IA générative : les premiers changements du marché du travail sur les jeunes

Graphique 1 : Corrélation entre l’indice d’exposition à l’IA et l’usage effectif

Les recrutements réagissent avant l’emploi total

Les recrutements peuvent réagir à une transformation technologique avant que ses effets sur l’emploi total ne deviennent visibles. Une entreprise qui anticipe une baisse de ses besoins de travail peut limiter les nouvelles embauches ou ne pas remplacer certains départs, sans licencier les salariés déjà en poste. Cette marge d’ajustement est particulièrement pertinente en France où la rupture d’un CDI est davantage encadrée que dans plusieurs autres pays. Nous suivons donc séparément les embauches et les fins de contrat en CDI entre janvier 2019 et mars 2026.

Pour identifier les métiers où ces ajustements liés à l’IA générative sont les plus plausibles, nous construisons un indice d’exposition à partir du Répertoire opérationnel des métiers et des emplois de France Travail. Ce référentiel décrit plus de 1 500 métiers par les savoir-faire qu’ils mobilisent. Un modèle de langage évalue dans quelle mesure l’IA peut réaliser ou assister chacun de ces savoir-faire, en tenant compte de ce qui limite la substitution comme l’expertise tacite, la présence physique ou les interactions humaines. L’indice mesure une capacité technique potentielle et non l’usage effectif de l’IA par les entreprises. Toutefois, comme le montre le Graphique 1, la corrélation avec les données d’usage effectif de l’IA mesurées par Google Atlas est élevée.
 
Nous rapprochons ensuite cet indice des données administratives exhaustives sur les mouvements de main-d’œuvre et nous distinguons quatre groupes d’âge.

Le recul des embauches se concentre chez les plus jeunes

Une fois les métiers classés selon leur exposition à l’IA, l’écart apparaît nettement chez les 21-29 ans. En mars 2026, les embauches en CDI dans le quintile de métiers le plus exposé se situent environ 28 % sous leur niveau de novembre 2022, contre 8 % dans le quintile le moins exposé (Graphique 2). L’écart entre les deux trajectoires atteint ainsi une vingtaine de points de pourcentage. Il se réduit chez les 30-39 ans et les 40-49 ans, puis devient presque inexistant pour les salariés de 50 ans et plus (des résultats plus détaillés sont disponibles dans ce document de travail  Exposition des métiers à l’IA générative, adoption par les entreprises et dynamiques du marché du travail en France).

Les fins de contrat évoluent dans le même sens, même si leur recul est moins marqué que celui des embauches. Chez les 21-29 ans, elles se situent environ 23 % sous leur niveau de novembre 2022 dans le quintile le plus exposé, contre 6 % dans le quintile le moins exposé. La baisse simultanée des entrées et des sorties correspond à une moindre rotation de la main-d’œuvre. Comme les embauches reculent davantage que les fins de contrat, le renouvellement des effectifs ralentit, surtout du côté des jeunes et dans les métiers les plus exposés.

Les premières études disponibles à l’étranger donnent toutefois une image encore contrastée. Aux États-Unis, Brynjolfsson et al. (2026) trouvent eux aussi une dégradation relative de l’emploi des jeunes dans les métiers exposés, principalement par une baisse des recrutements. En Norvège, Hernæs et Kostøl (2026) ne détectent en revanche pas de recul relatif du quintile le plus exposé lorsqu’ils considèrent l’ensemble des métiers des jeunes salariés. Au Danemark, Humlum et Vestergaard (2026) observent surtout une réorganisation rapide des tâches, sans effet moyen détectable sur les heures travaillées ou les revenus. Ces différences invitent à distinguer les métiers, les marges d’ajustement et les institutions plutôt qu’à rechercher dès maintenant un effet moyen unique de l’IA sur l’emploi.

Graphique 2 : Embauches en CDI des 21-29 ans selon l’exposition à l’IA

Les recrutements de jeunes reculent davantage dans les entreprises qui qui déclarent un usage intensif de l’IA

L’indice d’exposition mesure ce que l’IA pourrait techniquement réaliser dans un métier, alors que l’enquête de conjoncture de la Banque de France renseigne sur son usage déclaré par les entreprises. En appariant les deux sources, nous suivons environ 6 000 entreprises, dont près de 600 déclarent un usage intensif de l’IA début 2026. Ces dernières recrutaient déjà avant ChatGPT dans des métiers plus exposés, y compris à secteur donné. L’adoption de l’IA n’est donc pas répartie au hasard entre les entreprises et dépend en partie de la nature des emplois qu’elles mobilisaient auparavant.

Lorsque l’on classe les entreprises selon l’intensité d’usage de l’IA qu’elles déclarent début 2026 ( selon l’enquête décrite par Genre et Parpais, 2026), les embauches en CDI des 21-29 ans ont évolué moins favorablement depuis fin 2022 chez les entreprises utilisatrices intensives que chez les autres entreprises, tandis que l’écart est beaucoup moins net aux âges plus élevés (Graphique 3). Leur emploi total ne présente en revanche pas de divergence statistiquement nette. Au sein même des entreprises utilisatrices intensives, les recrutements diminuent également davantage dans les métiers les plus exposés. L’ajustement observé porte donc davantage sur la composition et le rythme des recrutements que sur une contraction déjà visible des effectifs totaux.

Graphique 3 : Usage intensif de l’IA et embauches en CDI selon l’âge
 

La diffusion de l’IA coïncide avec d’autres changements du marché du travail

Le recul des recrutements juniors dans les métiers exposés intervient toutefois dans une période où plusieurs forces ont touché les mêmes emplois. Le resserrement monétaire et la correction post-Covid du secteur technologique ont pesé sur les embauches à partir de 2022, notamment dans des professions elles-mêmes fortement exposées à l’IA. Le télétravail (qui aurait un effet négatif aussi sur le recrutement des juniors) complique encore l’interprétation, car il concerne largement les mêmes catégories d’emplois et a profondément modifié leur organisation. L’IA, le télétravail et le cycle de l’emploi ne constituent donc pas nécessairement des explications concurrentes, puisqu’ils peuvent avoir affecté conjointement les mêmes entreprises et les mêmes tâches.

L’enquête de la Banque de France mesure par ailleurs l’intensité d’usage de l’IA seulement au début de 2026, alors que les écarts de recrutement apparaissent plusieurs trimestres auparavant. Les entreprises qui déclarent alors un usage intensif peuvent avoir commencé à adopter l’IA plus tôt, mais elles peuvent aussi se distinguer par des caractéristiques qui expliquent à la fois leur trajectoire de recrutement et leur adoption ultérieure. La comparaison renseigne donc sur l’association entre adoption déclarée et évolution des embauches, sans permettre encore de séparer l’effet propre de l’IA de la sélection des entreprises qui l’adoptent.

 
Le ralentissement des embauches peut modifier les débuts de carrière

Le ralentissement des recrutements juniors peut avoir des effets bien au-delà du nombre d’emplois non créés aujourd’hui. En effet, plusieurs travaux théoriques récents montrent que l’automatisation des tâches confiées aux débutants peut réduire l’apprentissage par la pratique et, à terme, l’accumulation du capital humain de demain (e.g., Asriyan et al., 2026 ; Afrouzi et al., 2026).

Nos résultats ne permettent pas d’établir que ce mécanisme est déjà à l’œuvre en France. Ils montrent toutefois que le recrutement des jeunes dans les métiers exposés, marge sur laquelle il pourrait apparaître en premier, a commencé à se contracter. Suivre seulement l’emploi total pourrait donc manquer une partie de l’ajustement si l’IA modifie d’abord le renouvellement des effectifs et la formation des travailleurs.