Jensen Huang : L’Intelligence Artificielle Crée Des Emplois

Le lundi soir, dans une salle du Milken Institute, une phrase a claqué plus fort que les graphiques habituels des conférences économiques. Face à Becky Quick, le patron de Nvidia a déclaré que l’intelligence artificielle ne préparait pas une vague de chômage de masse, mais qu’elle fabriquait au contraire un volume d’emplois considérable. Autour de la table, l’inquiétude des salariés n’avait pourtant rien d’abstrait : des équipes entières se demandent déjà si leur fiche de poste tiendra encore deux exercices.

Cette tension mérite mieux qu’un slogan. D’un côté, des organisations financières et universitaires évoquent jusqu’à environ 15 % des emplois américains susceptibles de disparaître dans les prochaines années sous l’effet de l’automatisation logicielle. De l’autre, le dirigeant qui vend une grande partie de l’infrastructure matérielle de cette vague affirme que le pays tient là sa meilleure chance de se réindustrialiser. Entre ces deux lectures, les startups, les usines de puces et les salariés de bureau ne vivent pas la même histoire.

Ce Que Huang A Vraiment Dit Sur Les Emplois

L’échange n’était pas une keynote produit. Il s’agissait d’une conversation publique sur l’anxiété économique liée à l’IA, organisée par un think tank de politique économique. La journaliste a posé la question qui circule dans presque toutes les directions : la vitesse actuelle produit-elle une dislocation plus forte que les vagues technologiques précédentes, et donc plus d’inégalités ? La réponse de Jensen Huang a été nette, presque pédagogique.

Il a soutenu que l’IA crée des emplois, qu’elle constitue pour les États-Unis la meilleure occasion de reconstruire une base industrielle, et que les nouvelles usines qui alimentent cette industrie ont besoin de bras, de techniciens et de métiers que le logiciel seul ne remplace pas. Le propos vise autant le grand public inquiet que les récits catastrophistes, souvent résumés sous l’étiquette des AI doomers.

Le cœur de son raisonnement tient en une distinction. Automatiser une tâche, dit-il, ne revient pas à supprimer le métier. Beaucoup de commentateurs confondraient le but d’un poste et les gestes qui le composent. Un contrôleur de gestion ne se résume pas à la consolidation d’un tableau. Un ingénieur support ne se résume pas à la lecture d’un journal d’erreurs. Si une machine absorbe le geste, la fonction peut rester, parfois s’élargir.

Cette nuance est utile, à condition de ne pas la transformer en immunité générale. Dans certains métiers, la tâche représentait l’essentiel de la valeur facturable. Dans d’autres, elle n’était qu’un passage. Le discours du patron de Nvidia éclaire la seconde famille bien mieux que la première. C’est précisément là que le débat devient concret pour les jeunes entreprises qui embauchent, licencient ou réécrivent leurs organigrammes en quelques trimestres.

Une Phrase Optimiste, Un Contexte Très Intéressé

Il serait naïf de lire ces mots comme un bulletin neutre du marché du travail. Nvidia vend les accélérateurs qui rendent possible une grande partie de l’entraînement et de l’inférence. Quand son dirigeant décrit des usines, des chantiers et une demande de main-d’œuvre, il décrit aussi le débouché commercial de sa propre gamme. L’article de Lucas Ropek sur TechCrunch le rappelle sans détour : la société commercialise une part majeure de ce matériel.

Cela n’invalide pas l’argument. Un industriel qui construit des hauts-fourneaux a toujours eu intérêt à parler d’embauches locales. L’intérêt n’empêche pas le fait. Il oblige simplement à séparer trois couches : ce que l’infrastructure exige vraiment comme travail humain, ce que les logiciels d’application retirent aux métiers de bureau, et ce que les fondateurs racontent pour rassurer investisseurs et régulateurs.

Le ton de Huang reste celui d’un industriel joyeux, peu enclin aux scénarios de domination machine. Sa crainte affichée n’est pas le chômage. C’est la peur elle-même. Il redoute que les récits de science-fiction rendent l’IA si impopulaire que les gens refusent de s’en servir. Dans cette logique, le vrai risque économique serait le retard d’adoption, pas la substitution.

La Peur Comme Risque Économique, Pas Seulement Psychologique

Cette phrase déplace le centre de gravité. Pour le dirigeant, l’ennemi n’est pas le modèle qui rédige un compte-rendu. C’est le climat qui pousse une entreprise moyenne à geler ses essais, un étudiant à éviter une filière, un élu à bloquer un raccordement électrique. On peut contester la hiérarchie. On ne peut pas nier qu’une technologie rejetée par principe produit moins d’usages, donc moins de métiers autour de ces usages.

L’ironie, relevée par plusieurs critiques, tient à l’origine du récit apocalyptique. Une partie du vocabulaire sur la domination, l’extinction ou le remplacement total est sortie des laboratoires et des levées de fonds du secteur lui-même. Annoncer une puissance presque mythique aide à justifier des valorisations élevées. Le même secteur découvre ensuite que ce mythe inquiète les salariés qu’il voudrait convertir en utilisateurs.

Tâche Et Métier : La Distinction Qui Structure Tout Le Débat

Prenons un cabinet qui traite des dossiers de conformité. Hier, un analyste passait des heures à extraire des clauses, classer des pièces et rédiger une note standard. Demain, un outil absorbe l’extraction. Le poste ne s’évapore pas automatiquement. Il peut devenir un rôle de jugement : quelles clauses sont vraiment atypiques, quel risque le client accepte, quelle preuve manque. Le volume traité par personne augmente. L’équipe, elle, peut rétrécir si le cabinet ne trouve pas de nouveaux dossiers.

Huang a raison sur la mécanique. Il a moins raison si l’on en déduit que l’effectif total reste stable. La fonction survit souvent. Le nombre de personnes nécessaires pour l’assurer, non. C’est le point aveugle des discours qui opposent « tâche » et « emploi » comme si la seconde était protégée par définition. Dans une startup qui vit de marges fines, la survie de la fonction se traduit parfois par deux recrutements annulés et un départ non remplacé.

• La tâche répétitive part en premier : tri, extraction, première rédaction, classement.
• Le jugement contextualisé reste plus longtemps : arbitrage, relation client, responsabilité légale.
• Le volume par personne grimpe, ce qui peut réduire l’effectif même si le métier existe encore.
• De nouveaux gestes apparaissent : supervision des sorties, contrôle qualité, paramétrage des outils.

Pourquoi Les Usines Reviennent Dans Le Récit

Le deuxième pilier du propos concerne les usines. Huang ne parle pas seulement de chatbots. Il parle d’une infrastructure physique : bâtiments, lignes de production de semi-conducteurs, alimentation électrique, refroidissement, logistique, maintenance. Dans cette vision, l’IA n’est pas un nuage abstrait. C’est une industrie lourde qui réclame des sites, des permis, des câbles et des équipes de nuit.

Cette lecture colle à la trajectoire de Nvidia, passée en quelques années du statut de spécialiste des cartes graphiques à celui de fournisseur central des calculateurs d’IA. Les clients ne sont plus seulement des studios de jeu. Ce sont des laboratoires, des clouds, des industriels et une cohorte de jeunes pousses qui entraînent ou déploient des modèles. Chaque palier de demande tire des commandes de puces, donc des capacité de fabrication, donc des métiers que l’écran seul ne montre pas.

Le parallèle historique est tentant. L’électrification a supprimé des métiers de lampe à huile et en a créé dans les centrales, les réseaux et les appareils. L’automobile a réduit le travail des maréchaux-ferrants et a multiplié garages, routes et aciéries. Personne ne conteste ces bascules a posteriori. Le vivant, lui, se joue dans l’intervalle, quand l’ancien revenu disparaît avant que le nouveau bassin d’embauche ne soit accessible, proche et correctement payé.

Ce Que Les Chiffres De 15 % Changent À La Promesse

L’article de TechCrunch rappelle qu’il est trop tôt pour trancher l’effet net de long terme, tout en citant des travaux d’organisations financières et académiques sérieuses. Leur ordre de grandeur : jusqu’à 15 % des emplois aux États-Unis pourraient être éliminés dans les prochaines années à cause de l’IA. Le chiffre n’est pas une loi. C’est une fourchette d’alerte. Il suffit toutefois à empêcher de traiter l’optimisme industriel comme une preuve déjà acquise.

Éliminer un emploi n’est pas la même chose que faire disparaître une heure de travail. Une partie des heures se déplace. Une autre se concentre chez des profils déjà rares. Une troisième s’évapore parce que le client n’a plus besoin de la payer. Les 15 % visent surtout des postes dont le contenu est fortement scriptable. Les usines de puces, elles, recrutent des profils différents, souvent moins nombreux que les sièges administratifs exposés, et situés dans d’autres bassins.

Les Startups Au Milieu Du Froid Et Du Chaud

Le thème qui intéresse les fondateurs n’est pas seulement la phrase d’un dirigeant de géant. C’est la manière dont cette phrase se traduit dans une entreprise de quarante personnes. Une startup d’IA appliquée embauche des ingénieurs produit, des profils data, parfois une petite équipe commerciale. En parallèle, ses clients, eux, gèlent des recrutements de support, de rédaction ou d’analyse. Le secteur crée des postes très visibles dans les annonces tech, et en retire d’autres, plus discrets, chez les acheteurs.

Présenter cet écosystème comme un bloc unique serait une erreur. On y trouve des jeunes sociétés qui construisent des outils pour des métiers précis, des plateformes qui revendent de la capacité de calcul, des ateliers qui intègrent des modèles dans des chaînes déjà existantes. Leur promesse d’embauche dépend moins du discours général que de trois variables : le prix du calcul, la facilité d’intégration, et la preuve qu’un client paie encore après l’effet de mode.

Nvidia occupe ici une place à part. Ce n’est plus une startup, mais une grande partie des jeunes pousses du secteur vivent dans son orbite : compatibilité des puces, files d’attente de livraison, coût d’inférence, programmes pour développeurs. Quand le patron parle d’« énorme nombre d’emplois », une fraction de cet énorme nombre se situe dans les entreprises qui gravitent autour de cette infrastructure, pas seulement dans les salles blanches.

Où Les Postes Apparaissent Vraiment

Si l’on suit la piste industrielle, les créations ne se limitent pas aux doctorants en apprentissage automatique. Une usine de semi-conducteurs emploie des techniciens de salle blanche, des spécialistes procédé, des électriciens, des gens de la qualité, de la logistique et de la sécurité. Un data center dédié à l’entraînement ajoute des métiers de refroidissement, d’exploitation électrique, de câblage et de supervision 24 heures sur 24. Ces fiches existent. Elles ne se remplissent pas en trois semaines avec les effectifs d’un open space marketing.

À côté, les jeunes entreprises créent des rôles plus hybrides. On voit des postes de mise en œuvre chez le client, des fonctions de contrôle des sorties générées, des métiers de conception d’agents internes, des responsables de conformité des données. Ces intitulés n’existaient presque pas il y a cinq ans. Ils restent toutefois concentrés dans quelques villes, quelques langues et quelques niveaux de diplôme. Le volume annoncé au niveau national ne dit rien de l’accès réel pour un salarié dont le bassin d’emploi est ailleurs.

• Production et procédé dans les usines de puces et les équipements associés.
• Énergie, génie climatique et exploitation des centres de calcul.
• Intégration, paramétrage et support chez les éditeurs et leurs clients.
• Contrôle qualité des contenus et des décisions assistées.
• Sécurité, conformité et gouvernance des données d’entraînement.

Où Les Postes Se Contractent En Silence

La contraction est moins photogénique. Elle passe par un gel d’embauche plutôt que par un plan social annoncé. Une équipe de huit analystes juniors devient une équipe de cinq, avec un outil au milieu. Une agence réduit ses piges. Un service client augmente le taux de résolution automatique et ne remplace pas les départs. Rien de tout cela ne contredit la phrase « l’IA crée des emplois ». Cela montre que la création et la destruction ne tombent pas sur les mêmes personnes, ni au même moment.

Les travaux qui évoquent 15 % d’éliminations visent surtout cette zone grise. Ils ne disent pas que 15 % de la population active se retrouvera sans activité du jour au lendemain. Ils disent qu’une part significative des postes actuels, tels qu’ils sont définis, ne sera plus financée. La différence compte pour un statisticien. Elle compte moins pour quelqu’un dont le contrat n’est pas renouvelé.

Huang répondrait sans doute que ces personnes peuvent se saisir des outils et changer de tâche à l’intérieur du même employeur. C’est parfois vrai dans les grandes structures qui forment. C’est rarement vrai dans une PME qui vient d’acheter une licence pour faire le travail de deux postes vacants. La réindustrialisation, même réelle, n’absorbe pas automatiquement un rédacteur basé dans une autre région.

Inégalités : La Question Que Quick A Posée

Becky Quick n’a pas demandé si l’IA était impressionnante. Elle a demandé si la vitesse produisait une dislocation plus forte, et donc plus d’inégalités. La réponse optimiste sur les usines ne ferme pas ce dossier. Elle le déplace. Si les gains se concentrent chez les détenteurs de calcul, les fondeurs et les équipes déjà qualifiées, tandis que les pertes touchent des métiers intermédiaires de bureau, l’écart de revenus peut s’élargir même dans une économie qui embauche ailleurs.

Les vagues précédentes ont mis des décennies à recomposer les salaires. L’électricité et l’informatique ont fini par élever la productivité moyenne. Elles ont aussi laissé des régions et des cohortes sur le bord. Le rythme actuel est plus court que celui d’une génération. Un salarié de 45 ans n’a pas le même horizon qu’un étudiant qui choisit une filière de procédé industriel. C’est cette asymétrie de temps que les discours de réindustrialisation oublient souvent.

On peut tenir deux idées ensemble. L’infrastructure crée des métiers solides, parfois mieux payés que les tâches qu’elle automatise. Ces métiers ne constituent pas, à eux seuls, un filet pour tous les postes exposés. Refuser l’un ou l’autre constat produit un récit inutilisable, soit trop rose, soit trop noir.

Le Marketing De La Catastrophe Et Celui De La Promesse

Le secteur a pratiqué les deux. D’un côté, des fondateurs et des chercheurs ont décrit des systèmes capables de remplacer des professions entières, parfois l’essentiel du travail cognitif. De l’autre, les mêmes écosystèmes présentent l’IA comme un multiplicateur d’embauches et un projet national. Les deux messages servent. Le premier justifie l’urgence d’investir. Le second rassure les pouvoirs publics et les salariés des clients.

Les critiques cités dans la couverture de TechCrunch estiment que l’hyperbole catastrophiste a parfois fonctionné comme un outil de bruit médiatique, pour des produits encore loin des capacités annoncées. Huang, lui, s’inquiète de l’effet retour : à force d’histoires de science-fiction, le public se ferme. Les deux diagnostics peuvent être vrais en même temps. Un récit gonflé attire l’attention, puis abîme la confiance au moment où l’adoption concrète devrait commencer.

Pour une startup, ce double langage a un coût opérationnel. Les clients arrivent soit terrorisés, soit déçus après une démo trop belle. Les candidats aussi. Certains refusent un secteur qu’ils croient sur le point de les remplacer. D’autres exigent des salaires de rareté sur des compétences qui seront banales dans dix-huit mois. Tenir un discours précis sur ce que l’outil fait et ne fait pas devient un avantage de recrutement, pas seulement une question d’éthique.

Réindustrialiser : Un Mot Lourd, Des Conditions Étroites

Dire que l’IA est la meilleure chance de réindustrialisation américaine, c’est lier logiciels et usines d’une façon que le grand public ne fait pas spontanément. Le lien existe. Entraîner et servir des modèles réclame des puces, donc des fabs, des équipements, des produits chimiques de procédé, de l’électricité ferme. Une partie de cette chaîne peut être relocalisée ou étendue sur le sol américain, avec des emplois à la clé.

Les conditions sont toutefois étroites. Il faut du capital patient, des permis, de l’eau, du courant, des fournisseurs et une main-d’œuvre formée. Une annonce de site ne vaut pas une équipe en poste. Les délais de construction d’une usine de semi-conducteurs se comptent en années. Pendant ce temps, l’automatisation des tâches de bureau, elle, se déploie en trimestres. Le décalage de calendrier est le vrai sujet politique, plus que le slogan.

Huang a intérêt à ce que ce calendrier s’accélère : chaque site qui sort de terre est un client potentiel de long terme pour l’écosystème des accélérateurs. Les salariés ont intérêt à ce que la formation suive le même rythme. Les deux intérêts se croisent sans se confondre. Une politique qui ne finance que les bâtiments, sans ponts vers les métiers exposés, validera la critique d’inégalité que Quick a formulée.

Ce Que Peut Faire Une Jeune Entreprise, Concrètement

Une startup n’écrit pas la politique industrielle d’un pays. Elle peut toutefois cesser de parler d’emplois comme d’une externalité magique. Le geste utile consiste à nommer les rôles qu’elle crée vraiment, ceux qu’elle rend moins nécessaires chez le client, et le délai entre les deux. Cette honnêteté n’est pas un luxe moral. Elle réduit les projets qui échouent parce que le client découvre trop tard un trou dans son organisation.

Plusieurs équipes qui déploient des assistants internes ont appris, parfois à leurs dépens, qu’un outil sans propriétaire métier produit du bruit. Le poste qui apparaît alors n’est pas « prompt engineer » au sens vague des annonces de 2023. C’est un référent qui connaît le processus, vérifie les sorties et décide quand l’humain reprend la main. Ce référent est souvent un salarié déjà en place, formé, plutôt qu’une embauche nette. Encore une fois, la fonction grandit sans que l’effectif suive.

• Décrire le gain de temps par tâche, pas par métier entier.
• Prévoir qui valide, qui corrige, qui porte la responsabilité.
• Chiffrer les embauches réelles côté éditeur et côté client.
• Dire clairement quels profils deviennent moins demandés.
• Lier la promesse commerciale à un plan de transition de quelques mois.

Le Salarié Face À Une Phrase De Conférence

Pour quelqu’un qui s’inquiète, la citation de Huang peut sonner comme un déni. Elle peut aussi servir de boussole, à condition de la traduire. Si le patron de Nvidia a raison sur la distinction tâche et fonction, le réflexe utile n’est pas de défendre chaque geste. C’est d’identifier la part de jugement, de relation et de responsabilité qui reste difficile à externaliser vers un modèle. Cette part se travaille. Elle ne se décrète pas dans une keynote.

Si les 15 % ont une part de vérité, le même salarié a intérêt à regarder les bassins qui recrutent vraiment : exploitation de sites, maintenance, intégration, contrôle, métiers de l’énergie liée au calcul. Tous ne sont pas accessibles sans mobilité. Beaucoup le deviennent avec une formation courte ciblée, plutôt qu’avec un retour général sur les bancs. Le discours industriel ne remplace pas cette carte personnelle. Il indique seulement que la carte n’est pas vide.

Refuser l’outil par peur, comme le redoute Huang, a un coût. L’adopter sans regarder qui reste responsable en a un autre. Les équipes qui s’en sortent le mieux ne sont ni les plus enthousiastes ni les plus méfiantes. Ce sont celles qui mesurent, sur leurs propres dossiers, ce qui a été gagné et ce qui a été perdu en trois mois.

Pourquoi Le Mot « Énorme » Mérite D’Être Découpé

« Un nombre énorme d’emplois » est une formule de tribune. Elle agrège des techniciens de fab, des électriciens de campus, des commerciaux d’éditeurs, des annotateurs, des juristes de la donnée, des formateurs. Additionnés, ces effectifs peuvent impressionner. Rapporté à la population active, et comparé aux postes de services exposés, le total peut rester insuffisant pour compenser, surtout à court terme et hors des régions qui accueillent les sites.

Découper le mot évite deux erreurs. La première consiste à traiter toute inquiétude comme de la science-fiction. La seconde consiste à traiter toute usine comme un alibi. Un campus de calcul qui emploie quelques centaines de personnes n’efface pas la contraction d’un millier de postes administratifs dans le même État. Il crée néanmoins une base fiscale, des sous-traitants et une filière de formation que l’économie de bureau seule ne fournissait plus.

Les startups entrent dans ce découpage comme amplificateurs, pas comme solution unique. Celles qui vendent de l’infrastructure logicielle autour des puces multiplient les usages, donc une partie de la demande d’usines. Celles qui vendent de l’automatisation de back-office accélèrent la contraction des tâches. Mettre les deux dans le même slogan « l’IA crée des emplois » brouille la lecture d’un fondateur comme celle d’un salarié.

Ce Que L’On Peut Retenir Sans Prendre Parti Trop Vite

Le propos de Jensen Huang n’est pas une prévision certifiée. C’est une thèse d’industriel : l’infrastructure physique de l’IA embauche, l’automatisation d’une tâche ne tue pas toujours la fonction, et la peur peut freiner des usages utiles. La thèse adverse, portée par des travaux financiers et académiques, rappelle qu’une fraction importante des postes américains pourrait ne plus être financée telle quelle. Les deux textes peuvent coexister dans le même dossier.

Pour les jeunes entreprises, l’enjeu n’est pas de choisir un camp de conférence. Il est de montrer, client par client, quels métiers naissent, lesquels se resserrent, et en combien de temps. Pour les salariés, l’enjeu est de ne pas confondre une citation rassurante avec une garantie, ni une estimation de 15 % avec une fatalité personnelle. Entre les deux, la réindustrialisation reste une possibilité réelle, lente, localisée, et insuffisante si elle n’est pas reliée aux gens dont les tâches partent en premier.

La soirée au Milken Institute n’a pas clos le sujet. Elle l’a rendu plus net. L’Amérique de Huang est une Amérique d’usines, de câbles et de calculateurs. L’Amérique inquiète est celle des open spaces dont une partie du travail devient optionnelle. Tant que ces deux géographies ne se parlent pas, la phrase sur l’énorme nombre d’emplois restera vraie dans les halls d’usine, et incomplète partout ailleurs.

Une Grille Simple Pour Lire Les Prochaines Annonces

Chaque fois qu’un dirigeant affirme que sa technologie embauche, trois questions suffisent. Qui est embauché, dans quel bassin, avec quel délai de formation ? Qui, chez le client, voit son volume de tâches baisser au point que le poste n’est plus ouvert ? Qui porte la responsabilité si la sortie automatique est fausse ? Huang répond surtout à la première. Les études autour de 15 % répondent surtout à la deuxième. Presque personne ne répond assez clairement à la troisième, alors que c’est elle qui décide si un métier survit vraiment.

Les fondateurs qui veulent être crus sur la création d’emplois ont intérêt à publier ces trois réponses dans leurs études de cas, sans les noyer dans un récit national. Un intégrateur qui forme douze techniciens et qui assume la baisse de charge de quatre analystes chez le client raconte une histoire plus solide qu’un slogan sur la réindustrialisation. Le public inquiet n’a pas besoin d’être rassuré à tout prix. Il a besoin de voir le mécanisme.

C’est peut-être le seul point sur lequel l’optimisme de Nvidia et la prudence des chercheurs peuvent se rejoindre. L’IA n’est ni une machine à chômage automatique, ni une machine à embauches automatiques. Elle déplace le travail vers ce qui est physique, rare et responsable, et elle allège ce qui est répétitif et scriptable. Le volume net dépendra moins des phrases de soirée que de la vitesse à laquelle les gens exposés peuvent traverser ce déplacement.