Comment évaluer les affirmations sur la croissance de l’IA et l’emploi

Les affirmations sur une croissance tirée par l’IA condensent souvent plusieurs propositions différentes en une phrase : un outil améliore une tâche, une entreprise produit davantage, l’investissement crée des emplois et la société devient plus prospère. Chaque étape peut être plausible sans démontrer la suivante. Une évaluation sérieuse les sépare, nomme la population concernée et demande quelles preuves distingueraient un gain durable d’un coût déplacé.

La nécessité de cette discipline apparaît dans l’agenda de l’IA du G20 pour 2026. Les ministres ont relié la recherche, la commercialisation, l’enseignement technique, l’infrastructure numérique et l’investissement industriel par des objectifs volontaires. Le cadre a fixé une orientation, mais il n’a fourni ni mécanisme de financement contraignant, ni calendrier commun, ni système complet de mesure des résultats sur le marché du travail. Cette lacune est utile au-delà d’une seule réunion : les engagements politiques, les annonces d’entreprises et les prévisions de marché sont des éléments d’une évaluation, et non des preuves de résultats.

Ce guide propose un cadre en cinq parties pour examiner la productivité, l’exposition, les coûts de transition, l’infrastructure et la répartition. Il peut servir à un programme public, à un déploiement d’IA en entreprise, à une proposition d’investissement, à une initiative de formation ou à une affirmation publique sur l’emploi.

Commencer par transformer l’affirmation en test

Avant d’examiner une statistique, reformulez l’affirmation en termes opérationnels. Identifiez l’intervention, la comparaison, la période, le groupe concerné et le résultat proposé. « L’IA créera des emplois » est trop large pour être testé. « Un programme financé de centres de données produira, sur trois ans, un nombre déclaré d’emplois locaux dans la construction et un plus petit nombre de postes permanents d’exploitation » est testable. De même que : « L’assistance de l’IA réduira le temps nécessaire à un flux de travail défini sans augmenter les taux d’erreur ni le travail de reprise non rémunéré. »

Conservez prévisions, engagements, activité et résultats dans des colonnes distinctes. Un investissement annoncé n’est pas une dépense contractée ; une dépense contractée n’est pas une capacité installée ; une capacité installée n’est pas une utilisation productive. L’inscription à une formation n’est pas son achèvement, et l’achèvement n’est pas le placement. La capacité d’un modèle à réaliser une partie d’une tâche ne prouve pas qu’une profession a disparu.

Identifiez aussi le contrefactuel. La productivité peut s’améliorer grâce à l’IA, à la refonte des processus, à une demande plus forte, à de nouveaux employés ou à plusieurs changements à la fois. L’emploi sur un site d’infrastructure peut augmenter alors que le recrutement de débutants de bureau diminue ailleurs. Sans comparaison — une référence antérieure, une unité semblable ou un objectif convenu — l’évaluateur ne peut pas attribuer le changement avec confiance.

Test 1 : la productivité d’une tâche devient-elle une valeur organisationnelle ?

Commencez au niveau le plus étroit étayé par les preuves. Mesurez une tâche définie avant d’affirmer quoi que ce soit sur un rôle, une entreprise, un secteur ou une économie. Parmi les mesures utiles figurent le temps d’achèvement, le débit, la qualité, l’effort de correction et la part des résultats exigeant une escalade humaine. Un premier brouillon plus rapide n’est pas un gain de productivité si la vérification et la réparation consomment le temps économisé.

Ensuite, suivez le chemin des économies au niveau de la tâche dans l’organisation. La direction peut employer le temps gagné à augmenter la production, améliorer le service, réduire les arriérés, raccourcir le temps de travail ou réduire les effectifs. Ces choix produisent des effets économiques et sur la main-d’œuvre différents, même lorsque le même outil fonctionne tout aussi bien. Consignez la voie que les dirigeants prévoient de suivre et le résultat qui s’ensuit réellement.

Les mesures au niveau de l’entreprise doivent associer production, qualité et coût. Suivez le travail achevé, les taux d’erreur ou d’incident, les résultats clients, les heures de travail, les coûts des services d’IA et le coût de la supervision. Lorsqu’une affirmation s’étend à l’économie, exigez des preuves supplémentaires, telles que la création durable d’entreprises, l’investissement, les salaires et la production — pas un ensemble de démonstrations isolées.

La question essentielle est causale et pratique : l’IA a-t-elle aidé l’organisation à créer davantage de valeur utile avec les ressources consommées, ou a-t-elle simplement déplacé le travail vers la révision, l’infrastructure ou un autre service ?

Test 2 : l’affirmation sur la main-d’œuvre porte-t-elle sur l’exposition, la transformation ou le déplacement ?

Ces termes ne sont pas interchangeables. L’exposition signifie que l’IA peut effectuer certaines activités au sein d’une profession. La transformation signifie que la combinaison des tâches change. Le déplacement signifie que la demande de travailleurs diminue ou que des travailleurs perdent leur poste. La création d’emplois concerne un flux différent et peut survenir dans d’autres professions ou d’autres lieux.

L’indice mondial affiné de l’Organisation internationale du Travail illustre cette distinction. Son analyse de 2025 a constaté qu’un travailleur sur quatre occupait une profession présentant une certaine exposition à l’IA générative, tandis que 3,3 pour cent de l’emploi mondial relevaient de la catégorie d’exposition la plus élevée. Elle a conclu que la transformation était plus probable que le remplacement complet, car la plupart des professions contiennent encore des tâches nécessitant une participation humaine. Ces constats constituent une base d’enquête, non une prévision selon laquelle chaque employeur exposé adoptera l’IA de la même manière.

Ventilez les preuves par profession, tâche, groupe de revenu, genre, région, ancienneté et type de contrat. L’OIT a relevé une exposition de 34 pour cent dans les pays à revenu élevé et de 11 pour cent dans les pays à faible revenu, ainsi qu’une représentation plus élevée des femmes dans la catégorie d’exposition maximale. Un pourcentage agrégé peut donc dissimuler des risques et des possibilités sensiblement différents.

Observez les flux plutôt qu’un seul total d’emploi : embauches, postes vacants, promotions, heures, salaires, licenciements, maintien en emploi et mobilité entre professions. Accordez une attention particulière aux postes de début de carrière. Une organisation peut éviter les licenciements tout en réduisant le recrutement de juniors, affaiblissant ainsi la voie par laquelle les futurs travailleurs acquièrent de l’expérience.

Test 3 : les coûts de transition sont-ils inclus dans le calcul ?

La formation est souvent présentée comme le pont entre l’exposition et l’opportunité, mais un cours n’est qu’une partie d’un système de transition. Les travailleurs peuvent aussi avoir besoin de titres reconnus, de prérequis, de temps, de garde d’enfants, de transport, d’équipement, d’apprentissage et d’employeurs ayant de véritables postes vacants. Un programme conçu pour des techniciens de centres de données ne servira pas automatiquement un employé administratif dont les tâches évoluent.

Évaluez la formation comme une séquence : profession ciblée, accès, inscription, achèvement, reconnaissance des titres, placement, progression salariale et maintien en emploi. Indiquez à quel stade les participants quittent la séquence. Les taux d’achèvement seuls ne peuvent pas montrer si le programme relie les personnes à une demande durable.

Incluez la géographie et le calendrier. Le travail d’infrastructure peut apparaître près d’usines, de grappes de centres de données, de systèmes électriques ou d’universités, tandis que le déplacement lié aux logiciels peut survenir ailleurs. Les rôles de construction peuvent être temporaires ; les rôles d’exploitation peuvent être moins nombreux et plus spécialisés. La reconversion a une valeur limitée lorsqu’un nouveau rôle arrive dans une autre région ou après la fin du soutien au revenu d’un travailleur.

Attribuez explicitement les responsabilités de transition. Les employeurs peuvent divulguer les exigences de compétences qui changent et offrir du temps d’apprentissage rémunéré. Les organismes de formation peuvent aligner les titres sur des postes vacants nommés. Les gouvernements peuvent financer l’accès et suivre la mobilité. Si une proposition promet l’adaptation sans dire qui paie, qui embauche et quand l’aide devient disponible, son argument sur l’emploi est incomplet.

Test 4 : l’infrastructure peut-elle soutenir la croissance projetée ?

L’IA n’est pas seulement un logiciel. Les affirmations de croissance peuvent dépendre des puces, des serveurs, des centres de données, du refroidissement, de l’équipement électrique, des raccordements au réseau, de la main-d’œuvre de construction, du financement et des permis. La capacité à un niveau ne supprime pas les goulots d’étranglement à un autre.

L’énergie mérite son propre registre. L’Agence internationale de l’énergie prévoit une consommation mondiale d’électricité des centres de données d’environ 945 térawattheures en 2030, soit plus du double du niveau actuel et un peu moins de 3 pour cent de la demande mondiale d’électricité. Elle prévoit une croissance annuelle d’environ 15 pour cent de 2024 à 2030 et désigne l’IA comme le facteur le plus important, aux côtés d’autres services numériques. Ce sont des projections mondiales ; les effets locaux dépendent du lieu où la demande se concentre et des capacités de production et de transport disponibles.

Pour un projet ou une politique, documentez la capacité de calcul attendue, la demande totale d’électricité, les dates de raccordement, les phases de construction, les besoins de refroidissement ou d’eau et la responsabilité des mises à niveau. Séparez l’efficacité par serveur ou requête de modèle de la demande totale. Une consommation unitaire moindre peut coexister avec une consommation agrégée plus élevée lorsque le déploiement s’étend.

Examinez ensuite les effets locaux. Qui paie les mises à niveau du réseau ou des infrastructures publiques ? Que se passe-t-il si les raccordements ou les permis sont retardés ? Les emplois de construction sont-ils comptés séparément des postes permanents d’exploitation ? Une estimation de croissance crédible inclut le calendrier physique et les coûts pour la communauté, au lieu de traiter la capacité de calcul comme immédiatement disponible.

Test 5 : qui reçoit les gains et qui supporte le risque ?

La productivité globale peut augmenter alors que ses bénéfices restent concentrés. Évaluez au moins quatre bénéficiaires : les travailleurs, les employeurs, les clients et les communautés qui accueillent l’infrastructure. Pour les travailleurs, examinez les salaires, les heures, la qualité de l’emploi, le pouvoir de négociation et la mobilité professionnelle. Pour les employeurs, mesurez la production, le coût, la résilience et les nouveaux revenus. Pour les clients, examinez le prix, l’accès, la qualité et les voies de recours. Pour les communautés, incluez l’emploi, les avantages fiscaux, la pression sur l’énergie ou l’eau et les coûts publics.

La répartition s’applique aussi aux défaillances. Dans l’emploi, l’éducation, les soins de santé ou les services publics, une décision assistée par l’IA peut toucher des personnes qui n’ont pas choisi le système. Les objectifs du G20 appellent à une adoption sûre, fiable et digne de confiance tout en permettant des approches nationales souples. Un évaluateur doit traduire ces principes en contrôles nommés : règles d’accès, conservation des sources, examen humain, responsabilité des erreurs et voie de contestation des décisions importantes.

Ne compensez pas des effets dissemblables dans un seul chiffre d’emplois. Un nouveau travail de construction n’annule pas la perte d’un poste de bureau pour un travailleur particulier. Un gain national ne prouve pas qu’une communauté d’accueil s’en porte mieux. Présentez d’abord les bénéfices et les coûts par groupe ; n’agrégez qu’une fois la répartition visible.

Construire un tableau de bord des preuves

Pour chaque affirmation majeure, consignez la référence, la cible, le responsable des données, l’intervalle de rapport et le niveau de confiance. Étiquetez les preuves comme prévision, engagement, activité, résultat intermédiaire ou résultat. Cette taxonomie simple empêche de comparer directement un communiqué de presse à un emploi ou une productivité mesurés.

Utilisez des indicateurs appariés pour révéler les arbitrages : production avec taux d’erreur, temps économisé avec effort de révision, achèvement de formation avec placement, investissement avec capacité opérationnelle, emplois créés avec durée des emplois et efficacité par unité avec demande énergétique totale. Notez les données manquantes plutôt que de combler les lacunes par des hypothèses.

Examinez le tableau de bord à des intervalles prédéterminés. Un court pilote opérationnel peut être examiné chaque mois, alors que la mobilité professionnelle et les effets sur les salaires exigent une observation plus longue. Mettez à jour l’évaluation lorsque le cas d’usage, l’échelle de déploiement, le plan de main-d’œuvre ou le calendrier d’infrastructure change.

Liste de contrôle pratique pour l’évaluation

Avant d’accepter ou de mettre en œuvre une proposition de croissance de l’IA, assurez-vous de pouvoir répondre à ces questions :

• L’affirmation est-elle formulée avec une intervention, une population, une comparaison, une période et un résultat mesurable définis ?
• Les prévisions, engagements de financement, activités déployées et résultats vérifiés sont-ils présentés séparément ?
• La mesure de productivité comprend-elle la qualité, le travail de correction, la supervision et les coûts d’exploitation de l’IA ?
• L’analyse de la main-d’œuvre distingue-t-elle l’exposition aux tâches, la transformation des rôles, le déplacement et la création d’emplois ?
• Les résultats sont-ils ventilés par profession, région, genre, groupe de revenu, ancienneté et type de contrat lorsque cela est pertinent ?
• Le rapport sur la formation va-t-il de l’accès et de l’achèvement aux titres reconnus, au placement, aux salaires et au maintien en emploi ?
• Les rôles temporaires de construction sont-ils séparés des rôles permanents d’exploitation et des emplois transformés ailleurs ?
• Le plan d’infrastructure nomme-t-il les contraintes de calcul, d’électricité, de réseau, de refroidissement, de calendrier et de coûts locaux ?
• Les gains et les risques sont-ils présentés séparément pour les travailleurs, les employeurs, les clients et les communautés d’accueil ?
• L’examen humain, l’accès aux sources, la responsabilité des erreurs et les voies de recours sont-ils définis pour les utilisations importantes ?
• Chaque indicateur est-il attribué à un responsable des données et à une date d’examen ?
• Quelles preuves conduiraient les dirigeants à interrompre, reconcevoir ou arrêter le programme ?

L’objectif de ce cadre n’est pas de supposer que la croissance de l’IA est bénéfique ou nuisible. Il vise à rendre les affirmations générales auditables. La productivité, l’évolution de la main-d’œuvre, la formation, l’infrastructure et la répartition interagissent, mais elles ne doivent pas être mélangées avant que chacune ait été mesurée. Lorsque les décideurs préservent ces distinctions, ils peuvent identifier les gains réels, révéler les coûts déplacés et réviser un programme avant qu’un langage optimiste ne se fige en engagements politiques ou d’investissement.