L'IA va-t-elle remplacer les économistes du travail ? La réponse pour 2026

58 %. C'est le niveau d'exposition à l'IA pour les économistes du travail — les professionnels dont le travail consiste précisément à étudier comment la technologie bouleverse la main-d'œuvre. Si vous êtes économiste du travail, vous êtes désormais un point de données dans vos propres recherches.

Ce n'est pas abstrait. Les outils capables d'extraire des bases de données sur l'emploi, d'exécuter des modèles de régression et de rédiger des premières ébauches de résultats de recherche sont déjà là. La question est de savoir s'ils rendent les économistes du travail obsolètes ou en font les scientifiques sociaux les plus importants de notre époque. Passez vingt minutes dans un département d'économie moderne aujourd'hui et vous verrez deux camps se former : les chercheurs qui traitent les grands modèles de langage comme un glorieux correcteur automatique, et les chercheurs qui ont discrètement restructuré la moitié de leur flux de travail autour d'eux. L'écart entre ces deux groupes se creuse chaque trimestre, et il se manifeste déjà dans le nombre de publications, la productivité des demandes de subvention et les types de questions que chaque groupe peut aborder de manière crédible.

Les données sur les experts des données

[Fait] Les économistes du travail font face à une exposition globale à l'IA de 58 % et à un risque d'automatisation de 46 % en 2025. Le niveau d'exposition est classé comme « élevé » avec un mode d'automatisation « amplification ». Cela place les économistes du travail parmi les rôles les plus affectés par l'IA dans la catégorie scientifique, aux côtés des data scientists et des statisticiens.

La décomposition au niveau des tâches est là où les choses deviennent intéressantes. L'analyse des données du marché du travail affiche un taux d'automatisation de 72 %, le plus élevé pour ce rôle. L'IA peut désormais traiter les publications du Bureau of Labor Statistics, extraire des offres d'emploi à grande échelle, nettoyer des ensembles de données d'emploi désordonnés et exécuter des analyses statistiques standard plus rapidement que n'importe quel chercheur humain. La construction de modèles économiques se situe à 58 % d'automatisation. Les outils alimentés par des grands modèles de langage peuvent générer des spécifications préliminaires de modèles, identifier des variables pertinentes et même suggérer des structures de modèles basées sur la littérature existante. La rédaction de documents de recherche politique affiche un taux d'automatisation de 65 %. L'IA peut rédiger des revues de littérature, résumer les résultats et produire des premières ébauches de sections méthodologiques qui auraient pris des semaines.

[Fait] L'exposition théorique a grimpé à 78 % en 2025, tandis que l'exposition observée est à 39 %. Cet écart suggère que la profession est encore aux premiers stades de l'adoption de l'IA, mais la trajectoire est raide. Un étudiant en doctorat de première année entrant dans un programme d'économie du travail aujourd'hui obtiendra son diplôme dans un environnement de recherche très différent de celui dans lequel son directeur de thèse s'est formé.

Pourquoi ce rôle est plus exposé qu'on ne le penserait

L'économie du travail est fondamentalement une profession de textes et de données. Vous lisez des articles, analysez des ensembles de données, construisez des modèles quantitatifs et rédigez des rapports. Chacune de ces tâches relève pleinement du domaine de prédilection de l'IA. Contrairement à un chirurgien ou un enseignant de maternelle, il n'y a pas de composante physique ni d'interaction émotionnelle profonde pour protéger le rôle de l'automatisation.

[Affirmation] L'ironie va plus loin que les chiffres de surface. Les économistes du travail ont passé la dernière décennie à publier des articles sur la façon dont l'IA affecterait le travail col bleu et cognitif de routine. Le cadre Frey et Osborne (2017), qui prédisait le risque d'automatisation pour des centaines de professions, n'avait pas pleinement anticipé à quelle vitesse l'IA s'attaquerait aux chercheurs eux-mêmes. La méthodologie utilisée dans ces articles — analyse de texte des descriptions de tâches O\*NET pour estimer l'automatisabilité — a maintenant été retournée contre la profession qui l'a construite.

Selon le BLS Occupational Outlook Handbook, l'emploi des économistes est projeté à croître de 1 % entre 2024 et 2034 — plus lentement que la moyenne pour toutes les professions — avec environ 900 ouvertures projetées chaque année sur la décennie et un salaire annuel médian de *115 440 en mai 2024 [Fait]. Le domaine est restreint, et le taux de croissance global est modeste, mais les ouvertures reflètent une demande de remplacement régulière plus un appétit croissant pour l'analyse de la main-d'œuvre dans une économie bouleversée par l'IA — une preuve supplémentaire du paradoxe. La croissance projetée lente, couplée à une forte exposition à l'IA, est précisément la pression qui oriente la valeur du travail vers l'interprétation plutôt que vers l'analyse mécanique.

Comment l'IA fait réellement de l'économie du travail aujourd'hui

La mécanique vaut la peine d'être comprise car elle détermine à quoi ressemblera votre travail dans trois ans. Un économiste du travail en 2026 opère généralement avec trois couches d'IA dans son flux de travail. La première couche est l'acquisition de données. Des outils qui extraient des offres d'emploi d'Indeed, LinkedIn et des portails gouvernementaux fonctionnent en continu en arrière-plan, construisant des ensembles de données en temps réel qui nécessitaient autrefois des mois de collecte manuelle. La deuxième couche est le nettoyage et la structuration. Les grands modèles de langage peuvent prendre un CSV désordonné d'un système d'assurance chômage et produire un tableau propre, prêt à l'analyse, avec des transformations documentées en quelques minutes. La troisième couche est l'analyse elle-même — génération de spécifications de régression, exécution de contrôles de robustesse, identification de candidats à des variables instrumentales et rédaction de paragraphes interprétatifs.

[Fait] Un document de travail NBER de 2025 a documenté que les économistes utilisant des assistants IA rapportaient une réduction de 40 à 60 % du temps consacré aux tâches analytiques de routine, avec les gains les plus importants dans la revue de littérature et le débogage de code. La même étude a noté que le temps économisé était presque entièrement réalloué à un travail théorique plus approfondi et à des designs de recherche plus ambitieux — pas à travailler moins d'heures.

Qu'est-ce que cela signifie concrètement ? Un économiste du travail étudiant l'impact des changements du salaire minimum passait autrefois six semaines à rassembler des données au niveau des États, à les nettoyer et à exécuter des spécifications initiales avant même de pouvoir commencer à poser les questions intéressantes. Aujourd'hui, ce même travail préparatoire s'effectue en une longue après-midi. Les questions intéressantes obtiennent plus de temps, et le chercheur peut exécuter des analyses de sensibilité sur cinq spécifications alternatives du modèle au lieu d'une.

Deux chercheurs, deux trajectoires

Imaginez deux économistes du travail dans le même département. Tous deux sont en milieu de carrière, ont de solides palmarès de publications et enseignent une section d'introduction à l'économie du travail. Le chercheur A traite les outils d'IA avec scepticisme. Il s'inquiète des hallucinations, se méfie du code généré par les LLM et préfère tout écrire à partir de zéro. Sa production est régulière mais inchangée depuis cinq ans.

Le chercheur B a passé six mois à apprendre l'ingénierie de prompts, a construit un flux de travail personnalisé combinant des notebooks Python avec Claude et ChatGPT pour la rédaction d'articles, et utilise couramment l'IA pour générer des premières ébauches de demandes de subvention. Le chercheur B a publié deux fois plus d'articles dans l'année écoulée, s'est étendu à l'économie du travail de l'IA comme domaine de recherche, et est sollicité par des groupes de réflexion pour du travail de conseil.

Les deux chercheurs sont compétents. L'un a un avenir qui s'adapte à la technologie ; l'autre a un avenir qui lui fait concurrence. Les données ne prédisent pas dans quel groupe vous finirez — vos habitudes, si.

Instantanés du monde réel

Considérez ce qui se passe à la Réserve fédérale, au BLS et dans les grandes sociétés de conseil en économie en 2026. La Fed de Saint-Louis a intégré des flux de travail de recherche assistés par IA dans son produit de données FRED, permettant aux économistes d'interroger la base de données en langage naturel et de recevoir des analyses correctement formatées. Le BLS pilote des outils d'IA pour aider à traiter les millions de réponses à la Current Population Survey, réduisant le délai entre la collecte des données et la publication. Les grandes sociétés de conseil comme Mathematica et l'Urban Institute ont commencé à lister la « maîtrise de l'IA » comme qualification préférée pour les postes d'économiste du travail.

[Estimation] En même temps, les revues à comité de lecture s'interrogent sur les exigences de divulgation. L'American Economic Review exige désormais des auteurs de divulguer l'utilisation de l'IA dans les méthodes de recherche. Le Quarterly Journal of Economics a publié des directives distinguant entre « l'IA comme outil » (acceptable, doit être documenté) et « l'IA comme co-auteur » (inacceptable). Les économistes du travail qui naviguent bien ces normes sont positionnés pour mener la conversation méthodologique plutôt que d'y réagir.

L'avantage de l'amplification

[Estimation] D'ici 2028, l'exposition globale est projetée d'atteindre 72 % et le risque d'automatisation à 60 %. Mais la projection de croissance du BLS raconte une histoire différente des seuls chiffres de risque.

Voici pourquoi. Un économiste du travail qui consacrait auparavant 60 % de son temps au nettoyage des données, à la revue de littérature et à l'analyse préliminaire peut désormais comprimer ce travail en une fraction du temps. Les 40 % restants, la partie qui requiert jugement, compréhension contextuelle, génération d'hypothèses nouvelles et interprétation des politiques, devient l'intégralité du travail.

Et ces 40 % sont exactement ce dont le monde a le plus besoin en ce moment. Chaque gouvernement, chaque multinationale, chaque organisation internationale se démène pour comprendre comment l'IA remodèle les marchés du travail. Ils n'ont pas besoin d'une extraction de données plus rapide. Ils ont besoin de quelqu'un qui peut regarder les données et dire : « Voici ce que cela signifie réellement pour la politique. »

Les données d'utilisation elles-mêmes soutiennent la lecture de l'amplification. Selon l'Anthropic Economic Index (mars 2026), l'amplification — des schémas collaboratifs comme l'apprentissage, l'itération et la validation — représente encore 57 % de toute l'utilisation mesurée de Claude, et environ 49 % des emplois ont déjà vu au moins un quart de leurs tâches touchées par l'outil [Fait]. Pour une profession dont l'intégralité de la production est lire, modéliser et écrire, ce schéma n'est pas une sentence de mort ; c'est la description d'un flux de travail en cours de reconstruction autour d'un collaborateur plus rapide. Le World Economic Forum's Future of Jobs Report 2025 parvient à la même conclusion du côté macro, notant que l'impact principal de l'IA générative réside dans « l'amplification des compétences humaines par la collaboration homme-machine, plutôt que dans le remplacement direct », et que la pensée analytique reste la compétence principale la plus valorisée par les employeurs [Fait].

[Affirmation] Les économistes qui ne réussiront pas cette transition se trouveront à concurrencer des postes moins nombreux face à des collègues augmentés par l'IA qui produisent plus de recherches, avec des ensembles de données plus larges, sur des questions plus pertinentes. Les économistes qui réussiront cette transition découvriront que la frontière intellectuelle du domaine s'est élargie, pas rétrécie.

Idées fausses courantes

« L'IA va halluciner des citations et ruiner la recherche économique. » Partiellement vrai. Les premiers modèles fabriquaient effectivement des citations. Les modèles actuels, lorsqu'ils sont utilisés correctement avec des configurations augmentées par récupération et des flux de vérification, produisent des revues de littérature précises. Le risque est réel mais gérable pour les chercheurs qui intègrent la vérification dans leur processus. Le risque est grave pour les chercheurs qui traitent la production de l'IA comme définitive.

« Les vrais économistes n'utilisent pas l'IA. » De plus en plus faux. En 2026, l'utilisation de l'IA est la norme dans les départements de premier plan, pas l'exception. La question est de savoir si l'utilisation est reconnue et méthodologiquement rigoureuse, pas si elle se produit.

« Ma spécialité est trop pointue pour que l'IA puisse aider. » Généralement faux. Même les sous-domaines très spécialisés — marchés du travail informels dans les économies en développement, ségrégation professionnelle dans les soins de santé, assimilation salariale des immigrants — bénéficient de l'assistance de l'IA dans la revue de littérature, le nettoyage des données et l'analyse exploratoire. Plus la spécialité est étroite, plus l'IA fait gagner du temps sur le travail routinier qui vous éloigne de votre véritable expertise.

Ce que les économistes du travail devraient faire maintenant

Devenir fluent en IA, pas seulement conscient de l'IA. Vous étudiez cette transformation. Vous devriez utiliser les outils, pas seulement écrire à leur sujet. [Affirmation] Les économistes du travail capables de combiner la rigueur économétrique traditionnelle avec le traitement des données alimenté par l'IA produiront des recherches deux fois plus rapidement avec des ensembles de données plus riches.

Passer du traitement des données à l'interprétation. Le taux d'automatisation de 72 % sur l'analyse des données signifie que les parties mécaniques de votre travail disparaissent. Penchons-nous sur ce que l'IA ne peut pas faire : poser les bonnes questions, concevoir de nouveaux cadres de recherche, et relier les schémas de données aux implications politiques du monde réel.

Se positionner comme traducteur. Les décideurs politiques, les dirigeants d'entreprise et le public ont besoin de quelqu'un pour expliquer ce que l'IA signifie pour les emplois en termes qu'ils peuvent comprendre. Les économistes du travail capables de combler le fossé entre la recherche technique et les insights actionnables sont plus demandés que jamais.

Se spécialiser dans les impacts de l'IA sur le travail. Le sous-domaine à la croissance la plus rapide de l'économie du travail est, sans surprise, l'étude de comment l'IA affecte le travail. Les chercheurs avec une expertise approfondie ici ont un avantage que les économistes généralistes n'ont pas.

Feuille de route des compétences

Horizon de 12 mois. Développez l'aisance avec un flux de travail LLM polyvalent (Claude ou ChatGPT plus un environnement notebook) pour la revue de littérature, l'exploration de données et la rédaction de premières ébauches. Documentez vos schémas de prompts. Apprenez à reconnaître quand la production de l'IA est incorrecte — ce jugement devient votre avantage.

Horizon de 3 ans. Développez une spécialité dans l'analyse du marché du travail de l'IA, l'innovation méthodologique utilisant des outils d'IA, ou le conseil en politique d'IA. Construisez des relations dans le monde politique — votre valeur vient de plus en plus de la traduction de données en décisions, pas de l'exécution des régressions elles-mêmes.

Parcours adjacents si vous souhaitez pivoter. Analyste politique dans une agence fédérale, data scientist senior dans une entreprise technologique axée sur le travail, directeur de recherche dans une ONG de développement de la main-d'œuvre, ou consultant indépendant en travail axé sur les évaluations d'impact de l'IA. Chaque parcours utilise votre formation d'une manière que l'IA seule ne peut pas reproduire.

Pour la ventilation complète des données, visitez la page de la profession économistes du travail.

---

_Analyse assistée par IA basée sur des données d'Anthropic (2026) et les projections d'emploi BLS. Pour les données complètes, visitez la page des économistes du travail._