# dgtresor-ia-effets-emploi-2026-06-30

## Veille

Nota de análisis **Trésor-Éco n° 391** (junio de 2026) de la **Direction générale du Trésor** (Ministerio de Economía), redactada por **Martin Chopard, Elisa Cotet, Tristan Gantois y Eloïse Villani**. Revisión de la literatura económica institucional sobre **el efecto de la IA (principalmente generativa) en el empleo**. **Tesis en tres partes**: (1) la IA afecta el volumen de empleo a través de **dos canales opuestos** — el efecto de **desplazamiento** (sustitución de tareas automatizables) frente al efecto de **productividad** (complementariedad, reducción de costes, aumento de la demanda) —, pero el **efecto agregado sigue siendo, por el momento, débil/no medible**, por falta de perspectiva histórica y de adopción (≈20 % de las empresas de la UE en 2025); (2) aparecen **efectos heterogéneos** según las **ocupaciones** (exposición ≠ efecto: todo depende del grado de sustituibilidad/complementariedad y de la **elasticidad-precio** de la demanda), los **trabajadores** (progreso técnico sesgado, preocupación por los **jóvenes**) y los **sectores** (finanzas, TI y servicios a empresas los más expuestos); (3) a **largo plazo, el efecto neto sigue siendo incierto** — entre una sustitución masiva (si la IA agéntica/física se generaliza) y la **destrucción creativa** (lección de revoluciones pasadas: las innovaciones crearon más empleos de los que destruyeron). Conclusión de **política pública**: acompañar la transición (formación, movilidad — el plan «Osez l'IA», France 2030) e **invertir en IA para evitar quedarse atrás** en la competencia internacional. Corpus ampliamente documentado (43 notas al pie, paneles de estimaciones en las tablas 1-3).

## Titre Article

L'intelligence artificielle, quels effets sur l'emploi ?

## Date

2026-06-30

## URL

https://www.tresor.economie.gouv.fr/Articles/895c28b4-dca6-4ca6-b03b-88058fc4ce87/files/a0c9e9a1-6c53-4f2e-ad5d-f603fd5c456d

## Keywords

IA y empleo, inteligencia artificial generativa, efecto de desplazamiento, efecto de productividad, sustitución, complementariedad, enfoque task-based, exposición a la IA, elasticidad-precio, paradoja de Jevons, curva en J, progreso técnico sesgado, destrucción creativa, empleo juvenil, etiquetado, despidos por IA, desempleo juvenil 15-24, LLM, adopción de la IA, índice global de adopción de la IA, sectores expuestos, finanzas servicios TI, reconversión profesional, oficios puente, políticas de acompañamiento, formación, plan Osez l'IA, France 2030, Académie de l'IA, retraso competitivo, soberanía, Trésor-Éco, DG Trésor, Acemoglu Restrepo, Autor, Brynjolfsson, Richmond OpenAI, Arquié, barómetro digital 2025

## Authors

**Martin Chopard, Elisa Cotet, Tristan Gantois, Eloïse Villani** — économistes de la **Direction générale du Trésor** (DG Trésor), Ministère de l'Économie, des Finances et de la Souveraineté industrielle, énergétique et numérique. Directrice de la publication : Dorothée Rouzet. Le document engage la DG Trésor mais « ne reflète pas nécessairement la position du ministère ».

## Ton

**Perfil**: nota de análisis económico institucional (serie *Trésor-Éco*), registro **académico y prudente**, dirigida a los responsables públicos de decisión y a la comunidad económica. Neutralidad deliberada, sin militancia: la nota **expone los mecanismos y la incertidumbre** en lugar de zanjar la cuestión.

**Estilo**: estructura canónica en tres partes (volumen agregado → efectos heterogéneos → largo plazo + políticas), tesis presentadas como subtítulos. **Documentación rigurosa**: 43 notas al pie, tres tablas de estimaciones por paneles (Tabla 1: efecto agregado; Tablas 2-3: por cualificación y por experiencia), gráficos de exposición. Vocabulario de economista (efecto de desplazamiento/reincorporación de Acemoglu-Restrepo, enfoque *task-based*, elasticidad-precio, paradoja de Jevons, curva «en J», progreso técnico sesgado, destrucción creativa). **Honestidad epistémica** marcada: «los estudios empíricos no permiten determinar el efecto total», insistencia reiterada en el **corto horizonte temporal**, la **dispersión de los resultados** y el riesgo de **«etiquetado»** (la IA como pretexto para despidos). Fórmula de encuadre: efectos *ex ante* inciertos, llamado a **políticas públicas resueltas**.

## Pense-betes

- **Tesis clave**: en esta etapa, **ningún efecto agregado medible** de la IA sobre el empleo (perspectiva histórica insuficiente + adopción limitada), pero **dos canales opuestos** estructuran el análisis — **desplazamiento** (sustitución) frente a **productividad** (complementariedad). La IA no es ni un «destructor de empleos» ni neutra: es **empíricamente indeterminada**, y todo dependerá de las políticas y de la velocidad de difusión.
- **Percepción ≠ medición**: **el 62 % de los franceses** considera la IA un riesgo para el empleo (barómetro digital 2025), mientras que el efecto macro sigue siendo indetectable. La nota distingue claramente la ansiedad social de los datos.
- **Enfoque *task-based*** (Acemoglu-Restrepo, Autor): una ocupación se descompone en tareas y se mide la **exposición**, PERO **exposición ≠ efecto** — hay que determinar la **sustituibilidad** (la IA reemplaza) frente a la **complementariedad** (la IA aumenta al trabajador, que se reorienta hacia el juicio/la validación/la relación). Las tareas **cognitivas** = más expuestas a los LLM; las **físicas** = menos (por ahora); las **relacionales** = intermedias.
- **La elasticidad-precio decide el signo** (Gráfico 2): si las ganancias de productividad reducen los costes y la **demanda es elástica** (diseñadores gráficos, desarrolladores, elasticidad > 1), el empleo puede **crecer** (paradoja de Jevons); si es **inelástica** (bomberos, directivos, ~0), el empleo puede caer. → la sustituibilidad técnica no prejuzga el efecto sobre el empleo.
- **Ganancias de productividad individuales comprobadas**: **+14 %** para los agentes de atención al cliente, **+26 %** para los desarrolladores de software (estudios experimentales específicos, probablemente **subestimados**, ya que se obtuvieron con modelos ya obsoletos).
- **Rango de exposición muy amplio**: entre **el 5 % y el 60 %** del empleo total según el estudio (gráfico de portada). Estimaciones para Francia: **Arquié et al. (2026)** — **3,8 %** del contenido del trabajo en riesgo de automatización *hoy*, hasta **16,3 % dentro de 2-5 años**. Richmond (2026, OpenAI), EE. UU.: **18 %** de los empleos de alto riesgo, 24 % verá sus tareas recompuestas, 12 % en crecimiento, 46 % poco afectado.
- **Los despidos «por IA», en perspectiva**: en 2025, los recortes atribuidos a la IA = **entre el 4,5 y el 6,2 %** de los despidos anunciados en EE. UU., diluidos en flujos de contratación más amplios. **Riesgo de «etiquetado»**: **el 59 %** de las empresas estadounidenses admite invocar la IA para justificar congelaciones de contratación → la IA sirve de **pretexto** que enmascara razones estructurales/pospandemia (caso Josh Bersin).
- **Preocupación por los jóvenes** (el punto más concreto): **Brynjolfsson et al. (2025)** — empleo entre los **22-25 años** en las ocupaciones más expuestas **−16 %** (nov. 2022 → jul. 2025, EE. UU.), corroborado por **Massenkoff y McCrory (Anthropic)** y Hosseini-Lichtinger. En **Francia** (Insee), el desempleo entre los **15-24 años +2 puntos** (19,1 % → 21,1 %, T1 2025→T1 2026) — pero **sin causalidad establecida** (coyuntura económica, sobrerrepresentación en contratos temporales). Cuestión: la automatización de las **tareas codificadas** que forman a los junior → riesgo para la integración de nivel inicial y la **renovación senior**.
- **El largo plazo: una apuesta abierta**: el escenario de **sustitución masiva** (si la IA agéntica/física se generaliza — Arquié: más del 40 % de las ocupaciones superarían el 30 % de tareas automatizables) FRENTE A la **destrucción creativa** (revisión de cuatro décadas: las innovaciones crearon más empleos de los que destruyeron; **Autor: el 60 % de los trabajadores ocupan empleos que no existían en 1940**). Recordatorio: **Frey y Osborne 2013** preveían un 47 % de empleos automatizables en EE. UU. — **que no se materializó**.
- **Costes de la transición**: la lentitud de la reasignación (obsolescencia de competencias, fricciones geográficas) **reduce en un 40 %** el beneficio de la robotización en Francia (Bocquet, 2026) → el papel de los **oficios puente** y de las políticas de formación.
- **Imperativo estratégico (de política)**: **invertir en IA = proteger el empleo** mediante la competitividad. Francia = posición **intermedia** (adopción del **18 %**, OCDE 2025, frente a una media de la UE del **20 %**, pero recuperando terreno **+8 puntos** en 2024-2025 frente a +6 puntos en la UE). Medidas: el plan **«Osez l'IA»** (2025, **15 millones de profesionales formados de aquí a 2030**, **Académie de l'IA**) y **France 2030** («Compétences et métiers d'avenir»).
- **Para vincular**: un contrapunto macroinstitucional al conjunto productividad/empleo de la veille (SFEIR AI4IT [[girard-sfeir-ai4it-vs-ai4business-budgets-2027-2026-06-24]], la anunciada desaparición de los desarrolladores [[bfmtv-tech-co-business-ia-developpeurs-disparaissent-2026-05-05]], la contabilización de plantillas humanos+agentes [[sternfels-mckinsey-60000-people-20000-agents-officechai-2026-01-14]]). Aquí, la lectura es **prudente y agregada**, en contraste con los informes de experiencia empresa por empresa.

## RésuméDe400mots

Esta nota **Trésor-Éco n° 391** (DG Trésor, junio de 2026) ofrece una revisión prudente y bien documentada de la literatura económica sobre **el efecto de la IA —principalmente generativa— en el empleo**. Punto de partida: las capacidades de la IA han progresado marcadamente (LLM, IA generativa), alimentando la preocupación (**el 62 % de los franceses** la considera un riesgo para el empleo), pero el análisis económico exige distinguir la percepción de la medición.

**1. Efecto agregado, débil por el momento.** La IA actúa a través de dos canales opuestos: el efecto de **desplazamiento** (sustitución de tareas automatizables) y el efecto de **productividad** (ganancias individuales comprobadas: +14 % en atención al cliente, +26 % para desarrolladores; complementariedad, reducción de costes, aumento de la demanda). Los estudios empíricos recientes **no identifican un efecto agregado significativo**, por falta de perspectiva histórica y porque la adopción sigue siendo parcial (≈20 % de las empresas de la UE en 2025). La ausencia de un efecto macro no significa ausencia de destrucción localizada: los despidos «por IA» representan entre el 4,5 y el 6,2 % de los despidos anunciados en EE. UU. en 2025, con el riesgo de **«etiquetado»** (la IA invocada como pretexto — 59 % de las empresas estadounidenses).

**2. Efectos heterogéneos.** A través del enfoque *task-based*, la **exposición** varía según la tarea (cognitiva > relacional > física), pero **exposición ≠ efecto**: todo depende del grado de **sustituibilidad/complementariedad** y de la **elasticidad-precio** de la demanda (paradoja de Jevons — una ocupación sustituible con demanda elástica puede ver crecer su empleo). El **progreso técnico sesgado** podría perjudicar a ciertos segmentos, con una **preocupación marcada por los jóvenes**: −16 % de empleo entre los 22-25 años expuestos en EE. UU. (Brynjolfsson, 2025), aumento del desempleo entre los 15-24 años en Francia (19,1 %→21,1 %), sin causalidad establecida. Por sector, finanzas, TI y servicios a empresas son los más expuestos.

**3. Largo plazo incierto.** Coexisten dos escenarios: la **sustitución masiva** (si la IA agéntica/física se generaliza) o la **destrucción creativa** (las revoluciones pasadas crearon más empleos de los que destruyeron; el 60 % de los trabajadores actuales ocupan empleos que no existían en 1940). La transición generará **costes** (reasignación lenta: −40 % del beneficio de la robotización en Francia), que deberán suavizarse mediante la **formación** y los **oficios puente**.

**Conclusión de política pública**: acompañar la transición (el plan «Osez l'IA», formación de 15 millones de personas de aquí a 2030, la Académie de l'IA, France 2030) e **invertir decididamente en IA** para evitar el **retraso competitivo** — Francia se sitúa en una posición intermedia (18 % de adopción, en fase de recuperación) en medio de la competencia internacional.

## GrapheDeConnaissance

- DG Trésor —publie→ Trésor-Éco n° 391 « L'IA, quels effets sur l'emploi ? » (DOCUMENT, 0.99)
- Trésor-Éco n° 391 —affirme_que→ l'IA n'a pas d'effet agrégé mesurable sur l'emploi à ce stade, faute de recul et d'adoption (AFFIRMATION, 0.95)
- IA générative —permet→ des gains de productivité individuels de +14 % (service client) à +26 % (développeurs) (MESURE, 0.9)
- IA générative —réduit→ la demande de travail via l'effet de déplacement (substitution de tâches) (CONCEPT, 0.88)
- effet de productivité —s_oppose_à→ effet de déplacement (CONCEPT, 0.9)
- approche task-based —mesure→ l'exposition d'un métier à l'IA par décomposition en tâches (AFFIRMATION, 0.9)
- élasticité-prix de la demande —permet→ de déterminer si les gains de productivité augmentent ou réduisent l'emploi d'un métier (AFFIRMATION, 0.87)
- Trésor-Éco n° 391 —affirme_que→ l'emploi des 22-25 ans exposés à l'IA a reculé de 16 % aux US (nov. 2022 - juil. 2025) (MESURE, 0.85)
- Trésor-Éco n° 391 —affirme_que→ l'IA sert parfois de prétexte (« labellisation ») pour justifier des licenciements et gels d'embauche (AFFIRMATION, 0.88)
- destruction créatrice —soutient→ l'hypothèse que l'IA créera à terme plus d'emplois qu'elle n'en détruira (AFFIRMATION, 0.8)
- Trésor-Éco n° 391 —affirme_que→ 5 à 60 % de l'emploi total serait exposé à l'IA selon les études (MESURE, 0.85)
- Arquié et al. —mesure→ 3,8 % du contenu du travail à risque d'automatisation aujourd'hui, jusqu'à 16,3 % d'ici 2-5 ans (France) (MESURE, 0.85)
- Trésor-Éco n° 391 —recommande→ accompagner la transition par la formation et les politiques de mobilité (Osez l'IA, France 2030) (AFFIRMATION, 0.93)
- Trésor-Éco n° 391 —recommande→ investir dans l'IA pour soutenir la compétitivité et éviter un décrochage face à la concurrence internationale (AFFIRMATION, 0.93)
- plan Osez l'IA —permet→ de former 15 millions de professionnels d'ici 2030 (Académie de l'IA) (MESURE, 0.85)
- approche task-based —est_basé_sur→ travaux d'Acemoglu et Restrepo (DOCUMENT, 0.9)

---
Canonical: https://www.thekb.eu/es/fiches/dgtresor-ia-effets-emploi-2026-06-30/