Les 47 % d'Oxford n'ont jamais été un décompte d'emplois perdus. Dix ans plus tard, les auteurs ont relu leur article : le travail qu'ils jugeaient le plus sûr était passé à la portée des machines.
27 septembre 2026
L'article fait soixante-douze pages et il est daté du 17 septembre 2013. Deux chercheurs d'Oxford, un économiste nommé Carl Benedikt Frey et une chercheuse en apprentissage automatique, Maike Osborne, qui publiait alors sous le nom de Michael A. Osborne, ont pris 702 métiers américains, ont noté chacun selon la facilité avec laquelle un ordinateur pourrait l'exercer, et ont compté combien de personnes occupaient les emplois ayant obtenu une note élevée. À la page 38, ils ont donné le total.
« Selon notre estimation, 47 % de l'emploi total aux États-Unis relève de la catégorie à haut risque. »
C'est la phrase dont le monde se souvient. Pendant la décennie qui a suivi, c'était le chiffre auquel on pensait en disant que les robots arrivaient.
Ce qui n'a pas voyagé avec elle, c'est la réserve. Quatre pages plus loin, dans une section intitulée Limites, les auteurs ont écrit : « Nous ne cherchons nullement à estimer combien d'emplois seront effectivement automatisés. » Ils l'ont répété dans leurs conclusions. Ils ont énuméré ce qu'ils avaient laissé de côté : les salaires, le prix des machines, la réglementation, la résistance politique, et la difficulté ordinaire de prédire la technologie. Ils ont noté que leur méthode ne pouvait pas voir un emploi qui change de forme sans disparaître.
La suite de la phrase du gros titre n'a pas voyagé non plus. Les métiers de cette catégorie, poursuit-elle, « sont potentiellement automatisables sur un nombre d'années non précisé, peut-être une décennie ou deux ». Les auteurs présentaient leur échelle de probabilité comme « un calendrier approximatif », sur lequel les emplois à haut risque étaient « susceptibles d'être remplacés par du capital informatique relativement tôt ».
L'article donnait un horizon flou. Ce qu'il refusait de donner, c'était un décompte. Le chiffre que tout le monde citait n'était pas une prédiction selon laquelle 47 % des emplois allaient disparaître, et ses auteurs l'ont dit deux fois dans l'article lui-même.
Ce que l'article mesurait, c'était l'exposition. Prenez les emplois qui existaient en 2010. Demandez, pour chacun, si ses tâches pourraient, en principe et avec assez de données, être accomplies par le genre de machine que les ingénieurs voyaient venir. Comptez les personnes qui occupent les emplois pour lesquels la réponse est probablement oui.
C'est une vraie question, qui a une vraie réponse. Ce n'est pas la même chose que de demander combien de personnes perdront leur emploi. Un emploi peut rester exposé pendant des décennies sans jamais être automatisé, parce que la main-d'œuvre est bon marché, parce qu'un régulateur dit non, ou parce que le travail se réorganise autour de la machine.
Le débat public a piétiné cette distinction dans les deux sens. Un camp a lu les 47 % comme le compte à rebours d'un chômage de masse. L'autre camp s'en est pris au chiffre lui-même.
Certaines réponses affrontaient l'article sur son propre terrain. En 2016, trois économistes écrivant pour l'Organisation de coopération et de développement économiques (OCDE) ont refait l'exercice tâche par tâche plutôt que métier par métier, au motif que des personnes portant le même intitulé de poste ne font pas les mêmes choses. Pour les États-Unis, ils ont trouvé 9 % des travailleurs dans des emplois hautement automatisables, et non 47. En 2018, une autre étude de l'OCDE, couvrant trente-deux pays, a situé le chiffre à 14 %, avec 32 % supplémentaires exposés à un risque de profond changement dans la manière dont le travail est accompli. C'est un combat loyal sur l'ampleur de l'exposition, et le chiffre de l'article y a perdu du terrain. Frey et Osborne contestent toujours la méthode. Juger un emploi à « la part des tâches que les machines peuvent accomplir », ont-ils écrit en 2023, « conduira à des estimations erronées », parce que le travail est généralement restructuré avant d'être automatisé.
D'autres tombaient à côté. En septembre 2013, le mois où l'article est daté, les États-Unis comptaient 136,8 millions d'emplois salariés et un taux de chômage de 7,2 %. En août 2026, ils en comptaient 159,1 millions, pour un taux de 4,1 %. Plus de 22 millions d'emplois se sont ajoutés depuis, pendant les années où, selon la lecture populaire, près de la moitié de tous les emplois devaient disparaître. Chacun de ces chiffres est exact. Aucun n'atteint ce que l'article affirmait. L'article disait ce que les machines pourraient devenir capables de faire. Il ne disait pas ce que les employeurs en feraient, ni combien de personnes seraient licenciées.
Une estimation de ce qui pourrait arriver n'est pas réfutée par ce qui n'est pas encore arrivé.
L'article faisait une seconde affirmation, plus audacieuse que le gros titre et plus facile à vérifier.
Frey et Osborne ne se sont pas demandé si les ordinateurs pouvaient tout faire. Ils se sont demandé ce que les ordinateurs ne pouvaient pas encore faire, et pourquoi. En s'appuyant sur la littérature en robotique et en apprentissage automatique, ainsi que sur un atelier tenu au département d'ingénierie d'Oxford, ils ont retenu trois obstacles qu'ils ont appelés des goulets d'étranglement techniques : les tâches sur lesquelles, à leur jugement, les machines resteraient bloquées. Ils ont ensuite étiqueté à la main soixante-dix métiers comme automatisables ou non, et laissé un modèle statistique étendre ces jugements à tous les autres.
Le premier goulet d'étranglement était la perception et la manipulation : manier des objets irréguliers dans des lieux encombrés et imprévisibles. Les entrepôts et les hôpitaux sont conçus pour des machines à roues ; la plupart des logements ne le sont pas.
Le deuxième était l'intelligence créative. L'obstacle, écrivaient-ils, n'était pas de produire de la nouveauté, ce que les machines savaient déjà faire. C'était d'« énoncer nos valeurs créatives assez clairement pour qu'elles puissent être codées ». Leur conclusion : « En l'absence de solutions techniques permettant de surmonter ce problème, il semble peu probable que les métiers exigeant un haut degré d'intelligence créative soient automatisés dans les prochaines décennies. »
Le troisième était l'intelligence sociale : la négociation, la persuasion, le soin. Ici, ils ont choisi un test précis. « Même des versions simplifiées de tâches sociales typiques s'avèrent difficiles pour les ordinateurs, écrivaient-ils, comme c'est le cas lorsque l'interaction sociale est réduite au pur texte. » Dans les compétitions annuelles de test de Turing, où des juges conversent par écrit avec des humains et des programmes dissimulés, « des algorithmes sophistiqués n'ont jusqu'ici pas réussi à convaincre les juges de leur ressemblance avec un humain ».
Des goulets d'étranglement est née une séquence. Une première vague atteindrait le transport et la logistique, le soutien administratif et de bureau, et le travail de production. Un plateau suivrait, pendant que les ingénieurs grignoteraient la perception et la manipulation. Une seconde vague, écrivaient-ils, « dépendra principalement du dépassement des goulets d'étranglement techniques liés à l'intelligence créative et sociale ». Le travail créatif et social serait le dernier à passer à la portée des machines.
L'annexe détaille cette séquence, métier par métier. Les télévendeurs se trouvaient tout au bout du classement, au 702ᵉ rang sur 702, parmi une douzaine de métiers à une probabilité de 0,99. Les préparateurs de déclarations fiscales en faisaient partie, et les assistants juridiques obtenaient 0,94. À l'autre extrémité, les écrivains et auteurs obtenaient 0,038, les développeurs de logiciels d'application 0,042, les rédacteurs-réviseurs 0,055 et les graphistes 0,082.
Il s'agissait encore d'une affirmation sur les capacités, et non sur les licenciements. Le même modèle produisait les 47 %. Mais une séquence de capacités possède une propriété qui manque à un décompte fait pour les gros titres : on peut ensuite voir quelle partie a cédé la première. Dix ans plus tard, ses auteurs sont allés y regarder.
En 2023, Frey et Osborne ont relu publiquement leur propre article. Le résultat a paru en 2024 dans le Brown Journal of World Affairs sous le titre « Generative AI and the Future of Work : A Reappraisal ». Ils n'ont pas atténué ce qu'ils avaient cru :
Nous étions fermement convaincus qu'en l'absence de sauts majeurs, les tâches exigeant créativité et intelligence sociale, ainsi que le travail manuel non structuré, resteraient des refuges pour les travailleurs humains. Les métiers de journaliste, de scientifique, d'ingénieur logiciel, de directeur artistique et d'architecte, avions-nous établi, présentaient tous un faible risque d'automatisation.
Puis ils ont posé la question sans détour : « avons-nous sous-estimé la portée de l'automatisation à court terme ? »
Pour l'intelligence sociale, leur réponse a été oui pour l'essentiel, s'agissant du travail qui peut se faire à distance, même si « des goulets d'étranglement essentiels à l'automatisation des tâches sociales subsistent ». En 2013, ils avaient écrit que, pour faire une plaisanterie subtile, un ordinateur aurait besoin d'« une base de données d'une richesse de connaissances comparable à celle des humains ». Dix ans plus tard, ils ont rappelé cette condition comme étant « une vaste base de données de plaisanteries produites par des humains et des méthodes pour évaluer la performance de l'algorithme », et ils ont ajouté : « Nous avons désormais les deux. » Les tâches sociales, « que nous jugions non automatisables en 2013 », se présentaient désormais autrement : « l'intelligence artificielle pourrait être en mesure de remplacer le travail humain dans de nombreux environnements virtuels, ce qui signifie que si une tâche peut être accomplie à distance, elle peut aussi potentiellement être automatisée ». Le texte, le support qu'ils avaient choisi en 2013 comme le cas difficile, relevait désormais de ce qu'ils se représentaient comme « un monde où l'intelligence artificielle excelle dans l'espace virtuel ».
Leur jugement sur la créativité a été plus partagé. Les systèmes génératifs, soutenaient-ils, recombinent bien les œuvres existantes et innovent mal par rupture. Un tel système « est plus doué pour créer des suites que de nouveaux récits », et il rivalise « avec le talent humain moyen plutôt qu'avec les vedettes ».
Le goulet d'étranglement physique, que leur modèle de 2013 voyait s'éroder en premier et seulement peu à peu, a pour l'essentiel tenu. Ils ont reconnu que « les progrès de la vision par ordinateur ont ouvert la voie à l'automatisation d'un plus grand nombre de tâches de perception », et ils ont cité « de nombreux essais de robotaxis, de San Francisco à Shenzhen ». Mais les emplois fondés sur une perception et une manipulation complexes « restent relativement à l'abri de l'automatisation, comme nous l'avions estimé en 2013 », parce que dans les espaces publics à fort enjeu « nous ne pouvons pas accepter d'erreurs ».
Posez les deux documents côte à côte, et la séquence s'est déroulée dans l'autre sens. En 2013, l'intelligence créative et l'intelligence sociale devaient être les derniers goulets d'étranglement à tomber, et le monde physique devait céder le premier, progressivement. En 2023, selon l'évaluation même des auteurs, les tâches sociales accomplies à distance et le travail créatif fondé sur la recombinaison étaient passés, en principe, à la portée des machines, tandis que le goulet d'étranglement physique tenait bon.
Ils ne parlent pas de renversement. Ils écrivent que « d'importants goulets d'étranglement à l'automatisation subsistent », et ils s'attendent à ce que ceux de 2013 continuent de limiter l'automatisation. La lecture est la nôtre. Chacune de ses étapes s'appuie sur leurs propres pages.
Ils ne lisent pas non plus ce déplacement comme un verdict sur les emplois qu'ils jugeaient autrefois sûrs. Traiter l'intelligence artificielle générative « comme une technologie d'automatisation est, sous sa forme actuelle, une erreur », écrivent-ils ; son effet immédiat sera « la transformation des emplois existants de création de contenu, en les rendant plus faciles à exercer ». Ou, plus crûment : « ChatGPT ne remplacera pas les journalistes, pas plus que Copilot de Github ne remplacera les programmeurs. »
Ils ont alors tracé une nouvelle ligne, plus étroite que l'ancienne et, là encore, énoncée avec assurance. L'avantage humain, disent-ils désormais, tient à la présence en personne. Les grands modèles de langage qui font fonctionner des agents conversationnels comme ChatGPT, selon leur expression, « n'ont pas de corps ». Il tient aussi à la véritable nouveauté plutôt qu'à la recombinaison, et au travail physique où l'erreur est inacceptable. Ils ont conclu sur une attente : « en l'absence de percées majeures, nous prévoyons aussi que les goulets d'étranglement que nous avons décrits dans notre article de 2013 continueront de limiter nos possibilités d'automatisation dans un avenir prévisible ».
Frey et Osborne auraient pu laisser leur article de 2013 en l'état. Ils l'ont au contraire relu par écrit, et ont dit quelles parties avaient bougé.
La réplique la plus solide tient en deux temps. D'abord, c'est trop tôt. Ce qu'une machine peut faire en principe n'est pas ce que les employeurs en font, et le marché du travail n'a presque rien enregistré de tout cela. Le Budget Lab de l'université Yale, qui suit la composition par métiers de la main-d'œuvre américaine à la recherche d'effets de l'intelligence artificielle (IA), a constaté en septembre 2026 que « les mesures de l'usage de l'IA ne montrent aucun lien avec l'évolution de l'emploi ou du chômage ». Les données de paie étudiées par Erik Brynjolfsson, Bharat Chandar et Ruyu Chen, du Digital Economy Lab de Stanford, ne montrent « aucun signe de suppressions d'emplois généralisées, à l'échelle de l'économie », et un seul signal étroit : les travailleurs de vingt-deux à vingt-cinq ans dans les métiers les plus exposés à l'IA accusent désormais un retard de 19 % sur leurs pairs moins exposés, surtout parce qu'on en embauche moins. Les auteurs qualifient leurs résultats d'« indicateurs précoces et descriptifs », et non d'estimations causales. Le schéma s'affaiblit une fois le niveau d'études pris en compte, une partie a commencé avant l'IA générative, et il est plus marqué dans leur échantillon de paie que dans les enquêtes nationales.
Ensuite, la nouvelle ligne (présence physique, nouveauté et enjeux élevés) pourrait tenir longtemps, et ses auteurs s'attendent à ce que les anciens goulets d'étranglement continuent de peser.
Les deux points tiennent. Les données sur l'emploi ne peuvent pas encore dire que les emplois sont partis dans le mauvais ordre, et l'argument n'a pas besoin que la nouvelle ligne cède. La nouvelle ligne pourrait tenir, et une partie de l'ancienne a tenu : en 2013, les auteurs jugeaient la perception et la manipulation « peu susceptibles d'être entièrement résolues au cours des dix ou vingt prochaines années », et dix ans plus tard, de leur propre aveu, elles ne l'étaient pas. Ce qui a bougé, c'est l'autre côté de la carte. Ses auteurs l'ont redessinée autour du travail social et créatif, le terrain qu'ils jugeaient le plus sûr.
Depuis 2013, les estimations de la portée de l'IA ont surtout pris la forme de pourcentages, lus comme des décomptes d'emplois à perdre, et le débat sur la taille du chiffre se tranche rarement. La question qui décide de qui est exposé en premier est d'une autre nature : quel travail, et dans quel ordre.
Quarante-sept pour cent de quoi, alors ? Des emplois qui existaient en 2010, mesurés à l'aune des machines qu'un atelier d'Oxford voyait venir en 2013. C'était une mesure honnête de l'exposition, lue pendant dix ans comme une prévision de pertes. La partie de l'article qui méritait l'attention était la carte des endroits où les machines n'iraient pas. Cette ligne a désormais été tracée deux fois en dix ans, avec assurance chaque fois. Quiconque a choisi une carrière d'après la première carte en 2013 a choisi selon une ligne que ses propres auteurs ont depuis déplacée. Quiconque lit la seconde aujourd'hui est en train de choisir une carrière d'après elle, et ce choix n'en est pas plus certain.
Les idées, l'argument et les conclusions de cet essai sont les miens. Je développe chaque essai en dialogue avec un assistant d'intelligence artificielle : je fixe la question et la direction, il met ma pensée en prose, et je relis et retravaille chaque version jusqu'à ce qu'elle ait la forme et l'allure que je veux. Chaque chiffre est sourcé ; les sources figurent ci-dessous.