LaZero Work Economyest un cadre que j’ai développé pour décrire une rupture que le discours sur le « Future of Work » évite soigneusement.
Pendant deux siècles, notre économie a reposé sur une équation simple : travail = valeur = droits.
Le travail humain produisait la valeur. En échange, il donnait accès au revenu, au logement, à la protection sociale, au crédit, au statut.
L’IA commence à briser cette équation. Une part croissante de la valeur peut être produite par des systèmes, avec beaucoup moins de travail humain.
Mais l’accès aux droits, lui, reste presque entièrement conditionné à l’emploi.
La Zero Work Economy ne désigne donc pas un monde où plus personne ne ferait rien.
Elle désigne une économie qui peut continuer à produire, croître et rémunérer le capital tout en ayant besoin de moins en moins d’humains pour fonctionner.
La disparition des emplois juniors en constitue peut-être la première manifestation visible.
La première victime de l’IA ne sera peut-être pas le salarié que l’on licencie.
Ce sera celui que l’on ne recrutera jamais.
Florian Fayolle a publié le 1er juillet 2026 dans Challenges un article consacré aux risques que l’intelligence artificielle fait peser sur l’emploi des jeunes.
Je ne crois pas que les données disponibles permettent d’affirmer que l’IA est déjà en train de sacrifier une génération entière. Les auteurs du Trésor sont d’ailleurs beaucoup plus prudents.
Ils rappellent que les travaux restent récents, que les résultats divergent et qu’aucun effet net significatif de l’IA sur le volume global d’emplois n’est encore clairement établi.
En revanche, la note fait apparaître un mécanisme beaucoup plus intéressant que le sempiternel débat sur le nombre d’emplois détruits.
L’IA commence à automatiser les tâches qui servaient de première marche dans les carrières qualifiées.
Or cette première marche ne permettait pas seulement d’apprendre un métier.
Elle donnait accès au système.
Au revenu.
Aux droits sociaux.
À l’expérience.
À la reconnaissance professionnelle.
À la possibilité de construire une trajectoire.
C’est là que la note du Trésor rejoint directement la Zero Work Economy.
La Zero Work Economy ne commence pas nécessairement lorsque plus personne ne travaille.
Elle commence lorsque la production de valeur peut continuer sans donner à chacun la possibilité d’entrer dans l’équation qui relie encore aujourd’hui travail, revenu, statut et droits.
Et les jeunes risquent d’être les premiers à l’expérimenter.
IA et Emploi : Pas de tsunami sur l’emploi. Pas encore.
Le premier mérite de Martin Chopard, Elisa Cotet, Tristan Gantois et Éloïse Villani est de ne pas tomber dans le cirque habituel.
D’un côté, ceux qui annoncent que l’IA supprimera la moitié des emplois dans trois ans.
De l’autre, ceux qui expliquent que l’IA ne remplacera personne, mais qu’un professionnel utilisant l’IA remplacera celui qui ne l’utilise pas.
Cette dernière phrase est devenue le « qui veut voyager loin ménage sa monture » du management technologique. Elle circule partout. Elle rassure. Elle ne démontre rien.
La note montre que plusieurs mécanismes agissent en même temps.
> L’IA peut automatiser des tâches et réduire le besoin de main-d’œuvre.
> Elle peut aussi augmenter la productivité, réduire les coûts, faire baisser les prix, stimuler la demande et permettre à certaines entreprises de recruter.
> Elle peut détruire des postes dans une organisation et en créer dans une autre.
> Elle peut renforcer les entreprises qui l’adoptent rapidement, au détriment de concurrents moins avancés.
> Elle peut enfin ne provoquer aucun licenciement visible, mais simplement réduire les embauches, supprimer les remplacements ou diminuer le recours aux prestataires.
C’est un point important.
Quand on cherche à mesurer l’impact de l’IA sur l’emploi, regarder uniquement les plans sociaux officiellement attribués à l’IA revient à observer le phénomène par le trou de la serrure.
Une entreprise qui passe de dix recrutements juniors par an à trois ne licencie personne.
Elle a pourtant supprimé sept opportunités d’entrée.
Une autre qui ne renouvelle pas les contrats de ses prestataires ne déclare pas de restructuration.
Elle a pourtant réduit le volume de travail humain nécessaire.
La rupture peut donc progresser sans produire immédiatement les images que nous associons aux grandes transformations économiques.
Pas de chaîne de télévision devant une usine.
Pas de salariés sortant avec un carton.
Pas de ministre convoquant une réunion de crise.
Seulement des offres qui ne sont plus publiées.
Des postes qui ne sont plus ouverts.
Des candidats auxquels on demande déjà l’expérience que l’entreprise ne veut plus financer.
Le junior n’est pas licencié.
Il ne franchit simplement jamais la porte.
IA et Emploi : La première marche est en train de disparaître
Quand on débute dans un métier, on n’est généralement pas chargé de prendre les décisions les plus complexes.
> On fait des recherches.
> On collecte des informations.
> On vérifie des documents.
> On nettoie des données.
> On prépare une première analyse.
> On rédige des notes.
> On produit du code simple.
> On répond aux demandes courantes des clients.
> On construit des présentations.
> On fait le travail que les professionnels expérimentés ne veulent plus faire, ou n’ont plus le temps de faire.
Ces tâches ont un point commun.
Elles sont relativement structurées, documentées, répétitives et codifiables.
Autrement dit, elles correspondent assez bien à ce que les IA génératives actuelles savent traiter.
La note cite notamment les travaux d’Erik Brynjolfsson, Bharat Chandar et Ruyu Chen sur le marché du travail américain.
Dans les professions les plus exposées à l’IA, l’emploi des 22 à 25 ans aurait reculé de 16 % relativement aux autres travailleurs entre novembre 2022 et juillet 2025.
Il faut évidemment manier ce chiffre correctement.
Il ne signifie pas que 16 % des jeunes Américains ont perdu leur emploi à cause de ChatGPT.
Il s’agit d’une évolution relative, mesurée sur certaines professions et comparée à celle d’autres catégories de travailleurs.
Mais le signal est difficile à ignorer.
Dans les emplois où l’IA est principalement utilisée pour automatiser, l’emploi des juniors recule.
Lorsque l’IA est utilisée pour compléter le travail humain, l’effet est nul ou légèrement positif.
Pour les travailleurs plus expérimentés, les effets restent beaucoup moins visibles.
La ligne de fracture ne passe donc pas simplement entre les métiers exposés à l’IA et ceux qui seraient protégés.
Elle passe entre deux usages.
L’IA peut permettre à un débutant de progresser plus vite, de traiter davantage de cas et d’accéder plus rapidement à des tâches intéressantes.
Ou elle peut permettre à l’entreprise de ne plus recruter ce débutant.
Dans le premier cas, l’IA accélère l’apprentissage.
Dans le second, elle supprime l’apprenti.
La technologie est la même.
Le choix économique ne l’est pas.
IA et Emploi : Une tâche junior produit deux choses
C’est là que la majorité des raisonnements sur l’automatisation deviennent trop courts.
Ils regardent la tâche uniquement du point de vue de ce qu’elle produit immédiatement.
> Une recherche documentaire produit une liste de sources.
> Une analyse produit un tableau.
> Un développement produit une fonctionnalité.
> Une synthèse produit une note.
Si une IA fournit le même résultat plus vite et moins cher, la décision paraît évidente.
Sauf qu’une tâche confiée à un junior produit deux choses.
> Elle produit un livrable.
> Et elle produit, progressivement, un professionnel compétent.
Quand un jeune analyste cherche des informations, il n’apprend pas seulement à utiliser une base de données.
Il apprend que deux chiffres apparemment identiques peuvent avoir été construits selon des méthodes différentes.
Il découvre qu’une source bien présentée peut être médiocre.
Il comprend que la réponse la plus accessible n’est pas toujours la bonne.
Quand il prépare une recommandation, il apprend que les données ne conduisent pas mécaniquement à une seule décision.
Quand un professionnel plus expérimenté corrige son travail, il découvre ce qu’il n’avait pas vu.
Quand il recommence, il construit peu à peu quelque chose qu’un cours ou un tutoriel ne transmet pas complètement : du jugement.
C’est valable dans le conseil, la finance, l’assurance, l’informatique, le droit, l’audit, le marketing, la médecine, le support client ou le recrutement.
Un professionnel expérimenté ne se contente pas de connaître la règle.
Il reconnaît les situations dans lesquelles la règle ne suffit pas.
Il repère une incohérence avant même de pouvoir l’expliquer.
Il sait qu’un résultat peut être techniquement correct et opérationnellement inutilisable.
Il comprend que la recommandation parfaite sur le papier ne survivra pas à trois semaines de politique interne.
Cette capacité se construit en faisant.
Pas uniquement en regardant un système faire.
IA et Emploi : La dette d’apprentissage
On parle de dette financière.
Dans les entreprises technologiques, on parle de dette technique.
On développe rapidement. On empile des solutions. On repousse certains travaux. Puis, quelques années plus tard, on découvre que le système tient avec des dépendances que plus personne ne comprend.
Il faut désormais parler de dette d’apprentissage.
La dette d’apprentissage apparaît lorsqu’une entreprise automatise les tâches qui servaient à former ses futurs experts, sans recréer ailleurs les conditions de cette formation.
À court terme, les bénéfices sont faciles à mesurer.
Moins de recrutements.
Moins d’heures consacrées aux tâches simples.
Des délais plus courts.
Des équipes plus petites.
Des marges plus élevées.
Des seniors capables de produire davantage avec l’aide de systèmes d’IA.
La dette, elle, n’apparaît nulle part.
Elle ne figure pas au bilan.
Elle ne dégrade pas immédiatement le compte de résultat.
Elle ne déclenche aucune alerte dans le tableau de bord du comité exécutif.
Elle apparaîtra plus tard.
Quand un expert partira.
Quand un manager rejoindra un concurrent.
Quand il faudra confier une décision sensible à quelqu’un qui sait utiliser les outils, mais ne maîtrise pas complètement le raisonnement qu’ils automatisent.
Quand l’entreprise devra acheter très cher sur le marché une compétence qu’elle ne sait plus produire en interne.
Quand plus personne ne sera réellement capable de contester une analyse générée par le système.
Prenons un cabinet de conseil.
Il emploie dix consultants juniors, cinq managers et deux associés.
Les juniors font les recherches, préparent les benchmarks, analysent les données et construisent les premiers livrables.
Le cabinet équipe ensuite ses managers avec des agents d’IA.
Les recherches prennent deux heures au lieu de deux jours.
Les analyses de premier niveau sont automatisées.
Les présentations sont générées à partir des notes de réunion.
Le cabinet décide qu’il n’a plus besoin de dix juniors.
Trois suffiront.
À court terme, le calcul est excellent.
Moins de salaires.
Plus de missions par manager.
Une marge supérieure.
Cinq ans plus tard, plusieurs managers deviennent associés ou quittent l’entreprise.
Et le cabinet découvre qu’il n’a presque plus personne pour les remplacer.
Il possède des outils performants, quelques professionnels expérimentés et trois consultants qui savent très bien piloter des systèmes.
Mais ces consultants ont traité beaucoup moins de cas réels que leurs prédécesseurs.
Ils savent obtenir une réponse.
Savent-ils reconnaître une mauvaise réponse ?
Ce n’est pas la même compétence.
IA et Emploi : L’élasticité de la demande ne recrée pas automatiquement la première marche
La note du Trésor rappelle un argument économique classique, et légitime.
Les gains de productivité peuvent réduire les prix.
La baisse des prix peut stimuler la demande.
L’augmentation de la demande peut compenser les emplois supprimés par l’automatisation.
Ce mécanisme fonctionne parfois.
Quand le coût du développement logiciel baisse, davantage d’entreprises peuvent commander des logiciels.
Quand le coût de production d’un contenu diminue, les volumes produits peuvent augmenter.
Quand une technologie rend un service plus accessible, elle peut créer de nouveaux usages.
C’est l’argument de l’élasticité.
Il mérite d’être pris au sérieux.
Mais il ne résout pas le problème posé ici.
Même si la demande augmente suffisamment pour préserver le volume global d’emplois, rien ne garantit que les postes créés auront la même fonction dans la transmission des compétences.
Une entreprise peut produire deux fois plus avec ses professionnels expérimentés augmentés par l’IA sans recruter deux fois plus de juniors.
Un secteur peut croître tout en concentrant ses créations de postes sur des profils déjà formés.
Le nombre total d’emplois peut résister pendant que l’accès aux emplois qualifiés se ferme.
Autrement dit, l’élasticité peut compenser en volume sans réparer la structure.
Elle peut préserver le marché du travail aujourd’hui sans recréer ceux qui pourront l’occuper demain.
Et elle ne répond pas à une autre question, plus directement ZWE.
Que devient celui qui n’entre pas dans le système ?
Car la première marche ne servait pas seulement à apprendre.
Elle permettait d’obtenir un revenu.
De cotiser.
D’accéder au crédit.
De louer un logement.
De construire une carrière.
De faire reconnaître sa valeur par une organisation.
Quand cette marche disparaît, la personne ne perd pas seulement une expérience professionnelle.
Elle perd l’accès à l’ensemble des droits économiques que nos sociétés continuent d’attacher au travail.
IA et Emploi : Zéro premier emploi
La Zero Work Economy ne désigne pas forcément un monde dans lequel le travail aurait totalement disparu.
Elle décrit une économie dans laquelle la valeur produite se détache progressivement du volume de travail humain nécessaire.
L’entreprise continue à fonctionner.
Les produits continuent à être vendus.
Les actionnaires continuent à être rémunérés.
Les professionnels déjà installés peuvent même voir leur productivité et leur valeur augmenter.
Mais une partie croissante de la population n’est plus nécessaire pour produire cette valeur.
Les jeunes constituent un cas particulièrement visible de ce basculement.
Ils n’ont pas encore accumulé l’expérience qui protège temporairement les seniors.
Ils ne possèdent pas encore les relations, le capital, le statut ou la légitimité qui permettent de rester dans le système lorsque les besoins en travail diminuent.
Ils arrivent au moment où les organisations commencent à automatiser précisément les tâches qui leur permettaient d’entrer.
C’est une forme d’inutilité structurelle.
Pas l’inutilité absolue de l’individu.
L’inutilité du point de vue d’un système productif qui peut désormais se passer de sa contribution initiale.
La nuance est importante.
Un jeune peut être intelligent, motivé, formé et capable d’apprendre.
Mais si l’entreprise estime que les tâches qui lui permettaient de démontrer cette capacité sont mieux réalisées par une IA, il ne peut pas accumuler l’expérience exigée pour les tâches suivantes.
Nous fabriquons alors une situation absurde.
Les entreprises réclament des profils expérimentés.
Mais elles réduisent les postes qui permettaient d’acquérir cette expérience.
Elles veulent des professionnels autonomes.
Mais elles ne veulent plus financer la période pendant laquelle ils apprennent à le devenir.
Elles continuent à consommer du capital humain.
Mais elles cessent progressivement de le produire.
La dette d’apprentissage est la conséquence organisationnelle de cette contradiction.
ZWE en est la conséquence sociale.
IA et Emploi : Une génération sacrifiée ?
Florian Fayolle a raison de poser la question dans Challenges.
Il est trop tôt pour y répondre par l’affirmative.
La note de Martin Chopard, Elisa Cotet, Tristan Gantois et Éloïse Villani ne prouve pas que l’IA sacrifie déjà toute une génération.
Elle ne démontre pas non plus que les destructions d’emplois dépasseront nécessairement les créations sur le long terme.
Elle montre toutefois un signal suffisamment sérieux pour que nous arrêtions de regarder uniquement le nombre total d’emplois.
Une économie peut conserver beaucoup d’emplois tout en bloquant l’accès à ceux qui permettent de construire une carrière.
Une entreprise peut améliorer sa productivité tout en détruisant sa capacité à renouveler ses compétences.
Un marché du travail peut rester stable en apparence tout en cessant de reproduire ceux qui pourront l’occuper demain.
C’est peut-être ainsi que commencera réellement la Zero Work Economy.
Pas avec la disparition spectaculaire de tous les emplois.
Avec la disparition progressive des portes d’entrée.
La première victime de l’IA ne sera peut-être pas le salarié que l’on licencie.
Ce sera celui que l’on ne recrutera jamais.
Et, quelques années plus tard, l’expert qu’il ne deviendra pas.
