Le conseil de carrière classique à l'épreuve des fiches de paie
Demandez comment rester employable alors que l'IA prend en charge une part croissante du travail, et la réponse habituelle tombe : creuser d'abord un domaine, élargir ensuite. En août 2026, le Digital Economy Lab de l'université Stanford a publié des chiffres tirés de fiches de paie qui mettent à mal la première moitié de ce conseil. Mais pas comme on pourrait le croire.
Polora a soumis ces chiffres à un groupe de modèles d'IA dans le cadre d'une expérience mise en scène. Trois modèles ont endossé un rôle : gpt-5.6-sol celui d'économiste du marché du travail, gemini-3-8-flash celui de stratège des risques de carrière et grok-4.5 celui d'architecte des compétences en entreprise. Un second gpt-5.6-sol tenait le rôle de chercheur, chargé de vérifier les affirmations auprès de sources sur le web, et claude-sonnet-5 animait l'échange et rendait le verdict final.
On leur a demandé ce que disent les données actuelles sur le choix entre spécialisation et polyvalence, en les priant d'indiquer clairement ce que les chiffres ne peuvent pas montrer. Ils devaient ensuite répondre pour trois profils : une personne qui choisit son premier métier, une personne qui exerce la même spécialité depuis dix ans, et une personne dont le travail consiste à coordonner plusieurs domaines.
Les jeunes des métiers exposés à l'IA accusent un retard de 19 %, ce qui ne veut pas dire 19 % de jeunes en moins
Stanford a exploité les données du prestataire de paie ADP jusqu'en juin 2026. Chez les 22-25 ans travaillant dans les métiers les plus exposés à l'IA, l'emploi se situait environ 19 % en dessous du niveau qu'il aurait atteint s'il avait suivi le rythme des jeunes du même âge dans des métiers moins exposés.
Ces 19 % mesurent l'écart entre deux trajectoires, pas une chute. Les métiers ont été répartis en cinq groupes selon leur degré d'exposition. En chiffres bruts, entre novembre 2022 et juin 2026, l'emploi des jeunes a reculé d'environ 11 % dans les deux groupes les plus exposés, et progressé d'environ 10 % dans les trois autres. Le modèle chercheur a vérifié ces deux chiffres sur la page de Stanford.
Les employeurs recrutent moins de jeunes, tandis que les salariés expérimentés des mêmes métiers se maintiennent
L'essentiel de l'écart vient d'un ralentissement des embauches, et non d'une hausse des départs ou des licenciements. Les salariés expérimentés des mêmes métiers exposés ne présentent pas d'écart comparable. Le travail et l'exposition sont les mêmes. Ce qui change, c'est l'âge, qui indique à peu près si l'on cherche à entrer dans le métier ou si l'on y est déjà installé.
Stanford indique aussi que le recul se concentre là où l'IA sert à accomplir des tâches à la place des personnes. Là où elle les assiste surtout, l'étude ne trouve pas de lien net avec une baisse de l'emploi.
Un document de travail du Bureau du recensement des États-Unis, paru en avril 2026, aboutit à un constat proche par une autre voie. Il compare des groupes définis par secteur d'activité et par État plutôt que par métier, et porte sur les 22-24 ans. Dans la tranche la plus exposée, soit un cinquième de ces groupes, leur emploi corrigé a baissé de 12 % en dix trimestres, alors qu'il est resté stable dans les groupes moins exposés, et là encore les embauches sont le principal canal. Le modèle économiste avait d'abord cité ce document en avançant un chiffre d'environ 9 %. Le modèle chercheur l'a vérifié et a signalé que son chiffre principal est de 12 %, et non de 9 %.
Ces chiffres ne disent pas si les spécialistes ou les généralistes sont mieux protégés
Aucune des deux études n'a classé qui que ce soit selon la profondeur ou l'étendue de ses compétences. Elles regroupent les travailleurs par âge et par degré d'exposition de leur métier à l'IA, et l'âge ne reflète l'expérience qu'approximativement. Les données ne peuvent donc montrer ni que les spécialistes perdent du terrain, ni que les généralistes sont à l'abri. Tous les participants de l'expérience l'ont reconnu.
Les données ne prouvent pas non plus que l'IA soit la cause de l'écart. Les auteurs de Stanford qualifient leurs résultats de descriptifs, et non de causaux. L'écart se réduit quand on tient compte du niveau d'études, certaines tendances divergentes ont commencé avant la diffusion de l'IA générative, et les estimations de Stanford sont plus élevées que celles de certaines enquêtes nationales. Leur échantillon d'environ 25 000 entreprises n'est pas représentatif de l'ensemble du marché du travail américain. Le modèle chercheur a confirmé que la divergence résiste à plusieurs exclusions et contrôles. Selon les modèles économiste et architecte, il s'agit notamment d'écarter les entreprises de la tech et de tester la sensibilité aux taux d'intérêt et au télétravail. Le document du Bureau du recensement estime que la politique monétaire pourrait expliquer jusqu'à un quart de la baisse de l'emploi qu'il observe, mais pas l'effondrement des embauches.
Le modèle chercheur a résumé ce que les données permettent réellement d'affirmer. Depuis fin 2022, les jeunes qui occupent des emplois exposés à l'IA connaissent un niveau d'embauche et d'emploi anormalement faible par rapport aux jeunes d'autres secteurs, ce qui n'est pas le cas de leurs aînés dans les mêmes emplois. L'IA est un facteur plausible, mais la part de l'écart qu'elle explique n'a pas été isolée.
La spécialisation peut encore payer, mais le premier échelon est plus difficile à atteindre
Le modèle économiste a fait valoir que le conseil « se spécialiser d'abord » supposait un premier emploi où les débutants effectuaient des tâches routinières, comme du code standard, des synthèses, des traductions ou des analyses simples, et en tiraient leur expérience. Il a souligné que ce type de travail recoupe largement ce que l'IA sait faire aujourd'hui.
Rapprochée des chiffres de paie, cette remarque conduit à une lecture plus précise. Les salariés plus âgés des métiers exposés, qui ont plus de chances d'avoir acquis une spécialité, ne sont pas ceux qui décrochent. Ceux qui décrochent sont les jeunes, dont la plupart cherchent à débuter. Selon cette lecture, le risque n'est pas que la spécialisation ait cessé de payer, mais que l'emploi où elle se construisait soit devenu plus difficile à obtenir.
Le modèle stratège l'a dit plus crûment : selon lui, on a scié les premiers barreaux de l'échelle. Le modèle chercheur y a vu une interprétation plausible, pas un fait démontré. Les données montrent un ralentissement des embauches. Elles ne disent pas pourquoi les entreprises ont moins recruté, si les salariés confirmés utilisent l'IA à la place des juniors, ni si les jeunes concernés se sont tournés vers d'autres métiers.
Les trois modèles ont donné la même réponse, que les données ne mettaient pas directement à l'épreuve
Les trois modèles qui tenaient un rôle ont parlé chacun à son tour, et les deux derniers ont dit s'appuyer sur ce qui précédait. Ils sont arrivés à la même réponse. Les modèles économiste et architecte l'ont comparée à un haltère, et le modèle stratège l'a décrite comme une compétence d'ancrage solide reliée à une interface avec les clients, les opérations ou la réglementation. D'un côté, assez de profondeur pour juger le travail et en répondre. De l'autre, assez d'ouverture pour bouger à mesure que les frontières des tâches se déplacent. Le modèle économiste a distingué trois sortes de spécialisation : la production routinière, le jugement forgé par l'expérience et par la responsabilité des décisions, et l'art de poser les problèmes et de vérifier ce que produit l'IA. Selon lui, c'est la spécialisation dans la production routinière qui perd le plus vite sa valeur. Il a aussi prévenu que connaître un peu cinq domaines n'offre aucun refuge si l'on n'est capable de juger la qualité dans aucun d'eux.
Le modérateur n'a pas pris cet accord pour une preuve. Dans son verdict, il a qualifié cette convergence de bonne intuition et de meilleure déduction possible à ce jour, tout en précisant que cela restait le raisonnement des participants, appliqué à des données qui ne le testent pas directement. Il a ajouté qu'une autre lecture s'accorde tout aussi bien avec les mêmes chiffres : les employeurs automatisent les tâches routinières des postes de débutant, ce qui ne dit rien de général sur la polyvalence. Le modérateur a relevé que l'échange n'avait jamais sérieusement mis cette lecture à l'épreuve.
Ce que le modérateur a répondu aux trois profils de la question
À la personne qui choisit son premier métier, le modérateur a dit que la lecture la plus prudente des données n'est pas de privilégier la polyvalence au détriment de la spécialisation. Il s'agit plutôt d'éviter une spécialité faite uniquement de tâches qu'un modèle accomplit déjà. Il a suggéré des domaines où les débutants sont encore confrontés, sous supervision, à des décisions floues et lourdes de conséquences, en y associant tôt une compétence voisine. Il y voyait une couverture contre un risque plausible mais non démontré, et non une garantie.
À la personne qui exerce la même spécialité depuis dix ans, il a dit que les données ne montrent aucun signe de risque, puisque l'écart concerne les jeunes. Il lui a suggéré d'identifier ce qui, dans son propre cas, pourrait expliquer cette protection, comme la responsabilité, le jugement tiré de l'expérience ou les relations, et de renforcer ceux de ces éléments qui s'appliquent réellement à elle, plutôt que de supposer que l'ancienneté suffit.
À la personne qui coordonne le travail entre plusieurs domaines, il a dit que ce rôle paraît plus sûr au vu des données actuelles, mais seulement parce que personne n'a montré que la coordination elle-même était exposée. C'est une déduction tirée d'un manque dans les données, et non un résultat. Plus tôt, le modèle économiste avait soutenu que la coordination n'est à l'abri que si elle va au-delà de la transmission d'informations et de la rédaction de synthèses.
La question que les données laissent ouverte
Ce qu'il faut retenir tient en une phrase. Les nouvelles données sur l'emploi ne départagent pas spécialistes et généralistes. Elles montrent que les jeunes des métiers exposés à l'IA sont moins embauchés que leurs pairs d'autres métiers, tandis que leurs aînés dans les mêmes métiers se maintiennent.
Cela soulève une question à laquelle les chiffres de paie ne peuvent pas encore répondre. Le modèle architecte a averti que les entreprises qui réduisent durablement leurs embauches de débutants sans autre moyen de les former manqueront plus tard de professionnels capables de jugement en milieu de carrière. C'était son propre argument, et rien dans l'enregistrement ne l'a mis à l'épreuve. Le modérateur a conclu sur une question plus large encore : le choix entre spécialisation et polyvalence compte-t-il vraiment, une fois que l'on distingue le travail que l'IA accomplit à la place des personnes de celui où elle ne fait que les aider ? Ni les données ni cet échange n'y ont répondu.
