L’écart de genre face à l’IA est le plus fort sans diplôme

Un même métier peut être exposé à l’intelligence artificielle sans que chaque personne qui l’exerce soit exposée au même avenir. Une nouvelle analyse de l’emploi américain suggère que cette distinction devient difficile à ignorer. Dans les métiers où l’IA générative pourrait assister une plus grande part du travail, l’emploi des hommes a progressé plus vite que celui des femmes. L’écart est le plus marqué chez les personnes sans diplôme universitaire de quatre ans.

Cela ne prouve pas que l’IA a évincé des femmes. C’est un signal d’alerte sur la façon dont le changement technologique peut rencontrer un marché du travail inégalitaire. Si les employeurs automatisent les tâches administratives, la correspondance client et le traitement de l’information, concentrées dans certains métiers, qui aura la possibilité de passer vers le travail de plus grande valeur qui reste ?

Une fracture frappante dans les dernières données américaines sur l’emploi

Le 22 octobre 2026, le Pew Research Center a publié une analyse portant sur 480 groupes de métiers américains, à partir de données officielles sur l’emploi de 2017-2019 et de janvier 2023 à juin 2026. Les chercheurs ont comparé la croissance de l’emploi des hommes et des femmes au sein des métiers et vérifié si leurs écarts étaient plus importants dans les métiers davantage exposés à l’IA générative.¹

Pour chaque point supplémentaire sur l’échelle d’exposition à l’IA de Pew, établie par métier, l’emploi des hommes a progressé d’environ 6,3 %, contre seulement 0,2 % pour celui des femmes. L’échelle va de zéro à 3,5. Ces chiffres décrivent la relation entre l’exposition et la croissance de l’emploi selon les métiers et les périodes. Ce ne sont ni des taux de croissance annuels, ni la part de travailleurs remplacés par l’IA, ni l’effet de l’usage d’un chatbot par une personne.¹

Le niveau de formation révèle la fracture la plus lourde de conséquences. Parmi les travailleurs titulaires au plus d’un diplôme de fin d’études secondaires, chaque point d’exposition à l’IA supplémentaire était associé à une hausse de 8,8 % de l’emploi des hommes et à une baisse de 9,5 % de celui des femmes. Pour les personnes ayant fait des études supérieures sans obtenir de bachelor, les chiffres correspondants étaient de 3,6 % pour les hommes et de moins 6 % pour les femmes. Chez les titulaires d’un bachelor ou plus, Pew n’a constaté aucune variation statistiquement significative de l’emploi associée à une exposition croissante, ni pour les hommes ni pour les femmes.¹

Ce n’est pas une histoire où toutes les femmes perdent et tous les hommes gagnent. Les hommes sans diplôme sont très concentrés dans des métiers moins exposés, comme le transport, la construction et la manutention de fret ; relativement peu occupent les emplois plus exposés où l’étude a détecté leurs gains. Les femmes sans diplôme travaillent plus souvent dans des fonctions de secrétariat, d’accueil et de service client, où l’écriture, la tenue de dossiers et le traitement de l’information peuvent être assistés par l’IA. La répartition des métiers compte autant que la technologie.

L’exposition mesure des tâches, pas un nombre de licenciements

La mesure de Pew repose sur les descriptions d’activités professionnelles O*NET du département américain du Travail. Les chercheurs ont classé 16 activités, dont l’analyse d’informations, la rédaction, le conseil et la documentation, comme fortement exposées à l’IA générative. Neuf activités exigeant un travail physique ou en présence, comme la réparation d’équipements et le déplacement d’objets, ont été classées comme moins exposées. Les 16 activités restantes ont été exclues du calcul de l’exposition.¹²

Cette construction est utile pour repérer où l’IA pourrait modifier le travail. Elle ne peut pas montrer si un employeur donné a acheté un outil d’IA, s’il a remplacé un salarié ou si la qualité du travail s’est améliorée. Un métier peut obtenir un score élevé parce que ses tâches peuvent techniquement être assistées, même si des règles de confidentialité, les clients, le coût ou les pratiques de gestion empêchent l’automatisation. À l’inverse, un métier relativement peu exposé aujourd’hui peut encore évoluer sous l’effet de la robotique ou d’autres technologies.

Pew a exclu 2020-2022, car la pandémie a faussé les schémas d’emploi. Son annexe technique mentionne environ quatre millions d’enregistrements d’enquête, des résultats de régression pondérés par l’emploi par métier avant la pandémie et des erreurs standard regroupées par métier. Quatre des cinq mesures d’exposition ont produit un écart de genre d’environ cinq à sept pour cent par écart-type ; la mesure propre à la génération d’images fait exception.² Cette robustesse justifie de prendre l’association au sérieux, mais elle ne transforme pas une comparaison observationnelle en expérience causale.

Des gels d’embauche, des évolutions de la demande des consommateurs, des restructurations sectorielles, des parcours de formation et des changements dans les entrées et sorties de la population active pourraient aussi y contribuer. Un dirigeant ne peut pas, de façon responsable, traduire ces chiffres en affirmant que l’IA a supprimé tel pourcentage d’emplois féminins. La conclusion la plus solide est que les inégalités d’emploi existantes méritent l’attention des entreprises lorsqu’elles repensent le travail exposé à l’IA.

Pourquoi l’écart d’opportunités peut compter plus que le taux d’automatisation

Prenons l’exemple hypothétique d’une association régionale dotée d’une petite équipe administrative. Une salariée gère la correspondance, la prise de rendez-vous et des rapports de base. L’IA pourrait raccourcir le temps nécessaire pour rédiger des réponses et assembler des synthèses de routine. L’organisation pourrait réagir en réduisant les heures, en augmentant le volume de services ou en confiant à la salariée davantage de responsabilité sur les cas sensibles, la relation avec les donateurs et le contrôle qualité. La même technologie produit trois issues très différentes pour l’emploi et l’apprentissage.

La question décisive est de savoir si la personne a accès à la formation, à des outils de confiance et à des occasions supervisées d’assumer le travail de plus grande valeur. Une collègue qui possède déjà une qualification professionnelle peut être invitée à redessiner le processus. Une personne recrutée pour des tâches administratives risque d’être jugée uniquement sur le temps gagné. Sans progression délibérée, l’automatisation peut retirer les tâches pour lesquelles le poste actuel est valorisé, tout en laissant le poste suivant hors d’atteinte.

Cette possibilité explique aussi pourquoi « tout le monde a besoin de compétences en IA » est une stratégie de main-d’œuvre insuffisante. Une réceptionniste n’a pas forcément besoin de devenir ingénieure en machine learning. Elle peut avoir besoin d’apprendre à vérifier des messages rédigés avec l’aide de l’IA, à repérer les risques de confidentialité, à traiter les cas exceptionnels et à communiquer clairement avec des personnes dont les besoins ne rentrent pas dans un modèle. Ces capacités devraient être reconnues comme du vrai travail, avec du temps pour les acquérir et un chemin vers davantage de responsabilité.

Les données internationales justifient la vigilance, pas une prédiction universelle

L’indice mondial d’exposition professionnelle 2025 de l’Organisation internationale du Travail (OIT) a constaté que, dans les pays à revenu élevé, 9,6 % de l’emploi féminin se trouvait dans des métiers présentant le plus fort potentiel d’automatisation par l’IA générative, contre 3,5 % de l’emploi masculin. Le travail administratif ressortait nettement. L’OIT a aussi souligné que l’exposition signale en général une transformation probable des tâches plutôt que la disparition automatique de métiers entiers.³ Ces chiffres mondiaux mesurent une exposition potentielle, pas les évolutions de l’emploi américain mesurées par Pew, et ne doivent pas être traités comme la même statistique.

Une autre enquête de Pew, publiée le 16 octobre 2026, ajoute une couche. En février, 47 % des Américaines et 50 % des Américains disaient avoir déjà utilisé des chatbots d’IA, un écart d’accès relativement faible à ce niveau général. Pourtant, l’usage quotidien était plus courant chez les hommes, 27 % contre 20 %, et les femmes étaient moins nombreuses à dire que les chatbots amélioraient leur productivité.⁴ Ce sont des attitudes et des comportements déclarés, pas une explication directe de l’écart d’emploi. Ils remettent toutefois en cause l’idée que proposer un outil revient à offrir à tous la même chance d’en tirer profit.

Aucune des deux études n’établit qu’un programme de formation donné réduirait l’écart. Il faut encore des preuves sur les interventions qui fonctionnent, pour qui et sur quelle durée. Les schémas d’emploi américains ne peuvent pas non plus être transposés automatiquement à l’Europe, où les structures professionnelles, le droit du travail, les modes de garde d’enfants et les filières professionnelles diffèrent. Les conclusions internationales de l’OIT justifient de poser des questions similaires ailleurs, pas de supposer des réponses identiques.

Ce qu’un petit employeur peut tester avant que les métiers ne changent

La réponse pratique n’est pas d’attribuer un score de risque fondé sur le genre aux salariés. Elle consiste à examiner comment le travail et les opportunités sont répartis. Commencez par les tâches les plus susceptibles de changer, puis identifiez qui les réalise, qui a été formé aux outils d’IA approuvés, qui vérifie les résultats et à qui l’on propose les nouvelles responsabilités qui en découlent. Analysez les constats par poste et par type de contrat, et examinez si la participation à la formation ou à la promotion diffère selon les groupes, sans prendre de décisions d’emploi automatisées sur des individus.

Ensuite, menez un pilote supervisé dans lequel les personnes qui effectuent le travail de routine aident à concevoir le processus amélioré. Mesurez le temps gagné en parallèle des taux d’erreur, de l’expérience client, de la charge d’escalade et des compétences que les salariés peuvent démontrer sans assistance. Donnez aux personnes un objectif de développement explicite plutôt qu’un simple objectif de productivité. Dans une petite association, cela peut signifier passer de la correspondance standard au traitement de demandes complexes de bénéficiaires ; dans une entreprise de services, passer de l’enregistrement des demandes au diagnostic et à la résolution des cas exceptionnels.

Enfin, demandez qui bénéficie du temps libéré. Est-il réinvesti dans un meilleur service, dans la formation et la mobilité interne, ou capté uniquement sous forme de réduction des coûts de main-d’œuvre ? Les deux peuvent être des choix d’entreprise légitimes, mais leurs conséquences sur la future main-d’œuvre diffèrent. Si seuls les salariés les plus diplômés se voient proposer une évolution, un projet d’efficacité par l’IA peut renforcer en silence une fracture qu’il n’avait jamais cherché à créer.

Les dernières données ne montrent pas que l’IA a provoqué une crise de l’emploi selon le genre. Elles montrent que les personnes les mieux placées pour tirer parti du changement lié à l’IA ne sont peut-être pas celles dont les tâches actuelles sont les plus exposées. Pour les dirigeants, le test n’est plus seulement de savoir si l’automatisation fonctionne. C’est de savoir si la voie d’un poste qui change vers un meilleur poste est réellement ouverte.

Comment hilighter peut aider

Quand l’IA change les tâches de façon inégale, les organisations ont besoin de postes, de compétences et de progression visibles - pas seulement d’indicateurs d’efficacité. hilighter aide les équipes à cartographier les compétences par métier, à comparer les personnes aux exigences via Compétences et talents, à reconnaître les preuves de compétence dans Preuves et reconnaissance des compétences, à définir des parcours de développement personnalisés, et à explorer une vision indicative de l’impact potentiel de l’IA sur les métiers. Une offre gratuite couvre jusqu’à trois métiers.

Sources

1. Smith, N., Pew Research Center, Men Are Experiencing More Job Growth Than Women in AI-Exposed Occupations, 22 octobre 2026.
2. Pew Research Center, Technical Appendix, 22 octobre 2026.
3. Organisation internationale du Travail, Generative AI at Work: What It Means for Jobs in Europe and Beyond, 29 septembre 2025.
4. Anderson, M. et Park, E., Pew Research Center, The Gender Gap in AI, 16 octobre 2026.

Dernière vérification des sources : 27 octobre 2026. Les chiffres de Pew sont des associations observationnelles entre l’exposition professionnelle à l’IA et la croissance de l’emploi, pas des estimations causales de licenciements liés à l’IA. Les chiffres de l’OIT mesurent une exposition potentielle des tâches, pas les mêmes évolutions de l’emploi américain.