Goldman Sachs : l'IA a coûté 16 000 emplois/mois aux É.-U.

L'estimation du 25 avril 2026 de Goldman Sachs selon laquelle l'intelligence artificielle a coûté à l'économie américaine 16 000 emplois par mois cristallise un débat récurrent sur l'automatisation, la productivité et la redistribution. Ce chiffre mensuel, s'il se maintient pendant 12 mois, correspond à environ 192 000 postes supprimés des feuilles de paie par an — un nombre non négligeable au regard d'une économie comptant environ 150 millions de postes non agricoles sur les feuilles de paie (BLS, 2025). L'estimation de Goldman, rapportée par Yahoo Finance le 25 avril 2026, présente l'IA non pas comme une possibilité technologique lointaine mais comme une force active et mesurable du marché du travail. Les investisseurs institutionnels et les décideurs politiques sont désormais confrontés à des questions plus immédiates sur la concentration sectorielle des suppressions, la vitesse de substitution des tâches et le décalage entre gains de productivité et réactions en termes de salaires ou d'embauche.

Contexte

La projection publique de Goldman Sachs (Goldman Sachs via Yahoo Finance, 25 avr. 2026) place le phénomène de remplacement lié à l'IA au cœur du récit macroéconomique actuel. La statistique mise en avant par la banque — 16 000 postes par mois — est significative principalement parce qu'elle est contemporaine et non spéculative. Pour mettre en perspective, 192 000 postes perdus en un an représentent environ 0,13 % d'une base de 150 millions de postes sur feuilles de paie ; bien que faible en pourcentage, ce niveau de suppression annuelle s'accumule rapidement et se concentre dans des poches professionnelles spécifiques. Historiquement, les changements induits par la technologie ont généré des volumes de rotation d'emplois de magnitude similaire, mais avec une hétérogénéité importante entre secteurs et des chemins d'ajustement pluriannuels pour les travailleurs.

Les décideurs surveillent non seulement l'emploi net mais aussi les flux d'emplois. La destruction brute d'emplois, concentrée sur des tâches intermédiaires de type bureautique, administratives et de service client routinier, peut coexister avec une croissance nette de l'emploi ailleurs — dans le développement de l'IA, les infrastructures de données et les fonctions de services plus qualifiés — créant simultanément pénuries et surplus au sein de l'économie. Le calendrier de la réallocation importe : un déplacement rapide sans montée en compétences correspondante ni mobilité géographique crée un chômage persistant et une pression politique, tandis que des transitions graduelles peuvent être absorbées avec moins de perturbations macroéconomiques. Ce contexte explique pourquoi une seule statistique mensuelle peut modifier les discussions sur les programmes de formation, les incitations fiscales et les soutiens sectoriels.

Le chiffre de Goldman influence aussi la planification des entreprises et des États. Les entreprises recalibrent leurs recrutements, leurs budgets de capex et de requalification lorsque des institutions crédibles quantifient la perturbation. De même, les banques centrales et les autorités fiscales intègrent les tendances structurelles du marché du travail dans leurs estimations de croissance potentielle à moyen terme. Pour les investisseurs, la question clé porte non seulement sur l'ampleur mais aussi sur le rythme : 16 000/mois est-il une tendance en accélération, une estimation bruitée à court terme, ou un taux de remplacement stable à long terme ? Chaque scénario implique des conséquences d'allocation d'actifs différentes entre secteurs, des logiciels et semi‑conducteurs aux prestataires de personnel et à l'immobilier.

Analyse approfondie des données

Le chiffre phare de 16 000/mois mérite d'être détaillé. Multiplier le taux mensuel donne 192 000 emplois par an — une référence utile pour l'analyse de scénarios. Si ce rythme se maintient pendant cinq ans, les suppressions cumulées s'approcheraient d'un million de postes, une ampleur qui affecterait significativement les cohortes professionnelles concentrées dans les fonctions blanches routinières. La méthodologie de Goldman Sachs, telle que rapportée, repose sur une cartographie au niveau des tâches des capacités de l'IA par rapport aux parts de tâches par profession ; cette approche micro est cohérente avec la littérature académique mais est sensible aux hypothèses sur la vitesse d'adoption et les investissements complémentaires des entreprises.

Les comparaisons sont instructives. Si les gains mensuels moyens des emplois non agricoles ont historiquement été de quelques centaines de milliers en périodes de reprise, un chiffre de 16 000/mois ne signifie pas en soi des pertes d'emploi récessionnaires — il met plutôt en évidence un mouvement structurel. Par rapport aux pairs sectoriels, les actions des technologies et des semi‑conducteurs (NVDA, MSFT) peuvent bénéficier d'une demande accrue liée à l'adoption de l'IA, tandis que les sociétés de recrutement et les fournisseurs de services intermédiaires pourraient subir des pressions sur les marges. Sur une base annuelle (en glissement annuel), le nombre de suppressions peut être juxtaposé à la création nette d'emplois pour évaluer si l'IA est un frein net ou un mécanisme de réallocation ; les investisseurs doivent donc suivre à la fois les statistiques de destruction brute et de création brute issues du BLS et les orientations d'embauche des entreprises.

Une analyse robuste nécessite une triangulation : l'estimation de Goldman ; les données gouvernementales sur les offres d'emploi et les séparations (BLS) ; les enquêtes d'embauche des entreprises ; et les chiffres mensuels des processeurs de paie privés. Chaque source a des cadres d'échantillonnage et une actualité différents. Par exemple, si les processeurs de paie privés rapportent un ralentissement des embauches concentré sur les fonctions administratives tandis que l'emploi global du BLS reste stable, cela signale une réallocation plutôt qu'un choc de demande agrégée. Les investisseurs qui suivent les cycles de résultats doivent surveiller les orientations des intégrateurs technologiques, des agences de recrutement et des grands employeurs du commerce de détail et des services pour des signaux de confirmation.

Implications sectorielles

Les effets redistributifs des suppressions liées à l'IA sont inégaux. Les secteurs comportant de nombreux tâches routinières et répétitives — une grande partie des services administratifs, certaines fonctions back-office dans la finance et l'assurance, et une partie des centres d'appels — font face à des vents contraires disproportionnés. En revanche, les secteurs qui produisent ou rendent possible l'IA — semi‑conducteurs, infrastructure cloud, logiciels d'entreprise et cybersécurité — présentent des perspectives de croissance des revenus plus élevées. Au niveau des tickers, cela implique un potentiel de hausse pour NVDA (demande de puces), MSFT et les expositions liées à AWS (capacité cloud), ainsi qu'une concurrence accrue entre les éditeurs de solutions d'automatisation logicielle.

Des forces contraires existent au sein des secteurs. Les institutions financières peuvent adopter l'IA pour la notation du crédit et la conformité, réduisant certains postes tout en accroissant la demande pour l'analytics, la validation des modèles et les fonctions de supervision. Les détaillants qui utilisent l'IA pour la gestion des stocks peuvent améliorer leurs marges et réaffecter la main-d'œuvre en magasin vers des rôles axés sur l'expérience client. La dynamique de la demande immobilière et des bureaux reflétera le mi