Comment l’automatisation affecte-t-elle salaires et emploi ?

Réponse courte

La vue schumpetérienne classique traite l’automatisation comme nette positive sur le temps : les machines déplacent les travailleurs sur certaines tâches, mais les gains de productivité créent une demande pour de nouvelles tâches ailleurs. C’est ce qui s’est passé pendant la mécanisation agricole du XIXe et l’automatisation industrielle du XXe. La transition fut douloureuse mais l’effet long terme sur l’emploi fut approximativement neutre.

Le débat moderne est de savoir si la vague actuelle est différente. Acemoglu et Restrepo soutiennent que toute l’automatisation n’est pas créatrice de productivité. Une partie est de la « so-so automation » — une technologie qui bat à peine le coût du travail humain, déplace des travailleurs, mais ne génère que peu de productivité agrégée. Les caisses automatiques en sont l’exemple canonique.

La distinction compte parce que la so-so automation produit le pire résultat macro : elle réduit la part du travail sans agrandir la taille de l’économie. C’est l’angle qui distingue la littérature moderne de l’optimisme antérieur.

→ Nouveau en économie du travail ? Hub éducation financière

Ce que disent les données

L’estimation la plus citée provient de l’étude Acemoglu-Restrepo 2020, exploitant la variation locale d’exposition aux robots dans les zones de commuting US sur 1990-2007.

Le contexte chiffré (Acemoglu-Restrepo, Frey-Osborne, BLS, 1990-2024) :

• Chaque robot supplémentaire pour mille travailleurs : ~0,2 pp de moins sur le ratio emploi/population (Acemoglu-Restrepo)
• Chaque robot supplémentaire : ~0,42 % de baisse des salaires moyens locaux
• Frey-Osborne (2013) estimation initiale : ~47 % des emplois US à risque élevé sur deux décennies — largement contestée comme surestimée
• Emploi manufacturier US : de ~17,5 millions en 2000 à ~12,9 millions en 2024 (BLS), en partie automatisation, en partie commerce
• Emploi/population US (25-54 ans) : globalement stable autour de 80 % pré-COVID, récupéré à ~81 % en 2024

L’exception qui nuance le tableau : les industries à automatisation gain-de-productivité (semi-conducteurs, logistique) ont vu les salaires monter avec l’automatisation, pas baisser. La compression salariale est concentrée sur les emplois routiniers de niveau intermédiaire.

→ Dataset : US Real Wage Growth Dataset

Pourquoi cela se produit — le mécanisme macro

L’effet agrégé de l’automatisation dépend de l’équilibre entre trois forces concurrentes.

Canal 1 — Effet de déplacement. Quand une tâche auparavant accomplie par le travail est automatisée, la demande pour cet input spécifique de travail baisse. Sur un marché unique, cela devrait réduire emploi et salaires pour ces travailleurs. L’estimation Acemoglu-Restrepo de -0,2 pp d’emploi par robot capture ce déplacement au niveau local.

Canal 2 — Effet productivité. Quand l’automatisation baisse les coûts de production, les prix baissent, le revenu réel monte, et la demande pour d’autres biens et services s’étend. Cela crée des emplois ailleurs dans l’économie. Historiquement, cet effet de compensation a été grossièrement égal à l’effet de déplacement, ce qui explique pourquoi l’emploi agrégé ne s’est pas effondré pendant l’automatisation industrielle. L’angle qui distingue la critique moderne : ce mécanisme de compensation ne fonctionne que si l’automatisation augmente vraiment la productivité de manière significative — ce qui n’est pas le cas selon Acemoglu-Restrepo pour les technologies « so-so ». À consulter : notre comparatif salaires nominaux / salaires réels.

Un troisième effet opère via le réemploi.

Canal 3 — Effet de réinstauration. Le progrès technologique crée aussi des tâches entièrement nouvelles (data scientists, développeurs d’apps, opérateurs de drones). Acemoglu-Restrepo estiment que la réinstauration a expliqué environ la moitié de la croissance de l’emploi US entre 1947 et 1987, mais seulement environ un tiers post-1987. Cette réinstauration qui se rétrécit est une explication du déclin simultané de la part du travail et de la stagnation des salaires médians — voir notre FAQ sur le déclin de la part du travail.

Synthèse par régime. Dans l’après-guerre 1948-1973, l’automatisation était complétée par une forte réinstauration et une PGF dynamique — les salaires montaient avec la productivité et l’emploi était stable. Sur 1980-2007, déplacement et réinstauration restaient grossièrement équilibrés, mais la prime salariale a basculé dramatiquement vers les hauts qualifiés (skill-biased technical change). Depuis 2007, la montée de la so-so automation dans les services et la décélération de la réinstauration ont creusé l’écart entre salaires médians et productivité, même si l’emploi 25-54 ans est resté relativement stable. Le pivot n’est pas l’automatisation elle-même, mais l’équilibre changeant entre ses trois effets.

La crainte n’est pas le robot qui fait le travail mieux que vous. La crainte est le robot qui fait le travail juste un peu moins cher que vous, et qui ne produit rien d’autre de valeur.

→ Cadre de référence : Macroéconomie et géopolitique

Ce que cela signifie pour les acteurs économiques

Travailleurs en emplois routiniers de niveau intermédiaire. L’évidence empirique montre systématiquement une pression d’automatisation concentrée sur les tâches cognitives et manuelles routinières. Les travailleurs dans ces occupations ont vu la croissance salariale la plus lente sur 1990-2024, même si l’emploi US global est resté robuste.

Détenteurs de capital. La contrepartie d’une baisse de la part du travail est une hausse de la part du capital, qui a bénéficié disproportionnellement aux firmes avec stratégies d’automatisation réussies. L’étude De Loecker-Eeckhout-Unger 2020 sur les markups relie une partie de cela à la montée des firmes « superstar ».

Décideurs publics. L’automatisation crée des gains agrégés inégalement répartis. Le débat public porte sur la capacité de la redistribution à compenser les effets locaux sur le marché du travail sans amortir le dividende de productivité.

Une erreur fréquente est d’amalgamer IA et automatisation industrielle. La littérature empirique sur les effets de l’IA sur le marché du travail reste préliminaire ; les travaux 2024 d’Acemoglu suggèrent des effets de productivité modestes à court terme pour l’IA générative, mais il est trop tôt pour extrapoler avec confiance.

Observation pratique

Aller plus loin

Questions liées

• Pourquoi la part du travail dans le PIB baisse-t-elle mondialement ?
• Qu’est-ce que la productivité globale des facteurs et pourquoi a-t-elle ralenti ?
• Pourquoi les concentrations monopolistiques faussent-elles les statistiques macro ?
• Comment la montée du capital immatériel change-t-elle les valorisations ?

Questions fréquentes

En quoi la so-so automation diffère-t-elle de l’automatisation gain-de-productivité ?

L’automatisation gain-de-productivité abaisse les coûts unitaires de manière significative et libère des ressources qu’on peut redéployer vers de nouvelles tâches ailleurs. La so-so automation, dans le cadre Acemoglu-Restrepo, bat juste à peine le coût du travail humain — elle déplace des travailleurs mais ne génère que des gains de productivité marginaux, donc la demande compensatoire pour de nouveaux emplois est faible. Caisses automatiques, serveurs vocaux automatisés et beaucoup de déploiements chatbot bas-de-gamme en sont des exemples typiques.

L’emploi US agrégé a-t-il été affecté par l’automatisation ?

Le ratio emploi/population 25-54 ans aux US est resté autour de 80 % pendant des décennies, récupérant à ~81 % en 2024. L’évidence agrégée ne soutient pas un récit d’effondrement de l’emploi par automatisation. Ce que les données montrent en revanche est un changement de composition : les emplois routiniers de niveau intermédiaire ont nettement reculé, tandis que les emplois professionnels haut-qualifié et services bas-qualifié ont progressé. La crainte concerne moins le total des emplois que la stagnation salariale au milieu de la distribution.

L’IA représente-t-elle une catégorie différente des vagues d’automatisation antérieures ?

Il est trop tôt pour le savoir. L’IA générative affecte des tâches cognitives que les vagues d’automatisation précédentes ne pouvaient pas toucher, y compris certaines professions hautement qualifiées. Les travaux 2024 de Daron Acemoglu estiment un effet productivité modeste à court terme (environ 0,5 % sur une décennie pour l’IA générative spécifiquement). La question de savoir si l’IA se comportera in fine plus comme automatisation gain-de-productivité ou comme so-so automation dépend de la diffusion de ses gains au-delà de quelques firmes frontière.

Mis à jour le 12 juillet 2026