Contexte et méthodologie

Le groupe de recherche économique du CESifo à Munich, dirigé par Robert Fairlie et Jane Wu, a publié un working paper intitulé The Early Impacts of AI on Employment Among Recent College Graduates. Les auteurs ont exploité les micro‑données du Current Population Survey (CPS) de l’US Census, couvrant les étés 2022 à 2026. L’échantillon se compose de diplômés titulaires d’un baccalauréat, âgés de 22 à 25 ans, qui ne poursuivent pas d’études supérieures. L’objectif était d’observer les variations du taux de chômage saisonnier, hypothétiquement sensible aux premiers effets de la demande de travail lorsqu’une technologie d’IA remplace des tâches standardisées.

Résultats chiffrés

Le taux de chômage est resté stable : 7,3 % en été 2026, encadré par 6,3 % en 2022 et 7,8 % en 2024. Cette fourchette montre une variation annuelle inférieure à un point de pourcentage, ce qui est comparable aux fluctuations historiques du marché du travail. Les chercheurs ont également inclus les « personnes qui veulent un emploi » mais ne cherchent pas activement, sans observer de déviation notable. Des tests de différence de moyennes ont comparé les diplômés récents aux non‑diplômés du même âge et aux diplômés plus âgés (30‑49 ans). Aucun des tests n’a atteint la significativité statistique (p‑valeur > 0,05), même après segmentation selon le niveau d’exposition à l’IA tel que défini par une étude de 2023 identifiant les postes les plus susceptibles d’être automatisés.

Comparaison avec l’étude Stanford

Une étude antérieure de Stanford, basée sur les données de paie d’ADP, avait conclu à une décélération de l’emploi dans les métiers « AI‑impacted ». Le CESifo explique cette divergence par deux biais méthodologiques : ADP ne couvre qu’une partie du marché du travail et mesure l’offre d’emplois, alors que le CPS mesure le taux de chômage, qui intègre la demande réelle. Ainsi, même si l’offre d’emplois dans certains secteurs se contracte, la demande globale peut compenser, maintenant le taux de chômage stable.

Perspectives et limites

Les auteurs avertissent que les données de 2026 ne préjugent pas des cohortes futures. Si l’intensité de l’usage de l’IA continue de croître – comme le suggèrent les augmentations récentes des dépenses d’IA par employé et l’utilisation de ChatGPT Enterprise – les diplômés de 2027 et au‑delà pourraient subir une pression plus forte. La robustesse de l’analyse repose sur la qualité du CPS, mais le questionnaire ne capture pas les emplois informels ou les stages non rémunérés, qui pourraient être les premiers points d’entrée de l’automatisation. En l’absence de données longitudinales plus longues, il reste difficile de confirmer un effet retardé.