IA et taille des équipes : l'équipe de cinq est-elle devenue une personne et une IA ?

L’IA et la taille des équipes sont liées, mais pas de la manière que suggèrent les gros titres : les meilleures études montrent que l’IA augmente la productivité sur des tâches précises, souvent de 15 à 40 %, mais elle n’a pas transformé les équipes de cinq en une personne et une IA. Là où les équipes se réduisent, le principal levier est le recrutement : on embauche moins, en particulier des juniors, et non des licenciements massifs.

Cette distinction compte pour les RH. Une équipe qui se réduit parce que personne n’est recruté pour remplacer les départs ou pourvoir les postes juniors n’a rien à voir, en matière de plans d’effectifs, de structures de rémunération et de parcours de carrière, avec une équipe que l’on coupe. Cet article passe en revue ce que montrent réellement la recherche évaluée par les pairs et les études officielles, y ajoute les données mondiales d’offres d’emploi de TalentUp pour 2024–2026 et les traduit en actions concrètes pour les équipes RH et rémunération et avantages sociaux (C&B).

L’IA réduit-elle la taille des équipes ? La réponse courte

L’idée que « l’équipe de cinq est devenue une personne et une IA » vient surtout d’anecdotes de start-up et du marketing des éditeurs. La recherche raconte une histoire plus nuancée :

• Au niveau des tâches : l’IA rend les personnes plus rapides et, pour les moins expérimentées, meilleures sur un ensemble défini de tâches. Sur des tâches qui dépassent les capacités de l’IA, elle peut les rendre moins performantes.
• Au niveau de l’entreprise : les entreprises qui adoptent l’IA générative recrutent moins de juniors que des entreprises comparables, tandis que l’emploi des seniors continue de progresser.
• Au niveau de l’économie : les grandes études fondées sur les données de paie et les données administratives ne constatent pour l’instant aucune baisse générale de l’emploi, des heures travaillées ou des revenus, avec une exception importante : les jeunes travailleurs dans les métiers où l’IA automatise des tâches.

Autrement dit, l’IA modifie la forme des équipes (moins de points d’entrée, plus de travail senior par personne) plus vite que leur taille. C’est toujours un enjeu majeur de planification des effectifs, simplement différent de celui que décrivent la plupart des gros titres.

Ce que la recherche montre sur la productivité avec l’IA

Les preuves les plus solides viennent d’expériences randomisées et d’études de terrain menées avec de vrais salariés. Voici les études les plus citées et ce qu’elles ont réellement montré :

L’expérience de Procter & Gamble est la plus proche de l’affirmation « une personne et une IA », et elle mérite une lecture attentive. Un professionnel utilisant l’IA a obtenu d’aussi bons résultats qu’une équipe de deux sans IA sur une tâche d’innovation précise. Les équipes avec IA restaient les plus performantes. Cela prouve que l’IA peut remplacer une partie des bénéfices de la collaboration, pas qu’elle peut remplacer une équipe de cinq personnes.

Où les gains de l’IA sont importants et où ils sont faibles

L’étude sur les consultants a introduit la notion de « frontière technologique irrégulière » (jagged technological frontier) : l’IA est très bonne sur certaines tâches et étonnamment mauvaise sur d’autres qui semblent pourtant similaires. C’est ce qui explique pourquoi les chiffres ci-dessus vont d’un gain de 40 % à une perte de 19 %.

Les données à grande échelle confirment que les gains observés en laboratoire ne se traduisent pas automatiquement en changements sur le marché du travail. Humlum et Vestergaard (2025) ont croisé des enquêtes sur l’adoption des chatbots d’IA avec les registres administratifs danois pour environ 25 000 salariés de 11 métiers exposés, et ont constaté des effets sur les revenus et les heures enregistrées proches de zéro en 2023–2024. Les salariés déclaraient un gain de temps modeste, d’environ 3 %, et une partie du temps gagné était consacrée à de nouvelles tâches créées par l’IA elle-même, comme la vérification des résultats.

La leçon pour les RH : les économies d’effectifs ne sont pas automatiques. Les gains de productivité ne modifient la taille des équipes que lorsque le travail est réorganisé, et ils se concentrent sur des tâches précises, pas sur des emplois entiers.

Recruter moins plutôt que licencier : la pression sur les postes juniors

L’effet le plus net de l’IA sur l’emploi à ce jour concerne les personnes qui débutent leur carrière.

• Stanford, « Canaries in the Coal Mine » (Brynjolfsson, Chandar et Chen) : à partir des données de paie d’ADP jusqu’en juin 2026, l’emploi des 22–25 ans dans les métiers les plus exposés à l’IA est inférieur d’environ 19 % à ce qu’il serait s’il avait suivi le rythme de leurs pairs moins exposés (15 % dans les données de juillet 2025). Les salariés expérimentés ne présentent pas d’écart comparable. Les auteurs constatent que l’ajustement passe principalement par une baisse des recrutements de jeunes plutôt que par davantage de départs, et que les baisses se concentrent dans les métiers où l’IA automatise le travail plutôt qu’elle ne l’augmente. Ils présentent ces résultats comme des tendances descriptives, et non comme des estimations causales.
• Hosseini et Lichtinger (Harvard, 2025) : à partir de CV et d’offres d’emploi concernant environ 62 millions de salariés dans 285 000 entreprises américaines, ils constatent qu’à partir de 2023 l’emploi junior dans les entreprises qui adoptent l’IA générative a fortement reculé par rapport aux autres, tandis que l’emploi senior a continué de progresser, là encore en raison d’un ralentissement des recrutements plutôt que d’une hausse des départs.

C’est ainsi qu’une équipe se réduit sans que personne ne soit licencié : un senior part et n’est pas remplacé, ou les deux postes de jeunes diplômés prévus pour l’an prochain disparaissent discrètement. Nous détaillons la situation européenne dans pourquoi les postes de débutants en Europe sont de plus en plus difficiles à trouver, et ce que cela signifie pour les personnes en reconversion dans un bootcamp peut-il vous préparer ?.

Le risque à long terme pour les employeurs est un vivier de talents rompu : si personne ne recrute de juniors aujourd’hui, il y aura moins de profils expérimentés à promouvoir ou à recruter dans cinq ans.

Ce que montrent les offres d’emploi : données TalentUp 2024–2026

TalentUp collecte des offres d’emploi dans le monde entier pour plus de 800 postes. Nous nous sommes posé trois questions : les employeurs demandent-ils la maîtrise des outils d’IA comme compétence, recrutent-ils encore des juniors dans les postes exposés à l’IA, et les offres pour les postes les plus exposés sont-elles en train de disparaître ?

Source : base de données d'offres d'emploi de TalentUp, offres d'emploi dans le monde entier, janvier–septembre 2024 et 2026. Voir la méthodologie ci-dessous.

Les outils d’IA sont devenus une exigence du poste

L’évolution est la plus rapide dans les postes où la recherche constate les gains les plus importants au niveau des tâches : la rédaction et le développement logiciel. Les formulations typiques sont « expérience des outils de développement assisté par IA (par exemple GitHub Copilot) » ou « aisance dans l’utilisation d’outils d’IA pour accélérer les flux de travail ». Dans le support client, la plupart des mentions ne concernent pas le poste lui-même mais l’IA utilisée dans le processus de recrutement, signe que l’IA y est déployée par l’entreprise plutôt que confiée à l’agent. Par ailleurs, 4,1 % des offres de rédaction en 2026 portent sur l’entraînement de l’IA, comme la rédaction et l’évaluation de contenus pour des modèles de langage, contre 2,9 % en 2024.

Moins de postes juniors dans les métiers exposés à l’IA

La part des offres juniors a reculé dans la plupart des familles de métiers intellectuels, et le plus fortement dans le développement logiciel, où elle a baissé de plus d’un tiers en deux ans, contre une baisse bien plus faible sur l’ensemble des offres. Le marketing fait exception. C’est cohérent avec le schéma « recruter moins plutôt que licencier » observé dans la recherche : les employeurs continuent de publier des offres de développeurs (leur part dans l’ensemble des offres a même augmenté) mais recherchent des profils plus expérimentés.

Les postes exposés ne disparaissent pas des offres d’emploi

Les offres pour les postes le plus souvent décrits comme « remplaçables par l’IA » ne se sont pas effondrées. Entre 2024 et 2026, les postes de support client sont passés de 0,47 % à 0,55 % de l’ensemble des offres, la saisie de données de 0,11 % à 0,10 %, et la rédaction et le contenu sont passés de 0,15 % à 0,12 %, l’essentiel de cette baisse ayant eu lieu entre 2024 et 2025. Les offres de traducteurs ont augmenté, principalement en raison des plateformes de freelances. Les offres d’ingénieurs en IA et en machine learning sont passées de 0,14 % à 0,53 % de l’ensemble des offres. Les évolutions dans la composition des sources que nous collectons rendent ces parts moins fiables que les comparaisons au sein d’un même poste présentées plus haut : lisez-les comme « pas d’effondrement », et non comme des tendances précises.

Comment les postes et les rémunérations évoluent quand les équipes se réduisent

Si moins de personnes font plus de travail avec l’IA, sont-elles mieux payées ? Les données disponibles répondent : pas automatiquement.

• Dans les données de paie de Stanford, l’ajustement se fait sur l’emploi, pas sur le salaire de base : les salaires des jeunes dans les emplois exposés n’ont pas baissé, mais ils sont moins nombreux à être employés.
• Au Danemark, Humlum et Vestergaard constatent que seule une faible part des gains de productivité liés à l’IA s’est traduite dans les revenus des salariés.
• Dans l’étude sur le support client, l’IA a aidé les nouveaux agents à atteindre plus vite le niveau des agents expérimentés, ce qui réduit la valeur de l’ancienneté plutôt que d’augmenter la rémunération de tous.

Ce qui donne réellement lieu à une prime, c’est le travail spécialisé en IA. Dans les offres d’emploi 2026 de TalentUp indiquant un salaire annuel, le salaire médian des ingénieurs en IA et en machine learning est de 172 200 € aux États-Unis contre 147 200 € pour les développeurs logiciels (+17 %), 111 900 € contre 88 100 € au Royaume-Uni (+27 %), 103 900 € contre 87 000 € au Canada (+19 %) et 62 400 € contre 43 700 € en Espagne (+43 %). Nous détaillons cette prime par pays, poste et compétence dans la prime salariale de l’IA en Europe.

L’évolution probable des postes est plus claire que celle des salaires :

Ce que les équipes RH et C&B doivent faire

La façon dont l’IA transforme la fonction RH elle-même est traitée dans comment l’IA réécrit le modèle opérationnel des RH. Pour le reste de l’organisation, voici les priorités.

1. Planifiez les effectifs par tâche, pas par ratio d’effectifs

Ne bâtissez pas votre budget sur l’hypothèse que l’IA réduit les équipes d’un pourcentage fixe. Cartographiez les principales tâches de chaque poste, indiquez lesquelles sont automatisées, augmentées ou non concernées, et testez les gains dans un projet pilote avant de modifier les effectifs. Les données montrent des gains importants sur certaines tâches et des pertes sur d’autres.

2. Protégez délibérément le vivier de juniors

Si vous cessez de recruter des juniors, vous devrez plus tard acheter des profils expérimentés au prix du marché. Maintenez une part minimale de postes de débutants, repensez-les autour des tâches que l’IA accomplit mal (relation client, jugement, travail transversal) et utilisez l’IA comme outil de formation, là où la recherche constate les gains les plus importants.

3. Mettez à jour l’architecture des emplois et la classification

Lorsqu’un poste intègre du travail augmenté par l’IA, son périmètre, ses responsabilités et son niveau peuvent changer. Revoyez les fiches de poste, les critères de classification et les parcours de carrière afin que les postes élargis soient classés de manière cohérente, et évitez de créer de nouveaux intitulés pour ce qui est en réalité le même poste plus un outil.

4. Rémunérez le périmètre et les résultats, pas le fait d’« utiliser l’IA »

L’utilisation des outils d’IA devient une attente de base, et non une compétence qui justifie à elle seule une prime. Réservez les primes aux postes spécialisés en IA et aux postes dont le périmètre s’est réellement élargi, et comparez-les au marché avec les données salariales de TalentUp plutôt qu’avec des offres ponctuelles. Avec la directive européenne sur la transparence des rémunérations, qui s’applique par le biais des lois nationales une fois transposée, les écarts de rémunération doivent reposer sur des critères objectifs et non sexistes : documentez donc pourquoi un poste augmenté par l’IA se situe dans une fourchette plus élevée.

5. Formez avant de restructurer

Formez vos équipes aux outils et à la frontière irrégulière : quand faire confiance au travail de l’IA et quand s’en méfier. Les résultats de METR et du BCG montrent qu’une mauvaise utilisation peut coûter plus qu’elle ne rapporte.

6. Consultez les salariés et respectez les obligations de l’AI Act

Dans l’UE, les systèmes d’IA utilisés pour le recrutement, la promotion, le licenciement, l’attribution des tâches ou l’évaluation des salariés sont à haut risque au sens du règlement européen sur l’IA (AI Act). À la suite de l’omnibus numérique sur l’IA (règlement (UE) 2026/1744), ces obligations s’appliquent à partir du 2 décembre 2027 au lieu du 2 août 2026. Avant d’utiliser un tel système au travail, les employeurs doivent informer les représentants du personnel et les salariés concernés. Les règles nationales d’information, de consultation et de codétermination, comme les prérogatives du CSE, peuvent exiger davantage, et toute restructuration entraînant des licenciements déclenche les procédures habituelles de licenciement collectif.

Conclusion

L’équipe de cinq n’est pas encore devenue une personne et une IA. Ce que montrent les données est plus discret, mais tout aussi important : l’IA rend les personnes plus rapides sur des tâches précises, les entreprises y répondent en recrutant moins de juniors, et les offres d’emploi traitent de plus en plus les outils d’IA comme une exigence standard. Les rémunérations n’ont pas suivi la productivité, sauf pour les postes spécialisés en IA.

Pour les équipes RH et C&B, l’enjeu est de piloter ce changement de manière délibérée : planifier par tâche, préserver un vivier de juniors, mettre à jour l’architecture des emplois et fixer la rémunération des postes augmentés par l’IA sur la base de données probantes. Découvrez les offres TalentUp pour voir comment les données de marché de TalentUp peuvent appuyer ces décisions, ou consultez notre méthodologie.

Sources

• TalentUp. Base de données d’offres d’emploi, offres d’emploi dans le monde entier, janvier–septembre 2024, 2025 et 2026. Méthodologie.
• Brynjolfsson, E., Li, D. et Raymond, L. (2025). Generative AI at Work. Quarterly Journal of Economics, 140(2). Version document de travail : arXiv 2304.11771.
• Noy, S. et Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654).
• Dell’Acqua, F. et al. (2023). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School Working Paper 24-013.
• Dell’Acqua, F. et al. (2025). The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise. NBER Working Paper 33641.
• Becker, J., Rush, N., Barnes, E. et Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR.
• Humlum, A. et Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. NBER Working Paper 33777 / BFI Working Paper 2025-56.
• Brynjolfsson, E., Chandar, B. et Chen, R. (2025, révisé en août 2026). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab.
• Hosseini, S. M. et Lichtinger, G. (2025). Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data. Document de travail.
• Union européenne. Règlement (UE) 2024/1689 (règlement sur l’intelligence artificielle). EUR-Lex.
• Parlement européen. Omnibus numérique sur l’IA, règlement (UE) 2026/1744. Legislative Train Schedule.
• Union européenne. Directive (UE) 2023/970 sur la transparence des rémunérations. EUR-Lex.