Le PDG de Goldman Sachs, David Solomon, a publié en mai un article d’opinion dans le New York Times, dans lequel il estime que les inquiétudes du marché concernant des licenciements massifs liés à l’IA sont exagérées, et s’appuie sur des analyses internes de Goldman : dans les 10 prochaines années, l’IA pourrait automatiser environ 25% du temps de travail existant. Il confirme également qu’à partir de 2022, la construction de centres de données aux États-Unis a déjà généré plus de 200 000 emplois dans la construction.
Données confirmées sur l’impact des emplois : réalisé vs à venir
Données confirmées réalisées : une étude de Stanford confirme que, par rapport aux secteurs faiblement automatisés, les recrutements de postes de début de carrière dans des domaines fortement automatisés comme le génie logiciel et le service client ont diminué de 16%. Des tâches qui constituent traditionnellement la base des emplois d’analyste junior, comme la modélisation financière, la prise de notes et l’analyse de tableurs électroniques, sont de plus en plus assumées par des outils d’IA. Depuis 2022, la construction de centres de données aux États-Unis a créé plus de 200 000 emplois dans la construction (estimation de Goldman). Goldman déploie des outils d’assistance à l’IA auprès de l’ensemble de ses 22 000+ employés (confirmé).
Prévisions de Goldman sur l’impact des emplois : dans les 10 prochaines années, l’IA pourrait automatiser environ 25% du temps de travail ; les secteurs des collets blancs comme la banque, la comptabilité et le droit devraient être touchés de manière significative ; en interne, Goldman prévoit de réduire des postes liés à la conformité et à l’ouverture de comptes, et d’augmenter les postes dans la banque, le trading et la gestion d’actifs ; l’IA devrait générer trois nouveaux types de besoins : des postes pour gérer des systèmes d’IA, des postes pour auditer les décisions prises par l’IA, et des postes pour gouverner les applications d’IA.
Le cadre en trois niveaux des arguments de Solomon
Dans son article, Solomon propose un cadre tridimensionnel pour évaluer l’impact de l’IA sur l’emploi : après l’automatisation des tâches du quotidien, le travail humain est optimisé, libérant du temps pour des responsabilités de plus grande valeur ; les standards de performance au sein des postes existants augmentent, ce qui accroît la demande pour des compétences plus complexes ; et de nouvelles catégories de postes font leur apparition, axées sur la gestion, l’audit et la gouvernance des systèmes d’IA. Il cite des analogies historiques, notamment : la révolution de l’électricité ; la généralisation des tableurs électroniques (qui remplace une grande partie du travail de calcul, mais crée davantage de postes d’analystes financiers) ; et le cycle de remplacement et de création d’emplois à l’ère d’Internet. La position centrale de Solomon est : « Les progrès techniques et les changements culturels ne progressent pas au même rythme ; si quelque chose peut être remplacé, cela ne signifie pas nécessairement qu’il le sera. »
Questions fréquentes
Sur quelle méthodologie repose la prévision de Goldman « 25% du temps de travail automatisé » ?
Ce chiffre provient des recherches internes de Goldman ; la méthodologie consiste à analyser la proportion de tâches typiques dans chaque profession qui peuvent être remplacées par des modèles d’IA, puis à calculer la partie automatisable dans l’ensemble du temps de travail via une pondération. Il faut toutefois noter que cette prévision porte sur le « temps de travail », et non sur le « nombre de postes » : autrement dit, 25% du temps de travail existant peuvent être réalisés par l’IA, plutôt que 25% des postes disparaissent. Solomon distingue explicitement ces deux notions dans l’article, en soulignant que l’automatisation du temps de travail est plus susceptible d’entraîner une redistribution de la nature du travail, plutôt qu’un chômage à échelle équivalente.
Comment la baisse de 16% du recrutement de postes de début de carrière confirmée par l’étude de Stanford peut-elle coexister avec le point de vue optimiste de Solomon ?
Solomon ne nie pas que l’IA comprime déjà concrètement certains types de postes — les études de Stanford et les plans de réajustement de postes de Goldman eux-mêmes confirment cela. Son argument clé repose sur une perspective de long terme : historiquement, chaque vague technologique majeure s’accompagne d’un effet initial de remplacement des postes, mais au final, des gains de productivité et l’apparition de nouvelles catégories de postes créent davantage d’emplois. Il souligne en particulier que les postes de début de carrière subissent la plus forte pression à court terme, mais que cela relève de deux enjeux distincts de la tendance globale de l’emploi sur l’ensemble du marché du travail à long terme.
Quels sont les plans concrets de Goldman Sachs pour les ajustements de postes liés à l’IA ?
Dans son article, Solomon confirme deux directions : les postes que Goldman pourrait réduire concernent les fonctions axées sur les données comme la conformité et l’ouverture de comptes, car l’efficacité des outils d’IA s’améliore constamment dans le traitement des rapports réglementaires et des processus d’onboarding des clients ; Goldman prévoit d’augmenter le recrutement de postes orientés vers la relation humaine, comme ceux dans la banque d’investissement, le trading et la gestion d’actifs, car ces postes exigent des interactions avec les clients, du jugement et une réflexion stratégique, formant une complémentarité avec l’IA plutôt qu’un remplacement. À l’heure actuelle, Goldman déploie des outils d’assistance à l’IA auprès de l’ensemble de ses 22 000+ employés, ce qui constitue en soi une expression concrète de cette tendance bidirectionnelle.
