Les derniers 10 % : pourquoi « l'exposition à l'IA » est une ligne de départ, pas une prévision de licenciement

Tout le monde pose la mauvaise question sur l'IA et son emploi. Le gros titre annonce que votre poste est « automatisable à 90 % » — et votre estomac se noue. Mais voici ce que les données impliquent réellement : si une machine accomplit 90 % de votre travail, quelqu'un doit encore faire les derniers 10 %. Et cette dernière tranche pourrait bien être la partie la plus précieuse, la plus humaine et la plus sûre de toute votre carrière.

C'est l'argument au cœur d'un nouvel essai de l'économiste Joshua Gans, de la Rotman School de l'université de Toronto, publié en juillet 2026 par l'Economic Innovation Group [Fait]. Gans reprend la phrase désormais célèbre — selon laquelle l'IA pourrait automatiser 90 % de ce que nous faisons — et la transforme, d'un titre alarmiste, en une véritable question économique qui mérite une réponse.

La technologie change les tâches, pas les intitulés de poste

Commençons par une correction qui change tout. [Affirmation] La technologie supprime rarement tout un métier d'un seul coup. Elle change qui — ou quoi — accomplit certaines activités à l'intérieur de ce métier. Votre emploi est un ensemble de tâches, et l'IA arrive tâche par tâche, pas intitulé par intitulé.

C'est pourquoi « mon emploi est-il en sécurité ? » est presque la mauvaise question. [Fait] Gans, s'appuyant sur le cadre fondé sur les tâches des économistes Daron Acemoglu et Pascal Restrepo, soutient que la question utile est plus étroite : quelles tâches se font automatiser, et qu'advient-il de celles qui restent debout ? Deux travailleurs portant le même intitulé de poste peuvent affronter des avenirs totalement différents selon la manière dont les tâches automatisables se répartissent dans leur semaine.

Prenez un comptable. Si l'IA absorbe la tenue de livres routinière et la réconciliation, ce qui reste, c'est la gestion des exceptions, les décisions de jugement et les conversations avec les clients — les 10 % d'expertise. Si, au contraire, l'IA prenait le travail de relation client et laissait la saisie de données, l'histoire s'inverserait. Même intitulé, résultat opposé.

La même logique remodèle la journée d'un assistant juridique. Automatisez la recherche documentaire et la vérification des citations, et ce qui reste, c'est la stratégie de dossier, l'accueil des clients, et le jugement sur ce qui compte réellement — un travail plus difficile, pas plus facile, à confier à une machine. Un chiffre d'exposition élevé, en somme, ne vous dit rien sur lequel de ces deux avenirs vous vous dirigez.

Quand les 90 % ont disparu, qui fait les derniers 10 % ?

Voici le pivot. [Fait] Gans reformule l'affirmation des 90 % en une véritable question : dans quelles conditions les derniers 10 % deviennent-ils plus précieux, plutôt que de simplement signifier qu'il faut moins de monde ?

Il existe au moins quatre raisons pour lesquelles les derniers 10 % peuvent s'étendre plutôt que disparaître.

Les effets de concentration. [Estimation] Quand le travail routinier disparaît, l'attention libérée se porte vers les parties difficiles. Un radiologue déchargé du tri routinier peut consacrer plus de temps aux cas véritablement difficiles et ambigus — ceux où un diagnostic manqué change une vie. Le travail restant ne fait pas que survivre ; il s'améliore.

Le recalibrage de l'expertise. [Affirmation] Que l'automatisation supprime des tâches routinières ou des tâches d'expert change tout. Retirez le routinier, et la barre de l'expertise monte — moins de travailleurs, mais mieux payés et plus difficiles à remplacer. Retirez le goulot d'étranglement expert, et la barre descend, ouvrant le champ à davantage de personnes. La direction n'est pas prédéterminée.

La refonte organisationnelle. [Estimation] Les entreprises recomposent les rôles. Les tâches survivantes se recombinent en postes plus larges, ou se détachent en nouveaux postes spécialisés — pensez à la « gouvernance des modèles d'IA » comme tranche émergente du travail clinique et juridique, un poste qui n'existait tout simplement pas auparavant.

L'élasticité de la demande. [Fait] Quand un service devient moins cher et meilleur, les gens en achètent davantage. Les guichetiers de banque en sont le cas classique : les distributeurs automatiques ont automatisé la manipulation routinière des espèces, et pourtant l'emploi de guichetier ne s'est pas effondré — les banques ont ouvert davantage d'agences et redéfini le rôle. La baisse des coûts a élargi la demande, et la demande a élargi le travail.

Mais Gans est honnête sur l'autre chemin possible. [Fait] Un avocat dont la révision documentaire est automatisée à 90 % pourrait tout simplement se retrouver avec moins de travail juridique à faire — et les cabinets auraient besoin de moins d'avocats pour l'accomplir. Les derniers 10 % ne vous protègent que si la demande, la recomposition des tâches et l'expertise jouent en votre faveur. Le résultat est réellement incertain, et cette incertitude est précisément le sujet.

Un score d'exposition est une ligne de départ, pas une prévision

C'est l'idée la plus utile de cet essai pour quiconque lit une statistique alarmante sur sa profession. [Fait] Un score d'« exposition » ou d'« applicabilité » de l'IA vous indique où une technologie peut toucher un emploi. Il ne vous dit pas combien de personnes seront employées, à quel salaire, pour faire quoi.

[Affirmation] Convertir un chiffre d'exposition en résultat d'emploi réel exige d'examiner des éléments que les données de paie dissimulent :

• Les tâches exposées sont-elles périphériques, expertes, ou de véritables goulots d'étranglement ?
• L'automatisation relève-t-elle ou abaisse-t-elle la barrière à l'entrée ?
• L'attention libérée améliorera-t-elle la qualité de ce qui reste ?
• Les entreprises recomposeront-elles les tâches en rôles larges ou en spécialités étroites ?
• Un service moins cher et meilleur élargira-t-il assez la demande pour maintenir l'embauche ?

[Estimation] Gans avertit qu'une exposition moyenne peut dissimuler l'architecture réelle d'un emploi. Deux métiers affichant des scores d'exposition identiques peuvent connaître des destins totalement différents, parce que l'exposition se situe à des endroits différents dans l'ensemble des tâches. Et les données de paie manquent les évolutions silencieuses : un développeur informatique dont l'assistant IA réduit le temps de documentation peut ne montrer aucun changement de salaire, alors même que la texture, l'intensité et la composition réelles du travail ont été transformées.

Sa conclusion mérite d'être affichée sur votre écran : « Une mesure d'exposition est un point de départ pour ces questions, pas la réponse. »

Ce que cela signifie pour votre carrière

Si vous ne retenez qu'une chose de Gans, retenez ceci : un score d'exposition élevé est une invitation à enquêter, pas une sentence à accepter.

Regardez votre propre semaine comme un ensemble de tâches. Quelles parties sont suffisamment routinières pour que l'IA les prenne en charge ? Que resterait-il ? Ce qui reste est-il ce 10 % d'expertise qui devient plus précieux quand le routinier disparaît — le jugement, les relations, les décisions ambiguës — ou est-ce un travail qui se réduit lui aussi quand le volume baisse ? Cet audit honnête vous en apprend plus que n'importe quel pourcentage en gros titre.

Et remarquez le calendrier caché dans tout cela. [Affirmation] La fenêtre de reconversion s'ouvre avant la fenêtre des licenciements. La nature tâche par tâche de l'IA fait que le changement arrive graduellement, une activité à la fois — ce qui est précisément la marge de manœuvre dont vous disposez pour vous rapprocher des 10 % d'expertise pendant qu'ils se forment encore. Sur nos pages métiers, vous pouvez voir quelles tâches précises de votre domaine présentent l'exposition la plus élevée à l'IA — et cette carte est exactement l'endroit où commence la stratégie des derniers 10 %.

Le chiffre sur le graphique n'est pas votre destin. C'est la première ligne d'une question que vous seul pouvez terminer de répondre — avec courage plutôt qu'avec effroi.

Sources

• Joshua Gans, « The Last Ten Per Cent: How task-level AI exposure fits into a jobs forecast », Economic Innovation Group, juillet 2026. Document de travail (PDF) · Analyse : agglomerations.eig.org/p/the-last-ten-per-cent

Historique des mises à jour

• 2026-07-21 — Publication initiale. Résumé et analyse du cadre d'exposition à l'IA au niveau des tâches de Joshua Gans et de la thèse des « derniers 10 % ».

---

Analyse assistée par IA. Cet article a été rédigé avec l'aide de l'IA et relu par un éditeur humain. Le cadrage 90 %/10 % et les six dimensions d'investigation sont tirés de l'essai de juillet 2026 de Joshua Gans pour l'Economic Innovation Group ; l'interprétation à l'intention des travailleurs nous appartient.