Ces métiers qui vont résister à l’intelligence artificielle

L’idée qu’un métier entier va « disparaître » du jour au lendemain à cause de l’intelligence artificielle est un concept simplifié, il ne correspond pas à ce que montrent les études les plus sérieuses.

Ce qui se passe réellement suit une séquence en trois temps : l’IA automatise d’abord des tâches à l’intérieur d’un métier, puis elle recompose ce métier autour des tâches qui restent humaines, et ce n’est qu’en bout de chaîne, pour certains segments très routiniers, qu’elle finit par réduire le volume d’emplois.

Franceapprentissage fait le point pour distinguer, ce qui relève du risque théorique ou d’une vraie tendance de par rapport à l’impact de l’IA sur les différents métiers.

Quels sont les risques d’automatisation des métiers ?

Un métier résiste d’autant mieux qu’il combine présence physique, situations variables, responsabilité humaine et relation de confiance. Et il recule d’autant plus vite que sa production est routinière, déjà numérique et faiblement réglementée.

Selon l’Organisation internationale du travail, environ un emploi sur quatre dans le monde se situe dans une profession présentant une certaine exposition à l’IA générative, mais seulement 3,3 % de l’emploi mondial relève de la catégorie d’exposition la plus élevée[1]. L’OCDE, de son côté, situe à environ 27 % la part de l’emploi dans les pays membres qui occupe des professions au plus haut risque d’automatisation[5].

Au niveau mondial, le Forum économique mondial ne prévoit pas un effondrement net de l’emploi : son rapport Future of Jobs 2025 projette 170 millions d’emplois créés et 92 millions déplacés d’ici 2030, soit un solde positif d’environ 78 millions d’emplois[8]. Pour la France, la projection la plus citée reste celle de France Stratégie et de la Dares, qui anticipe environ 1 million d’emplois créés entre 2019 et 2030 dans son scénario central[9].

Analyser le danger : trois niveaux à prendre en compte

La plupart des confusions sur ce sujet viennent du fait qu’on mélange trois types de mesures très différentes. Voici un exemple concret pour comprendre la différence.

Prenons deux métiers : un développeur informatique et un agent de saisie de données.

Si l’on regarde uniquement le risque technique d’automatisation du métier entier, calculé selon la méthode désormais classique de Frey et Osborne (2013), un développeur affiche un risque très faible (4,2 %) alors qu’un agent de saisie affiche un risque très élevé (99 %)[22].

Mais ce chiffre ne dit rien des tâches précises qui changent à l’intérieur du métier : un développeur délègue déjà une partie de son code de routine à des assistants IA, sans que son métier disparaisse pour autant. C’est pour cela qu’il faut ajouter un second niveau de lecture, celui de l’exposition par tâche, mesuré par l’OIT et l’OCDE, qui distingue les tâches automatisables des métiers qui restent majoritairement humains[2][4].

Enfin, un troisième niveau, celui des projections d’emploi réelles (France Stratégie, WEF, McKinsey, OMS, UNESCO), permet de savoir si, au final, la demande pour ce métier augmente ou diminue.

• Niveau 1, le risque technique (Frey-Osborne) : une probabilité théorique que la totalité des tâches d’un métier puisse être automatisée. C’est un majorant utile, mais il surestime systématiquement les disparitions réelles.
• Niveau 2, l’exposition par tâche (OIT, OCDE) : une mesure plus fine de la part des tâches effectivement exposées à l’IA générative, sans présumer que le métier disparaît.
• Niveau 3, les projections d’emploi réelles : des prévisions chiffrées sur le nombre de postes créés ou supprimés, qui intègrent aussi la démographie, la réglementation et la demande économique.

L’OIT rappelle elle-même que ses estimations sont des plafonds d’exposition potentielle, et non des prévisions de licenciements[2]. Le FMI confirme cette nuance au niveau macroéconomique : environ 40 % de l’emploi mondial est exposé à l’IA, contre 60 % dans les économies avancées, mais une grande partie de cette exposition est complémentaire à l’humain plutôt que substitutive[15].

Dans la suite de cet article, chaque chiffre métier par métier est rapporté avec sa source et son niveau de lecture. Quand aucune donnée chiffrée fiable n'existait pour la France, le terme « non spécifié » est utilisé plutôt que d'inventer un nombre.

Les métiers en danger face l’intelligence artificielle

Le point commun des métiers les plus fragiles est simple : leur production est informationnelle, répétitive, codifiable et déjà largement numérique.

L’OIT cite explicitement parmi les professions les plus exposées les agents de saisie, les employés de comptabilité et de tenue de livres, et les secrétaires administratifs[1]. Le Centre commun de recherche de la Commission européenne arrive à la même hiérarchie : les tâches cléricales et cognitives standardisées sont davantage exposées que les tâches manuelles et techniques[24].

Exemple concret : un télévendeur qui suit un script d’appel, qualifie un prospect selon une grille de questions fermées et rédige un compte-rendu standardisé effectue une suite de tâches qui peuvent, presque intégralement, être prises en charge par un agent conversationnel. C’est très différent du travail d’un plombier qui doit diagnostiquer une fuite dans une configuration physique chaque fois différente.

Un signal confirme ce diagnostic : selon PwC, en France, le volume d’offres d’emploi mentionnant des compétences en IA est passé d’environ 21 000 en 2018 à 166 000 en 2024[19]. Cette hausse touche aussi les métiers exposés eux-mêmes, ce qui suggère moins une destruction instantanée qu’une recomposition rapide du contenu du travail.

Les métiers qui vont résister à l’intelligence artificielle

À l’inverse, les métiers qui résistent le mieux cumulent en général trois caractéristiques : une présence physique difficile à déléguer, un jugement contextuel face à des situations variables, et une relation de confiance qui repose sur une responsabilité incarnée. Ils peuvent être transformés en profondeur par l’IA, mais ils ne sont pas substituables.

Exemple concret : une infirmière qui prépare une perfusion, évalue l’état d’un patient agité et décide d’alerter un médecin combine une observation clinique, un jugement en situation incertaine et une responsabilité légale. L’IA peut l’aider à rédiger plus vite ses notes de suivi, mais elle ne prend pas sa place dans la chambre du patient.

McKinsey estime qu’en Europe, la demande pour les professions de santé et les métiers scientifiques et techniques (STEM) pourrait croître de 17 à 30 % d’ici 2030, alors que les métiers de bureau, de production et de service client les moins rémunérés reculeraient[16]. Le même cabinet estime aussi que jusqu’à 30 % des heures travaillées actuelles en Europe pourraient être automatisées d’ici 2030 — un chiffre sur les heures, pas sur les emplois, ce qui illustre bien la différence entre tâche automatisée et poste supprimé[16].

Risque technique VS demande future

Le tableau suivant croise, pour chaque métier vu plus haut, le risque technique d’automatisation et la demande future probable, afin de faire ressortir le sens net de l’évolution attendue jusqu’en 2030.

Les critères qui feront la différence

Ce qui distingue les deux colonnes du tableau précédent n’est pas le niveau de qualification, mais trois critères concrets.

• La présence physique : un agent conversationnel peut répondre à un client par écrit, mais il ne peut pas réparer une chaudière en panne chez un particulier.
• Le jugement contextuel : une grille de saisie comptable suit des règles fixes, alors qu’une salle de classe de trente enfants ne se répète jamais exactement de la même façon d’un jour à l’autre.
• La relation de confiance et la responsabilité réglementée : un score de risque généré par un algorithme peut éclairer une décision de soin, mais la décision elle-même reste, par la loi et par l’éthique, confiée à un professionnel humain identifiable.

Cela explique le paradoxe apparent entre infirmiers et développeurs : les deux ont un risque technique très faible sur leur métier pris dans son ensemble, mais pour des raisons différentes — la présence et le soin pour les premiers, la complexité de jugement et la résolution de problèmes non routiniers pour les seconds.

Ce que cela implique concrètement

Les travaux de l’OCDE et de l’OIT convergent sur un point central : l’enjeu n’est pas seulement le nombre brut d’emplois, mais la vitesse de transformation des compétences et la possibilité réelle de requalification[5][2]. Quatre axes ressortent pour la France.

• Acculturer les actifs aux usages réels de l’IA. La stratégie nationale française vise à former 40 000 à 100 000 étudiants par an à l’IA et à financer 200 thèses supplémentaires par an[26].
• Concentrer la reconversion sur la couche qui reste humaine. Les profils administratifs, comptables d’exécution et de service client peuvent être accompagnés vers la supervision, le contrôle qualité des données, la conformité et la relation client complexe.
• Augmenter les métiers résilients sans les surcharger. Dans le soin, l’objectif devrait être de réduire la charge de documentation plutôt que d’ajouter un outil de plus ; dans l’enseignement, l’IA doit servir à préparer et personnaliser sans déresponsabiliser l’évaluation ; dans le bâtiment, elle doit soutenir le diagnostic et la planification sans remplacer l’intervention sur site.
• Encadrer l’usage de l’IA dans les décisions d’emploi. Le règlement européen sur l’IA impose déjà des obligations de transparence, d’auditabilité et de non-discrimination pour les usages à haut risque, ce qui inclut les outils de ressources humaines[25].

Quelques nuances à apporter

Trois limites méritent d’être rappelées avant de tirer des conclusions définitives. D’abord, les probabilités métier par métier réellement comparables au niveau international restent rares ; quand aucune valeur fiable n’existait dans les sources consultées, l’absence de chiffre a été signalée plutôt que de fabriquer un nombre.

Ensuite, une partie des probabilités détaillées citées ici viennent du cadre occupationnel américain de Frey et Osborne, utile comme majorant mais plus pessimiste que les approches par tâches de l’OIT et de l’OCDE.

Enfin, les effets réels sur l’emploi en France imputables spécifiquement à l’IA restent difficiles à isoler des autres forces de changement — démographie, transition écologique, e-commerce, réglementation et conjoncture économique.

Le signal d’ensemble reste néanmoins robuste : les métiers les plus exposés sont ceux de l’exécution cognitive standardisée, et les métiers qui résistent le mieux sont ceux de la présence, du jugement, du soin, de la coordination et de l’intervention physique. La vraie fracture n’oppose donc pas simplement les « cols blancs » aux « cols bleus », mais le travail standardisable au travail situé, responsable et relationnel.

Questions fréquentes

Sources

• [1] OIT — Generative AI and Jobs: A Refined Global Index of Occupational Exposure — https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
• [2] OIT — How might generative AI impact different occupations? — https://www.ilo.org/resource/article/how-might-generative-ai-impact-different-occupations
• [3] OIT — Generative AI at work: What it means for jobs in Europe and beyond — https://www.ilo.org/resource/article/generative-ai-work-what-it-means-jobs-europe-and-beyond
• [4] OCDE — Using AI in the workplace — https://www.oecd.org/en/publications/using-ai-in-the-workplace_73d417f9-en.html
• [5] OCDE — Artificial intelligence and the changing demand for skills in the labour market — https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/04/artificial-intelligence-and-the-changing-demand-for-skills-in-the-labour-market_861a23ea/88684e36-en.pdf
• [6] OCDE — Future of work — https://www.oecd.org/en/topics/policy-issues/future-of-work.html
• [7] OCDE — What happened to jobs at high risk of automation? — https://www.oecd.org/content/dam/oecd/en/publications/reports/2021/01/what-happened-to-jobs-at-high-risk-of-automation_ffdb138f/10bc97f4-en.pdf
• [8] WEF — Future of Jobs Report 2025 — https://reports.weforum.org/docs/WEF_Future_of_Jobs_Report_2025.pdf
• [9] France Stratégie / Dares — Les métiers en 2030 — https://www.strategie-plan.gouv.fr/publications/metiers-2030
• [10] France Stratégie — résumé PDF Métiers 2030 — lien PDF France Stratégie
• [11] Dares — Les métiers en 2030, le rapport complet — lien PDF Dares
• [12] Insee — Professions et secteurs d’activité — https://www.insee.fr/fr/statistiques/8376826?sommaire=8376908
• [13] Eurostat — Use of artificial intelligence in enterprises — lien Eurostat
• [14] Eurostat — Towards Digital Decade targets for Europe — lien Eurostat
• [15] IMF — Gen-AI: Artificial Intelligence and the Future of Work — lien IMF
• [16] McKinsey — A new future of work: The race to deploy AI and raise skills in Europe and beyond — lien McKinsey
• [17] McKinsey — The future of work in Europe — lien McKinsey
• [18] PwC — 2025 Global AI Jobs Barometer — https://www.pwc.com/gx/en/services/ai/ai-jobs-barometer.html
• [19] PwC — France analysis — lien PDF PwC France
• [20] WHO — Health workforce — https://www.who.int/health-topics/health-workforce
• [21] UNESCO — Global report on teachers — lien UNESCO
• [22] Frey & Osborne (2013) — The Future of Employment — lien PDF Frey-Osborne
• [23] ITUC — More than two million workers will be needed in the construction sector in Europe by 2030 — lien ITUC
• [24] JRC, Commission européenne — Rapport sur l’exposition des tâches à l’IA — lien PDF JRC
• [25] EUR-Lex — Règlement (UE) 2024/1689, AI Act — https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng
• [26] France — Stratégie nationale pour l’intelligence artificielle — lien gouvernement
• [27] France Travail — Calendrier de l’IA — lien France Travail