L'exposition à l'IA atteint 24% des emplois mondiaux, BofA

Paragraphe d'introduction

Bank of America Global Research a publié une note le 2 mai 2026 estimant qu'environ 24% des emplois dans le monde pourraient être "exposés" à l'automatisation pilotée par l'intelligence artificielle. Ce chiffre principal, décrit par BofA comme "presque un quart" des postes mondiaux, redéfinit immédiatement le cas d'investissement pour les secteurs intensifs en main‑d'œuvre et pour les entreprises fournissant l'infrastructure et les services liés à l'IA. Les investisseurs et les conseils d'administration devraient considérer cette estimation comme un choc directionnel plutôt que comme une prévision déterministe : être exposé ne signifie pas un déplacement instantané, mais indique un risque matériel de réallocation des tâches entre occupations. Cet article situe l'estimation de BofA dans un contexte historique et inter‑agences, propose une analyse approfondie des données sur ce que signifie quantitativement « exposition », et identifie des gagnants et perdants sectoriels plausibles tout en notant les risques politiques et de transition pouvant modifier les résultats.

Contexte

La conclusion de BofA intervient dans une période de déploiement rapide de l'IA à travers les architectures informatiques d'entreprise, le service client et les flux de travail créatifs. Au cours des trois dernières années, les fournisseurs de cloud et les fabricants de puces ont accéléré leurs dépenses d'investissement : les rapports publics montrent une croissance à deux chiffres du capex des hyperscalers d'une année sur l'autre sur plusieurs trimestres depuis 2023, soutenant des cycles d'entraînement et de déploiement de modèles IA plus rapides. Parallèlement, les marchés du travail dans les économies développées sont structurellement tendus ; les employeurs font face à des coûts d'embauche élevés et à des pressions salariales, ce qui peut rendre les investissements en automatisation économiquement plus attractifs malgré un capex initial élevé. L'interaction d'une offre de travail plus restreinte, d'un coût de calcul par inférence de modèle en baisse et d'améliorations des capacités d'IA est un élément clé expliquant pourquoi une estimation d'exposition à 24% est prise au sérieux par les investisseurs institutionnels.

BofA caractérise l'« exposition » comme la part de postes pour lesquels une proportion substantielle des tâches pourrait être automatisée ou sensiblement augmentée par des capacités d'IA actuelles ou à court terme, et non comme la part d'emplois qui disparaîtront du jour au lendemain. Des précédents historiques — comme la mécanisation de l'agriculture au XXe siècle — montrent que l'automatisation des tâches modifie plus souvent le contenu des emplois qu'elle n'élimine des occupations entières en une seule étape. Néanmoins, les effets de transition peuvent être rapides pour des cohortes professionnelles étroites : les fonctions administratives, les tâches répétitives de back office et certaines missions juridiques et comptables peuvent être redessinées ou consolidées dans un intervalle court dès lors que les entreprises standardisent des outils d'IA. Pour les analystes crédit d'entreprise et en titres à revenu fixe, cela importe car les profils d'EBITDA et les trajectoires de coûts de main‑d'œuvre peuvent diverger du consensus si les entreprises réinvestissent les économies ou redistribuent leurs effectifs.

Analyse approfondie des données

La note de recherche de BofA du 2 mai 2026 fournit le chiffre de 24% comme estimation centrale ; la banque n'a pas affirmé que 24% équivaut à un taux de chômage à court terme mais l'a utilisé pour signaler une exposition potentielle à travers des taxonomies d'emplois. Ce 24% se compare à d'autres études majeures : le rapport de l'OCDE de 2019 estimait qu'environ 14% des emplois étaient à haut risque d'automatisation et 32% supplémentaires susceptibles de subir des changements significatifs, tandis que l'analyse de McKinsey de 2017 prévoyait qu'environ 30% des heures travaillées pourraient être automatisées d'ici 2030 selon leur scénario médian. Les différences entre ces chiffres reflètent les méthodologies — l'OCDE s'est concentrée sur la routinarité des tâches et la réglementation du travail selon les pays, McKinsey a modélisé les heures et la substitution économique, et BofA a cadré l'exposition spécifiquement dans le contexte des capacités contemporaines d'IA générative (BofA, 2 mai 2026).

Pour traduire l'exposition en échelle : si l'on accepte un taux d'exposition de 24% sur une population active d'environ 3,0–3,5 milliards de personnes employées dans le monde (les estimations de l'OIT varient selon le millésime), l'implication arithmétique est une cohorte de plusieurs centaines de millions de postes où le contenu des tâches et la valeur du travail pourraient être réalloués. Le décompte précis dépend de l'intensité du travail par pays dans les services et l'industrie : les économies avancées avec une plus grande part d'emplois de cols blancs peuvent connaître une exposition proportionnellement plus élevée, tandis que les marchés émergents à bas salaires avec une plus grande part de travail informel et manuel peuvent voir des schémas d'adoption de l'automatisation différents. La note de BofA explicite que le calendrier, la profondeur et la concentration géographique de l'exposition des emplois détermineront les résultats macroéconomiques et d'entreprise.

Implications sectorielles

Les fournisseurs technologiques et les prestataires d'infrastructure IA sont les bénéficiaires les plus directs dans le scénario de BofA : les entreprises qui possèdent la capacité cloud, les couches applicatives d'IA et les accélérateurs sont en position de capter des revenus récurrents liés à l'hébergement de modèles, à l'inférence et aux chaînes d'outils. Les leaders du marché disposant de suites cloud et logicielles intégrées — ainsi que les fabricants de semi‑conducteurs fournissant des processeurs haute performance — sont susceptibles d'élargir leurs marges si l'adoption s'accélère et si le revenu par utilisateur augmente. C'est pourquoi des actions comme MSFT et NVDA (entre autres) sont souvent citées dans les commentaires de marché comme étant recherchées dans l'hypothèse où les dépenses IA se découpleraient des budgets informatiques généraux, même si les activités logicielles et de services cycliques voient leurs marges sous pression si elles doivent subventionner fortement la migration pour de grands clients corporates.

Inversement, les entreprises avec d'importantes masses salariales en back‑office et des marges fines devront agir sur deux leviers : investir pour automatiser et préserver leurs marges, ou conserver la main‑d'œuvre et accepter des coûts d'exploitation en hausse. Les secteurs financiers, des services professionnels et le commerce de détail traditionnel sont des exemples où les modèles économiques se scinderont : ceux qui investissent dans l'IA pourront freiner la croissance des effectifs tout en élargissant l'échelle et les nouvelles lignes de produits, tandis que ceux qui n'investissent pas risquent une érosion des marges. Pour les investisseurs en crédit d'entreprise, cette bifurcation augmente le risque idiosyncratique ; deux entreprises notées de manière similaire dans la même industrie pourraient diverger fortement en métriques de crédit selon leur stratégie d'adoption et leur capacité d'exécution.

Évaluation des risques

Le risque de transition est le principal aléa à court terme. Une automatisation rapide concentrée sur un ensemble limité d'occupations peut conduire à des chocs de demande, à une stagnation salariale dans les cohortes affectées et à des réactions politiques qui se matérialisent sous forme de régulation ou de protections du travail. Les décideurs des grandes économies pourraient être amenés à intervenir via des politiques actives du marché du travail, des filets de sécurité ou des régulations encadrant l'usage de l'IA, ce qui modifierait l'ampleur et la vitesse des ajustements économiques. De plus, des facteurs opérationnels — intégration des systèmes, qualité des données, gouvernance des modèles et acceptation par les utilisateurs finaux — peuvent ralentir ou amplifier l'impact effectif de l'IA sur l'emploi. Enfin, les résultats sectoriels dépendront du rythme d'adoption, des coûts relatifs du capital et du travail, et des réponses réglementaires, rendant la trajectoire des effets d'IA sur l'emploi incertaine mais potentiellement transformative.