Humaines, digitales, durables:
l’équation des nouvelles compétences?
Giovanni Ferro Luzzi
Professeur HES-SO Genève et UNIGE
Directeur de l’IREG
Giovanni Ferro Luzzi
Professeur HES-SO Genève et UNIGE
Directeur de l’IREG
Humaines, digitales, durables:
l’équation des nouvelles compétences?
Giovanni Ferro Luzzi
Professeur HES-SO Genève et UNIGE
Directeur de l’IREG
Le tissu économique change continuellement
Qu’il s’agisse des produits / services fournis, leur qualité, les nouveaux besoins, l’arrivée de nouveaux concurrents, les entreprises sont confrontées à un défi au quotidien : s’adapter.
Les chocs récents:
La transition démographique
La transition écologique
La transition technologique
Vieillissement démographique couplé à départ massif de la génération Baby-Boom (1946-64) à la retraite
Entrée dans la vie active légèrement plus tardive à chaque génération
Différences intergénérationnelles marquées chez les femmes de 25 à 45 ans
L’écart entre le taux d'activité des hommes et des femmes se réduit à chaque génération
Nette hausse du niveau de formation de la main-d’œuvre génération après génération (surtout chez les femmes)
Progression du temps partiel des hommes à chaque génération
Les nouvelles générations sont davantage touchées par le chômage, mais c’est vraisemblablement plutôt un effet d’âge,
La technologie influence les communications et les interactions:
Les Baby-boomers ont grandi avec le développement de la télévision
La Génération X a grandi avec la révolution numérique (diffusion des ordinateurs)
Les Milléniaux ont grandi avec le développement d’internet «rudimentaire»
Facteur technologique marquant pour la Gen Z: apparition de l’iPhone (2007). Les plus âgés de la Gen Z avaient alors 10 ans. Réseaux sociaux, hyper-connectivité, divertissement à la demande, …
Tendances existent: les données montrent que les générations plus récentes travaillent plus volontiers à temps partiel.
Source: Aguiar, M., Bils, M., Charles, K. K., & Hurst, E. (2021).
Aux USA, Les jeunes hommes travaillent moins… voire plus du tout…… Et peuvent même préférer le temps (de loisir) passé devant l’ordinateur. Pose la question de l’attractivité de l’emploi pour les jeunes.
Source: Aguiar, M., Bils, M., Charles, K. K., & Hurst, E. (2021).
Vision traditionnelle : les machines se substituent au travail non qualifié et complémentent le travail qualifié. Génère des inégalités par rapport à la formation.
Vision moderne: La numérisation permet de substituer des tâches routinières (manuelles ou cognitives). L’hypothèse de «routinisation» implique une polarisation des emplois.
Vision actuelle: l’Intelligence artificielle automatise, mais surtout crée du contenu et étend les possibles productifs. Les jobs qualifiés aux tâches complexes sont potentiellement menacés.
Chaque génération a eu son lot d’innovations technologiques:
Électricité et électronique: machines de plus en plus sophistiquées
Ordinateurs de plus en plus puissants: calculs, tâches complexes, automatisation, développement de software
Téléphonie mobile
Arrivée de l’internet, de l’économie de plateforme, des réseaux sociaux
Cloud, big data, deep learning, Intelligence artificielle
Ces innovations touchent les métiers de manière très diverse selon leur degré de substitution ou de complémentarité dans les tâches.
L’IA a connu une adoption nettement plus rapide que celle des ordinateurs ou de l’internet.
Dans les sondages, les travailleurs (52% aux USA en 2024) sont inquiets pour des raisons compréhensibles: L’IA est décrite comme pouvant dépasser les humains dans de nombreuses tâches de manière autonome:
diagnostic médical, animation, illustrations, scénarios, compositions musicales, rédaction, affiches, marketing, etc.
Une étude récente montre que l’IA permet de clairement augmenter la productivité (temps et qualité).
L’étude ne permet cependant pas de dire si les travailleurs vont être remplacés par l’IA, de la même manière que tout progrès technique rend les personnes plus productives sur le marché du travail.
D’autres études confirment une amélioration de la performance dans l’audit financier, mais certaines indiquent le contraire notamment dans le domaine médical.
Plusieurs études pointent vers une importante exposition de multiples métiers et / ou tâches à l’IA (p.ex. Eloundou et al.).
Les études montrent :
Exposition et adoption sont fortement corrélées;
que c’est surtout l’âge, le sexe, la formation, le niveau de salaire, qui déterminent l’adoption
Mais aussi la politique de l’employeur
Que les employé-es indiquent des gains de temps substantiels (env. 5%).
L’exposition à l’IA comme à tout progrès technique ne permet pas de dire si l’emploi (métier) est menacé de disparaître!
Il est important de rappeler que tout progrès technique améliore la productivité (la performance).
Ceci peut se traduire par:
Moins d’emplois (effet de substitution)
Plus d’emplois (effet de complémentarité).
Acemoglu et al. (2026) donnent des pistes pour une intégration favorable de l’IA:
Situation actuelle se caractérise par croissance des inégalités,
Qui peut s’aggraver si rien n’est fait pour « encadrer » l’IA et la rendre bénéfique pour les employé-es.
Concept-clé: « IA Collaborative », pour éviter la substitution, en particulier dans les « expertises ».
L’IA n’obéit pas aux mêmes règles (légales, déontologiques, etc.) que les experts.
Le marché de l’emploi est sujet à des disruptions continues, qu’elles soient démographiques ou technologiques
L’exposition à l’IA est importante en Suisse, en particulier dans la banque et finance.
Le diable est dans les détails: les effets de l’IA dépendent de la manière dont elle est déployée ou adoptée.
L’IA collaborative est la meilleure garantie pour rendre son adoption favorable à l’emploi.
Privilégier les tâches complémentaires plutôt que substituables est une bonne idée (par exemple, l’analyse critique en français davantage que l’informatique…)
← → changer de page · + − zoom · clic sur un graphique pour l’agrandir
Aguiar, M., Bils, M., Charles, K. K., & Hurst, E. (2021). Leisure luxuries and the labor supply of young men. Journal of Political Economy, 129(2), 337–382. https://doi.org/10.1086/711916
Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586
Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2024). GPTs are GPTs: Labor market impact potential of LLMs. Science, 384(6702), 1306–1308. https://doi.org/10.1126/science.adj0998
Bick, A., Blandin, A., & Deming, D. J. (2026). The rapid adoption of generative AI. Management Science. https://doi.org/10.1287/mnsc.2025.02523
Acemoglu, D., Autor, D., & Johnson, S. (2026). Building pro-worker artificial intelligence (NBER Working Paper 34854). National Bureau of Economic Research.
La présentation indique « Acemoglu et al. (2026) » sans titre : référence identifiée d’après cette mention, à confirmer auprès du conférencier.
Office fédéral de la statistique. (2026). Population active selon la génération, 1991-2025 (gr-f-03.02.00.08.01-je). Enquête suisse sur la population active (ESPA).
Conditions d’utilisation OFS : OPEN-BY, utilisation libre avec mention de la source.
Parlement européen. (2025). Flash Eurobarometer : Youth Survey 2024 (FL013EP).
© Union européenne, 2025. Source : Parlement européen.
AI Job Risk Map : Switzerland. https://aijobriskmap.com/country/switzerland/
Les textes des pages sont ceux de la présentation de Giovanni Ferro Luzzi (Soirée de l’ISFB, 11 novembre 2026), repris sans modification.
Les figures tirées de revues scientifiques ou de sites tiers, projetées lors de la conférence, ne sont pas reproduites ici : chacune est remplacée par sa référence et un lien vers la source.
Graphique de l’Office fédéral de la statistique : utilisation libre avec mention de la source (conditions OPEN-BY). Figure du Parlement européen : © Union européenne, 2025, source : Parlement européen.