Perte d’emploi et IA : la recherche s’allonge

Un rapport national sur l’emploi répond à une question nationale. La personne dont le poste vient de disparaître en a une autre : combien de temps avant un emploi stable, et cet emploi utilisera-t-il les compétences déjà construites ? Une recherche récente de Goldman Sachs suggère que l’attente mérite autant d’attention que le total affiché.

Nous avons déjà séparé les tâches qui changent à l’intérieur d’un métier d’un métier qui disparaît, et une baisse d’effectifs de la preuve que l’IA a remplacé chaque poste. Cet article pose la question suivante. Une fois le poste parti, combien de temps dure le retour ?

Un total d’emplois ne répond pas à cette personne

Le 30 octobre 2026, Fortune a rendu compte d’une note client de Goldman Sachs signée par l’économiste Pierfrancesco Mei. Les salariés déplacés de métiers exposés à l’IA depuis 2025 ont mis environ un mois de plus que les autres salariés déplacés à retrouver un emploi. Ils avaient aussi environ 10 points de pourcentage de plus de chances d’être encore au chômage un an plus tard. Mei a décrit ces effets comme comparables, en ordre de grandeur, aux vagues antérieures de changement technologique, et a qualifié les dégâts de ces vagues antérieures de durables.¹

Axios, le 3 novembre, rapporte le même ordre de résultat pour les salariés les plus probablement déplacés par l’IA en 2025 : environ un mois de plus que les autres personnes licenciées, et environ 10 points de pourcentage de plus de chances d’être encore au chômage un an après la perte.² Les deux récits ne disent pas la fenêtre de la même façon (depuis 2025, ou en 2025). Ils décrivent la même note. Aucun des deux n’est un décompte public de personnes dont l’employeur a démontré le remplacement par l’IA.

L’écart d’âge fait partie du même récit. Les 35 ans et plus ont mis environ cinq semaines de plus que les autres salariés déplacés à revenir à un temps plein. Les moins de 35 ans, environ trois semaines de plus.¹² Mei écrit que les plus jeunes peuvent s’adapter avec plus de souplesse à la disruption par l’IA. Fortune indique aussi que Goldman n’a pas trouvé d’écart significatif entre les groupes scorés pour les pertes d’emploi d’avant 2023.¹

La dernière ligne vient d’Axios. Parmi les salariés déplacés de métiers exposés à l’IA qui ont retrouvé un emploi en 2025, environ trois quarts sont allés vers des professions d’exposition similaire ou plus forte, contre un peu plus de la moitié en 2023.² Un nouvel emploi peut remettre la personne dans le même type d’exposition.

L’attente plus longue est un score, pas un recensement

Le supplément sur les travailleurs déplacés de la Current Population Survey ne demande pas si l’IA a causé la perte. Fortune indique que Goldman a analysé plus de 15 000 salariés déplacés ayant perdu un emploi entre 2016 et 2025, y compris le nouveau supplément 2023-2025. Goldman a construit un score à partir de l’exposition du métier à l’IA, du taux d’adoption dans le secteur et du fait que le poste a été supprimé, puis a traité les 30 % les plus élevés comme probablement déplacés par l’IA.¹ Axios décrit les mêmes ingrédients : métier, adoption sectorielle et circonstances de la perte, y compris la suppression du poste.²

Cette méthode est une raison de prendre le résultat au sérieux et une raison de refuser un slogan. « Probablement déplacé par l’IA » signifie un score élevé sur une mesure construite. Cela ne signifie pas qu’un enquêteur a relu chaque lettre de licenciement. Fortune dit que Goldman juge encore trop tôt d’évaluer l’effet selon le diplôme et la géographie.¹ La note client n’est pas un document public. Les chiffres ci-dessus sont des comptes rendus de presse.

La comparaison historique est un autre texte, et elle doit rester étiquetée comme de l’histoire. Goldman Sachs Research a publié « How Automation Impacts the Lives and Careers of Displaced Workers » le 11 septembre 2026, pas en octobre. Le texte porte sur des vagues d’automatisation antérieures. Les salariés déplacés par la technologie ont mis environ un mois de plus à retrouver un emploi que les personnes dans des métiers stables ou en expansion, et ont subi des pertes de salaire réel supérieures de trois points de pourcentage lors du retour à l’emploi, pour un passage d’un temps plein à un autre. Dix ans après, leurs salaires réels restaient plus bas que ceux de salariés comparables ayant perdu un emploi dans des métiers non perturbés. Ceux qui ont passé au moins quatre semaines en reconversion dans les trois ans suivant la perte ont obtenu environ deux points de pourcentage de croissance cumulée du salaire réel en plus sur la décennie suivante, par rapport à leurs pairs sans reconversion, et étaient moins susceptibles de retomber au chômage.³

Ce chiffre sur la reconversion est une association dans des données historiques. Ce n’est pas une démonstration randomisée qu’une formation précise a causé le gain. C’est tout de même une raison pratique de traiter le soutien à la transition comme quelque chose à mesurer, plutôt que comme un geste d’adieu.

Un octobre solide ne ferme pas l’écart

Les deux récits peuvent être vrais la même semaine. Le 6 novembre 2026, le Bureau of Labor Statistics des États-Unis a indiqué que l’emploi salarié non agricole total avait augmenté de 165 000 en octobre, au-dessus du gain mensuel moyen de 48 000 sur les douze mois précédents. Le taux de chômage a peu varié, à 4,1 %. Le nombre de chômeurs, 7,1 millions, a aussi peu varié. L’emploi a augmenté dans les services professionnels et aux entreprises, dans la santé, et dans le transport et l’entreposage.⁴

Une publication sur les effectifs décrit l’emploi dans l’ensemble de l’économie. La comparaison de Mei décrit des personnes qui ont déjà perdu leur emploi et qui ont été scorées comme probablement déplacées par l’IA. Un mois global solide ne prouve pas que l’IA a créé les gains, et il ne réfute pas une recherche plus longue dans certains métiers. De nouveaux emplois dans la santé ou l’entreposage ne sont pas automatiquement l’étape suivante pour un commis aux comptes ou un analyste junior.

Goldman avait déjà séparé substitution et augmentation dans une note d’avril. L’article public du 24 avril 2026 dit que l’IA a réduit la croissance mensuelle de l’emploi salarié américain d’environ 16 000 postes sur l’année écoulée et relevé le taux de chômage de 0,1 point de pourcentage, tandis que les métiers à potentiel d’augmentation ajoutaient environ 9 000 à la croissance mensuelle. Elsie Peng écrit que l’effet agrégé était probablement plus faible que ces estimations, parce qu’elles ne captent pas pleinement les embauches pour la construction de centres de données ni la demande supplémentaire liée aux gains de productivité.⁵ Le récit de Fortune du 6 avril sur la même note ajoute la ventilation que la page publique n’imprime pas : une substitution d’environ 25 000 emplois par mois, l’augmentation en ramenant environ 9 000.⁶ Les deux textes disent que le résultat vient d’un modèle, pas d’un recensement des licenciements causés par l’IA.

Le message utile est la coexistence des pertes et des nouvelles embauches, pas le résidu exact. Une entreprise qui automatise le rapprochement de factures peut embaucher des conseillers clients ou des spécialistes des données. Aucune de ces vacances ne convient automatiquement à la personne qui connaissait les exceptions, les clients et les cas limites réglementaires. Nous avons fait le même constat lorsque de nouveaux emplois d’infrastructure IA se sont révélés ne pas être un plan de transfert.

Le risque oublié est l’échelle du métier

Une transition n’est pas un tutoriel logiciel. Un assistant administratif peut avoir du jugement sur les exceptions, la confidentialité et les relations clients, alors que le marché de l’embauche affiche désormais un rôle technique plus étroit. Un analyste junior peut voir disparaître la rédaction d’entrée de carrière avant d’avoir eu assez d’occasions d’apprendre à contester une hypothèse. Un salarié expérimenté peut détenir une connaissance du domaine et manquer encore d’une preuve qu’un nouvel employeur acceptera.

Le chiffre de réemploi d’Axios a sa place ici. Si environ trois quarts des personnes quittant des métiers exposés à l’IA en 2025 sont allées vers des professions d’exposition similaire ou plus forte, alors « avoir retrouvé un emploi » n’est pas la même chose que « avoir quitté le risque ».² La recherche de septembre décrit une version plus ancienne de ce glissement : les salariés déplacés par la technologie étaient plus susceptibles de passer à un travail plus routinier et moins complexe, parce que le changement qui a coupé l’emploi avait aussi coupé la valeur de marché des compétences.³

La réponse pratique n’est pas une consigne générique de devenir expert en IA. C’est une carte courte : ce que la personne sait déjà faire, quelle preuve le montre, et ce que deux ou trois rôles proches exigent vraiment.

Ce qu’un petit employeur peut faire d’abord

Imaginez une organisation de services d’environ 70 personnes qui introduit un traitement de documents assisté par IA. Six coordinateurs vérifient des dossiers, corrigent des enregistrements, parlent aux clients et font remonter les cas inhabituels. Si le temps de traitement baisse, la direction peut réduire les effectifs, absorber plus de demande, raccourcir les délais ou reconvertir les coordinateurs vers le contrôle qualité et le soutien client. Le meilleur choix dépend de la charge, des taux d’erreur, de l’argent et de ce que les salariés veulent. Cette scène est une illustration. Ce n’est pas une entreprise enquêtée.

Mesurez les tâches avant d’annoncer un objectif d’effectifs. Pendant quatre à six semaines, notez les volumes, les taux d’exception, les reprises, le temps de remontée et les résultats clients. Séparez le temps qui a vraiment disparu du travail qui a changé d’équipe. Préparer un document plus vite n’est pas la même chose que résoudre un dossier plus vite.

Construisez ensuite une carte de transition pour chaque rôle touché. Listez les compétences démontrées : validation de données, connaissance du processus, communication client, jugement réglementaire. Comparez-les aux tâches et aux preuves que deux ou trois rôles de destination réalistes exigent. Un rôle de contrôle qualité peut demander de l’échantillonnage et des notes d’audit. Un rôle client peut demander de la négociation et une expérience de compte. Écrivez les écarts. N’appelez pas chaque écart « compétences IA ».

Proposez une pratique rémunérée sur du travail réel, avec une supervision à la hauteur du risque. Un court atelier de prompt peut augmenter la confiance. Il ne montre pas qu’une personne sait relire un enregistrement produit par l’IA avec une grille de qualité, documenter une erreur récurrente ou traiter une exception client simulée. Ces productions sont un portfolio. Un certificat de présence n’en est pas un.

Regardez si le nouveau rôle dure. Suivez le placement interne, la rétention à six et douze mois, les changements de salaire, le fait que le mouvement était un choix, et la qualité. Déplacer quelqu’un vers un nouveau titre pour quelques semaines n’est pas un transfert achevé. Si la réaffectation est impossible, l’aide à la recherche d’emploi et le temps de formation restent un soutien réel. Dites clairement ce que l’employeur ne peut pas promettre.

Si l’organisation est dans l’UE et utilise un système d’IA pour choisir qui est licencié, ou pour filtrer qui est sélectionné pour un rôle restant, cet usage peut relever de l’annexe III, point 4, du règlement sur l’IA. Le point 4 a) couvre le recrutement et la sélection, y compris le filtrage des candidatures et l’évaluation des candidats. Le point 4 b) couvre les décisions qui affectent les conditions d’une relation de travail, y compris la promotion ou la cessation, et le suivi de la performance. Le service desk de la Commission sur le règlement indique que les règles à haut risque de l’annexe III s’appliquent à partir du 2 décembre 2027.⁷⁸ Cette date n’est pas un conseil juridique, et une carte des compétences n’est pas elle-même ce système. C’est une raison de garder une trace humaine de ce que les personnes savent faire avant qu’un outil ne les classe.

Une formation ne crée pas la demande

Les organisations sociales, les instances emploi et les organismes de formation locaux peuvent faire ce qu’une petite entreprise seule ne peut souvent pas : réunir des employeurs autour d’une transition partagée, vérifier de courtes démonstrations de compétence et relier des personnes à des projets supervisés. Cela compte surtout pour celles et ceux qui ne peuvent pas financer des mois de reconversion non rémunérée ni changer de bassin d’emploi.

Une formation bien conçue ne peut toujours pas fabriquer la demande pour un métier qui se contracte. Publiez les taux de placement, les salaires et les emplois que les personnes formées obtiennent vraiment. Jugez la formation sur ces résultats, pas sur le nombre de modules d’IA dans le catalogue.

Comment hilighter peut aider

La décision que cette recherche soutient est plus étroite que « l’IA créera-t-elle plus d’emplois qu’elle n’en détruit ? ». Quelles tâches changent ici, qui porte le risque, quel travail adjacent existe, et qu’est-ce qui rendrait ces salariés des candidats crédibles ?

hilighter aide une équipe à cartographier les compétences par rôle, à comparer les personnes à ces exigences dans Compétences et talents, à garder une preuve de capacité dans Reconnaissance des acquis et à définir des parcours de développement. La vue Impact de l’IA sur les métiers est indicative. Ce n’est pas le score de Mei, et ce n’est pas une prédiction qu’un rôle disparaîtra. Une offre gratuite couvre jusqu’à trois rôles, avec un nombre illimité de salariés.

Sources

1. Fortune, Nick Lichtenberg, Goldman says AI layoffs are starting to look long-lasting, 30 octobre 2026. Compte rendu d’une note client de Goldman Sachs de Pierfrancesco Mei. La note elle-même n’est pas publique.
2. Axios, Courtenay Brown, AI job displacement is looking extra painful, 3 novembre 2026.
3. Goldman Sachs Research, How Automation Impacts the Lives and Careers of Displaced Workers, 11 septembre 2026. Automatisation historique, y compris la comparaison sur la reconversion. Lu le 9 novembre 2026.
4. U.S. Bureau of Labor Statistics, The Employment Situation, October 2026, communiqué USDL-26-1632, 6 novembre 2026. L’emploi a augmenté de 165 000 ; le taux de chômage a peu varié, à 4,1 %.
5. Goldman Sachs Research, The Jobs AI Is Likely to Boost, and Those It May Disrupt, 24 avril 2026. Estimation nette de l’emploi et chiffre d’augmentation. Lu le 9 novembre 2026. Le titre officiel utilise un tiret long ; cette citation ne le reproduit pas.
6. Fortune, Nick Lichtenberg, AI is cutting 16,000 U.S. jobs a month, Goldman Sachs says, 6 avril 2026. Le chiffre de substitution d’environ 25 000 figure dans ce compte rendu de la note d’Elsie Peng.
7. Commission européenne, AI Act Service Desk, annexe III, point 4. Lu le 9 novembre 2026.
8. Commission européenne, AI Act Service Desk, When does enforcement start?. Les règles à haut risque de l’annexe III s’appliquent à partir du 2 décembre 2027. Lu le 9 novembre 2026.

Sources relues le 9 novembre 2026. Les durées d’octobre sont des comptes rendus de presse d’une note client, pas une diffusion publique de microdonnées. Les chiffres d’emploi d’avril viennent d’un modèle. L’organisation de 70 personnes est illustrative. Ceci n’est pas un conseil juridique. Traduction assistée par IA : une relecture native reste nécessaire.