Les emplois des services professionnels selon le BLS augmentent de 70 000 malgré les craintes de déplacement par l’IA

Les données du BLS sur l’emploi dans les services professionnels font état d’une hausse de 70 000 postes en octobre, remettant en cause les prévisions selon lesquelles l’intelligence artificielle éliminerait déjà les emplois de bureau dans des secteurs entiers. Les entreprises de conseil, les services juridiques et les cabinets comptables ont tous créé des postes. Ces gains limitent immédiatement la portée des affirmations généralisées sur un effondrement en cours de l’emploi des cols blancs.

Le Bureau of Labor Statistics a publié ces chiffres le 6 novembre 2026. Le nom complet de cette catégorie est services professionnels et aux entreprises, un ensemble plus large que les seuls cabinets de conseil et études d’avocats. Les articles d’Ian Hodgson dans le Wall Street Journal ont identifié cette hausse comme la plus importante depuis juillet 2022.

La tension oppose les prédictions d’un remplacement rapide des travailleurs aux décisions réelles des employeurs en matière d’effectifs. Octobre remet en cause la version la plus forte de l’argument du remplacement, sans pour autant établir que l’IA a créé les nouveaux postes. Pour les travailleurs comme pour les dirigeants, cette distinction sépare les données utiles d’un simple titre rassurant qui promet plus que ce que permettent les données.

Les emplois des services professionnels selon le BLS affichent une hausse généralisée des recrutements

La hausse des recrutements d’octobre constitue un élément contre l’idée d’un effondrement immédiat à l’échelle du secteur, tout en laissant sans réponse les causes de la croissance de l’emploi.

Les données sur l’emploi d’octobre montrent que le conseil a ajouté 17 300 emplois, les services juridiques 2 400, et la comptabilité ainsi que les services connexes 2 300. Les services d’intérim ont ajouté 18 600 postes. La hausse de l’ensemble de la catégorie a dépassé son gain mensuel moyen de 15 000 sur l’année précédente.

Il s’agit de variations nettes de l’emploi, c’est-à-dire du solde après les créations et les suppressions de postes. Elles ne représentent pas chacune des décisions d’embauche prises durant le mois. Un solde positif peut coexister avec des licenciements, des postes vacants non pourvus et des recherches difficiles pour certains candidats.

Cette distinction aide à comprendre pourquoi une publication nationale encourageante peut sembler déconnectée de l’expérience d’une personne. Un analyste licencié ne peut pas automatiquement rejoindre un cabinet juridique en expansion. Le nouveau poste d’un cabinet comptable peut exiger des qualifications qu’un consultant récemment au chômage ne possède pas.

L’ampleur de cette catégorie compte également. Les services professionnels et aux entreprises incluent le soutien administratif, le travail temporaire, la gestion d’entreprise et d’autres activités, aux côtés du travail professionnel spécialisé. Décrire l’ensemble de la hausse comme de nouveaux postes dans le conseil, le droit ou la comptabilité exagérerait ce qui s’est produit.

Les secteurs plus étroits cités dans l’article initial se sont néanmoins eux aussi développés. Cela rend le résultat pertinent pour le débat sur l’IA plutôt que de n’en faire qu’un effet statistique de classification. Les employeurs ont ajouté du personnel dans des domaines où les logiciels ciblent de plus en plus le traitement de documents, la recherche, la rédaction et l’analyse.

L’interprétation la plus défendable est donc précise. L’emploi a progressé dans plusieurs secteurs souvent décrits comme vulnérables à la substitution par l’IA. La publication ne permet pas de savoir si les entreprises individuelles ont utilisé l’IA, modifié leurs effectifs à cause d’elle ou recruté malgré elle.

Une comparaison utile oppose l’emploi observé à une économie imaginaire sans cette technologie. Les chiffres de la masse salariale décrivent le premier cas. Établir le second exige des recherches capables de distinguer l’adoption de l’IA de la demande des clients, de la conjoncture et d’autres influences.

Un secteur en croissance aurait pu se développer davantage sans automatisation. À l’inverse, les services soutenus par l’IA auraient pu accroître suffisamment la demande pour justifier des recrutements supplémentaires. Les deux explications sont compatibles avec une hausse de l’emploi, raison pour laquelle le titre ne peut pas trancher le débat économique sous-jacent.

Pour l’instant, les emplois des services professionnels selon le BLS apportent une correction concrète aux affirmations selon lesquelles l’exposition entraîne automatiquement une baisse des effectifs. Ils ne garantissent pas ce que les employeurs feront ensuite.

La hausse des recrutements met sous pression les affirmations sur le remplacement

La pression immédiate s’exerce sur les organisations qui considèrent la capacité technique comme une preuve suffisante pour supprimer des rôles humains.

L’exposition à l’IA signifie que la technologie peut effectuer ou assister certaines tâches d’une profession. Cela ne signifie pas qu’un employeur peut supprimer l’ensemble du poste. Cela requiert une évaluation du travail restant, des erreurs acceptables, de la supervision et des attentes des clients.

La recherche sur l’exposition professionnelle de l’Organisation internationale du travail place cette distinction au cœur de son analyse. Son évaluation considère la transformation des emplois comme l’effet global le plus probable, car les professions comprennent des tâches nécessitant une intervention humaine. Les estimations d’exposition décrivent une portée technologique potentielle, et non le nombre de postes déjà perdus.

Ce cadre aide à interpréter octobre sans le transformer en déclaration de victoire. Le résultat sur l’emploi est compatible avec des entreprises qui réorganisent le travail tout en conservant ou en élargissant leurs effectifs. Il ne permet pas d’établir à quel point cette réponse était fréquente parmi les employeurs interrogés.

Pour les dirigeants, la conséquence pratique est une charge d’explication plus élevée. Une proposition relative aux effectifs doit préciser quelles responsabilités disparaissent et lesquelles restent. Démontrer qu’un logiciel peut produire une ébauche ne prouve pas que l’organisation peut fournir le service final avec moins de personnel.

Prenons l’exemple illustratif d’une mission juridique impliquant l’examen d’un contrat. Un modèle peut résumer des clauses, repérer des formulations à examiner ou préparer une comparaison initiale. Le service exige toujours des décisions sur l’importance relative, les objectifs du client, les exceptions et la responsabilité du conseil final.

Une mission comptable pose un défi connexe. Une extraction plus rapide des documents ne résout pas à elle seule les pièces manquantes ou les données contradictoires. Réduire le temps de préparation modifie une partie de la charge de travail, tout en laissant à l’employeur la responsabilité de la mission achevée.

Le conseil ajoute une autre complication, car les recommandations comprennent souvent leur mise en œuvre. Un client peut avoir besoin d’aide pour modifier ses processus après avoir reçu une analyse. Même une recommandation générée satisfaisante ne démontre pas que le travail organisationnel qui l’entoure a disparu.

Ces exemples illustrent un mécanisme possible, plutôt que des explications documentées des recrutements d’octobre. La publication sur la masse salariale n’identifie pas les missions associées aux nouveaux postes. Présenter une logique commerciale plausible comme une cause mesurée reviendrait à reproduire la même erreur que les prévisions de déplacement trop catégoriques.

Les fournisseurs de logiciels font face à un défi correspondant. Les affirmations sur le remplacement nécessitent des preuves issues d’un usage durable, y compris du travail que les clients doivent effectuer autour du produit. L’évaluation doit inclure l’effort de vérification, les exceptions et les conséquences des erreurs.

Les employés ont également des raisons de distinguer l’exposition des tâches de la certitude professionnelle. Un secteur en expansion peut modifier les capacités qu’il récompense. Les travailleurs dont les responsabilités se réduisent peuvent subir une pression même lorsque l’effectif global de leur employeur augmente.

Les emplois des services professionnels selon le BLS compliquent donc l’argument des deux côtés. Les défenseurs du remplacement doivent expliquer la poursuite des recrutements, tandis que les optimistes doivent expliquer qui en bénéficie. Aucune des deux positions n’obtient une réponse complète du total sectoriel.

La question pertinente pour les employeurs devient de plus en plus concrète : qu’advient-il du service complet après qu’une tâche est devenue plus rapide ? Octobre rend cette question plus difficile à éviter.

Un travail plus rapide ne signifie pas automatiquement moins de travailleurs

Les gains de productivité peuvent soutenir des équipes plus réduites, des charges de travail plus importantes ou des services élargis, selon la réaction des employeurs et des clients.

Les mesures de productivité rapportent une production à un intrant, comme le travail achevé par heure. Un gain indique qu’un travailleur ou une équipe produit davantage selon cette mesure. Il ne détermine pas indépendamment le nombre de personnes qu’une organisation emploiera.

Un exemple documenté provient d’une recherche d’Erik Brynjolfsson, Danielle Li et Lindsey Raymond. Leur étude sur la productivité au travail a examiné un assistant IA introduit auprès de 5 179 agents de support client. La version du document de travail de novembre 2023 faisait état d’une hausse moyenne de 14 % des problèmes résolus par heure, avec des gains plus importants chez les travailleurs moins expérimentés.

Ce résultat concerne un contexte professionnel particulier et une mesure de performance définie. Il ne peut pas établir ce qui s’est passé dans le conseil ou la comptabilité en octobre 2026. Sa pertinence est plus limitée : les travailleurs utilisant l’IA peuvent devenir plus productifs tout en restant partie intégrante du service.

La réponse de l’emploi dépend en partie de la demande. Si les clients veulent une quantité fixe de travail, une production plus rapide crée une marge pour réduire les besoins en main-d’œuvre. Si les clients achètent davantage lorsque le service s’améliore ou devient plus facile à fournir, l’emploi peut suivre une trajectoire différente.

Les services professionnels impliquent aussi des choix de périmètre. Un employeur peut utiliser le temps de préparation économisé pour examiner davantage d’éléments, répondre à des questions supplémentaires des clients ou améliorer les délais. Il peut aussi réduire les effectifs tout en maintenant le niveau de service antérieur.

Ces possibilités créent une décision commerciale plutôt qu’un résultat technologique unique. Les capacités d’un modèle influencent les options, mais les décisions de gestion et le comportement des clients façonnent le résultat. Les chiffres d’octobre montrent le solde de l’emploi sans identifier l’option choisie par chaque entreprise.

La comparaison entre le conseil, les services juridiques et la comptabilité est utile ici. Ces activités partagent une exposition aux tâches intensives en documents, mais leurs missions ne sont pas interchangeables. Un changement qui réduit le travail de préparation dans un service ne doit pas nécessairement produire la même réponse en matière d’effectifs ailleurs.

Un cabinet de conseil en concurrence pour des missions de mise en œuvre peut valoriser une capacité de prestation supplémentaire. Un cabinet juridique peut privilégier la qualité de l’examen et la réactivité auprès des clients. Une entreprise comptable peut consacrer le temps économisé à l’examen des exceptions, selon son travail et ses obligations.

Il s’agit de possibilités analytiques, et non de récits vérifiés expliquant pourquoi ces secteurs ont recruté. Elles expliquent pourquoi un accès similaire à l’IA n’impose pas des résultats identiques en matière d’emploi. Elles montrent également pourquoi la comparaison des seules performances des modèles ne peut pas résoudre la question du marché du travail.

Il existe une autre source possible de demande : l’adoption de la technologie elle-même exige du travail. Les organisations doivent connecter les informations, définir les responsabilités, évaluer les résultats et décider quels usages sont acceptables. Une partie de ce travail peut relever des services professionnels, bien que les données d’octobre ne mesurent pas un effet de recrutement lié à la mise en œuvre de l’IA.

Pour les travailleurs du savoir, la qualité de l’information s’inscrit dans ce problème plus vaste de productivité. Une réponse plus rapide a une valeur limitée si ses éléments probants ne peuvent pas être retrouvés ou vérifiés. Une base de connaissances consultable répond à cet enjeu opérationnel sans résoudre la question distincte des effectifs.

La distinction est importante, car la préparation et la responsabilité sont deux composantes différentes d’un emploi. Les employeurs peuvent automatiser une partie de la préparation tout en continuant à rémunérer le jugement, la communication et la prise en charge. L’équilibre entre ces responsabilités peut évoluer sans réduction immédiate de l’emploi total.

Les gains d’embauche signalés sont compatibles avec cette possibilité. Ils ne la prouvent pas. Établir un lien de causalité exigerait des éléments sur l’utilisation réelle de l’IA, les évolutions du travail, la demande des clients et les décisions de recrutement au sein des mêmes entreprises.

C’est le renversement central de cette histoire. Le travail peut être davantage exposé à l’automatisation alors que les secteurs qui l’exécutent continuent d’embaucher. La relation entre les capacités des logiciels et l’emploi passe par les décisions des entreprises, plutôt que d’aller directement de la démonstration au licenciement.

Des secteurs en croissance peuvent tout de même laisser des travailleurs de côté

Un total d’emplois positif ne démontre pas que les opportunités se sont améliorées de façon égale selon les métiers, les niveaux d’expérience ou les employeurs.

La méthodologie de l’enquête sur l’emploi salarié du BLS classe les établissements selon leur activité principale. L’emploi par secteur diffère donc d’un décompte par profession. La croissance des entreprises juridiques ne permet pas de savoir combien des nouveaux postes ont été attribués à des avocats, du personnel administratif ou des spécialistes technologiques.

Cette limite devient particulièrement importante lorsqu’il est question du travail de début de carrière. Un secteur pourrait recruter des employés expérimentés tout en réduisant l’entrée des débutants. Son emploi global augmenterait alors même que l’accès à la profession deviendrait plus difficile.

L’inverse est également possible. Une meilleure assistance pourrait aider les nouveaux employés à traiter des missions qui exigeaient auparavant davantage d’expérience. Les données sectorielles agrégées ne permettent pas de distinguer ces résultats ; aucun ne devrait donc être présenté comme l’explication établie pour octobre.

La revue des données sur l’emploi de juin 2026 de l’Organisation internationale du travail décrit des déplacements d’emplois limités à grande échelle, ainsi que des résultats inégaux en matière de productivité. Elle identifie aussi des risques pour les jeunes travailleurs, les inégalités, l’autonomie et la qualité de l’emploi. Cette évaluation justifie d’examiner la répartition des effets plutôt que de traiter les totaux d’emploi comme le seul résultat significatif.

La répartition consiste à se demander qui reçoit les bénéfices et qui supporte l’ajustement. Une entreprise peut se développer alors que certains salariés perdent des responsabilités qui soutenaient auparavant leur progression. Une autre peut conserver ses effectifs tout en augmentant la production attendue sans améliorer les conditions de travail.

Aucun de ces scénarios n’apparaît directement dans le chiffre d’octobre. Tous deux illustrent pourquoi les effectifs constituent une mesure incomplète de l’évolution du travail. La stabilité de l’emploi peut coexister avec une pression accrue, un affaiblissement du pouvoir de négociation ou un accès réduit à la formation.

Le travail temporaire introduit une autre incertitude. Ces postes constituent bien des emplois, et les exclure déformerait la catégorie. Dans le même temps, une mission temporaire ne traduit pas nécessairement le même niveau d’engagement qu’un poste durable.

La bonne approche consiste à examiner la composition sans écarter les éléments dérangeants du résultat. Une hausse concentrée dans le travail temporaire raconterait une histoire différente d’une expansion durable des services spécialisés. Le total général d’octobre devrait ouvrir cette enquête, et non la clore.

La causalité reste une autre limite. Une entreprise qui adopte l’IA peut également connaître une évolution de la demande des clients, une fusion, des changements de direction ou une nouvelle stratégie de service. Attribuer son évolution des effectifs à la technologie exige de séparer ces influences.

Ce problème concerne autant les titres négatifs que positifs. L’annonce d’un licenciement mentionnant l’IA ne mesure pas la contribution indépendante de la technologie à cette décision. De même, les embauches dans une entreprise utilisant l’IA ne démontrent pas que le logiciel a créé ces emplois.

La critique la plus solide d’une lecture optimiste n’est donc pas que la hausse est sans importance. C’est qu’elle répond à une question plus étroite que celle à laquelle certains lecteurs souhaitent répondre. L’emploi a augmenté, mais la publication ne peut pas indiquer dans quelle mesure il aurait autrement été plus fort ou plus faible.

Pour les candidats, cela signifie que la croissance sectorielle doit être interprétée en parallèle des postes réellement ouverts et des exigences de recrutement. Une hausse nationale apporte du contexte, tandis que les perspectives individuelles dépendent de l’adéquation du profil, du lieu, des qualifications et de la demande des employeurs. Des éléments encourageants n’effacent pas ces contraintes.

Pour les décideurs publics, cela signifie que le soutien ne devrait pas attendre qu’un secteur entier se contracte. Des pertes concentrées peuvent compter avant de dominer les statistiques nationales. Un agrégat sain et un ajustement difficile pour certains travailleurs peuvent tous deux être réels.

Les emplois des services professionnels selon le BLS affaiblissent les affirmations d’un effondrement universel. Ils laissent toutefois une large place aux préoccupations concernant la répartition et la qualité des emplois qui subsistent.

Ce que les employeurs doivent expliquer concernant leurs projets d’IA

Le résultat des embauches relève le niveau d’exigence pour les affirmations sur l’IA au travail : les organisations doivent expliquer l’effet sur les effectifs en même temps que le gain de productivité annoncé.

Un employeur qui propose l’automatisation devrait pouvoir décrire le travail avant et après sa mise en œuvre. La comparaison pertinente comprend la préparation, la vérification, l’escalade et la livraison. Ne présenter que la tâche la plus rapide donne une image incomplète du service.

Cela est particulièrement pertinent lorsque les clients paient pour un jugement professionnel fiable. Un système peut raccourcir la rédaction tout en augmentant le besoin d’examiner les résultats. L’incidence sur les effectifs dépend de la charge de travail totale après ces ajustements.

Un exemple de mission de conseil rend l’enjeu clair. Produire une première synthèse de marché est différent de défendre ses hypothèses lors d’une réunion avec le client. Si un logiciel accélère la première activité, l’organisation doit toujours décider qui exécute et assume la seconde.

Cela ne signifie pas que les fonctions existantes méritent une protection permanente contre le changement. Cela signifie qu’une décision défendable en matière d’effectifs devrait suivre l’ensemble de la mission. Les gains d’embauche d’octobre donnent une raison opportune de demander cette analyse plus complète.

Les comparaisons entre entreprises exigent également des mesures cohérentes. Une entreprise qui accroît ses effectifs tout en gagnant des clients ne peut pas être évaluée uniquement par rapport à une entreprise qui réduit ses effectifs avec une charge de travail en baisse. Les effectifs, la production, la qualité du service et la demande doivent faire partie de la même évaluation.

La même rigueur s’applique lorsqu’on compare des équipes assistées par l’IA à des équipes utilisant des processus établis. Une exécution plus rapide compte, mais les taux de correction et les exceptions non résolues comptent aussi. Un résultat crédible devrait expliquer ce qui a été considéré comme un travail terminé.

Les travailleurs ont besoin de clarté sur l’évolution de leurs responsabilités. Si les employeurs attendent d’eux qu’ils examinent davantage de contenu généré, il s’agit d’un travail ayant ses propres exigences. Le décrire comme une supervision sans effort masque le temps et l’expertise nécessaires.

La formation mérite aussi un traitement explicite. Supprimer les missions routinières peut affecter la manière dont les salariés développent leur jugement, même si la publication sur l’emploi ne peut pas mesurer cet effet. Une organisation qui modifie le travail des débutants devrait expliquer comment les personnes acquerront l’expérience nécessaire aux responsabilités de niveau supérieur.

Pour les acheteurs de services professionnels, l’implication est directe. Les affirmations sur l’efficacité de l’IA devraient être reliées au service livré, plutôt que de rester une déclaration abstraite de capacité. Les clients doivent comprendre qui vérifie le résultat et qui demeure responsable.

Pour les acheteurs de logiciels, une adoption réussie devrait avoir une définition tout aussi concrète. Elle peut impliquer de meilleurs délais de traitement, moins d’efforts répétitifs ou une capacité accrue. Ces résultats devraient être mesurés avant de devenir des hypothèses dans une prévision d’effectifs.

Le résultat d’octobre ne prescrit pas un modèle opérationnel universel. Il remet toutefois en cause l’habitude de traiter la réduction des effectifs comme la preuve inévitable que l’IA fonctionne. Une entreprise qui accroît sa production utile avec une équipe en croissance peut elle aussi changer profondément.

La question la plus révélatrice est de savoir si les organisations peuvent documenter la manière dont la technologie affecte les flux de travail complets. Ces éléments aideraient à expliquer pourquoi les embauches persistent, où les déplacements d’emplois se produisent et si les gains de productivité atteignent les travailleurs et les clients.

Les prochaines publications testeront la persistance des embauches

La prochaine phase de cette histoire dépend de la persistance, de la composition des embauches et de la rotation de la main-d’œuvre, plutôt que d’une interprétation plus forte d’octobre à elle seule.

Premièrement, surveillez les prochaines estimations de l’emploi salarié et leurs révisions. Le BLS avait programmé la publication sur l’emploi de novembre au 4 décembre. La poursuite des gains renforcerait l’idée que les embauches dans les services professionnels ont une certaine durabilité, tandis que des révisions à la baisse ou le retour de pertes l’affaibliraient.

La persistance importe davantage que l’exigence d’un résultat mensuel identique. Les estimations d’emploi fluctuent, et une forte hausse isolée ne doit pas nécessairement se répéter pour rester significative. La question est de savoir si la tendance plus large résiste à des observations supplémentaires.

Cette évaluation devrait distinguer un ralentissement de la hausse d’un retournement. Une variation positive plus faible indiquerait toujours une expansion. Traiter tout résultat inférieur au chiffre d’octobre comme la preuve d’un effondrement reviendrait à substituer un seuil arbitraire à l’évaluation d’une tendance.

Deuxièmement, surveillez la composition de l’emploi au sein de la catégorie. Le conseil, les services juridiques, la comptabilité et le travail temporaire devraient être suivis séparément. Une croissance continue dans les services spécialisés soutiendrait plus fortement un argument de résilience généralisée que des gains concentrés dans un segment étroit.

La composition aide aussi à déterminer où l’interprétation initiale doit être révisée. Si certains secteurs se développent tandis que d’autres s’affaiblissent, l’histoire devient plus précise. Cela favoriserait une analyse des conditions commerciales différentes plutôt qu’une seule affirmation sur l’ensemble du travail de bureau.

Les informations sur les exigences d’expérience ajouteraient une autre dimension utile lorsqu’elles sont disponibles. Davantage d’offres pour des spécialistes expérimentés n’amélioreraient pas nécessairement les opportunités pour les diplômés. Des preuves d’un recrutement plus large au niveau débutant renforceraient une conclusion différente sur l’accès aux carrières professionnelles.

Troisièmement, surveillez la rotation de la main-d’œuvre. La publication sur la rotation de la main-d’œuvre prévoit les résultats d’octobre de l’enquête Job Openings and Labor Turnover Survey au 1er décembre. Cette enquête mesure les offres d’emploi, les embauches et les séparations, apportant un contexte qu’une variation nette de l’emploi salarié ne peut pas fournir.

Une activité d’embauche plus forte, associée à une croissance durable de l’emploi, appuierait l’idée que les employeurs développent leur demande de main-d’œuvre. De faibles embauches avec moins de départs suggéreraient une autre explication pour un total stable ou en amélioration. Aucun de ces schémas n’identifierait à lui seul l’IA comme cause.

Ces signaux doivent être interprétés ensemble. La croissance de l’emploi salarié établit la direction de l’emploi, le détail sectoriel indique où elle se produit, et la rotation aide à décrire les mouvements sous-jacents. Une analyse convaincante du rôle de l’IA exige toujours des preuves directes d’adoption et de changements dans le travail.

Au cours des prochains mois, les emplois des services professionnels selon le BLS resteront un contrôle important face aux prédictions radicales. La réponse appropriée consiste à actualiser les conclusions à mesure que les éléments se développent. La confiance devrait augmenter lorsque plusieurs indicateurs concordent et s’atténuer lorsqu’ils divergent.

Avant d’accepter la prochaine affirmation selon laquelle l’IA a soit mis fin aux carrières de cols blancs, soit assuré leur avenir, comparez-la à ces indicateurs. Recherchez une croissance durable de l’emploi, les secteurs qui bénéficient des gains et des éléments sur les embauches réelles. Demandez ensuite si l’affirmation identifie un effet de l’IA ou décrit simplement un changement survenant pendant l’adoption de l’IA. Pour les travailleurs, cette distinction aide à séparer une rassurance économique générale des opportunités de carrière pertinentes. Pour les employeurs, elle sépare une amélioration opérationnelle documentée d’une hypothèse sur les effectifs. Octobre fournit des éléments indiquant que les services professionnels restent capables de créer des emplois malgré les craintes liées à l’automatisation. Utilisez les prochaines publications pour vérifier dans quelle mesure cette conclusion se maintient, et demandez aux organisations avançant des affirmations plus fortes de montrer leurs preuves.