En 1750, en France, environ 85 % de la population active travaillait dans l'agriculture. Cela représentait quelque 12 à 13 millions de personnes sur une population totale d'environ 25 millions. Le paysan était la figure centrale de l'économie, du social, du politique. Les récoltes dictaient le prix du pain, le prix du pain dictait la paix sociale, et la paix sociale conditionnait la survie des régimes.

La mécanisation agricole a tout fait exploser — lentement d'abord, puis de façon irréversible. La faucheuse mécanique, introduite dans les années 1830-1840, permettait à deux hommes de faire le travail de quinze. La batteuse à vapeur, généralisée dans la seconde moitié du XIXe siècle, remplaçait des dizaines de journaliers à l'automne. Le tracteur à moteur à explosion, apparu massivement après 1918, acheva la transformation. En 1900, l'agriculture occupait encore environ 40 % de la population active française — soit environ 8 millions de personnes. En 1950, ce chiffre était tombé à 28 %, soit environ 5 millions. Aujourd'hui : moins de 800 000 actifs, soit moins de 3 % — et ce chiffre continue de baisser.

Ce que ces chiffres ne disent pas, c'est la violence sociale de cette transition. Les révoltes des briseurs de machines — les Luddites en Angleterre entre 1811 et 1816, les révoltes des tisserands silésiens en 1844 — ne sont pas des anecdotes folkloriques. Ce sont les spasmes d'une société en train de se déchirer. Des millions de ruraux ont été propulsés dans des villes qui n'étaient pas prêtes à les recevoir, dans des usines aux conditions souvent mortifères, au terme d'une transition qui a duré plusieurs générations et charrié des niveaux de misère que nos sociétés actuelles peinent à imaginer.

Les Trente Glorieuses et le grand transfert vers les services

Après la Seconde Guerre mondiale, l'industrie française a connu son apogée. En 1970, le secteur industriel employait environ 5,5 millions de personnes, soit près de 25 % de la population active. Les grandes usines — Renault à Billancourt avec ses 35 000 ouvriers, les aciéries de Lorraine, les mines du Nord-Pas-de-Calais, les chantiers navals de Saint-Nazaire — structuraient des villes entières, des identités collectives, des cultures de classe.

Puis vint la désindustrialisation. Elle a plusieurs causes : la concurrence internationale des pays à bas coûts salariaux, mais aussi et surtout la robotisation des chaînes de production. L'introduction des robots industriels dans l'automobile dans les années 1980 — les bras robotisés KUKA ou Fanuc — a littéralement vidé des pans entiers de la production. Une chaîne d'assemblage qui nécessitait 2 000 ouvriers en 1975 n'en réclamait plus que 400 en 1995 pour le même volume de production.

Le bilan est saisissant : entre 1975 et 2023, la France a perdu plus de 2,5 millions d'emplois industriels. La sidérurgie lorraine à elle seule — Longwy, Thionville, Hayange — a vu s'évaporer plus de 100 000 emplois en moins de deux décennies. Les chantiers navals de La Ciotat, qui employaient 6 500 personnes en 1980, ont fermé en 1986. Les mines du Nord, qui faisaient travailler 220 000 mineurs en 1945, ont définitivement cessé toute activité en 1990.

Le secteur tertiaire a absorbé une partie de ces flux — mais jamais la totalité, et rarement avec les mêmes niveaux de revenus ni la même densité communautaire. Aujourd'hui, les services concentrent près de 80 % de la population active française, soit environ 20 millions de personnes. C'est précisément là que le prochain séisme va frapper.

I. La rupture de nature : pourquoi cette vague est différente

Chaque fois que la mécanisation a détruit des emplois, une réponse commode a circulé : "c'est comme les fois précédentes — de nouveaux métiers vont émerger." Cette réponse était vraie pour les transitions agricole et industrielle. Elle reposait sur une logique simple : les machines remplaçaient la force physique, mais laissaient intacte la supériorité cognitive de l'humain. Le paysan déplacé pouvait devenir opérateur d'usine. L'ouvrier déplacé pouvait devenir technicien, comptable, commercial.

L'intelligence artificielle brise cette logique à sa base.

Ce que l'IA remplace réellement

Un robot industriel des années 1980 ne savait faire qu'une chose : souder un point précis sur une carrosserie, à un millimètre près, en boucle infinie. Il était aveugle, sourd, incapable d'adaptation. Il fallait des ingénieurs pour le programmer, des techniciens pour le maintenir, des superviseurs pour gérer les cas hors norme.

Les systèmes d'IA actuels font autre chose. GPT-4, Claude, Gemini ne remplacent pas une tâche : ils remplacent une capacité. La capacité de lire, de comprendre, de synthétiser, de rédiger, de raisonner, de planifier, de décider. Ce sont précisément les capacités sur lesquelles reposait l'ensemble de la pyramide des emplois tertiaires, du bas vers le haut.

Prenons des exemples concrets :

Le droit. Un cabinet d'avocats d'affaires emploie traditionnellement de nombreux collaborateurs juniors pour réaliser la due diligence — l'examen minutieux de milliers de pages de contrats avant une acquisition. Ce travail, facturé à des centaines d'euros de l'heure, est aujourd'hui réalisé par des outils comme Harvey AI ou Kira en quelques minutes, avec un niveau de précision supérieur à celui d'un junior fatigué à 23 heures. Le cabinet Allen & Overy a officiellement intégré Harvey dans ses processus en 2023. Résultat : les recrutements de collaborateurs juniors commencent à stagner dans les grands cabinets internationaux.

La comptabilité et l'audit. Les quatre grands cabinets d'audit mondiaux — Deloitte, PwC, EY, KPMG — ont massivement investi dans des outils d'IA capables d'analyser des milliers de transactions, de détecter des anomalies et de produire des rapports préliminaires sans intervention humaine. EY a ainsi annoncé un investissement de 1,4 milliard de dollars dans l'IA entre 2023 et 2026. Ces outils ne remplacent pas encore l'auditeur senior — mais ils font le travail de dix à vingt juniors. Dans un secteur qui emploie en France environ 100 000 personnes, les effets sur les recrutements sont déjà mesurables.

La radiologie médicale. Des systèmes comme Aidoc ou Zebra Medical Vision analysent des scanners et des IRM avec une précision diagnostique qui rivalise — et parfois surpasse — celle de radiologues expérimentés pour la détection de certaines pathologies : embolie pulmonaire, hémorragie intracrânienne, nodules pulmonaires suspects. En France, la radiologie emploie environ 12 000 médecins radiologues. Leur cœur de métier — l'interprétation d'images — est directement dans la trajectoire de l'IA.

Le journalisme et la création de contenu. L'Associated Press utilise depuis 2014 des logiciels automatisés pour rédiger des articles financiers et sportifs. Ce qui était expérimental est devenu industriel : des plateformes comme Automated Insights produisent aujourd'hui des milliards d'articles par an. En France, où le journalisme emploie environ 35 000 professionnels, la pression est déjà sensible dans les rédactions en ligne et les agences de contenu.

Le service client. Les centres d'appels emploient en France environ 300 000 personnes. Les chatbots de nouvelle génération, capables de comprendre le langage naturel, de gérer des situations complexes et de s'adapter émotionnellement au ton de l'interlocuteur, rendent cette armée de téléopérateurs massivement vulnérable. Klarna, la fintech suédoise, a annoncé début 2024 que son assistant IA gérait l'équivalent du travail de 700 agents humains, soit environ un tiers de ses effectifs de service client.

L'accélération récursive : quand l'IA s'améliore elle-même

Il existe un phénomène que les économistes et les politiques semblent collectivement refuser de regarder en face : l'IA est désormais en train de s'améliorer elle-même.

Jusqu'à récemment, chaque génération de modèles d'IA nécessitait des années de travail humain : des équipes d'ingénieurs pour concevoir les architectures, des annotateurs humains (souvent sous-payés dans des pays du Sud global) pour étiqueter les données d'entraînement, des chercheurs pour affiner les algorithmes. Ce processus était linéaire, coûteux, lent.

Ce paradigme est en train de s'inverser. Les techniques dites de "Constitutional AI", d'"RLHF synthétique" ou d'auto-entraînement permettent désormais à un modèle d'IA de générer ses propres données d'entraînement, d'évaluer ses propres réponses, de corriger ses propres erreurs — et de produire des versions plus performantes d'elle-même. AlphaCode 2 de DeepMind, par exemple, génère et teste automatiquement des milliers de solutions à des problèmes de programmation, s'auto-évalue, et améliore ses propres performances sans intervention humaine directe.

Ce que cela signifie concrètement : nous ne sommes plus dans une progression linéaire, où chaque avancée prend autant de temps et d'énergie que la précédente. Nous sommes dans une progression potentiellement exponentielle, où chaque génération d'IA est plus performante, se développe plus vite, et requiert moins de ressources humaines pour être améliorée.

Dario Amodei, PDG d'Anthropic — l'un des rares dirigeants du secteur à s'exprimer avec une franchise désarmante — a déclaré publiquement que l'IA pourrait, dans les années qui viennent, accomplir en quelques mois des avancées scientifiques qui auraient normalement pris des décennies. Il prédit explicitement la disparition de 50 % des emplois de bureau de début de carrière à court terme. Ce n'est pas la prophétie d'un techno-pessimiste : c'est l'estimation d'un homme qui construit lui-même ces systèmes.

II. Le chiffre qui devrait nous réveiller

Posons la question autrement. Si l'on évalue la richesse réellement produite en France — son PIB industriel, agricole, énergétique, logistique, et même une partie des services à haute valeur ajoutée — combien de travailleurs sont strictement nécessaires à sa production, avec les technologies déjà disponibles aujourd'hui ?

La réponse est vertigineuse : entre 5 et 8 millions de personnes, dans un pays qui compte environ 28 millions d'actifs.

Le reste — 20 millions de personnes — occupe des emplois dont une large part consiste, en réalité, à se rendre des services mutuels, à gérer des procédures administratives redondantes, à produire des rapports que personne ne lira entièrement, à coordonner des réunions pour préparer d'autres réunions. Cette formulation peut sembler cruelle. Elle est pourtant une description relativement précise de la structure réelle d'une grande partie de l'emploi tertiaire contemporain — ce que l'anthropologue David Graeber appelait, dans un livre retentissant, les "bullshit jobs".

L'IA ne va pas seulement s'attaquer aux tâches automatisables. Elle va rendre visible, de façon implacable, la vacuité d'une fraction significative du travail existant.

III. Le théâtre politique et ses fantômes

Face à ce défi d'une ampleur sans précédent, le débat politique continue de se dérouler selon des lignes de fracture héritées du XIXe et du XXe siècle. La gauche défend les travailleurs contre le capital. La droite défend l'entreprise contre l'État. Les syndicats négocient des conventions collectives. Le patronat optimise les coûts de production. Chacun joue son rôle avec conviction dans une pièce dont la scène est en train de s'effondrer.

Se disputer sur les 35 heures quand la question est peut-être de savoir comment organiser une société à 10 heures, c'est négocier l'agencement des transats sur le Titanic. Défendre le "droit au travail" comme valeur centrale de l'émancipation humaine à l'heure où le travail lui-même se raréfie structurellement, c'est construire une cathédrale pour un dieu qui quitte le monde.

Les vraies questions sont d'une autre nature, et d'une autre urgence.

IV. L'équation sociale brisée

Notre modèle de société repose sur un présupposé qui n'a jamais été explicité parce qu'il semblait éternel : chaque individu travaille, tire de ce travail un revenu, consomme, et contribue par ses cotisations et ses impôts au financement des protections collectives — santé, retraite, chômage, éducation. Le travail est le pivot de tout : identité sociale, revenu, droit aux protections, sens de l'existence.

Ce modèle est en train de se fissurer sur trois fronts simultanément.

Premier front : la raréfaction du travail. Si l'IA et la robotique suppriment massivement les emplois, le revenu tiré du travail se contracte pour une fraction croissante de la population. La consommation baisse. Les recettes fiscales et sociales s'effondrent. Les protections collectives deviennent intenables à financer.

Deuxième front : la concentration des gains. Les gains de productivité engendrés par l'IA ne se dispersent pas naturellement dans l'économie. Ils se concentrent dans les mains des propriétaires des systèmes d'IA — une poignée d'entreprises technologiques américaines et, bientôt, chinoises. Nvidia, Microsoft, Google, Meta, Anthropic, OpenAI : la valeur créée par l'automatisation de millions d'emplois s'accumule dans quelques bilans comptables, dans quelques fonds d'investissement, dans quelques patrimoines individuels déjà stratosphériques. Sam Altman, PDG d'OpenAI, a une fortune personnelle estimée à plusieurs milliards de dollars. Jensen Huang, fondateur de Nvidia, dont les puces font tourner l'essentiel des systèmes d'IA mondiaux, est entré dans le club des dix hommes les plus riches du monde en moins de trois ans.

Troisième front : l'inadaptation structurelle du financement. En France, la protection sociale est financée à hauteur d'environ 60 % par des cotisations assises sur les salaires. Dans un monde où le travail humain se raréfie et où la richesse est de plus en plus produite par des machines, taxer le travail pour financer les protections sociales revient à taxer la denrée la plus rare pour subventionner le reste. C'est une équation qui ne peut fonctionner qu'à condition que le travail reste abondant. Cette condition est précisément celle qui disparaît.

V. Le temps du choix

L'histoire montre que les grandes transitions technologiques n'ont jamais été neutres socialement. Elles ont toujours produit des gagnants et des perdants, et l'issue finale a toujours dépendu des choix politiques qui ont accompagné la transformation technique : les lois sociales de la fin du XIXe siècle, le New Deal américain, les compromis des Trente Glorieuses. Ces choix n'ont jamais été évidents, ni consensuels. Ils ont été arrachés par des conflits, des crises, parfois des ruptures violentes.

Nous sommes au seuil d'une transformation qui dépasse toutes les précédentes en vitesse et en amplitude. La différence avec les fois précédentes, c'est que nous disposons pour la première fois de l'outil intellectuel pour l'anticiper — si nous acceptons de regarder en face ce que les chiffres racontent.

Le cataclysme n'est pas une certitude absolue. Il est une trajectoire probable, déjà engagée, dont la brutalité finale dépendra de la rapidité avec laquelle nos sociétés accepteront de poser les vraies questions — avant que les événements ne les y contraignent, dans des conditions bien moins favorables au choix éclairé.

La scène politique traditionnelle se dispute l'héritage d'un monde en train de disparaître. La vraie bataille, elle, se joue ailleurs : dans les datacenters de Virginie et de Singapour, dans les laboratoires de San Francisco et de Pékin, dans les lignes de code qui s'écrivent sans que personne ne les lise, et dans la capacité — ou l'incapacité — de nos démocraties à construire un récit collectif à la hauteur de ce qui vient.