L’IA a-t-elle vraiment "remplacé" les jeunes travailleurs ?

“Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence”; Erik Brynjolfsson, Bharat Chandar, Ruyu Chen; 26 août 2025

Ce que l’étude de Stanford ne dit pas (2021–2025)

Depuis quelques semaines, une étude de Stanford fait le tour des médias : 📉 Les jeunes (22–25 ans) seraient les premières victimes du ralentissement des embauches lié à l’IA.

Mais un détail dérange, la rupture observée dans les données commence avant même la sortie de ChatGPT.

Alors, erreur de lecture ou révélateur d’un phénomène plus profond ?

Cette analyse complète la discussion du podcast ACOVia Le Lab : “L’IA remplace-t-elle les jeunes ?”, décrypte ce que les chiffres montrent… et ce qu’ils masquent.

1. Une rupture avant l’IA générative

La fameuse inflexion des courbes apparaît en octobre 2022, soit un mois avant le lancement public de ChatGPT. Les chercheurs évoquent une adoption rapide de l’IA, mais aucun choc mesurable n’est identifié.

Leur méthode – normaliser toutes les données à octobre 2022 – crée une illusion de rupture. Combinée à un ralentissement économique global, elle transforme un signal macroéconomique en “effet IA”.

👉 En clair : la cassure statistique ne prouve pas une cause technologique.

2. Des métiers déjà fragilisés

Les fonctions “exposées à l’IA” (dev, service client, RH, marketing) étaient déjà en crise :

• Plans sociaux massifs dès le premier semestre 2022,
• Fin de la sur-embauche post-COVID,
• Hausse des taux d’intérêt et baisse des valorisations.

Les jeunes salariés ont simplement servi de variable d’ajustement dans ces restructurations. Le signal Stanford reflète surtout un cycle économique, pas une révolution IA.

3. 2021 : la fatigue avant la vague

Les racines du problème remontent à 2021, au cœur de la “Great Resignation”. Selon TalentLMS/Workable :

• 72 % des travailleurs tech envisageaient de quitter leur poste,
• 58 % étaient en burn-out,
• 85 % jugeaient leur entreprise trop centrée sur le recrutement externe.

Bien avant l’IA, une génération entière exprimait déjà un désalignement profond avec les modes d’organisation classiques.

4. Des biais méthodologiques à connaître

L’étude repose sur les données d’ADP (fiches de paie anonymisées) et un indice d’exposition à l’IA dérivé des usages du modèle Claude (Anthropic). Problèmes :

• Freelances et petites structures invisibles dans ADP,
• Les jeunes qui basculent sur Upwork ou Fiverr disparaissent des statistiques,
• L’indice IA capture surtout l’attention médiatique,
• Aucun test causal n’isole l’effet propre de l’IA.

Résultat : on observe une corrélation, pas une causalité.

5. Les vrais moteurs du ralentissement (2021–2023)

1. Sur-embauche post-pandémie, puis ajustement brutal.
2. Anticipation de récession dès mi-2022.
3. Inflation et coût du capital.
4. Mutation générationnelle : recherche de sens, flexibilité, apprentissage.

Autrement dit : le ralentissement était déjà en marche.

6. Quand le récit crée la réalité

Le discours “l’IA remplace les juniors” alimente un effet auto-réalisateur : les dirigeants, persuadés du risque, freinent les embauches… ce qui finit par le confirmer.

L’IA devient alors un prétexte narratif à des décisions économiques, plus qu’un facteur déclencheur. Le graphique Stanford fonctionne comme un miroir de nos croyances managériales.

7. Ce que l’étude révèle malgré tout

Une tendance existe bel et bien : la réduction des postes juniors dans les entreprises technologiques avancées. Mais elle s’explique par une recomposition du travail :

• Automatisation partielle des tâches d’entrée,
• Concentration de la supervision sur moins de personnes,
• Moins de formation interne.

Le danger n’est pas la disparition des jeunes, mais leur exclusion des chaînes d’apprentissage.

8. Trois leviers pour agir autrement

1. Préserver les postes juniors comme espace d’apprentissage collectif.
2. Mesurer les effets réels de l’IA sur les processus avant d’en tirer des conclusions RH.
3. Renforcer la formation interne et le mentorat, au lieu de réduire préventivement les effectifs.

L’enjeu n’est pas seulement d’adopter l’IA, mais de préserver la capacité des équipes à apprendre avec elle.

9. En conclusion

L’étude Stanford révèle une transformation réelle, mais surestime le rôle causal de l’IA. Les déséquilibres actuels prolongent ceux déjà visibles en 2021 : fatigue, restructurations, perte de sens.

L’IA n’est pas la cause du problème, mais le miroir grossissant d’un monde du travail déjà en mutation.

La vraie question devient alors :

👉 Comment réintégrer les jeunes dans des environnements désormais hybrides, automatisés et en quête de sens ?