L’IA stimule les recrutements dans la tech aux États-Unis

L’emploi technologique américain rebondit alors que le marché de l’emploi au sens large se contracte

L’emploi aux États-Unis a reculé de 23 000 postes en juillet. La tech a évolué dans le sens inverse. L’analyse par CompTIA des données du Bureau of Labor Statistics (BLS) des États-Unis a montré que le secteur technologique a créé 3 700 emplois après en avoir perdu 900 en juin.

Les gains se sont concentrés dans les domaines qui fournissent la capacité de calcul à la base de l’IA et d’autres services numériques. Les entreprises ont recruté dans les services cloud, l’hébergement, le traitement de l’information, les données et la fabrication de semi-conducteurs. C’est important, car le déploiement de l’IA exige une infrastructure de calcul substantielle, des processeurs et serveurs jusqu’aux centres de données et plateformes cloud.

Les données du BLS donnent plus de détails sur les domaines où la demande progresse. L’emploi chez les fournisseurs d’infrastructure informatique, les entreprises de traitement des données, les sociétés d’hébergement web et les services associés a augmenté de 2,4 % de juin à juillet. L’emploi dans la fabrication de produits informatiques et électroniques a progressé de 2,9 % sur la même période.

Pour les dirigeants, le principal signal est la concentration de la croissance. Les recrutements dans la tech repartent autour de l’infrastructure et de capacités spécialisées, plutôt que d’augmenter uniformément dans l’ensemble du secteur. Les dépenses d’investissement consacrées à l’IA se traduisent par une demande pour les personnes qui conçoivent, exploitent et prennent en charge les systèmes sous-jacents.

Cela crée une priorité claire pour la main-d’œuvre. Les entreprises qui augmentent leurs investissements dans l’IA doivent planifier conjointement infrastructure et talents. La capacité de calcul a peu de valeur métier sans les personnes capables de la déployer, de l’intégrer, de la sécuriser et de la maintenir. Les chiffres de l’emploi de juillet suggèrent que les entreprises sont déjà en concurrence pour ces compétences.

Le marché du travail au sens large reste suffisamment faible pour imposer de la discipline. Un mois positif pour la tech ne suffit pas à établir un cycle d’embauche durable. Mais le passage d’une baisse de 900 emplois en juin à une hausse de 3 700 en juillet montre où les employeurs allouent leurs ressources malgré un contexte global plus tendu.

L’investissement dans l’infrastructure IA concentre la croissance de l’emploi dans les centres de données et les secteurs de soutien

Les recrutements dans les centres de données ont augmenté de 39 % en juillet par rapport au même mois un an plus tôt, selon Ger Doyle, président régional Amérique du Nord du cabinet de conseil en main-d’œuvre ManpowerGroup. Les exigences de l’infrastructure IA et la hausse de la demande en matériel alimentent une grande partie de cette croissance.

Les systèmes d’IA nécessitent de grandes quantités de capacité de calcul. Construire cette capacité exige des centres de données, des serveurs, des semi-conducteurs, des systèmes d’alimentation et de refroidissement, une infrastructure réseau, de la maintenance et une logistique physique. À mesure que les investissements se dirigent vers ces actifs, la demande d’emploi s’étend au-delà des rôles logiciels traditionnels.

Le transport en fournit un exemple clair. Doyle a indiqué que la demande de conducteurs de poids lourds a bondi de 181 % depuis juin. Le développement des centres de données oblige les entreprises à déplacer des serveurs, des matériaux de construction, des équipements électriques, des systèmes de refroidissement et d’autres actifs physiques. Les dépenses d’investissement liées à l’IA ont donc des effets sur l’emploi dans plusieurs secteurs de soutien.

« Nous entrons dans un marché du travail où les opportunités se concentrent de plus en plus autour de compétences, de secteurs et d’investissements spécifiques », a déclaré Doyle. Cette concentration est la question centrale pour les dirigeants d’entreprise. Les données agrégées sur l’emploi peuvent masquer une forte concurrence pour les travailleurs dans des lieux et des métiers précis.

La contrainte porte de plus en plus sur l’accès aux bonnes compétences et à la bonne infrastructure plutôt que sur l’offre globale de travailleurs. Un employeur peut évoluer dans un marché du travail national ralenti tout en étant en forte concurrence pour des techniciens de centres de données, des expertises en semi-conducteurs, des ingénieurs IA, des spécialistes de l’énergie et d’autres compétences rares.

Les dirigeants devraient refléter cette concentration dans leur planification des effectifs. Les chiffres nationaux du chômage donnent des indications limitées pour les rôles liés à de grands investissements dans l’IA. Les plans de recrutement ont besoin de données locales et par métier, surtout lorsque de nouveaux centres de données ou sites de semi-conducteurs créent une demande simultanée de talents spécialisés.

La hausse de 39 % des recrutements dans les centres de données montre aussi que l’investissement dans l’IA a dépassé le seul développement logiciel. L’infrastructure physique devient une composante importante du marché de l’emploi lié à l’IA. Les entreprises qui prévoient d’importants déploiements d’IA devraient considérer la capacité de calcul, l’approvisionnement en matériel, les installations, la logistique et la main-d’œuvre qualifiée comme des exigences opérationnelles liées entre elles.

Les recrutements dans la tech restent inégaux alors que les télécommunications se contractent

L’emploi technologique se divise selon des lignes d’investissement nettes. L’infrastructure IA, le traitement des données et le matériel créent des emplois, tandis que les télécommunications continuent d’en supprimer. Les données du Bureau of Labor Statistics (BLS) des États-Unis montrent que l’emploi dans les télécommunications a reculé de 1,5 % de juin à juillet, prolongeant une baisse qui persiste depuis plusieurs années.

Cette différence compte pour la stratégie de main-d’œuvre. La technologie est une catégorie trop large pour fournir à elle seule un signal de recrutement utile. La demande dépend de l’endroit où les entreprises investissent leur capital et des capacités techniques qui soutiennent ces investissements. Les dépenses actuelles favorisent l’infrastructure informatique, les centres de données, les semi-conducteurs, la capacité cloud et les systèmes liés à l’IA.

Les licenciements restent importants en parallèle. Challenger, Gray & Christmas a recensé 9 867 suppressions de postes annoncées dans le secteur technologique en juillet. Cela a porté le total des suppressions annoncées dans la tech à 149 023 sur les sept premiers mois de 2026.

Ces chiffres peuvent coexister avec l’estimation de CompTIA selon laquelle le secteur technologique a créé 3 700 emplois en juillet. Les différentes organisations de recherche mesurent le marché du travail de manière différente, et les suppressions de postes ne se traduisent pas directement par des variations nettes de l’emploi. Les entreprises peuvent supprimer des postes dans une fonction tout en recrutant simultanément dans une autre. Les classifications sectorielles et les périodes de mesure peuvent aussi produire des visions différentes des conditions d’emploi.

Pour les dirigeants, la composition des compétences est l’indicateur le plus utile. Une entreprise qui réduit ses effectifs peut malgré tout faire face à des pénuries en ingénierie IA, en infrastructure de données, en expertise des semi-conducteurs ou dans d’autres rôles spécialisés. La planification de la main-d’œuvre devrait donc examiner séparément les rôles, les compétences et les capacités métier, indépendamment des effectifs totaux.

Les télécommunications méritent aussi une attention distincte. Une baisse persistante de l’emploi signale une pression structurelle plutôt qu’un simple mois faible. Les dirigeants opérant dans des segments technologiques matures doivent aligner leurs décisions de recrutement et de requalification sur les domaines qui reçoivent de nouveaux investissements. L’infrastructure IA représente actuellement l’une des concentrations les plus nettes de ces investissements.

Les licenciements ralentissent, mais le marché du travail américain reste atone

Les employeurs américains ont annoncé 33 429 suppressions de postes en juillet, selon Challenger, Gray & Christmas. C’était en baisse par rapport aux 45 849 de juin et cela représentait le total mensuel le plus bas depuis juillet 2024. Les recrutements ont également augmenté de 25 % par rapport à l’année précédente, selon le cabinet.

« Les recrutements ont également augmenté de 25 % par rapport à l’an dernier, donc même si l’IA transforme le marché du travail, elle ne le démantèle pas », a déclaré Andy Challenger, Chief Revenue Officer chez Challenger, Gray & Christmas.

D’autres indicateurs montrent un environnement plus lent. Le National Employment Report d’ADP a estimé que les employeurs privés ont créé 44 000 emplois en juillet, avec des performances inégales selon les secteurs. Le taux de chômage national est passé de 4,2 % à 4,1 %, mais une partie de cette évolution reflète des personnes quittant la population active ou arrêtant leur recherche d’emploi.

Ger Doyle, président régional Amérique du Nord chez ManpowerGroup, a déclaré que la demande de recrutement existe toujours malgré la baisse de la participation à la population active et l’allongement des recherches d’emploi. Son évaluation décrit un marché du travail dans lequel les travailleurs disponibles et les emplois disponibles peinent de plus en plus à se correspondre en termes de compétences, de secteur et de localisation.

Ce décalage est important pour les dirigeants. Un marché du travail national plus lent ne garantit pas un recrutement plus facile pour les postes spécialisés. Les entreprises qui investissent dans l’IA, les centres de données, les semi-conducteurs et d’autres domaines à forte demande peuvent faire face à une concurrence intense pour des compétences spécifiques, même si les chercheurs d’emploi ailleurs connaissent des recherches plus longues.

L’IA modifie aussi la composition de la demande. Certaines activités peuvent être automatisées, tandis que la croissance des investissements dans l’infrastructure crée des besoins en ingénierie, mise en œuvre, opérations et services de soutien. Les entreprises ont donc besoin de plans de main-d’œuvre plus précis : identifier les capacités requises par chaque investissement, déterminer quels employés existants peuvent être requalifiés et recruter à l’extérieur là où des écarts critiques subsistent.

Les chiffres de juillet plaident pour une stratégie de recrutement mesurée. La pression des licenciements s’est atténuée, tandis que la croissance des emplois privés reste modeste et que la demande varie fortement d’un secteur à l’autre. Les dirigeants devraient utiliser des indicateurs par métier et par compétence en complément des chiffres globaux de l’emploi lorsqu’ils prennent des décisions de recrutement, de restructuration et d’investissement dans la main-d’œuvre.

Le chômage affiché masque de fortes différences dans l’expérience des travailleurs

Le taux de chômage américain est passé de 4,2 % à 4,1 %. Cet indicateur de premier plan suggère une légère amélioration, mais une partie de la baisse vient de personnes quittant la population active ou arrêtant leur recherche d’emploi. Cela renvoie à un marché du travail qui reste lent même si le taux de chômage diminue.

Le taux de chômage mesure les personnes qui recherchent activement un emploi. Lorsqu’une personne cesse de chercher, elle n’est généralement plus comptée comme chômeuse. La participation à la population active et l’activité de recrutement apportent donc un contexte important pour interpréter les évolutions du taux affiché.

Les conditions varient aussi fortement selon les secteurs et les compétences. Ger Doyle, président régional Amérique du Nord chez ManpowerGroup, a déclaré que la demande de recrutement persiste à travers les États-Unis malgré la baisse de la participation à la population active et l’allongement des recherches d’emploi. Dans le même temps, les employeurs modifient leurs priorités de recrutement à mesure que la technologie transforme des secteurs comme la santé et les services.

« C’est pourquoi le marché du travail que vivent de nombreux travailleurs ne correspond pas toujours à celui décrit par les chiffres de premier plan », a déclaré Doyle.

Pour les dirigeants, le chômage national ne devrait être qu’un indicateur parmi d’autres. Les décisions de recrutement exigent une vision plus précise de la disponibilité de la main-d’œuvre. Les mesures pertinentes incluent le vivier de candidats pour les métiers critiques, le temps nécessaire pour pourvoir les postes ouverts, les compétences requises, la disponibilité géographique et la pression sur les rémunérations.

Cela devient particulièrement important lorsque l’investissement se concentre dans des domaines comme l’IA et l’infrastructure informatique. Les entreprises peuvent trouver un large vivier général de candidats tout en faisant face à une pénurie dans des rôles techniques spécialisés. Ces conditions peuvent coexister avec des recherches d’emploi plus longues dans d’autres métiers.

L’implication pratique est claire. La planification de la main-d’œuvre devrait suivre le marché du travail au niveau où l’entreprise recrute réellement. Le secteur, le métier, la compétence et la localisation peuvent fournir des informations plus exploitables qu’un simple chiffre national du chômage.

La demande de compétences en IA et en machine learning continue d’augmenter

Environ 14 000 nouvelles offres d’emploi aux États-Unis en juillet recherchaient des compétences en IA et en machine learning, selon CompTIA. Ce chiffre indique directement que les employeurs continuent de développer leurs capacités en IA même si les recrutements globaux restent modérés.

Cette demande va au-delà du développement de modèles d’IA. Les entreprises ont besoin de personnes capables d’intégrer l’IA dans les systèmes existants, de gérer les données et l’infrastructure de calcul nécessaires, d’évaluer les résultats et de transformer les capacités techniques en processus métier utilisables. À mesure que l’adoption progresse, les compétences en IA peuvent devenir pertinentes dans l’ingénierie, les données, les opérations, le conseil et d’autres fonctions.

La tendance de recrutement doit aussi être examinée en parallèle des investissements dans l’infrastructure. Les recrutements dans les centres de données ont augmenté de 39 % sur un an en juillet, selon Ger Doyle, président régional Amérique du Nord chez ManpowerGroup. Les données du BLS ont par ailleurs montré une hausse mensuelle de 2,4 % de l’emploi chez les fournisseurs d’infrastructure informatique, dans le traitement des données, l’hébergement web et les services associés. Ensemble, ces indicateurs montrent une demande qui se développe à la fois pour les compétences en IA et pour l’infrastructure nécessaire au fonctionnement des systèmes d’IA.

Pour les dirigeants, la principale contrainte est l’accès à des capacités qui produisent des résultats métier mesurables. Recruter des employés disposant uniquement de références en IA ne suffit pas à établir un modèle opérationnel IA efficace. Les entreprises ont besoin d’une vision claire des workflows qu’elles prévoient de transformer, des compétences techniques que ces workflows exigent et des domaines où l’expertise humaine reste essentielle.

Le développement interne peut jouer un rôle majeur. Les employés qui comprennent déjà les clients, les processus, les systèmes et les contrôles de risque d’une entreprise disposent d’une connaissance métier précieuse. L’ajout de compétences pratiques en IA peut permettre à ces collaborateurs de repenser les workflows et d’utiliser l’automatisation efficacement tout en préservant le contexte métier.

Le recrutement externe reste important pour combler des lacunes techniques plus profondes. L’ingénierie IA, le machine learning, l’infrastructure de données et l’expertise de mise en œuvre peuvent exiger une expérience spécialisée. Les dirigeants devraient distinguer ces besoins d’une culture générale plus large de l’IA et allouer les budgets de recrutement en conséquence.

Les 14 000 offres liées à l’IA signalent où les employeurs allouent leurs ressources. Dans un marché du travail à la croissance globale modeste, la demande continue pour ces compétences fait de la stratégie de talents IA une priorité métier ciblée. Les meilleurs plans de main-d’œuvre relieront chaque décision de recrutement ou de requalification à un déploiement précis, à une exigence opérationnelle ou à un objectif de productivité.

L’IA transforme les emplois plus vite qu’elle ne clarifie son impact net sur l’emploi

L’IA affecte déjà les recrutements, la conception des postes et les réductions d’effectifs. Son effet net sur l’emploi reste incertain. Certaines entreprises attribuent des licenciements à l’IA, tandis que d’autres recrutent des profils dotés de compétences en IA, en machine learning, en infrastructure et en mise en œuvre. Ces évolutions peuvent se produire en même temps, car l’IA modifie différemment les tâches individuelles et les exigences de compétences selon les métiers.

Les affirmations sur des licenciements dus à l’IA exigent aussi une interprétation prudente. Une entreprise peut introduire de l’automatisation tout en se restructurant pour plusieurs raisons, notamment la pression sur les coûts, les changements de demande ou un sureffectif antérieur. L’attribution est importante, car les dirigeants doivent distinguer les gains de productivité produits par l’IA des réductions d’effectifs qui se seraient produites pour d’autres raisons métier.

L’exposition à l’automatisation s’étend aussi à travers les catégories professionnelles. Un récent rapport de l’OCDE a montré que les progrès de l’IA et de la robotique pourraient mettre en risque certaines professions manuelles, y compris des activités auparavant considérées comme relativement protégées de l’IA. L’OCDE a identifié les professions créatives, notamment le management, les arts et le travail social, parmi celles exposées à la menace la plus faible.

La variable importante pour les dirigeants est la structure des tâches au sein de chaque poste. Les rôles se composent d’activités différentes avec des niveaux de potentiel d’automatisation différents. Le travail routinier et répétable peut être un meilleur candidat à l’automatisation, tandis que les tâches impliquant jugement, responsabilité, interaction complexe et expertise métier peuvent continuer à exiger une contribution humaine substantielle.

Cela change la manière dont les entreprises devraient évaluer l’exposition de leur main-d’œuvre. Un examen au niveau des intitulés de poste peut manquer l’impact réel. Les dirigeants devraient identifier quelles tâches l’IA peut exécuter de manière fiable, quelles tâches peuvent être accélérées avec l’assistance de l’IA et quelles responsabilités exigent un contrôle humain. Cette analyse fournit une base plus solide pour repenser les rôles et définir les priorités de requalification.

Les chiffres de l’emploi renforcent cette image contrastée. Challenger, Gray & Christmas a recensé 149 023 suppressions annoncées dans le secteur technologique jusqu’en juillet 2026. Dans le même temps, CompTIA a relevé environ 14 000 nouvelles offres d’emploi en juillet recherchant des compétences en IA et en machine learning. Ces chiffres mesurent différents aspects du marché du travail, mais ensemble ils montrent une restructuration importante de la main-d’œuvre parallèlement à une demande continue de capacités en IA.

La priorité de gestion est donc la productivité avec une attribution mesurable. Les entreprises devraient établir des métriques de référence sur les coûts, la production, la qualité et les effectifs avant de déployer l’IA dans des workflows majeurs. Elles pourront ensuite déterminer si l’IA réduit réellement les besoins en main-d’œuvre, augmente la capacité des employés, améliore la qualité ou crée une demande pour des compétences différentes. Ces éléments probants devraient guider les décisions relatives à la main-d’œuvre.

Un déploiement efficace de l’IA accroît la demande d’expertise humaine en mise en œuvre

Un déploiement réussi de l’IA exige toujours un travail humain substantiel. Les organisations ont besoin de personnes capables de relier les systèmes d’IA aux processus métier, aux données de l’entreprise, aux logiciels, aux contrôles et aux exigences des clients. À mesure que les entreprises évoluent vers l’IA agentique, des systèmes conçus pour exécuter des tâches en plusieurs étapes avec une plus grande autonomie, la qualité de la mise en œuvre et de la supervision devient plus importante.

Les forward-deployed engineers, ou FDE, constituent une réponse à cette exigence. Les cabinets de conseil utilisent de plus en plus ces ingénieurs pour mettre en œuvre l’IA agentique directement dans les environnements clients. Les FDE combinent mise en œuvre technique et connaissance fine des exigences opérationnelles du client. Leur travail peut inclure l’intégration de systèmes, la conception de workflows, les tests et l’adaptation des applications d’IA aux conditions réelles de l’entreprise.

Cela reflète une évolution plus large de l’endroit où l’effort humain crée de la valeur. Les petits cabinets de conseil automatisent le travail routinier avec l’IA et utilisent la capacité ainsi dégagée pour consacrer plus de temps à comprendre et satisfaire les exigences des clients. Les gains de productivité peuvent donc apparaître sous la forme d’une capacité de service accrue, d’une livraison plus rapide ou d’une attention plus grande portée aux clients.

La supervision humaine reste importante parce que les systèmes autonomes introduisent des questions opérationnelles autour de la précision, de l’accès, de la responsabilité et de l’intervention. Les dirigeants ont besoin d’une propriété claire des processus soutenus par l’IA. Les employés doivent savoir quand un résultat automatisé peut être validé tel quel, quand une vérification est nécessaire et qui est responsable lorsqu’un système produit un résultat incorrect ou inapproprié.

La principale contrainte de mise en œuvre est l’intégration métier. La capacité de l’IA à elle seule ne détermine pas si un déploiement produit de la valeur. Le système doit fonctionner avec les données, applications, processus, exigences de sécurité et droits de décision existants. Cela crée une demande pour des personnes qui comprennent à la fois la technologie et l’environnement métier dans lequel elle opère.

Pour les dirigeants de la direction générale, cela a des implications directes pour l’investissement dans l’IA. Les budgets devraient prendre en compte les talents de mise en œuvre, la refonte des processus, la gouvernance, la formation et l’exploitation continue en plus des modèles et de l’infrastructure de calcul. Les forward-deployed engineers représentent un modèle pour fournir cette expertise, tandis que les équipes internes d’ingénierie et métier peuvent remplir des fonctions similaires.

Le modèle opérationnel le plus solide confie l’automatisation aux tâches où elle apporte une productivité fiable et oriente l’expertise humaine vers la mise en œuvre, le jugement, les besoins clients et la responsabilité. Cette approche donne aux entreprises une voie pratique pour capter la productivité de l’IA tout en développant les compétences nécessaires à un déploiement plus large.

En résumé

Les chiffres de juillet pointent vers un marché du travail plus sélectif. L’emploi aux États-Unis a reculé de 23 000 postes, tandis que la tech en a créé 3 700. L’investissement dans l’IA oriente la demande vers les centres de données, l’infrastructure informatique, les semi-conducteurs et les compétences techniques spécialisées. Dans le même temps, l’emploi dans les télécommunications continue de reculer et les licenciements dans la tech restent importants.

Pour les dirigeants, les effectifs agrégés deviennent un signal de planification moins utile. La question la plus pertinente est de savoir où les dépenses d’investissement créent une demande pour des capacités spécifiques. Un marché du travail national ralenti peut malgré tout produire une concurrence intense pour les ingénieurs IA, les spécialistes de l’infrastructure et les personnes capables d’intégrer l’IA dans de vrais processus métier.

L’IA exige aussi une approche plus précise de la planification de la main-d’œuvre. Les dirigeants devraient évaluer le travail au niveau des tâches, déterminer où l’automatisation produit des gains mesurables et identifier où le jugement humain, la mise en œuvre technique et l’expertise métier restent essentiels. Le recrutement et la requalification devraient suivre ces exigences.

Les entreprises qui exécuteront bien relieront l’investissement dans l’IA à l’infrastructure, aux compétences et à des résultats opérationnels mesurables. Cela signifie suivre la productivité, les coûts, la qualité et les besoins de main-d’œuvre avant et après le déploiement. L’objectif est clair : utiliser l’IA pour accroître la capacité de l’entreprise tout en développant l’expertise humaine nécessaire pour la déployer efficacement.