L’IA est blâmée pour la baisse des offres d’emploi de premier échelon, mais il pourrait y avoir un tout autre facteur à l’origine de cette baisse.
Un nouveau document de travail intitulé The Broken Ladder: AI, Remote Work, and Early-Career Hiring par Peter John Lambert et Yannick Schindler soutient que la baisse largement documentée de l’embauche de juniors a moins à voir avec l’IA générative qu’avec la normalisation post-pandémique du travail à domicile (WFH). Le document s’appuie sur deux grands ensembles de données – 243 millions de nouvelles embauches et 407 millions d’offres d’emploi en ligne – collectées aux États-Unis, au Royaume-Uni, au Canada et en Australie entre 2017 et 2025.
Le récit jusqu’à présent
Il est difficile d’ignorer le déclin des embauches en début de carrière. Des études de Stanford et de Harvard ont toutes deux pointé du doigt l’IA générative comme étant le principal responsable, citant une forte baisse des emplois juniors concentrés dans les métiers exposés à l’IA comme le développement de logiciels et le service client. L’étude de Stanford, qui a utilisé les registres de paie d’ADP, a révélé une baisse relative de l’emploi de 13 % pour les travailleurs âgés de 22 à 25 ans occupant les postes les plus exposés à l’IA depuis fin 2022. L’étude de Harvard a constaté des tendances similaires, avec une baisse des effectifs juniors dans les entreprises adoptant l’IA de 7,7 % sur seulement six trimestres à partir de début 2023.
L’histoire a trouvé un écho : GenAI est arrivée, les entreprises ont réalisé qu’elles avaient besoin de moins de jeunes travailleurs pour effectuer les tâches de routine, et les embauches en début de carrière se sont effondrées. C’est un récit propre. Lambert et Schindler affirment qu’il est également incomplet.
La confusion dont personne n’a tenu compte
Le principal problème identifié dans The Broken Ladder est celui du biais variable omis. L’exposition à GenAI – la mesure utilisée dans la plupart des études antérieures pour expliquer la baisse des embauches juniors – est fortement corrélée à un autre changement post-pandémique : le degré auquel les professions sont passées au travail à distance. Les emplois de col blanc et les emplois cognitifs de routine, qui sont les plus exposés à GenAI, se trouvent également être les emplois les plus susceptibles d’avoir été télétravaillés. Traiter GenAI comme le seul moteur, sans tenir compte du FMH, risque d’attribuer à l’IA un effet qui appartient au travail à distance.
En utilisant des conceptions de différence dans les différences au niveau de la profession, de la région et de l’entreprise, les auteurs testent les deux variables – l’exposition GenAI et l’exposition WFH – d’abord séparément, puis conjointement. Lorsqu’elle est estimée séparément, une augmentation de deux écarts types de l’exposition à GenAI ou à la FMH prédit une baisse d’environ 5 points de pourcentage de la part junior des nouvelles embauches d’ici 2025, et une baisse d’environ 3 points de pourcentage de la part des offres d’emploi nécessitant une expérience limitée.
Vient ensuite la conclusion clé : lorsque les deux variables sont incluses ensemble, le coefficient GenAI s’atténue fortement et devient souvent statistiquement impossible à distinguer de zéro. L’exposition au télétravail, en revanche, reste un prédicteur solide et robuste du déclin des parts des sociétés juniors dans toutes les spécifications testées par les auteurs.
Même le remplacement de la mesure continue de l’exposition au télétravail par une simple variable binaire – cette profession est-elle passée au travail à distance ou non – suffit à rendre l’effet GenAI insignifiant.
Pourquoi le travail à distance nuit aux jeunes travailleurs
L’article propose un modèle théorique stylisé pour expliquer le mécanisme. Le travail à distance augmente les coûts de supervision, de suivi et d’apprentissage sur le terrain. Ces coûts pèsent de manière disproportionnée sur les employés débutants, qui nécessitent un investissement managérial plus important, une surveillance plus étroite et des environnements d’apprentissage structurés pour développer leurs compétences. Lorsque la FMH rend tout cela plus difficile et plus coûteux, les entreprises deviennent moins disposées à réaliser ces investissements. Le résultat est un recul du recrutement de jeunes – non pas parce que l’IA a rendu ces rôles obsolètes, mais parce que les modalités de travail à distance les ont rendus plus difficiles à justifier sur le plan organisationnel.
La supervision et le mentorat, qui sont des interactions faciles au bureau, deviennent des tâches de coordination virtuelle difficiles. La dynamique « loin des yeux, loin du cœur » frappe plus durement les nouvelles recrues et les jeunes recrues. Les travailleurs seniors, qui ont déjà acquis des connaissances institutionnelles et ont besoin de moins d’assistance, ne sont en grande partie pas touchés.
Ce que cela signifie
Les résultats ont une implication plus optimiste que le discours dominant sur le déplacement de l’IA. Les frictions organisationnelles liées au travail à distance semblent plus faciles à gérer que les déplacements induits par la technologie. Si le télétravail est le véritable moteur, alors les entreprises qui renvoient leurs employés au bureau – une tendance déjà bien enclenchée, avec des entreprises des secteurs de la finance, de la technologie et des médias exigeant la présence au bureau – pourraient voir l’embauche de juniors se redresser à mesure que les frictions diminuent.
Le cadrage de l’IA-jobpocalypse, dans cette lecture, a peut-être été surestimé. Cela ne veut pas dire que l’IA est inoffensive pour les travailleurs en début de carrière – mais les preuves selon lesquelles elle est la principale cause de la baisse des embauches sont plus faibles qu’il n’y paraît une fois que l’on prend en compte l’augmentation simultanée du FMH.
Lambert et Schindler se gardent bien de prétendre que GenAI n’est pas pertinent. Ils reconnaissent que cela pourrait encore jouer un rôle important à mesure que les capacités s’améliorent et que l’adoption s’approfondit. Mais pour l’instant, leurs données suggèrent que l’échelle brisée est davantage le produit de l’endroit où les gens travaillent que des outils qu’ils utilisent pour le faire.
