Quel travail fait l’IA générative ?

Cette chronique a été initialement publiée sur le site Web de la Federal Reserve Bank of St. Louis à l'adresse https://www.stlouisfed.org/on-the-economy/2026/sep/what-work-does-generative-ai-do

Points clés à retenir :

Depuis août 2024, notre Real-Time Population Survey (RPS), une enquête représentative à l'échelle nationale auprès d'adultes américains âgés de 18 à 64 ans, permet de suivre le nombre d'Américains qui utilisent l'intelligence artificielle (IA) générative. L’adoption de l’IA générative – ci-après simplement « IA » – ne cesse de croître : entre août 2024 et mai 2026, la part des adultes utilisant l’IA est passée de 45 % à 62 %, et la part des travailleurs qui l’utilisent pour leur travail est passée de 33 % à 45 %.

Mais « combien » de travailleurs utilisent l’IA n’est qu’un facteur parmi d’autres pour déterminer l’effet de la technologie sur le marché du travail. L’impact d’une nouvelle technologie sur l’emploi et les salaires de différents groupes dépend également des types de travail qu’elle peut effectuer. Le travail qu’une technologie peut prendre en charge a tendance à perdre de la valeur sur le marché du travail ; le travail qu’il ne peut pas faire – mais qui doit quand même être fait – a tendance à gagner de la valeur. Cela signifie que pour comprendre comment l’IA change le marché du travail, il faut d’abord savoir quel travail elle accomplit réellement. Notre nouveau document de travail, résumé dans cet article de blog, présente ces informations en utilisant les premières mesures représentatives au niveau national de l'adoption de l'IA au niveau des tâches de travail détaillées.

Comment mesurons-nous l’utilisation de l’IA au niveau des tâches ?

Dans l’ensemble de l’économie, les travailleurs effectuent une grande variété de tâches. Un cadre commun est O*NET, une base de données parrainée par le ministère du Travail, qui contient une liste d’environ 2 000 activités de travail détaillées – allant de « préparer des rapports de recherche » à « conduire des camions ou d’autres véhicules vers ou sur les chantiers ». Il est tout simplement impossible de demander aux répondants du RPS d’identifier, à partir d’une liste aussi longue, quelles tâches professionnelles ils effectuent et, en outre, pour lesquelles ils utilisent l’IA.

Notre solution à ce défi consiste à tirer parti d'une autre fonctionnalité utile d'O*NET : il évalue l'importance de chacune de ces 2 000 activités pour une profession donnée. Dans le RPS, nous obtenons d'abord les professions des répondants. Ensuite, nous montrons aux personnes interrogées les 10 tâches les plus importantes dans leurs professions respectives, selon O*NET, et leur demandons lesquelles elles effectuent. Enfin, nous demandons à ceux qui utilisent l’IA au travail de signaler les tâches que les outils d’IA les aident régulièrement à accomplir.

Ces données nous permettent de calculer des indices d'adoption qui répondent à deux questions différentes. Premièrement, parmi les travailleurs d’une profession donnée, quelle part utilise l’IA ? Deuxièmement, parmi les travailleurs qui effectuent une tâche donnée, quelle part utilise l’IA pour cette tâche ? Nos indices d'adoption, basés sur près de 14 000 travailleurs interrogés au cours de quatre vagues trimestrielles entre août 2025 et mai 2026, révèlent des informations importantes sur l'état d'adoption de l'IA aux États-Unis.

L’adoption de l’IA est répandue mais superficielle

Les chiffres ci-dessous représentent la répartition des taux d’adoption de l’IA selon des professions et des tâches de travail détaillées.

Ces chiffres véhiculent deux messages :

• Premièrement, l’adoption de l’IA est généralisée. Dans plus de 80 % des professions, au moins 1 travailleur sur 5 utilise l’IA au travail, et plus de 40 % des tâches ont des taux d’adoption supérieurs à 20 %. L’IA ne se limite pas à une poignée d’emplois technologiques : elle contribue à une large part de l’activité du marché du travail.
• Deuxièmement, l’adoption de l’IA est superficielle presque partout. Seulement 40 % des professions ont des taux d’adoption supérieurs à 50 %, et seulement 16 % dépassent 70 %. Les tâches sont encore plus frappantes : moins de 3 % des tâches ont des taux d'adoption supérieurs à 50 %, et aucune ne dépasse 70 %. L’une des leçons à en tirer est que l’utilisation de l’IA dans les professions les plus adoptées n’est pas motivée par une seule tâche pour laquelle tout le monde utilise la technologie ; au lieu de cela, dans ces professions, presque tout le monde utilise l’IA, mais les travailleurs l’utilisent pour différentes parties de leur travail.

Où l’adoption de l’IA est-elle la plus élevée et la plus faible ?

Le classement des professions selon l’utilisation de l’IA n’est pas très surprenant. L'adoption est la plus élevée dans les professions informatiques et professionnelles : chercheurs en informatique et en information (87,3 %), analystes en sécurité de l'information (85,4 %) et administrateurs de réseaux et de systèmes informatiques (82,4 %). Les programmeurs informatiques, les spécialistes des relations publiques, les conseillers financiers personnels et les directeurs généraux sont tous proches ou supérieurs à 80 %. Les tâches les plus assistées sont cognitives et à forte intensité d'information : lire des documents pour recueillir des informations techniques (61,3 %), préparer des rapports de recherche (60,7 %) et analyser des données pour identifier des tendances (57,5 %).

L'adoption est la plus faible dans les professions où le travail est pratique ou en face à face : soigneurs d'animaux (5,3 %), réceptionnistes et commis à l'information (7,6 %) et infirmières auxiliaires et professionnelles autorisées (10,4 %). Les données de la tâche montrent pourquoi. Parmi les tâches pour lesquelles aucune utilisation de l’IA n’a été signalée figurent la conduite de camions, la présentation des menus aux clients, l’assistance aux praticiens lors des procédures médicales, la collecte d’échantillons biologiques sur les patients et la préparation des zones de traitement. Ces résultats reflètent en partie les idées reçues : actuellement, l’IA fonctionne sur des écrans et ne peut pas conduire de camion ni prélever du sang.

Qu’est-ce qui prédit l’adoption de l’IA ?

Une approche de recherche populaire classe les professions et les tâches en fonction de leur « exposition » à l’IA. Nos données d’adoption renforcent-elles simplement les prévisions d’exposition existantes ?

La réponse est en partie oui et en partie non. Les scores d’exposition permettent assez bien de prédire quelles professions et tâches affichent des taux d’adoption plus élevés. Par exemple, certaines prévisions d’exposition expliquent environ la moitié de la variation de l’adoption de l’IA selon les professions et les tâches.

Cependant, nous documentons plusieurs cas dans lesquels l’exposition prévue et l’adoption réelle diffèrent fortement. Les professions construites autour de dossiers sensibles adoptent beaucoup moins que prévu ; par exemple, les secrétaires médicales et les assistants administratifs utilisent l’IA à un taux de 16,8 %, contre 61 % prévu. Il en va de même pour des tâches telles que la prescription de traitements médicaux ou l’examen de l’exactitude et de la conformité de documents, pour lesquelles les règles de confidentialité et le coût des erreurs sont très importants.

Dans l’autre sens, les réparateurs d’ordinateurs et de machines de bureau (75,7 %), les enseignants spécialisés (70,9 %) et même les employés de blanchisserie et de nettoyage à sec (49,0 %) adoptent l’IA à un taux environ deux fois plus élevé que prévu par les mesures d’exposition courantes. Ces emplois nécessitent un travail manuel ou en face-à-face, mais ils nécessitent également la collecte d'informations, la planification et la communication auxquelles l'IA peut contribuer. Il en va de même pour les tâches professionnelles telles que la recherche de lois et de précédents juridiques ou l'élaboration de plans commerciaux et marketing. Lorsque les travailleurs ont une latitude sur la manière dont leur travail est effectué, ils semblent souvent trouver des utilisations que les scores n'avaient pas anticipées.

Enfin, même si les scores d’exposition permettent de classer assez bien les taux d’adoption selon les professions ou les tâches, ils ne sont pas de bons indicateurs de l’adoption ou non de l’IA par un individu donné. Les chiffres ci-dessus montrent pourquoi : dans la plupart des professions et des tâches, certains travailleurs adoptent l’IA et la plupart ne le font pas, donc savoir ce que fait un travailleur – ce que reflète uniquement un score d’exposition – n’est pas très instructif pour savoir si ce travailleur particulier adopte l’IA.

Ce qui nous en dit beaucoup, c'est qui est le travailleur. Plus précisément, nous constatons que certains travailleurs utilisent systématiquement l’IA pour plus de tâches que d’autres, même lorsque l’on compare des travailleurs effectuant des tâches similaires. Les caractéristiques démographiques telles que l’âge, l’éducation et le sexe expliquent peu ces différences. Nos données suggèrent plutôt qu’un facteur déterminant important de l’adoption de l’IA est l’apprentissage de l’expérience. Par exemple, les travailleurs qui utilisent l’IA générative depuis au moins six mois l’adoptent pour un plus grand nombre de leurs tâches professionnelles, et les travailleurs dont les tâches professionnelles les rendent susceptibles de l’adopter sont également plus susceptibles d’utiliser l’IA en dehors du travail. Ces données concordent avec une histoire d’apprentissage ou d’expérimentation coûteuse : une fois que les travailleurs ont investi dans l’apprentissage de l’utilisation de l’IA dans un domaine, ils sont plus susceptibles de l’utiliser ailleurs. Ce mécanisme suggère que l’empreinte de l’IA continuera de s’approfondir à mesure que davantage de travailleurs se familiariseront avec la technologie et l’utiliseront dans davantage de domaines de leur travail.

Regarder vers l'avenir

Nos indices d’adoption au niveau des professions et des tâches fournissent une nouvelle contribution pour étudier les effets de l’IA sur la productivité, les salaires et l’emploi. Nos résultats apportent également un enseignement plus large : comprendre pourquoi certains travailleurs adoptent l’IA alors que d’autres ne le font pas peut être aussi important que comprendre ce que la technologie peut faire. À mesure que l’adoption continue de s’intensifier, les indices nous permettront de suivre non seulement le nombre de travailleurs qui utilisent l’IA, mais aussi le travail qu’elle accomplit.

Avez-vous trouvé ce contenu informatif et engageant ?
Recevez des mises à jour et restez au courant des inégalités économiques et de la croissance aux États-Unis !