L’IA va-t-elle remplacer les économistes ? Les résumés d’IPC, de PIB et d’emploi s’automatisent ; expliquer pourquoi les marchés ont réagi autrement, non.
Le besoin d’économistes ne disparaît pas. Au contraire, plus les résumés de routine deviennent faciles à générer, plus la profession sera jugée sur la qualité de ses interprétations.
Les économistes analysent l’environnement macroéconomique, croissance, inflation, taux d’intérêt, emploi et taux de change, et le traduisent sous des formes que les entreprises et les investisseurs peuvent utiliser pour prendre leurs décisions. Ils ne se contentent pas de présenter des statistiques. Ils relient plusieurs indicateurs entre eux et expliquent comment les évolutions en cours sont susceptibles d’affecter les marchés et les résultats des entreprises.
À mesure que l’IA progresse, le résumé des statistiques, la rédaction des rapports récurrents et la comparaison des données historiques deviendront bien plus efficaces. Mais décider quels indicateurs comptent le plus, interpréter les changements structurels qui se cachent derrière les chiffres et comparer des scénarios concurrents devraient rester un travail humain. En réalité, les différences d’interprétation pourraient même devenir encore plus visibles.
Calculé par ai-job-risk.net à partir de quatre jeux de données publics, sur une échelle de 0 à 100 relative aux 188 métiers que nous couvrons. Plus le chiffre est élevé, plus les tâches du métier sont des tâches que l’IA générative peut accomplir ou pour lesquelles elle est déjà utilisée. Ce n’est pas une probabilité de perdre son emploi.
Analyse des tâches par des chercheurs (Eloundou et al. ; OIT). Exprimée en centile parmi tous les métiers qu’ils évaluent.
Usage observé de Microsoft Copilot et d’Anthropic Claude pour les tâches de ce métier. Exprimé en centile parmi tous les métiers qu’ils évaluent.
Le BLS n’indique aucun facteur propre à ce métier : la projection suit donc surtout la croissance ou le recul des secteurs qui l’emploient.
Chiffres américains pour la catégorie professionnelle du BLS « Economists ». Les projections du BLS supposent que la technologie continue d’évoluer à son rythme historique ; elles ne constituent pas une prévision de l’effet de l’IA à elle seule.
Sources
Indice d’exposition calculé par ai-job-risk.net à partir des jeux de données ci-dessous (données au 15 octobre 2026). Les chiffres du travail américains proviennent du BLS, sans modification.
Les éditeurs de ces données n’ont ni préparé, ni relu, ni approuvé ce site. Citations complètes, licences et méthode
Pour évaluer le risque que l’IA fait peser sur les économistes, la question clé est de savoir si l’on voit le métier comme le résumé de statistiques ou comme la construction d’une vision de l’économie. L’IA générative sait déjà très bien résumer des publications comme l’indice des prix à la consommation, le PIB ou les chiffres de l’emploi. Mais comprendre pourquoi le marché a réagi différemment cette fois-ci à un chiffre de même nature, ce qui ressemble au passé et ce qui en diffère, et comment les effets se propageront entre les secteurs dépend encore largement du raisonnement humain.
À mesure que ce travail évolue, les économistes seront moins valorisés pour leur rapidité à diffuser l’information que pour leur capacité à produire des interprétations capables d’éclairer de vraies décisions. Plus l’IA prend en charge les résumés standardisés, plus il devient important de décider quelles hypothèses retenir, quelles incertitudes laisser ouvertes et jusqu’où avancer des affirmations fermes. Autrement dit, les économistes qui s’en tiennent à des procédures subiront une pression accrue, tandis que ceux qui savent lire les structures ont davantage de chances de rester précieux.
Même en économie, les tâches les plus exposées à l’IA sont celles qui consistent à rassembler des données courantes et à les faire entrer dans des formats standard. Le travail qui se distingue surtout par la rapidité de publication deviendra de plus en plus difficile à différencier.
L’IA générative est particulièrement adaptée pour extraire les chiffres clés de publications comme les données de l’emploi ou les indices d’inflation et résumer brièvement l’évolution par rapport à la période précédente ou aux attentes du marché. Une couverture rapide peut garder une certaine valeur, mais les postes consacrés uniquement à la production en série de résumés vont s’affaiblir.
Les notes de conjoncture hebdomadaires ou mensuelles suivent souvent des structures similaires, et l’IA peut considérablement accroître l’efficacité de leur rédaction. La mise en forme du texte et la réutilisation de formulations familières sont des tâches que l’IA gère bien, ce qui réduit la nécessité pour les humains d’écrire ces rapports à partir de zéro.
Les outils d’analyse et l’assistance de l’IA permettent de construire rapidement des tableaux présentant des tendances pluriannuelles, des corrélations ou des comparaisons internationales. La valeur de la comparaison elle-même va diminuer, tandis que l’importance d’interpréter ce qu’elle signifie va croître.
Les listes de scénarios dignes d’un manuel, comme ce qui se passe si la croissance ralentit ou si les taux baissent, peuvent être produites facilement par l’IA. Se contenter d’aligner des points de vue que n’importe qui pourrait formuler ne créera plus guère de valeur professionnelle.
Le cœur de l’économie ne consiste pas à ordonner des chiffres, mais à se forger une vision de ce qui se passe derrière eux. Déceler les contradictions entre indicateurs ou juger si les réactions du marché sont excessives reste difficile à remplacer par de simples résumés automatisés.
Dans un même environnement macroéconomique, l’indicateur le plus important peut passer des salaires aux prix des services, à l’investissement des entreprises ou au moral des ménages. Décider quel signal est fondamental et lequel n’est que du bruit exige de l’expérience et une réflexion guidée par des hypothèses.
Les variations des données peuvent refléter des subventions, des évolutions réglementaires, le comportement des entreprises ou des changements dans la psychologie des consommateurs. Si l’on ne regarde que les chiffres bruts, les conclusions risquent davantage de tomber à côté. Plus on sait lire la structure de fond, plus ses perspectives deviennent convaincantes.
Une même vision macroéconomique n’a pas le même sens pour des dirigeants, des investisseurs ou des équipes commerciales. Le rôle consistant à traduire une analyse économique en implications utiles à la décision pour un public donné devrait rester une force humaine.
Le travail d’un économiste ne consiste pas seulement à avoir raison. Il consiste aussi à expliquer quelles hypothèses se sont effondrées lorsqu’une prévision s’est révélée fausse. La capacité à organiser l’éventail des scénarios et leur degré de confiance, puis à les présenter de manière à permettre au lecteur de décider comment se positionner, restera importante.
Pour les économistes, la valeur à long terme dépendra moins de la qualité des résumés que de la capacité à construire des hypothèses et à les transmettre efficacement. L’essentiel est d’utiliser les outils pour accélérer la collecte d’informations tout en consacrant davantage de temps au type de jugement que seules les personnes peuvent apporter.
Les économistes doivent voir non pas des chiffres isolés, mais les relations entre emploi, salaires, prix, taux et résultats des entreprises. Les personnes capables de construire elles-mêmes un récit causal, au lieu de se contenter de consommer des documents structurés par l’IA, auront une valeur plus forte sur le marché.
Il ne suffit pas de suivre la politique des banques centrales et des gouvernements. La valeur pratique de l’analyse macroéconomique augmente lorsqu’on sait aussi lire les politiques de prix des entreprises, leurs projets d’investissement et leurs ajustements d’effectifs. La capacité à relier les institutions au comportement concret des entreprises comptera encore davantage avec le temps.
Même une analyse économique approfondie a une valeur limitée si la personne qui l’utilise ne la comprend pas. Les économistes capables d’adapter leur présentation aux dirigeants, aux investisseurs et aux équipes de terrain ont plus de chances de conserver leur valeur en tant que spécialistes.
La bonne approche consiste à confier à l’IA l’agrégation récurrente et la mise en forme des documents, puis à utiliser le temps gagné pour tester des hypothèses. Les personnes qui se servent des outils à la fois pour gagner en efficacité et pour approfondir l’analyse en sortiront renforcées.
L’expérience d’économiste peut se transposer bien au-delà de la seule prévision économique. C’est particulièrement vrai pour les personnes qui ne se sont pas contentées de résumer des chiffres, mais les ont aussi traduits en implications pour la prise de décision.
L’expérience acquise à lire la conjoncture macroéconomique et à traduire le sens des chiffres en implications d’investissement ou de gestion se transpose naturellement à l’analyse des entreprises et des marchés. Cette voie convient aux personnes qui veulent passer d’une vision de l’économie dans son ensemble à un jugement plus spécifique à chaque entreprise.
Indice d’exposition 91/100 · Emploi É.-U. 2025–35 +7,2%
La capacité à relier plusieurs données et à lire les raisons structurelles d’un changement est également précieuse dans les études de marché et l’analyse de la demande. C’est une option solide pour qui veut appliquer une réflexion macroéconomique à un travail plus proche des clients et des secteurs.
Indice d’exposition 94/100 · Emploi É.-U. 2025–35 +7,0%
L’expérience acquise à dégager le véritable enjeu d’un ensemble de chiffres et à organiser les points clés pour la prise de décision s’applique aussi à l’amélioration des processus et à l’analyse des besoins. Elle convient aux personnes qui veulent mettre la réflexion économique au service de l’aide à la décision opérationnelle.
Indice d’exposition 88/100 · Emploi É.-U. 2025–35 +10,1%
L’expérience de la lecture des statistiques, de la formulation d’hypothèses et de leur traduction en implications pertinentes crée aussi de la valeur dans l’analyse des données d’entreprise. Cette voie convient aux personnes qui souhaitent passer des indicateurs macroéconomiques à l’interprétation des données internes d’une entreprise.
Indice d’exposition 95/100 · Emploi É.-U. 2025–35 +34,6%
L’expérience acquise à lire les évolutions de politiques publiques à long terme et les mutations structurelles des secteurs est également utile dans le conseil en décarbonation et en réglementation. C’est une évolution logique pour les personnes qui veulent relier les grandes tendances de société à l’accompagnement de la stratégie des entreprises.
Indice d’exposition 80/100 · Emploi É.-U. 2025–35 +3,9%
Le besoin d’économistes ne disparaît pas. Au contraire, plus les résumés de routine deviennent faciles à générer, plus la profession sera jugée sur la qualité de ses interprétations. Les postes qui se contentent d’aligner des chiffres subiront une pression accrue, mais les personnes capables de lire les changements structurels, d’organiser plusieurs scénarios et de les traduire en implications utiles pour les décideurs resteront. Dans les années à venir, la vraie force à développer ne sera pas de rédiger rapidement des notes de conjoncture, mais d’expliquer la logique même de l’économie.
Ces métiers appartiennent au même secteur que Économiste. Ils ne recouvrent pas exactement le même travail, mais ils permettent de comparer plus facilement l’exposition à l’IA et la proximité de parcours.
Économiste obtient 92 sur 100 sur notre indice d’exposition à l’IA générative (rang 25 sur 188). Cela mesure quelle part du travail l’IA peut accomplir ou sert à accomplir, et non si le métier va disparaître. Le BLS prévoit une évolution de +4,7% de l’emploi de Économiste aux États-Unis entre 2025 et 2035.
Même en économie, les tâches les plus exposées à l’IA sont celles qui consistent à rassembler des données courantes et à les faire entrer dans des formats standard. Le travail qui se distingue surtout par la rapidité de publication deviendra de plus en plus difficile à différencier. Par exemple : Les résumés rapides des publications statistiques; Les premières versions des rapports récurrents; L’élaboration de tableaux de comparaison historique; L’énumération de scénarios génériques.
Le cœur de l’économie ne consiste pas à ordonner des chiffres, mais à se forger une vision de ce qui se passe derrière eux. Déceler les contradictions entre indicateurs ou juger si les réactions du marché sont excessives reste difficile à remplacer par de simples résumés automatisés. Par exemple : Hiérarchiser les indicateurs et lire la structure sous-jacente; Interpréter les politiques et les comportements derrière les chiffres; Traduire une même perspective en implications propres à chaque lecteur; Expliquer l’incertitude sous une forme qui aide encore à décider.
Pour les économistes, la valeur à long terme dépendra moins de la qualité des résumés que de la capacité à construire des hypothèses et à les transmettre efficacement. L’essentiel est d’utiliser les outils pour accélérer la collecte d’informations tout en consacrant davantage de temps au type de jugement que seules les personnes peuvent apporter. Par exemple : Savoir formuler des hypothèses à partir de plusieurs indicateurs; Savoir lire ensemble les politiques publiques et le comportement des entreprises; Expliquer des implications différentes à des publics différents; Concevoir l’analyse autour de l’IA et des outils de données.
