IA en 2030 : une économie plus riche, des parcours professionnels plus fragiles

J’ai testé ma vision de l’IA en 2030

Que devient le travail si l’IA progresse rapidement ? Pour explorer cette question, j’ai renseigné mes hypothèses dans le simulateur économique d’Anthropic. Le résultat associe un PIB américain supérieur de 36,5 % à celui d’un scénario sans IA en 2030 et un taux de chômage de 7,9 %.

Ces deux chiffres invitent à regarder ensemble la richesse créée et les parcours professionnels. Une économie peut produire davantage pendant que certaines personnes traversent une période difficile. Les moyennes décrivent une situation collective ; elles racontent peu la recherche d’emploi ou l’apprentissage d’un nouveau métier.

Mon point de départ est une vision ambitieuse des capacités de l’IA. Ma lecture des résultats porte sur une responsabilité : préparer les personnes et les organisations à transformer leur travail. Ce test fournit un cadre de réflexion, pas la certitude de ce qui arrivera.

Avant de parler d’emplois, regardons les tâches

Le rapport Economic Scenarios for Transformative AI, publié en septembre 2026, relie les effets de l’IA sur les tâches à plusieurs indicateurs économiques. L’explorateur en propose une lecture accessible. Il distingue notamment les activités augmentées, automatisées et nouvelles. Un métier reste un ensemble d’activités aux transformations différentes.

Prenons un exemple pédagogique : un formateur prépare une trame, vérifie les références, anime un échange et observe la progression du groupe. Une aide à la rédaction change la préparation. Elle ne décrit pas, à elle seule, ce qui se passe pendant l’animation. Examiner ces tâches séparément aide à préciser où l’on attend un gain et où l’intervention humaine compte.

Anthropic présente trois scénarios de référence : modeste, substantiel et extrême. Leur intérêt est de comparer des combinaisons d’hypothèses. Ils ne constituent pas un calendrier certain. Le modèle porte sur les États-Unis entre 2026 et 2030 ; ses catégories simplifient fortement la diversité des métiers.

Les cinq hypothèses que j’ai retenues

Voici les réglages de mon test du 9 octobre 2026. Ouvrez chaque paramètre pour en lire la portée. Les valeurs décrivent ma vision dans le cadre de l’outil ; elles ne sont pas des observations de l’économie actuelle.

L’écart entre 80 % de capacités et 50 % d’adoption mérite particulièrement l’attention. Un outil peut réaliser une tâche avant qu’une entreprise ait adapté son fonctionnement pour l’utiliser. Définir le besoin, choisir les données, vérifier le résultat et organiser les responsabilités sont des questions que je retrouve dans la préparation d’un usage professionnel.

Le délai d’ajustement introduit une autre temporalité : celle des personnes. Apprendre, chercher un poste et changer d’activité prennent du temps. Dans ma lecture, cette dimension doit accompagner toute discussion sur les gains techniques.

Plus de richesse, des situations professionnelles différentes

Le comparatif ci-dessous présente mon résultat et le scénario extrême de référence. Changez d’onglet pour voir leurs différences. Ce sont deux sorties précises de l’explorateur, conservées telles quelles ; les boutons ne recalculent pas le modèle.

Dans mon scénario, le PIB atteint 45 800 milliards de dollars aux prix de 2025. Le gain de 36,5 % est mesuré par rapport à une économie sans IA en 2030 : il ne s’agit pas d’un taux de croissance annuel. De même, les écarts de salaires comparent deux économies au même horizon.

Les salaires moyens sont supérieurs de 36,6 %, avec +24,1 % pour les métiers du savoir et +53,1 % pour les autres métiers. Ces résultats peuvent coexister avec un chômage de 7,9 %, car salaire et emploi mesurent des dimensions différentes. Une hausse moyenne ne signifie pas que chaque personne bénéficie du même gain, ni que celles qui cherchent un emploi en profitent.

La part du revenu allant au travail atteint 57,3 %, contre environ 60 % aujourd’hui. La rémunération peut donc augmenter tandis que sa part dans l’ensemble diminue. Cela pose une question de répartition, au-delà du seul volume de richesse produit.

Enfin, l’étiquette « extrême » ne suffit pas à décrire mon test. Le scénario extrême de référence affiche une baisse des salaires des métiers du savoir ; mon scénario affiche une hausse. Lire les paramètres et les résultats ensemble évite d’attribuer à ma simulation les conclusions d’une autre.

Les compétences et les organisations doivent évoluer ensemble

À partir d’ici, je propose ma lecture de ces enjeux. Savoir utiliser l’IA au travail implique de définir une tâche, reconnaître un résultat satisfaisant et décider de ce que l’on délègue. La qualité du jugement devient une question très concrète : quelles références vérifier ? Quels éléments adapter ? Qui valide le livrable ?

Dans l’exemple du formateur, produire plus vite une première trame peut déplacer l’effort vers sa sélection, sa vérification et son adaptation au public. Ce déplacement est une possibilité à tester dans une situation réelle. Il ne constitue pas une prévision du rapport pour tous les professionnels de la formation.

L’organisation compte aussi. Un résultat obtenu plus rapidement sert peu si personne ne sait le reprendre ou le valider. C’est pourquoi je relie l’apprentissage des outils à l’examen des processus collectifs : répartition des rôles, critères de qualité et circulation des informations.

Former à l’IA, c’est organiser le passage vers la pratique

Pour moi, une formation utile part du travail à réaliser. Elle donne de la place aux essais, à la relecture et au transfert dans l’activité. Voici une progression possible, à adapter au métier et au niveau de départ :

1. 01

   Observer

   Repérer une tâche réelle et définir ce qui caractérise un bon résultat.

2. 02

   Expérimenter

   Comparer une production assistée par l’IA avec les critères retenus.

3. 03

   Recevoir du retour

   Comprendre les erreurs, ajuster sa méthode et expliciter les points de contrôle.

4. 04

   Transférer

   Réutiliser la méthode dans son activité et examiner ce qu’elle change.

Le blended learning permet d’articuler plusieurs temps d’apprentissage et de pratique. L’ingénierie tutorale consiste à concevoir l’accompagnement : où prévoir du retour, comment repérer une difficulté, qui intervient et avec quel objectif. Les modalités précises se définissent pour chaque dispositif.

Cette proposition vient de ma lecture professionnelle. Le rapport ne démontre pas l’efficacité d’un dispositif pédagogique particulier. Et la formation, à elle seule, ne garantit pas l’absence de chômage : les perspectives d’emploi, les conditions de travail, les décisions des organisations et le partage des gains restent déterminants.

À La Réunion, quelles questions poser maintenant ?

Les chiffres de ce test concernent les États-Unis. Je ne les transpose pas à La Réunion. En revanche, l’exercice invite à ouvrir une discussion locale : quelles tâches examiner dans nos entreprises ? De quelles ressources les petites structures disposent-elles pour expérimenter ? Comment rendre l’accompagnement accessible aux personnes dont l’activité évolue ?

Les besoins du territoire donnent un point de départ à cette réflexion. Préparer un usage pertinent suppose de regarder la réalité du travail, les compétences existantes et les contraintes de l’organisation. La technologie vient ensuite éclairer ce qu’il devient possible de faire.

Il serait tout aussi hasardeux de déclarer un métier définitivement protégé. Le modèle regroupe les activités en grandes catégories et n’intègre pas des robots très performants. Une moindre exposition dans ce cadre ne vaut pas garantie sur tous les futurs possibles.

Se préparer à plusieurs futurs

Je retiens de ce test une invitation à prendre les deux vitesses au sérieux : celle des capacités techniques et celle des parcours humains. Une forte confiance dans le potentiel de l’IA peut aller de pair avec une attention exigeante aux transitions qu’elle rend nécessaires.

Nous pouvons commencer par une question simple : dans mon métier, quelle tâche mérite d’être examinée, avec quels critères et quel accompagnement ? Le simulateur ouvre la réflexion à l’échelle économique. Ce premier examen la ramène à une situation sur laquelle agir.