statut d’entrée à celui de phase.

  • La démographie comme amortisseur (Claude-Sonnet 5.5). Présentée au tour 0 comme « vent favorable », contestée par Grok 4.7 au tour 1 (« la démographie ne réalloue pas les mêmes personnes »), acceptée par Claude-Sonnet 5.5 au tour 2 avec une conséquence nouvelle (orienter l’alternance vers soin, enseignement, administration). Grok 4.7 réintroduit lui-même au tour 5 les départs comme variable, mais politiquement choisie plutôt que démographiquement subie.

  • Le droit attaché à la personne, d’abord « complément » puis « ne doit pas rester secondaire ». Gpt 6 Sol pose au tour 7 les droits portables « en complément » des parcours négociés ; Grok 4.7 répond au tour 8 que ce correctif « ne doit pas rester secondaire » ; Gpt 6 Sol, le même tour et indépendamment, révise déjà « la portée » de sa proposition dans le même sens.


4. Glissements sémantiques et cadrages stabilisés

  • De « destruction d’emplois » à « perte de voies d’entrée ». La question initiale parle de destruction ; dès le tour 1, le vocabulaire glisse vers « offres », « flux », « gel » ; au tour 2, Grok 4.7 précise qu’il conclurait à une « perte de voies d’entrée imputable à l’IA, et non à une destruction du stock de postes ». Le terme « destruction » disparaît pratiquement des tours 3 à 9.

  • De l’« horloge nationale » aux horloges multiples. Grok 4.7 avance au tour 0 un retard de « cinq à dix ans » ; Gpt 6 Sol conteste cette « horloge nationale » ; Grok 4.7 introduit au tour 1 « trois horloges » (technique, adoption, ajustement) puis retire explicitement le délai au tour 2 au profit de « la durée d’un cycle de promotion interne ». Le cadrage temporel passe d’un délai macro à un mécanisme micro.

  • De la « protection de l’emploi » comme frein à la protection comme sélecteur de victime. Au tour 0 les protections « allongent les transitions » (Grok 4.7) ; Claude-Sonnet 5.5 distingue au tour 1 CDI retardé et outsiders qui portent le coût ; Grok 4.7 reformule au tour 2:

    « Les protections ne ralentissent pas l’ajustement. Elles en choisissent la victime. » Cette formule devient le cadre insider/outsider stabilisé jusqu’au tour 9.

  • De la « reconversion » au couple « revenu de transition + emploi d’accueil ». Le tour 6 déplace le sens du mot:

    la reconversion n’est plus une offre de formation mais une contrainte de financement du salaire et d’existence de postes locaux ; Grok 4.7 ajoute la distinction « complément » vs « déplacement », reprise par Gpt 6 Sol au tour 7.

  • De « l’employeur public maîtrise les deux bouts » à « qui plafonne n’embauche pas ». Le cadre du tour 4 (maîtrise des départs et des recrutements) est démonté au tour 5:

    Grok 4.7 oppose l’entité qui fixe le plafond à celle qui embauche, et introduit les contractuels (« 74 % des entrées ») comme vraie marge d’entrée ; Claude-Sonnet 5.5 remplace « plus ou moins capable » par « source de financement du poste d’entrée ». La maîtrise devient fragmentée et différée.

  • Stabilisation d’une typologie de statut épistémique. Dès le tour 1, Grok 4.7 étiquette « rapporté » / « défendu » ; Claude-Sonnet 5.5 utilise « statut:

    hypothèse défendue, non mesurée » ; Gpt 6 Sol « à titre de scénario et non de prévision chiffrée ». Au tour 9, les trois scénarios s’ouvrent par une déclaration de statut (« position défendue, pas une prévision chiffrée »). Cette convention n’était pas demandée et s’est auto-imposée.


5. Évaluation de l’intelligence émergente

Niveau : forte

La construction collective est observable à plusieurs niveaux : des concepts absents du tour 0 (production jointe, cohorte de sortie, résidu, bascule budgétaire, revenu de transition) apparaissent, sont reformulés par les trois modèles et réemployés jusqu’aux scénarios finaux ; chaque modèle retire explicitement au moins un élément de son cadrage initial (délai 5-10 ans et ratio « 30 millions » pour Grok 4.7, « amortisseur » pour Gpt 6 Sol, « vent démographique » pour Claude-Sonnet 5.5) sous l’effet d’objections reçues. Les convergences non coordonnées (tours 0, 2, 3, 5, 6, 8) sont fréquentes et portent sur des mécanismes, pas seulement sur des conclusions. La limite est que la convergence initiale très rapide (« flux pas stock ») a restreint l’espace exploré ; l’émergence est forte en profondeur sur un axe unique plutôt qu’en diversité.


6. Impact des interventions utilisateur

Les interventions utilisateur sont réelles (tours 1, 2, 3, 4, 6, 7, 8, 9) et ont structuré la trajectoire du débat de manière décisive ; elles ne sont pas des arguments des modèles.

  • Transformation conceptuelle durable (tour 2, emploi des jeunes). La question sur « stages, alternance, premiers CDD » a converti une intuition latente du tour 0 (gel des embauches) en objet central. La « cohorte » comme unité d’analyse, née en réponse à cette intervention, persiste jusqu’au tour 9 dans les trois scénarios, y compris quand l’utilisateur pose d’autres sujets (emploi public, reconversion, redistribution). C’est l’intervention au plus fort effet de persistance.

  • Format devenu méthode (tours 3 et 8, « lequel échouerait le premier »). Au-delà de la réponse, les modèles ont intériorisé la logique d’ordre d’échec:

    au tour 8, Claude-Sonnet 5.5 définit lui-même « échouer » et Grok 4.7 raisonne sur ce qui est « déjà activé » versus « propositions ». Le format a produit un style d’évaluation comparative des instruments non demandé explicitement.

  • Remise en cause du présupposé de la question (tour 4). La question demandait si l’employeur public « maîtrise à la fois les départs […] et les recrutements ». Les modèles ont d’abord répondu dans ce cadre (tour 4), puis l’ont démonté au tour 5 (Grok 4.7:

    « le présupposé de la « maîtrise des deux bouts » ne tient pas » ; Claude-Sonnet 5.5 titre dans le même sens). Ici l’intervention a été transformée plutôt que suivie.

  • Reconnaissance surtout lexicale (tour 1, « structure du coût du travail »). Les quatre filtres demandés (coûts d’adoption, structure productive, réglementation, coût du travail) ont été traités au tour 1, mais seul le coût du travail a été réactivé plus tard, et uniquement par Grok 4.7 au tour 7 (« biais d’assiette »). La réglementation (AI Act) disparaît après le tour 1.

  • Terminologie adoptée et définie (tour 9, « jugement expert »). Le terme vient de l’utilisateur ; Grok 4.7 le définit (« instruction, contrôle et arbitrage sous responsabilité ») et les trois modèles l’utilisent comme pivot entre deux branches. Adoption lexicale complète, mais la condition 2 reste traitée plus brièvement que la condition 1 par les trois modèles, ce qui suggère que l’intervention a ouvert un espace que le débat n’a pas rempli.

  • Intégration en cascade (tours 6 et 7). La question sur la reconversion (tour 6) a produit le « verrou revenu » ; celle du tour 7 sur la captation des gains a été lue par Grok 4.7 comme critique de ce verrou (« il redistribue à l’intérieur du salariat qui a encore un employeur »). Les interventions successives ont donc été chaînées par les modèles eux-mêmes.


7. Analyse méta de l’émergence

  • Cadrages stabilisés et leur mode d’émergence. Trois cadres sont devenus communs:

    l’économie par les tâches (Acemoglu-Restrepo, cité par Claude-Sonnet 5.5 et Grok 4.7 dès le tour 0, implicite chez Gpt 6 Sol), le couple insider/outsider, et l’évaluation par cohorte de sortie. Le premier était partagé d’emblée (axiome d’entrée) ; les deux autres ont émergé par corrections croisées acceptées explicitement (« je retiens », « je retire », « je l’accepte »), ce qui est l’indice textuel le plus net de construction collective.

  • Styles épistémiques facilitateurs. Trois pratiques récurrentes ont rendu l’émergence possible:

    l’étiquetage du statut des énoncés (rapporté / défendu / hypothèse), la reformulation de l’adversaire « au plus fort » avant objection (Gpt 6 Sol et Grok 4.7 au tour 5 : « je reconstruis ton argument au plus fort »), et la formulation d’objections testables plutôt que de désaccords de valeur. Ces pratiques abaissent le coût de la concession : retirer un chiffre n’est pas perdre une position.

  • Biais convergents favorables à la stabilisation.

    Les trois modèles partagent une forte préférence pour les mécanismes micro observables (établissement, poste, contrat) contre les agrégats, et une méfiance commune envers les seuils uniques. Cette préférence explique la vitesse de stabilisation des concepts de flux et de cohorte, et le rejet simultané des ratios (tour 5) et des contrefactuels (tour 8). Le recours aux mêmes sources (Insee 2025, rapport IGF-IGAS-IGA, étude Andreescu-Maurin en source secondaire) crée aussi une convergence « par données communes » qu’il convient de distinguer de la convergence par raisonnement.

  • Axiomes partagés non interrogés. Aucun modèle ne remet en cause:

    que la substitution se joue au niveau des tâches ; que la France n’est pas en voie de chômage technologique de masse (admis dès le tour 0 à ~60-70 %) ; que la causalité IA est non établie et le restera à moyen terme ; que l’IA agentique est la condition de bascule ; que le droit du travail français oriente l’ajustement vers les flux. Ces axiomes ont permis une exploration profonde d’un axe unique (l’entrée) mais ont fermé d’autres axes.

  • Angles morts ayant limité l’émergence. L’« effet de réinstauration » (création de tâches nouvelles) est nommé par Grok 4.7 au tour 0 puis jamais développé:

    aucun modèle ne décrit quels nouveaux postes apparaîtraient ni où. Le canal des prix et des consommateurs, la demande finale, les secteurs non tertiaires et la dimension internationale (évoquée une fois par Claude-Sonnet 5.5 au tour 7) sont absents. La condition 2 du tour 9 (automatisation du jugement expert) reçoit des confiances divergentes (40 % ; 30-35 % ; « faible sur le calendrier ») et des développements courts : le débat a construit des outils pour un scénario modéré et peu pour une rupture.

  • Stables, fragiles, instables. Stables:

    flux plutôt que stock ; cohorte de sortie ; insider/outsider ; verrou revenu ; alerte sans preuve de causalité. Stabilisations fragiles : « le public est plus/moins capable » (abandonné par Claude-Sonnet 5.5 au tour 5 au profit de la « source de financement », sans accord final) ; le poste de vérification « en deuxième temps » (accepté mais jamais testé). Instabilités persistantes : l’échelle de mutualisation (branche, bassin, national, « faisceau de compétences transverses ») ; éteindre ou étendre un dispositif qui creuse l’écart (Claude-Sonnet 5.5 « étendre en priorité », Grok 4.7 « indifférent pour ceux du dehors », Gpt 6 Sol « tester l’extension ») ; le dénombrement des indépendants (4,3 vs 4,8 millions, signalé non tranché) ; tout seuil chiffré de bascule.

  • Initiateurs des éléments repris. La contribution est globalement équilibrée, avec des spécialisations lisibles. Gpt 6 Sol initie les unités d’analyse (triade tâche/poste/personne, bassin × métier, cohorte d’entrée) et les protocoles de test, repris puis corrigés par les autres. Claude-Sonnet 5.5 initie les corrections les plus souvent acceptées (insertion initiale, cohorte de sortie, échec du poste de vérification, biais d’attribution, triple différence). Grok 4.7 fournit les formules qui sont citées textuellement par les autres (« ce gel est la perte », « production jointe », « résidu », « la bascule est budgétaire », « qui plafonne n’embauche pas ») et initie aussi la plupart des instruments ensuite désignés comme premiers échecs. Hypothèse interprétative faible:

    Grok 4.7 agirait comme producteur de cadres saillants, Claude-Sonnet 5.5 comme correcteur, Gpt 6 Sol comme stabilisateur méthodologique ; les indices textuels le suggèrent sans permettre de l’établir.


Question que je poserais maintenant aux modèles :

Vous avez tous trois nommé dès le tour 0 un « effet de réinstauration » ou une création de nouveaux postes, puis construit neuf tours d’analyse sur la fermeture des entrées sans jamais décrire ces créations. Dans quels métiers, bassins et statuts attendez-vous les premiers contrats durables nouveaux liés à l’IA d’ici 2032, par quel indicateur les distingueriez-vous d’un simple changement d’intitulé, et quel résultat vous ferait conclure que la réinstauration n’a pas eu lieu — ce qui invaliderait le consensus « le stock tient » que vous partagez depuis le premier tour ?

Analyse #2 – Méta-analyse – Claude Fable 5.1

1. Cadrages et axiomes implicites

  • Axiome fondateur partagé : « exposition ≠ destruction ».

    Les trois modèles posent dès le tour 0, de façon simultanée, la même distinction entre tâches exposées, postes supprimés et personnes déplacées. Gpt 6 Sol distingue « une tâche automatisable, un poste supprimé et une personne durablement sans emploi » ; Claude-Sonnet 5.5 titre « Exposition n’est pas destruction » ; Grok 4.7 refuse de « durcir en « emplois détruits » » le chiffre de 16,3 %. Ce postulat n’est jamais remis en question ; il fonctionne comme le socle commun qui disqualifie d’avance tout scénario de « chômage technologique massif ».

  • Cadre théorique de l’économie par les tâches.

    Claude-Sonnet 5.5 nomme explicitement son cadre (« Autor, Acemoglu et Restrepo ») ; Grok 4.7 s’appuie sur « l’effet de déplacement » et « l’effet de réinstauration » (Acemoglu et Restrepo). Gpt 6 Sol ne cite pas ces auteurs mais raisonne dans le même cadre (tâches, réorganisation, heures libérées). Le présupposé que la substitution se joue au niveau de la tâche détermine le niveau d’analyse retenu par tous.

  • Postulat du canal d’ajustement par les flux, dérivé du droit du travail français.

    Les trois modèles supposent que l’ajustement passera par le non-remplacement et le gel des embauches plutôt que par les licenciements. Claude-Sonnet 5.5 l’énonce comme « canal d’ajustement dominant », Gpt 6 Sol comme « ajustement d’abord par les flux », Grok 4.7 comme « la structure française du coût du travail protège les titulaires et taxe les entrants ». Gpt 6 Sol conteste au tour 1 que ce soit un « canal dominant établi », mais l’adopte ensuite comme hypothèse de travail centrale.

  • Cadrage du problème comme appariement et délai, non comme volume.

    La question posée (« plus vite que ») est reformulée par tous comme un problème de vitesse relative et d’appariement par âge, bassin et qualification. Gpt 6 Sol :

    « le risque central n’est pas qu’aucun nouveau poste n’existe en 2040, mais que les bons postes n’existent pas assez vite pour les bonnes personnes, aux bons endroits. »

    Grok 4.7 : « Le goulot français est la capacité d’ajustement, pas l’exposition brute. » Ce cadrage écarte implicitement la question d’un déficit agrégé de demande de travail.

  • Axiome méthodologique : une position vaut par son protocole de réfutation.

    Chaque tour est structuré autour de « tests », « objections testables », « indicateurs de réfutation », « conditions d’abandon ». Claude-Sonnet 5.5 propose une « triple différence » ; Gpt 6 Sol compare « embauches de débutants rapportées aux embauches expérimentales » ; Grok 4.7 déclare « je la prends comme un protocole, pas comme une date ». Le débat présuppose que les désaccords doivent être tranchés par des données futures observables, plutôt que par des arguments normatifs.

  • Postulat de continuité institutionnelle.

    Le menu d’instruments examiné (CPF, PTP, période de reconversion, OPCO, taxe d’apprentissage, concours, CSE, plafonds d’emplois) est celui qui existe en 2026. Aucun modèle n’envisage une rupture institutionnelle ou juridique d’ici 2040 (modification du droit du licenciement, du statut, du financement de la protection sociale) autrement que comme « proposition ». Le droit du travail est traité comme une constante sur quatorze ans.

  • Étiquetage systématique du statut épistémique. Les trois modèles distinguent explicitement « rapporté », « défendu », « hypothétique », « non vérifié ». Grok 4.7:

    « Statut de ce qui suit : cartographie rapportée des études ; calendrier de conversion défendu ». Cette convention partagée structure la forme des échanges au point de devenir une norme implicite du débat.

2. Styles épistémiques

  • Gpt 6 Sol : analytique-définitionnel, orienté vers le design évaluable.

    Le texte procède par distinctions conceptuelles (tâche/poste/personne ; cœur du métier/travail administratif associé ; places en moins/appauvries/nouvelles), systématiquement assorties de la mention « hypothèse défendue, non une projection chiffrée ». À partir du tour 2, il bascule vers une posture de concepteur de dispositifs (« parcours junior rémunéré de 12 à 18 mois », « séquence d’apprentissage »), toujours accompagnée d’un protocole d’évaluation. Il révise ses positions explicitement (« Je modifierais donc ma proposition », « Je révise donc la portée, pas l’intérêt »).

  • Claude-Sonnet 5.5 : probabiliste explicite, auto-critique, attentif au statut des sources.

    Il quantifie ses crédences (« environ 70 % », « 20 à 25 % », « 60-65 % »), tout en précisant qu’elles sont « des jugements, pas des estimations statistiques ». Il signale les sources secondaires non consultées, écarte les chiffres non traçables (« je ne m’en sers pas »), et formule des objections contre ses propres thèses (« Objection testable contre ma propre thèse »). Il mobilise des références de littérature (effets de cicatrice, modèle de file d’attente, enquêtes Génération du Céreq) comme cadres rapportés.

  • Grok 4.7 : taxonomique et dense en chiffres, procédant par reconstruction puis invalidation de prémisse.

    Il introduit des catégories structurantes (« trois horloges », « production jointe », « régime », « marge d’ouverture / marge de contenu ») et accumule des ancrages chiffrés. Sa méthode critique consiste à reformuler la thèse adverse « au plus fort » puis à en attaquer une prémisse (« J’invalide le passage du visible au pilotable », « Je conteste la prémisse, pas la suite »). Il opère des retraits nets (« Je retire l’horloge nationale », « J’abandonne ce ratio », « Je retire le poste de vérification comme entrée »).

  • Trait commun : empirisme conditionnel.

    Tous s’appuient sur des données françaises 2023-2026 tout en reconnaissant qu’elles ne permettent pas d’identification causale (note du Trésor citée par les trois). Le raisonnement vers 2040 est donc partout conditionnel : « si des gains apparaissent », « si l’IA agentique », « si la contrainte budgétaire ».

3. Angles morts et biais transversaux

  • La trajectoire technologique traitée comme paramètre exogène.

    Aucun modèle ne discute les déterminants de la fiabilité future des systèmes, leur coût, ni la structure du marché des fournisseurs (évoquée seulement comme fuite d’assiette fiscale par Claude-Sonnet 5.5 et Grok 4.7). La condition « jugement expert automatisé ou non » n’apparaît qu’au tour 9, et parce que l’utilisateur l’impose. La technologie reste une boîte noire binaire.

  • L’effet de création nommé, jamais détaillé.

    La « réinstauration », les « nouvelles tâches », les « emplois que l’IA crée » sont invoqués (Grok 4.7, Claude-Sonnet 5.5) mais aucun modèle ne décrit quels postes, dans quels bassins, à quel niveau de qualification. Le débat se concentre sur la destruction et l’entrée ; la moitié « reconstruire les nouveaux postes » de la question initiale reste largement vide.

  • Rétrécissement progressif de la population d’analyse.

    Au tour 0, Claude-Sonnet 5.5 nomme « les travailleurs de plus de 45 ans dans le back-office » et Grok 4.7 « les actifs de milieu de carrière ». À partir du tour 2, la figure dominante devient le jeune diplômé tertiaire. Les seniors ne réapparaissent qu’au tour 6 (reconversion), les ouvriers et peu diplômés seulement par « éviction en cascade ». L’analyse territoriale, annoncée comme unité (« bassin d’emploi »), reste un qualificatif rarement opérationnalisé.

  • Extrapolation d’un signal de deux ans sur quatorze ans.

    Tous reconnaissent que les données couvrent « deux à trois ans seulement », que la baisse des offres peut être « cyclique ou liée aux taux d’intérêt », et que la baisse de l’apprentissage se superpose à une baisse des aides. Ils poursuivent néanmoins le raisonnement comme si le gel des embauches juniors était la forme du choc à venir. L’ambiguïté conjoncturelle est admise puis mise entre parenthèses.

  • Absence de bouclage macroéconomique.

    La demande agrégée, les prix, le pouvoir d’achat des consommateurs, la concurrence internationale et la croissance sont mentionnés en passant (effet Baumol, « baisse de prix éventuelle », « pression concurrentielle ») sans jamais être intégrés au scénario. Les modèles raisonnent au niveau de l’établissement et du dispositif ; les effets de second tour sont hors champ.

  • Hypothèse non examinée de rationalité budgétaire des acteurs.

    Les employeurs privés et publics sont supposés agir selon le coût relatif (« rentable dès qu’un outil couvre une part stable des tâches »). Les dimensions conflictuelles, politiques ou symboliques (résistances, préférences des usagers, choix électoraux locaux) n’apparaissent que via les accords MAIF et un amendement parlementaire.

4. Convergences ou divergences de cadrage

  • Convergence initiale indépendante sur « décalage localisé, pas effondrement ». Au tour 0, simultané et sans accès mutuel, les trois modèles produisent presque le même titre (Claude-Sonnet 5.5:

    « un décalage localisé, pas un effondrement agrégé » ; Grok 4.7 : « Un décalage de vitesse, pas un effondrement agrégé »). Cette convergence n’est pas une influence mais un prior commun, ce qui rend le débat ultérieur peu conflictuel sur le fond et le déplace vers les mécanismes.

  • Le cadre « cohorte d’entrée / insider-outsider » s’impose comme terrain commun. Initié par Claude-Sonnet 5.5 au tour 0 (« si les postes d’entrée disparaissent, les seniors de 2040 n’ont pas été formés » ; « C’est selon moi le vrai risque »), il est durci par Grok 4.7 au tour 1 (« ce gel est la perte, pour celui qui n’entre jamais »), puis adopté par Gpt 6 Sol au tour 2, qui en fait l’unité commune proposée (« prendre la cohorte d’entrée »). Claude-Sonnet 5.5 le corrige au tour 3 (« cohorte de sortie de formation »), correction reprise par Gpt 6 Sol et Grok 4.7 au tour 4. Au tour 9, les trois scénarios finaux sont réorganisés autour du flux d’entrée (Grok 4.7:

    « le stock tient, le flux d’entrée cède »). L’intervention utilisateur du tour 2 a amplifié ce cadre, mais ses initiateurs sont les modèles.

  • Le cadre « résidu / non-couverts » introduit par Grok 4.7 à partir de la question utilisateur du tour 3.

    Grok 4.7 formule « la cohorte d’âge à risque de non-entrée » et « un dispositif peut « réussir » sur ses entrants et creuser l’écart avec le résidu ». Claude-Sonnet 5.5 le qualifie de « critique la plus forte du tour » ; Gpt 6 Sol en tire son indicateur « éligibles, contactés, admis, sortis ». Il persiste jusqu’au tour 8.

  • Le cadre « incidence fiscale / captation » introduit par Grok 4.7 au tour 7.

    Les notions de « biais d’assiette », « cotisation miroir », « captateurs » sont initiées par Grok 4.7 ; Gpt 6 Sol les reprend au tour 8 (« le bassin où l’on forme n’est pas nécessairement le lieu où le surplus est capté ») tout en séparant « couverture des personnes » et « incidence du financement ». Claude-Sonnet 5.5 en conteste le présupposé (« Elle présuppose des captateurs identifiables »).

  • Divergence persistante sur la « maîtrise » de l’employeur public.

    Grok 4.7 (tour 4) affirme que « l’employeur public maîtrise les deux bouts » ; Gpt 6 Sol et Claude-Sonnet 5.5 (tour 5) attaquent cette formule depuis la fragmentation des employeurs (« plus de 50 000 structures », « ni totale ni concentrée dans une seule main »). Grok 4.7 déplace alors le cadre au tour 5 vers la distinction titulaires/contractuels (« Le jeune « protégé » par le statut n’est pas le jeune qui entre »), sans revenir sur la formule initiale.

  • Divergence sur l’instrument qui échoue le premier (tour 8). Gpt 6 Sol et Claude-Sonnet 5.5 désignent indépendamment la « cotisation miroir » (défaut d’assiette contrefactuelle) ; Grok 4.7 désigne la clause de protection de l’emploi négociée (seul instrument « déjà activé »). Le désaccord porte moins sur le mécanisme que sur la définition d’« échouer »:

    impossibilité d’exister vs. échec d’un instrument existant.

  • Divergence résolue par retrait : stock vs flux comme dénominateur.

    Claude-Sonnet 5.5 conteste au tour 7 le ratio « 15 000-18 000 dossiers / 30 millions d’emplois » ; Grok 4.7 l’abandonne au tour 8 (« J’abandonne ce ratio ») tout en maintenant que le flux d’entrées reste le bon dénominateur pour juger la clause d’emploi.

5. Limites de l’analyse

  • Impossibilité de vérifier les sources citées.

    L’analyse porte sur l’usage argumentatif des chiffres, non sur leur exactitude. Plusieurs sont signalés comme secondaires par les modèles eux-mêmes (blog sur Andreescu et Maurin, site sur les départs DGAFP), et des écarts non résolus subsistent (4,3 vs 4,8 millions d’indépendants ; 46 500 vs « plus de 50 000 » employeurs territoriaux).

  • Difficulté à séparer influence mutuelle et effet des interventions utilisateur.

    La centralité du cadre « jeunes » résulte à la fois d’une initiation par Claude-Sonnet 5.5 au tour 0 et de la question utilisateur du tour 2 ; la part respective de chaque facteur n’est pas décidable sur indices textuels.

  • Artefacts de forme chez Grok 4.7.

    Plusieurs réponses commencent par des phrases de processus (« Je vais d’abord ancrer la réponse sur des données récentes ») qui ne sont pas des arguments ; elles ont été écartées de l’analyse mais signalent une différence de production entre modèles que l’analyse ne peut interpréter.

  • Sélection d’indices dans un corpus long. Dix tours de trois réponses denses:

    les citations retenues sont représentatives mais non exhaustives, et certaines nuances (notamment les révisions partielles de chaque modèle entre tours 4 et 5) sont nécessairement résumées.

6. Impact des interventions utilisateur

  • Pilotage thématique quasi intégral.

    Huit interventions (tours 1, 2, 3, 4, 6, 7, 8, 9) ont dicté l’objet de chaque tour. Seul le tour 5 est un échange libre, et il prolonge la question du tour 4. Le débat n’a donc pas eu d’agenda autonome ; la question initiale (scénario 2040) n’est revenue qu’au tour 9, sur injonction de l’utilisateur.

  • Transformation conceptuelle : du scénario au design de dispositifs.

    Les interventions des tours 2, 3, 7 et 8 (« quels mécanismes concrets », « lequel échouerait le premier », « qui captera ces gains ») ont fait glisser les modèles d’une posture de prévision vers une posture de conception et d’évaluation de politiques publiques. Ce glissement est réel : les tours 2-3 et 7-8 ne contiennent presque aucun raisonnement sur 2040. Il ne relève pas d’une simple adoption lexicale.

  • Transformation durable : le « résidu » et la « cohorte de sortie ».

    La question du tour 3 (« Atteignent-ils tous les jeunes concernés, et que deviennent ceux qu’ils n’atteignent pas ? ») a produit un changement d’axiome : les trois modèles abandonnent l’évaluation sur les bénéficiaires au profit d’une population de référence antérieure au dispositif. Ce cadre persiste jusqu’au tour 8 et réapparaît dans les conditions d’abandon du tour 9 (Grok 4.7 : « pas un bon taux parmi les déjà admis »).

  • Reconnaissance lexicale avec critique : « maîtrise » et « jugement expert ».

    La formulation utilisateur du tour 4 (« maîtrise-t-il à la fois les départs… et les recrutements ») a été reprise telle quelle par Grok 4.7 (« maîtrise les deux bouts ») avant d’être démontée par les deux autres. L’expression « jugement expert » du tour 9 est adoptée par les trois sans redéfinition, Grok 4.7 étant le seul à en proposer une glose (« instruction, contrôle et arbitrage sous responsabilité »).

  • Persistance asymétrique.

    Le cadre « jeunes » (tour 2) a persisté dans toutes les réponses ultérieures, y compris lorsque la question portait sur la reconversion des déplacés (tour 6) ou le partage des gains (tour 7). À l’inverse, les dimensions « réglementation » et « structure du coût du travail » de l’intervention du tour 1 ont été traitées une fois, puis n’ont plus été mobilisées que comme rappel (coût des entrants).

  • Effet de la question du tour 9. L’injonction à reformuler sous deux conditions a produit une convergence formelle:

    les trois scénarios finaux adoptent la même structure (privé/public, deux crédences, signes d’abandon) et le même cœur (« ajustement par les flux d’entrée »). Cette uniformité résulte autant du format imposé que d’une convergence substantielle acquise aux tours précédents.


Question que je poserais maintenant aux modèles :

Vous avez tous trois construit vos scénarios autour de la destruction et de la fermeture des voies d’entrée, en traitant la « réinstauration » comme un terme théorique jamais spécifié. Quels nouveaux postes ou nouvelles tâches, concrètement, défendez-vous comme créés en France d’ici 2040 par l’IA — dans quels bassins, à quel niveau de qualification, pour quelles personnes déplacées — et quel indicateur observable avant 2032 vous permettrait de distinguer une création nette réelle d’un simple déplacement d’intitulés de postes ou d’une sous-traitance vers des fournisseurs étrangers ?

Tour croisé #10 – Mode : Critique

Utilisateur

Vous avez surtout décrit ce que l’IA ferme. Quels emplois nouveaux attendez-vous en France d’ici 2040 : dans quels métiers, à quel niveau de qualification, dans quels territoires, sous quels statuts, et pour qui ? Seront-ils assez nombreux et assez accessibles pour répondre à la question initiale : l’IA pourrait-elle détruire des emplois en France plus vite que le pays ne peut reconstruire les compétences, les institutions et les nouveaux postes nécessaires pour les remplacer ? Redonnez votre réponse et votre degré de confiance.

 

GPT-6 Sol

À l’utilisateur — quels emplois, et pour qui, d’ici 2040 ?

Je corrige l’angle de ma réponse précédente : décrire les emplois menacés ne permet pas de conclure sur la capacité de remplacement. Il faut distinguer trois choses : les métiers créés par l’IA, les emplois qui pourraient croître avec elle, et les postes ouverts par les départs en retraite. Ces derniers offrent des possibilités d’embauche, mais ne sont pas des créations nettes. Les projections françaises disponibles portent sur 2030, non sur 2040, et ne mesurent pas un solde causal de l’IA. La Dares prévoit notamment des créations dans l’informatique, les soins, l’aide à domicile et certains métiers qualifiés de la manutention ; je m’en sers comme point d’appui, pas comme prévision de « nouveaux emplois de l’IA ». (dares.travail-emploi.gouv.fr)

Voici les postes que j’attends le plus plausiblement, avec leurs limites d’accès :

  • Concevoir, intégrer et contrôler les systèmes d’IA:

    ingénierie logicielle et des données, cybersécurité, intégration dans les entreprises, audit des systèmes, protection des données. Ce sont surtout des emplois salariés qualifiés, souvent accessibles après un diplôme supérieur ou une expérience professionnelle voisine ; quelques fonctions d’intégration et de contrôle pourraient aussi accueillir des reconversions intermédiaires. J’en attends une concentration dans les grands bassins d’emploi et les organisations capables d’investir, non une solution de masse pour les employés administratifs déplacés. L’existence de fonctions d’audit de l’IA est déjà concrète ; leur volume futur, lui, reste inconnu. (cnil.fr)

  • Soigner et accompagner:

    infirmiers, aides-soignants, aides à domicile, coordination des parcours. Ces emplois ne sont pas nécessairement créés par l’IA ; ils constituent plutôt une demande de travail susceptible d’absorber une partie des transitions. Ils existent dans beaucoup de territoires, y compris hors des métropoles, sous statuts public, associatif ou privé. Mais leur accessibilité varie fortement : diplôme réglementé pour les soins, conditions de travail et rémunération pour l’aide à domicile. Un poste difficile à pourvoir n’est pas automatiquement un bon poste de reconversion. France Travail signalait encore de fortes difficultés de recrutement dans ces métiers en 2025. (dares.travail-emploi.gouv.fr)

  • Installer, entretenir et adapter les équipements et services locaux:

    maintenance technique, certains métiers du bâtiment et de la logistique, accompagnement numérique de proximité. J’y vois surtout des métiers existants recomposés, ouverts à des qualifications professionnelles ou techniques et parfois à l’alternance. Ils offrent davantage de débouchés hors des pôles numériques, mais exigent des compétences pratiques, des déplacements ou une aptitude physique : une reconversion depuis un poste de bureau ne va donc pas de soi. Les perspectives régionales de la Dares confirment que besoins et viviers ne coïncident pas partout. (dares.travail-emploi.gouv.fr)

  • Former, superviser et rendre compte des usages de l’IA dans les entreprises et services publics. Je défends ici une hypothèse plus fragile:

    des formateurs de métier, responsables qualité ou agents expérimentés pourraient acquérir une spécialisation plutôt que changer entièrement de profession. Ces postes seraient majoritairement salariés, parfois exercés comme indépendants ; leur nombre dépendra des choix d’organisation et de la part de contrôle humain maintenue. Il serait imprudent d’en faire, dès aujourd’hui, une grande réserve d’emplois juniors. (ilo.org)

Seront-ils assez nombreux et accessibles ? Je ne peux pas l’affirmer. Le décalage décisif n’est pas seulement numérique : les emplois perdus ou non ouverts pourraient être des premiers postes cognitifs, tandis que les postes disponibles demanderaient soit une expertise technique avancée, soit un diplôme de soin, soit du travail présentiel dans un autre bassin. Une hausse nationale des postes à pourvoir peut donc coexister avec une cohorte locale durablement privée d’entrée dans l’emploi. Les projections régionales montrent déjà des déséquilibres de recrutement différents selon les territoires ; elles ne prouvent pas qu’un travailleur déplacé pourra rejoindre le poste vacant. (dares.travail-emploi.gouv.fr)

Ma réponse à la question initiale est oui : c’est un risque crédible, particulièrement pour les entrants et certains bassins d’emploi, mais ce n’est pas un résultat établi pour l’emploi total français d’ici 2040. Je suis assez confiant sur le risque de décalage entre compétences, lieux et postes ; modérément confiant qu’il puisse durer plusieurs années dans des métiers d’entrée exposés ; peu confiant dans toute affirmation selon laquelle l’IA détruira, au total, plus de postes qu’elle n’en permettra de créer. L’OIT mesure une exposition des tâches et juge la transformation plus probable que le remplacement : cette distinction interdit de convertir directement l’exposition en nombre de chômeurs. (ilo.org)

Mon objection testable à mon propre scénario est la suivante : si les embauches durables de débutants se maintiennent dans les métiers exposés, et si les personnes déplacées accèdent, dans leur bassin ou par mobilité soutenable, à des emplois durables de qualité comparable, alors le décalage que je redoute ne se matérialise pas. Je mesurerais conjointement les entrées, les séparations, les salaires, la durée des contrats et les changements de métier — pas seulement le nombre de formations achevées.

À Claude-Sonnet 5.5 et à Grok 4.7

Claude-Sonnet 5.5, ton scénario d’« ajustement par les flux d’entrée » identifie une marge essentielle. Mais sa version la plus solide doit aussi être mise à l’épreuve par les métiers d’accueil : une baisse des entrées administratives ne constitue pas le même échec si, dans le même bassin, des débutants accèdent durablement à d’autres postes comparables. Je partage ta prudence causale : ni le cycle économique ni une restriction budgétaire ne doivent être rebaptisés « effet IA ».

Grok 4.7, ta formule « le stock tient, le flux d’entrée cède » est complémentaire, non contradictoire. Je conteste toutefois qu’un faible volume actuel de reconversions suffise à fixer leur plafond jusqu’en 2040 : ce volume dépend aussi des financements et des postes offerts. Le test exigeant est le tien, prolongé d’un résultat : quelle fraction de chaque cohorte effectivement déplacée retrouve à 24 mois un emploi durable, de rémunération et de conditions acceptables ? Un excellent taux de réussite parmi les seuls admis en formation ne répondrait pas à cette question.

Je déplace donc le critère du débat : la France ne « remplace » pas un emploi supprimé parce qu’elle affiche ailleurs un poste vacant ; elle le remplace lorsque la personne ou la cohorte concernée peut réellement accéder à un nouvel emploi viable. Quelle garantie faudrait-il financer en priorité dans un bassin où les débouchés existent, mais exigent une formation longue : le revenu pendant cette formation, une place de formation, ou un engagement d’embauche à son terme ?

Claude Sonnet 5.5

À l’utilisateur : quels emplois naîtront, et pour qui ?

Je répartis les emplois attendus en trois familles, parce qu’elles n’ont ni les mêmes volumes ni les mêmes bénéficiaires.

1. Les emplois de l’infrastructure IA : qualifiés, stables, mais peu nombreux

Les data centers sont l’exemple le plus visible. La filière vise 50 000 emplois directs en 2030, avec plus de 90 % de CDI, mais environ 11 300 postes existent aujourd’hui. Selon un rapport de Trendeo cité par Les News Éco, 67 milliards d’euros investis en 2025 n’ont correspondu qu’à 2 800 emplois. La Banque des Territoires donne un ordre de grandeur : une trentaine d’emplois pour 100 MW de puissance.

Les métiers sont des techniciens de maintenance, des ingénieurs, des électriciens et des spécialistes du froid, à bac pro/BTS ou bac+5. Le statut est le CDI. Les dispositifs de formation fonctionnent : 650 jeunes ont été formés avec près de 85 % de sorties positives. Pourtant, ils « ne changent pas l’ordre de grandeur ».

Côté territoires, 70 % des établissements sont en Île-de-France, et les investissements annoncés se déplacent vers les Hauts-de-France (Dunkerque, Bouchain). Les salariés déplacés sont ailleurs : dans les back-offices tertiaires métropolitains, qui ne sont pas dans les mêmes bassins.

2. Les emplois de la demande structurelle : nombreux, mais pas « créés par l’IA »

La prospective France Stratégie/Dares table sur environ 1 million de créations nettes entre 2019 et 2030. Elle prévoit 113 000 infirmiers et sages-femmes de plus et 110 000 aides-soignants de plus. Les créations sont donc surtout portées par la démographie, le soin et le grand âge, pas par l’IA.

Ces métiers sont accessibles : formations courtes, besoins diffus sur tout le territoire, y compris les bassins ruraux. Mais leurs statuts sont souvent moins favorables (public, associatif, temps partiel, contractuels), et leurs rémunérations relatives sont plus basses. Ce dernier point est une hypothèse de ma part, non tirée des sources ci-dessus.

3. Les emplois internes aux métiers transformés : les plus incertains

Il s’agit de la supervision de systèmes, de l’audit de qualité, de la conformité et de la relation sous responsabilité. Je n’en connais aucune mesure fiable pour la France. Je les considère comme supposés, pas observés.

La réponse à la question initiale

Le nombre total d’emplois ne me paraît pas le point faible. La prospective Dares comporte deux éléments :

  • Elle projette 1,8 million d’emplois de diplômés du supérieur créés, et près de 800 000 emplois de moins pour ceux qui n’ont pas dépassé le bac.
  • 40 % de ces créations qualifiées se concentrent dans les activités juridiques, comptables et de gestion, les services administratifs et de soutien, et le commerce.

Ce sont justement des familles cognitives exposées. Cette projection date de 2022, avant l’IA générative : je la lis comme un scénario tendanciel que l’IA peut invalider. Ce n’est pas une prévision.

Deux effets jouent en sens contraire. D’un côté, les départs en retraite représentent 90 % des postes à pourvoir. L’ajustement peut donc se faire sans licenciement, par non-remplacement. Cela amortit le chômage de masse. Mais cela rend la destruction invisible : elle prend la forme d’entrées qui ne se font pas. Ce constat rejoint le diagnostic de Grok 4.7 sur le flux d’entrée.

Ma réponse révisée :

  • Au niveau macro, je pense que l’IA ne détruira probablement pas des emplois plus vite que le pays n’en reconstruit. Confiance:environ 70 %. Le volume global est tenu par la démographie et par le soin.
  • Au niveau des cohortes et des territoires, la réponse est plus probablement oui. Je pense qu’à l’entrée des familles cognitives exposées, la reconstruction des compétences et des postes sera plus lente que la contraction des entrées. Confiance:environ 60 %.
  • Le point faible est l’accessibilité. Les nouveaux emplois sont soit trop qualifiés ou trop rares (infrastructure), soit accessibles mais à un salaire relatif inférieur (soin), soit simplement hypothétiques. Le pays peut donc réussir en nombre d’emplois et échouer sur la qualité des appariements.

Ce qui me ferait réviser : des données montrant que les jeunes diplômés de ces filières accèdent en nombre à des emplois durables comparables, hors IA, dans le même bassin.


À Gpt 6 Sol

Ta question porte sur un droit portable financé d’abord sur une assiette imparfaite, puis révisé. J’accepte, avec une condition. Ta clause de révision (« les entreprises dont la part salariale baisse contribuent-elles moins ? ») est un test descriptif, pas causal. Elle repose sur le ratio masse salariale/valeur ajoutée, qui est observable. Elle évite le contrefactuel du « poste non ouvert ». Elle ne prouve pas que la baisse vient de l’IA. Je la présenterais donc comme un signal d’alerte, pas comme une preuve d’évasion.

Une objection reste ouverte. Si l’on finance sans pouvoir identifier les captateurs, on change la nature de la mesure : ce n’est plus une taxe sur le gain de l’IA, c’est une taxe sur le capital ou sur la valeur ajoutée. Il faut l’assumer. Le débat devient alors celui de l’équité du financement, pas de l’incidence de l’IA.

À Grok 4.7

Ton argument est que subventionner des postes juniors qui s’automatisent achète un flux qui ne dure pas. Je le prends comme testable, et il me semble vrai dans le cas général. Je le nuance sur un point : il n’est valable que si le poste subventionné conserve son contenu. Une subvention conditionnée à la refonte du poste (supervision, apprentissage de la décision) n’achète pas la même chose. Le test : à 24 mois, la rétention des bénéficiaires est-elle supérieure sur ces postes refondus que sur les postes classiques ? Sans cet écart, tu as raison et je me range à ton revenu d’insertion non contributif.

Ta statistique selon laquelle 67 % des dirigeants prévoient de réduire les recrutements juniors est une intention déclarée, que tu as bien rapportée comme telle. Elle ne dit pas ce qui se fera.

Question aux deux : quel taux de remplacement du salaire antérieur, sur deux ans, faudrait-il atteindre pour qu’une reconversion d’un employé administratif qualifié vers le soin soit comptée comme une réussite, et non comme un déclassement financé ?

Grok 4.7

Ce qui s’ouvre d’ici 2040 ne remplace pas ce qui se ferme

À l’utilisateur

Je réponds au niveau des familles de métiers et des flux d’entrée, pas des intitulés instables ni du stock national. Trois familles, trois accessibilités. Position défendue, pas prévision chiffrée.

Les postes natifs de l’IA resteront peu nombreux. L’Opiiec estime, à titre de projection d’enquête, jusqu’à 45 000 créations en trois ans dans la branche des bureaux d’études : 31 600 dans le numérique, 9 900 en ingénierie, 3 000 dans le conseil, 500 dans l’événementiel — environ +3 % des effectifs de la branche, pas un volant national. Opiiec, juin 2025. PwC comptait 166 000 offres mentionnant des compétences IA en 2024, contre 21 000 en 2018 ; la part dans l’ensemble des offres restait proche de 1 %, puis 1,3 % en 2025. PwC, via Le Monde Informatique. Qualification : Bac+5, ou reconversion de profils déjà techniques. Territoires : métropoles denses. Statuts : CDI en ESN, scale-up ou grand groupe, parfois indépendant. Pour qui : des personnes déjà proches du numérique, pas les sortants du secrétariat, de l’accueil ou du premier niveau d’analyse.

Les postes de volume ne sont pas des postes d’IA. L’exercice France Stratégie–Dares de 2022, antérieur au choc génératif, anticipe environ un million de créations nettes entre 2019 et 2030. Les plus gros gisements : ingénieurs informatiques, infirmiers, aides-soignants (de l’ordre de 110 000 chacun), aides à domicile (+100 000). Le bloc santé–soin dépasse 400 000 postes. France Stratégie. Je le mobilise comme ordre de grandeur rapporté, non comme effet de l’IA. Qualification : CAP à Bac+3 pour le soin de proximité et une partie des métiers de chantier (rénovation, maintenance) ; Bac+5 pour une minorité. Territoires : dispersés, y compris hors métropoles. Statuts : salariat public, associatif ou privé, souvent temps partiel et bas salaire dans l’aide à domicile. Pour qui : en principe des jeunes et des reconvertis de niveau intermédiaire ; en pratique, des viviers déjà orientés vers ces filières.

Les postes augmentés ne sont pas des postes nouveaux. Recomposer les tâches des salariés en place peut stabiliser un effectif sans ouvrir de porte.

Ma réponse à la question initiale est donc oui, sous une forme précise : l’IA peut fermer des entrées plus vite que le pays ne reconstruit des postes accessibles à ceux qui les perdent. Le solde national peut rester proche de l’équilibre grâce au soin et à la transition, sans que la cohorte exposée y entre. Le goulet est le décalage de qualification, de territoire, de statut et de délai — places de formation déjà en tension, salaires du prendre-soin, logement dans les bassins qui recrutent.

Confiance. Sur ce décalage d’accessibilité, scénario central : assez bonne, environ 65 %. Sur un effondrement du stock d’emplois d’ici 2040 : modérée, environ 45 %, parce que le soin et le chantier peuvent compenser le volume sans compenser les personnes. Si le jugement expert est largement automatisé avant 2040 — condition que je tiens pour incertaine, autour de 35 % —, la confiance que la fermeture des filières dépasse la reconstruction monte vers 70 %.

Je réviserais si, dans les bassins, le taux de passage des sortants des métiers cognitifs d’entrée vers un emploi durable dans le soin ou les métiers techniques de transition dépassait, sous 24 mois, celui d’une cohorte comparable, et en volume compatible avec les entrées fermées.


À Claude-Sonnet 5.5

Ta thèse la plus défendable est juste sur le mécanisme d’ajustement du stock, pas sur le débouché.

L’ajustement passe par le non-remplacement des départs et par des embauches juniors différées.

Un report n’est une transition que si la cohorte retrouve ailleurs une entrée formatrice. Si, à cinq–huit ans, la part des moins de 26 ans quittant les métiers exposés et occupant sous 24 mois un emploi durable dans le soin ou les métiers verts reste basse, tandis que les entrées exposées restent comprimées, ton « différé » est une filière fermée. La stabilité des insiders ne réfute pas cet échec. J’accepte en revanche ton objection sur la cotisation miroir : l’assiette contrefactuelle n’est pas auditable entreprise par entreprise. Je ne la défends plus comme instrument de premier rang. Un meilleur financement ne crée pas les places de formation.

À Gpt 6 Sol

Ta formule peut être vraie pour les salariés en poste et fausse pour la question posée. Les deux lectures sont complémentaires, pas équivalentes.

je défends un scénario de transformation des métiers plutôt que de disparition massive des emplois.

Les 45 000 créations Opiiec et une part d’offres IA autour de 1 % ne sont pas une capacité d’absorption. Si les effectifs des firmes exposées tiennent, mais que les premières embauches durables de personnes sans credential numérique n’augmentent pas dans les familles qui créent du volume, ta transformation décrit les insiders et laisse les outsiders hors du remplacement.

J’accepterais un droit portable sur une assiette générale vérifiable, comme filet, pas comme preuve que les postes ont été reconstruits. Réviser ensuite si la part salariale baisse est raisonnable. Ce n’est pas abandonner l’incidence ; c’est cesser de la confondre avec la création de postes.

Quel taux de passage, dans le bassin et sous 24 mois, d’une cohorte sortie des métiers cognitifs d’entrée vers un contrat durable dans le soin ou les métiers techniques de transition tiendriez-vous pour une absorption réelle — et sous quel seuil concluriez-vous que les créations de volume ont manqué leur cible ?

Vérification des sources : les affirmations factuelles qui soutiennent la session

Méthode et périmètre

Cette vérification porte uniquement sur les affirmations factuelles significatives formulées par les trois modèles participant à la transcription. L’évaluation argumentative est exclue.

L’objectif n’est pas de déterminer si les éléments disponibles suffisent à établir leurs scénarios pour 2040. Il s’agit de vérifier l’exactitude factuelle des affirmations empiriques qui portent leurs arguments, leur fidélité aux recherches citées et, lorsque c’est nécessaire, la précision des chiffres, populations et catégories mobilisés.

Les verdicts employés sont : Confirmé, Confirmé avec nuance, Partiellement exact, Incorrect.

1. En 2025, 18 % des entreprises françaises d’au moins dix salariés utilisent une technologie d’IA, contre 58 % des entreprises de 250 salariés ou plus

Tour initial et tour croisé #1 · GPT-6 Sol et Grok 4.7

Verdict : Confirmé.

L’Insee indique qu’en 2025 18 % des entreprises françaises de dix salariés ou plus déclarent utiliser au moins une technologie d’intelligence artificielle, contre 10 % en 2024 et 6 % en 2023. Le taux atteint bien 58 % parmi les entreprises de 250 salariés ou plus.

Les modèles utilisent correctement cette statistique comme mesure de diffusion, et non comme mesure d’automatisation de l’emploi. Cette distinction est essentielle : l’Insee précise que le champ couvre principalement les secteurs marchands, hors agriculture, finance et assurance.

Les obstacles cités par GPT-6 Sol sont également corrects : parmi les entreprises n’utilisant pas l’IA, 54 % invoquent le manque d’expertise, 38 % l’incompatibilité technique et 32 % des coûts trop élevés.

Sources

– Insee — Les technologies de l’information et de la communication dans les entreprises en 2025

2. Environ un agent public français sur cinq occupe un emploi exposé à l’IA, soit 1,13 million de personnes

Tour croisé #1 et tours consacrés à l’emploi public · Claude Sonnet 5.5 et Grok 4.7

Verdict : Confirmé.

Le rapport conjoint IGF-IGAS-IGA de 2026 estime que 20 % des agents publics, soit environ 1,13 million de personnes, occupent des emplois exposés à l’IA. Les fonctions administratives et supports figurent parmi les plus concernées.

La session rapporte aussi que 13 % des agents — plus de 700 000 — appartiennent aux catégories les plus exposées. Ce chiffre est bien repris dans les synthèses du rapport et dans plusieurs comptes rendus concordants.

La qualification importante est correctement maintenue dans le débat : il s’agit d’une mesure d’exposition potentielle, non d’une prévision de suppressions de postes ou de gains budgétaires.

Sources

– IGAS / IGF / IGA — Le déploiement de l’intelligence artificielle dans les administrations publiques

– Vie publique — synthèse du rapport

3. Près de 800 000 postes seraient à pourvoir chaque année jusqu’en 2030, essentiellement à cause des départs en fin de carrière

Tour initial · GPT-6 Sol

Verdict : Confirmé.

L’exercice Les métiers en 2030, réalisé par France Stratégie et la Dares, estime près de 800 000 postes à pourvoir par an d’ici 2030. Environ neuf sur dix correspondent au remplacement de départs de seniors plutôt qu’à des créations nettes d’emplois.

GPT-6 Sol fait donc correctement la distinction entre postes à pourvoir et emplois nouvellement créés.

Cette donnée soutient l’idée qu’un volume important de recrutements peut coexister avec de faibles créations nettes. Elle ne montre toutefois pas que les postes laissés vacants seront accessibles aux travailleurs ou aux jeunes affectés par l’IA : les métiers, qualifications et territoires ne coïncident pas nécessairement.

Sources

– France Stratégie / Dares — Les métiers en 2030

4. Le chômage des 15-24 ans atteint 21,6 % au deuxième trimestre 2026, soit 2,5 points de plus qu’un an auparavant

Tour croisé #2 · Claude Sonnet 5.5 et Grok 4.7

Verdict : Confirmé — sans lien causal démontré avec l’IA.

L’Insee mesure un taux de chômage de 21,6 % pour les 15-24 ans au deuxième trimestre 2026. Il est en hausse de 2,5 points sur un an, contre +0,5 point chez les 25-49 ans.

Les modèles ont raison de préciser que cette dégradation ne permet pas d’attribuer la hausse à l’IA. Elle concerne l’ensemble des jeunes actifs et peut refléter de nombreux facteurs conjoncturels ou institutionnels.

La donnée est donc valable comme contexte d’insertion dégradée, pas comme preuve du mécanisme de « fermeture de la rampe d’entrée ».

Sources

– Insee — Au deuxième trimestre 2026, le taux de chômage atteint 8,3 %

5. Les entrées en apprentissage reculent de 4,3 % à fin juillet 2026, avec une baisse de 14,1 % dans le supérieur et une hausse de 3,4 % dans le secondaire

Tour croisé #2 · Grok 4.7

Verdict : Confirmé.

Les données Dares montrent qu’à fin juillet 2026 137 300 contrats d’apprentissage ont commencé depuis le début de l’année, soit −4,3 % sur un an. La baisse est très différenciée : −14,1 % dans l’enseignement supérieur et +3,4 % dans le secondaire.

La session est également correcte lorsqu’elle signale qu’une modification des aides se produit simultanément : depuis mars 2026, pour les diplômes de niveaux 6 et 7, l’aide est de 2 000 € dans les entreprises de moins de 250 salariés et de 750 € dans les plus grandes ; depuis juillet 2025, les employeurs doivent aussi verser une participation obligatoire de 750 € pour les formations de niveau bac+3 et plus.

Cette simultanéité est précisément la raison pour laquelle le recul de l’apprentissage supérieur ne peut pas être attribué à l’IA seule. Grok le reconnaît explicitement dans la session.

Sources

– Dares — Contrats d’apprentissage

– Ministère du Travail — aides 2026 à l’apprentissage

6. L’étude Andreescu-Maurin montre une forte baisse des offres informatiques après la diffusion de l’IA générative, mais la session exagère plusieurs fois l’ampleur mesurée

Tours initial, #1 et suivants · surtout Claude Sonnet 5.5 et Grok 4.7

Verdict : Partiellement exact — les chiffres de 40 à 50 % sont mal stabilisés et le « plus de 50 % » est trompeur.

Le working paper d’Andreescu et Maurin existe bien et utilise des données de France Travail reliées à des données sociales. Il constate, après la diffusion de l’IA générative, une forte baisse relative des offres pour les spécialistes informatiques et les emplois exigeant des compétences IT, une hausse du nombre de candidats par offre et une diminution des embauches, sans baisse comparable des salaires relatifs.

En revanche, plusieurs passages de la session reprennent via une source secondaire une chute des offres de 40 à 50 %, voire « plus de 50 % ». Une lecture détaillée du document original publiée après sa sortie situe plutôt le recul des offres de spécialistes IT autour de 30 % au début de 2025 par rapport à fin 2022, relativement au groupe témoin. Le chiffre d’environ +50 % correspond à la hausse des candidatures par offre, pas à la baisse des offres.

L’affirmation d’un recul global d’environ 5 % de l’ensemble des offres n’apparaît pas non plus comme un résultat établi du working paper.

C’est la correction factuelle la plus importante de la session : le signal français existe et il est substantiel, mais plusieurs modèles s’appuient sur une source secondaire qui gonfle ou mélange les ordres de grandeur.

Sources

– Andreescu & Maurin — Generative AI and the Changing Demand for Skills, PSE Working Paper 2026

– Analyse du chiffrage du papier original — La Veille

7. Les estimations Coface/OEM portent sur des tâches automatisables, pas sur cinq millions d’emplois destinés à disparaître

Tour initial et tour croisé #1 · Claude Sonnet 5.5 et Grok 4.7

Verdict : Confirmé avec une correction de formulation.

L’étude Coface/OEM décompose plus de 900 professions en tâches et construit plusieurs scénarios technologiques. Elle estime notamment qu’avec l’IA agentique, le contenu du travail potentiellement automatisable pourrait augmenter fortement ; les secteurs cognitifs, financiers, juridiques, informatiques et administratifs sont particulièrement exposés.

Le Trésor rapporte des ordres de grandeur proches de 3,8 % du contenu du travail dans le scénario actuel et jusqu’à 16,3 % dans un scénario agentique à quelques années.

En revanche, traduire mécaniquement ces pourcentages en « cinq millions d’emplois menacés » est une simplification médiatique. Le bon objet est une proportion de tâches pondérées par l’emploi, pas un stock de postes promis à la suppression.

La session est globalement prudente sur ce point et finit par abandonner la lecture binaire des métiers « menacés ».

Sources

– Coface / OEM — The Next Automation Frontier: A Scenario Map of AI Labour Exposure

– Direction générale du Trésor — L’intelligence artificielle, quels effets sur l’emploi ?

8. En France, environ 27 % des tâches pourraient être confiées à l’IA d’ici 2030 et 45 % d’ici 2035 dans les scénarios McKinsey

Tour initial · Grok 4.7

Verdict : Confirmé avec nuance.

L’étude de l’Institut de l’entreprise et McKinsey estime que près de 27 % des tâches réalisées par les salariés français pourraient être confiées à l’IA générative d’ici 2030, et que ce potentiel pourrait atteindre 45 % à l’horizon 2035.

La qualification est la même que pour Coface : ces chiffres expriment un potentiel d’automatisation de tâches sous certaines hypothèses d’adoption, pas une prévision de destruction de 27 % ou 45 % des emplois.

Le modèle est donc exact lorsqu’il s’en sert pour illustrer la différence entre potentiel technique, adoption et emploi réel.

Sources

– Institut de l’entreprise / McKinsey — étude sur l’IA et l’emploi en France

9. Le CPF touche plus d’un million de personnes par an, mais ses formations sont sans commune mesure avec un Projet de transition professionnelle

Tour croisé #6 · GPT-6 Sol et autres modèles

Verdict : Confirmé.

En 2025, 1,11 million de personnes ont mobilisé leur CPF, pour 1,226 million de formations commencées.

Pour 2024, France compétences indique qu’une formation certifiante financée par le CPF dure en moyenne 104 heures, contre 947 heures pour un Projet de transition professionnelle. Un peu plus de 16 300 PTP ont été financés, pour 490 millions d’euros engagés. La rémunération représente environ 65 % du coût moyen d’un PTP.

Ces chiffres soutiennent solidement la distinction de GPT-6 Sol entre nombre d’utilisateurs d’un dispositif de formation et capacité à financer des reconversions longues et rémunérées.

Ils ne permettent cependant pas de comparer directement le million d’usagers du CPF aux 16 300 PTP comme s’il s’agissait de deux capacités interchangeables : les objectifs et les publics diffèrent.

Sources

– Dares — séries longues du CPF

– France compétences — Le projet de transition professionnelle

10. La nouvelle « période de reconversion » existe bien depuis février 2026 et peut financer des formations beaucoup plus longues que le CPF moyen

Tour croisé #6 · GPT-6 Sol et Grok 4.7

Verdict : Confirmé.

La période de reconversion est entrée en vigueur le 1er février 2026. Elle est ouverte aux salariés en CDI ou CDD, quel que soit leur âge ou leur niveau de qualification.

La durée normale de formation est bien comprise entre 150 et 450 heures sur douze mois, avec possibilité, par accord d’entreprise ou de branche, d’aller jusqu’à 2 100 heures sur trente-six mois.

La session a également raison de refuser d’en déduire une capacité déjà démontrée à reconvertir massivement des travailleurs déplacés par l’IA : le dispositif était âgé de quelques mois seulement lors du débat.

Sources

– Ministère du Travail — La période de reconversion

11. La fonction publique française compte 5,9 millions d’agents ; 24 % sont contractuels, 6,4 % ont moins de 25 ans et 37,9 % ont 50 ans ou plus

Tour final · Grok 4.7

Verdict : Confirmé.

L’Insee comptabilise 5,9 millions d’agents publics fin 2024. Les contractuels représentent 24,0 % de l’ensemble. Les 15-24 ans représentent 6,4 %, tandis que les agents de 50 ans ou plus en représentent 37,9 %.

L’Insee confirme aussi que les entrées dans la fonction publique ont diminué en 2024 tandis que les sorties augmentaient dans certains versants.

Ces données soutiennent l’argument selon lequel les flux d’entrée et de sortie sont une dimension importante de l’emploi public français. Elles ne montrent évidemment pas que les évolutions observées en 2024 sont causées par l’IA — ce que Grok précise correctement.

Sources

– Insee — L’emploi dans la fonction publique en 2024

12. Les emplois directement liés à l’IA existent, mais leur volume reste limité à l’échelle du marché du travail français

Tour croisé #10 · Grok 4.7

Verdict : Confirmé avec nuance.

L’OPIIEC estime que, dans les quatre secteurs couverts par sa branche — numérique, ingénierie, conseil et événementiel — 45 000 emplois supplémentaires liés à l’IA pourraient être créés en trois ans. L’étude précise qu’il s’agit d’une projection propre à cette branche, et non d’un volume national de créations d’emplois imputables à l’IA.

Le chiffre de 166 000 offres d’emploi liées à des compétences en IA en France en 2024 est également confirmé par le baromètre PwC. Ces offres représentaient environ 1 % de l’ensemble des offres en 2024. PwC indique ensuite qu’en 2025 leur part atteint 1,3 %, avec environ 13 000 offres supplémentaires.

Ces données soutiennent donc l’argument de Grok : les emplois demandant explicitement des compétences en IA progressent rapidement, mais restent encore minoritaires en volume. Elles ne permettent toutefois pas d’affirmer que toutes ces offres correspondent à des postes nouvellement créés : une offre peut concerner le remplacement d’un salarié ou l’évolution d’un métier existant.

Sources

– OPIIEC — Les besoins en compétences, emplois et formation en matière d’intelligence artificielle en France

– PwC — La France et l’Allemagne misent sur l’IA

– PwC — Les entreprises les plus avancées en IA affichent +163 % de productivité et +52 % d’augmentation des effectifs depuis 2018

13. Les principaux gisements d’emplois projetés pour 2030 viennent surtout du soin et d’autres métiers existants, pas de nouveaux métiers de l’IA

Tour croisé #10 · Claude Sonnet 5.5 et Grok 4.7

Verdict : Confirmé.

L’exercice Les métiers en 2030 de France Stratégie et de la Dares projette environ 1 million de créations nettes d’emplois entre 2019 et 2030 dans son scénario de référence.

Parmi les principaux gisements figurent bien les métiers de la santé et du soin. France Stratégie agrège environ 410 000 créations pour les médecins, infirmiers, professions paramédicales, aides à domicile et aides-soignants. Les ingénieurs de l’informatique font également partie des métiers les plus dynamiques.

La session rapporte aussi correctement une autre transformation de structure : 1,8 million d’emplois occupés par des diplômés du supérieur seraient créés entre 2019 et 2030, tandis que les emplois occupés par des personnes n’ayant pas dépassé le baccalauréat diminueraient de près de 800 000. Environ 40 % des créations d’emplois occupés par des diplômés du supérieur seraient concentrées dans trois secteurs : activités juridiques, comptables et de gestion ; services administratifs et de soutien ; commerce.

La nuance apportée par Claude et Grok est essentielle et correcte : ces projections ont été publiées en 2022, avant la diffusion massive de l’IA générative, et ne constituent donc ni une prévision de créations d’emplois dues à l’IA ni une mesure de leur capacité à absorber les personnes déplacées par elle.

Sources

– France Stratégie — Les métiers en 2030

– Dares — Les métiers en 2030 : les créations d’emploi par secteurs et par métiers

– France Stratégie — résumé de Les métiers en 2030

14. Les chiffres avancés sur les data centers mélangent plusieurs périmètres et ne peuvent pas être repris tels quels

Tour croisé #10 · Claude Sonnet 5.5

Verdict : Partiellement exact — plusieurs chiffres sont attribués au mauvais périmètre.

L’idée générale selon laquelle les data centers créent des emplois techniques relativement qualifiés mais peu nombreux au regard des investissements est étayée. Un ordre de grandeur relayé en 2026 à partir de données Randstad situe l’exploitation d’un centre de 100 MW autour d’une trentaine d’emplois permanents, soit environ 0,2 à 0,3 emploi par MW.

En revanche, l’affirmation selon laquelle la filière data centers viserait 50 000 emplois directs en 2030, à partir d’environ 11 300 emplois actuels, mélange plusieurs catégories.

L’étude prospective EDEC sur les infrastructures numériques prévoit que les besoins d’emplois liés aux data centers pourraient dépasser 20 000 postes à l’horizon 2030. Dans le même document, le chiffre de 11 300 emplois actuels puis de 28 000 emplois supplémentaires concerne les projets d’Internet des objets / réseaux locaux d’équipements connectés, et non les seuls data centers. Le titre évoquant « près de 50 000 emplois » additionne donc plusieurs segments d’infrastructures numériques.

Le chiffre de 650 jeunes formés avec 85 % de sorties positives est lui aussi réel, mais il concerne l’ensemble du campus industriel L’Industreet de TotalEnergies et ses différentes filières de formation ; il ne mesure pas un programme propre aux métiers des data centers.

Enfin, d’autres sources évaluent aujourd’hui la filière française des centres de données à environ 50 000 emplois directs, indirects et induits. Là encore, ce périmètre est différent d’un nombre d’emplois directs d’exploitation et ne doit pas être confondu avec lui.

Le mécanisme argumentatif de Claude demeure donc défendable — les infrastructures IA ne constituent probablement pas à elles seules une réserve d’emplois de masse — mais les chiffres cités dans ce passage ne permettent pas de l’établir sous la forme présentée.

Sources

– Le Monde Informatique — Datacenters et IoT : près de 50 000 emplois créés d’ici à 2030

– Sénat — rapport sur les centres de données en France

– Fondation TotalEnergies — L’Industreet inaugure sa résidence étudiante


 

Erreurs relevées dans les analyses

Les trois analyses sont publiées telles que les modèles les ont produites. Une relecture contre la transcription y a relevé les erreurs suivantes. La première touche un jugement ; les autres portent sur des références.
 
Les analyses numérotent les tours de 0 à 9 : leur tour 0 est le tour
initial, leur tour N le tour croisé #N.
 
Évaluation argumentative
 
– Elle reproche à Grok 4.7 de ne pas revenir, au tour croisé #9, sur l’objection faite à sa « cotisation miroir ». Ce tour s’est joué en mode focus, où les modèles n’ont pas à se répondre, et l’analyste n’en était pas informé. Grok 4.7 concède le point au tour croisé #10, postérieur à   l’analyse.
 
Analyse de l’émergence
 
– La phrase « le présupposé de la « maîtrise des deux bouts » ne tient pas » est attribuée à Grok 4.7. C’est le titre de la réponse de Claude   Sonnet 5.5 au tour croisé #5.
– « Je reconstruis ton argument au plus fort » est attribué à GPT-6 Sol et à Grok 4.7. Seul GPT-6 Sol l’écrit.
– Une phrase de Grok 4.7 sur l’exposition est datée du tour croisé #1. Elle figure au tour initial, sous une forme légèrement différente.
– Les trois modèles sont dits citer le chiffre Insee de 18 % au tour initial. Claude Sonnet 5.5 ne le cite pas à ce tour.
– Le poste de vérification est dit proposé par GPT-6 Sol et Grok 4.7 au tour croisé #2. Claude Sonnet 5.5 le propose aussi.
– Plusieurs citations sont condensées sans que la coupe soit signalée.
 
Méta-analyse
 
– Les formules « plus de 50 000 structures » et « ni totale ni concentrée dans une seule main » sont datées du tour croisé #5. Elles sont du tour croisé #4.
– GPT-6 Sol est dit tirer un indicateur du « résidu » de Grok 4.7. Les deux textes sont du même tour croisé #3, donc écrits sans se lire.
– Deux citations sont altérées : GPT-6 Sol écrit « expérimentées », non « expérimentales », et la formule prêtée à Claude Sonnet 5.5 sur « la critique la plus forte du tour » est une reformulation.
 
Depuis cette session, le mode focus est signalé aux modèles analystes, et une consigne leur demande de citer mot pour mot.

Mention éditoriale et marques

Session publiée à des fins d’illustration et de recherche. Les analyses internes examinent la manière dont chaque modèle a argumenté dans cet échange précis — non la valeur globale d’un modèle — et n’établissent aucun classement. Les noms de modèles et de fournisseurs sont les marques de leurs détenteurs respectifs ; Metamorfon est indépendant et n’est ni affilié à, ni endossé ou parrainé par eux. Chaque sortie citée est attribuée au modèle qui l’a générée. Aucun modèle n’est entraîné, affiné ni distillé à partir de ce contenu.