Goldman Sachs estime que l’Inde est moins exposée aux risques liés à l’IA pour l’emploi, mais les services restent vulnérables

Selon Goldman Sachs, l’Inde fait face à un risque moins généralisé de suppression d’emplois par l’IA que les économies plus riches, malgré des risques manifestes pour le travail administratif et les services appuyés par la technologie. Santanu Sengupta, économiste en chef de la banque pour l’Inde, a présenté cette évaluation le 14 août, selon un rapport sur les risques pour l’emploi. Cette conclusion remet en question les prévisions selon lesquelles l’IA générative effacerait rapidement des emplois dans l’immense population active indienne.

Ce titre rassurant s’accompagne d’une réserve importante. La moindre exposition de l’Inde découle de la structure de son marché du travail, et non d’une immunité face à des systèmes d’IA de plus en plus performants. L’agriculture, la construction, l’industrie manufacturière et d’autres métiers physiques emploient encore des millions de personnes dont les tâches quotidiennes restent difficiles à automatiser par logiciel.

La pression se concentre ailleurs. Le travail administratif routinier, les services de processus métier, les télécommunications, les services financiers, les médias et certains postes professionnels regroupent davantage de tâches que les logiciels peuvent accomplir. Ces secteurs soutiennent également la position de l’Inde comme grand exportateur de services technologiques et aux entreprises.

C’est là que réside la tension centrale. Le pays semble moins vulnérable à l’échelle nationale, tandis que des segments de son économie de services d’importance internationale se trouvent à proximité immédiate de la zone d’impact de cette technologie. L’histoire indienne de l’emploi face à l’IA est donc celle d’une transition inégale, et non d’un simple choix entre chômage de masse et croissance ininterrompue.

Les prévisions de Goldman indiquent une transformation, et non un remplacement de masse

L’argument central de la banque est que l’IA transformera davantage d’emplois indiens qu’elle n’en supprimera.

Une analyse de Goldman Sachs publiée fin juillet a estimé que l’IA générative pouvait accomplir entre 9 % et 17 % des tâches de la population active non agricole de l’Inde. Cette fourchette mesure l’exposition des tâches, c’est-à-dire le travail que l’IA peut assister ou automatiser. Elle ne constitue pas une prévision selon laquelle le même pourcentage de travailleurs perdra son emploi.

Cette distinction est importante, car les métiers regroupent de nombreuses tâches différentes. Un analyste financier pourrait utiliser l’IA pour résumer des documents tout en conservant la responsabilité du jugement, de la communication avec les clients et des décisions réglementaires. Un enseignant pourrait produire plus rapidement des supports de cours sans confier à un modèle la gestion de la classe ou l’évaluation des élèves.

Goldman a estimé qu’entre 42 % et 48 % des emplois non agricoles étaient davantage susceptibles de bénéficier de l’assistance de l’IA que d’être directement remplacés. Selon une analyse détaillée de l’emploi, la banque a évalué entre 8 % et 12 % la part exposée à un risque de substitution. Le reste devrait connaître des effets directs relativement limités selon les hypothèses du rapport.

Ces estimations soutiennent l’affirmation plus générale de Sengupta. L’Inde compte une part plus faible de travailleurs occupant des emplois de bureau fortement exposés que les économies avancées. Une importante main-d’œuvre agricole réduit encore le taux d’exposition à l’échelle du pays, car l’IA générative actuelle opère principalement à travers le langage, les images, les données et les logiciels.

Goldman prévoit que l’adoption de cette technologie augmentera la croissance annuelle de la productivité du travail en Inde d’environ 0,4 point de pourcentage sur une décennie. Sa fourchette estimée va de 0,1 à 0,8 point de pourcentage, notamment selon les capacités qu’atteindront les futurs systèmes. Ces gains sont des projections, et non des résultats observés.

La productivité peut progresser lorsque les travailleurs accomplissent plus rapidement leurs tâches existantes, fournissent davantage de production ou évoluent vers des responsabilités à plus forte valeur ajoutée. Cependant, les employeurs peuvent aussi capter les gains d’efficacité en réduisant leurs effectifs. Une même technologie peut compléter les travailleurs dans une organisation et remplacer des postes similaires dans une autre.

Les coûts de mise en œuvre façonneront cette décision. Les entreprises doivent connecter les modèles aux données internes, repenser les flux de travail, vérifier les résultats, gérer la sécurité et attribuer les responsabilités. Une démonstration qui accomplit une tâche ne devient pas automatiquement un système de production fiable.

Cela aide à comprendre pourquoi l’exposition au niveau des professions se traduit rarement directement par des pertes d’emploi immédiates. Les entreprises automatisent généralement des portions d’un flux de travail avant de restructurer des postes entiers. Les embauches peuvent ralentir avant que les licenciements ne deviennent visibles, notamment lorsque les employeurs cessent de remplacer les salariés partants.

L’échelle de l’Inde ralentit aussi toute transition nationale. Grandes entreprises, petites sociétés, exploitations agricoles, usines, organismes publics et employeurs informels adoptent la technologie à des vitesses différentes. L’accès à l’informatique, à une électricité fiable, à des données utiles et à des dirigeants formés demeure inégal.

Les prévisions de Goldman se lisent donc mieux comme une carte des points de pression. Elles suggèrent où les tâches peuvent évoluer et où la productivité pourrait s’améliorer. Elles ne déterminent ni la vitesse à laquelle les employeurs déploieront l’IA ni la manière dont ils répartiront les gains qui en résulteront.

La structure du marché du travail indien offre un amortisseur

L’Inde paraît moins exposée parce qu’une grande partie de sa main-d’œuvre exerce un travail physique, agricole ou interpersonnel que l’IA générative ne peut pas exécuter directement.

Une évaluation du Fonds monétaire international a révélé qu’environ 43 % de la population active indienne travaillait dans l’agriculture. Cette structure de l’emploi rend le pays moins exposé que les économies qui se sont davantage tournées vers les services de bureau. Un logiciel peut conseiller un agriculteur, mais il ne peut pas accomplir seul la majeure partie du travail physique dans un champ.

Le FMI a estimé que 26 % des travailleurs indiens occupaient des professions fortement exposées à l’IA. Il a classé 14 % de l’emploi parmi les postes fortement exposés mais potentiellement complétés par l’IA. Selon son évaluation de l’Inde, 12 % supplémentaires se trouvaient dans des professions fortement exposées où les risques de déplacement étaient plus élevés.

Ces chiffres diffèrent des fourchettes de Goldman parce que les institutions utilisent des jeux de données, des définitions et des classifications professionnelles différents. Une estimation peut couvrir l’ensemble de la population active, tandis qu’une autre examine l’emploi non agricole ou la part des tâches. Ces variations renforcent l’idée que les statistiques d’exposition ne doivent pas être considérées comme des prévisions précises de licenciements.

Les recherches internationales vont dans le même sens général. Les économies avancées emploient de plus grandes proportions de cadres, de professionnels, d’administrateurs et d’autres travailleurs du savoir. Ces professions mobilisent les tâches de langage et de traitement de l’information que les systèmes d’IA actuels gèrent le plus efficacement.

Le FMI a estimé qu’environ 60 % des emplois des économies avancées étaient exposés à l’IA. Ses estimations correspondantes étaient de 40 % pour les marchés émergents et de 26 % pour les pays à faible revenu. L’exposition comprend à la fois des possibilités de gains de productivité et des risques de déplacement.

En Asie, environ la moitié de l’emploi dans les économies avancées est exposée, contre environ un quart dans les économies émergentes et en développement. La comparaison régionale a également constaté que les économies plus riches possèdent davantage d’emplois où l’IA peut compléter les travailleurs. Une exposition plus élevée crée donc à la fois davantage de risques et un potentiel de gains plus important.

La moindre exposition de l’Inde peut néanmoins masquer de graves problèmes de répartition. Les travailleurs agricoles peuvent être protégés d’une substitution directe par l’IA générative tout en restant vulnérables à une faible productivité, à des revenus instables et à une protection sociale limitée. Être hors de la portée immédiate de l’IA ne garantit pas un emploi sûr ou bien rémunéré.

Le même problème apparaît au sein des villes. Un développeur de logiciels et un livreur participent tous deux à l’économie numérique, mais leur exposition diffère fortement. Un modèle peut produire du code ou de la documentation, mais il ne peut pas conduire une moto dans la circulation ni remettre physiquement un colis à un client.

Les femmes et les travailleurs très qualifiés présentent souvent une exposition professionnelle plus élevée, car ils sont davantage représentés dans les fonctions administratives et professionnelles. Les travailleurs aux revenus plus élevés apparaissent également fréquemment dans les professions exposées. Leur travail offre parfois davantage de possibilités d’augmentation, même si ses composantes routinières peuvent encore être automatisées.

Les jeunes diplômés font face à une préoccupation distincte. Les postes de début de carrière comprennent souvent de la documentation, de la recherche, de la planification, des tests et de l’analyse élémentaire. Ces tâches donnent de l’expérience aux nouveaux travailleurs, mais correspondent aussi aux capacités des outils d’IA générative.

Une entreprise n’a pas besoin de licencier ses employés existants pour réduire ces opportunités. Elle peut maintenir des promotions de recrutement plus restreintes, car les travailleurs expérimentés produisent davantage avec l’assistance de l’IA. Ce schéma affecterait l’entrée dans la carrière sans apparaître immédiatement sous la forme d’un chômage de masse.

L’amortisseur de l’Inde est donc réel, mais incomplet. Le pays compte moins d’emplois exposés en proportion de l’emploi total, mais la part exposée comprend des industries stratégiques et des voies courantes d’accès à la classe moyenne. Les moyennes nationales ne peuvent pas refléter cette concentration.

Le moteur des services est le plus proche du risque

Les travailleurs les plus exposés en Inde sont concentrés dans les services qui ont aidé le pays à devenir une destination mondiale pour les opérations externalisées des entreprises.

Les processus métier informatiques routiniers font face à un risque de substitution plus élevé, car leur travail est répétitif et peut être représenté numériquement. Parmi les exemples courants figurent les réponses standardisées d’assistance, le traitement de documents, le reporting de base, la transcription, la saisie de données et les contrôles qualité fondés sur des règles.

Les postes de soutien administratif subissent une pression similaire. L’IA générative peut rédiger de la correspondance, classer des documents, extraire des informations, créer des résumés et répondre à des questions courantes. Les systèmes connectés aux logiciels d’entreprise peuvent aussi déplacer des informations entre applications avec une intervention humaine limitée.

Ces capacités ne suppriment pas tous les rôles. Les modèles commettent encore des erreurs factuelles, gèrent mal les cas inhabituels et peinent à assumer la responsabilité. Les organisations ont besoin de personnes pour définir les flux de travail, examiner les résultats sensibles, résoudre les exceptions et communiquer avec les clients.

Cependant, le nombre et la composition des postes peuvent évoluer. Un employé équipé d’un système efficace pourrait accomplir un travail qui nécessitait auparavant plusieurs personnes. Les employeurs pourraient alors recruter moins de jeunes travailleurs tout en ajoutant des spécialistes des données, de la sécurité, de la conception des flux de travail et de l’évaluation des modèles.

L’Inde est fortement exposée à cette transition parce que les services sont au cœur de son modèle de croissance. Goldman Sachs a décrit le secteur indien des services informatiques et aux entreprises comme un marché d’environ 250 milliards de dollars. La banque a également indiqué que les exportations de services avaient atteint environ 387 milliards de dollars en 2024.

Les centres de compétences mondiaux renforcent ce lien. Ces opérations permettent aux entreprises multinationales d’implanter en Inde leurs fonctions d’ingénierie, de finance, d’analyse, de support client et d’autres activités. Goldman a recensé plus de 1 700 de ces centres et prévu une nouvelle expansion d’ici 2030.

Ces centres peuvent créer du travail lié à l’IA, car les entreprises ont besoin d’équipes pour intégrer les modèles dans les opérations réelles. Les employés peuvent développer des méthodes d’évaluation, adapter les systèmes à des domaines spécialisés, gérer l’accès aux données et surveiller la conformité réglementaire. Le vaste vivier indien de travailleurs technologiques anglophones offre une base solide pour ces activités.

Ces mêmes centres peuvent également standardiser et automatiser le travail existant. Une entreprise multinationale peut déployer un système unique dans plusieurs bureaux après l’avoir testé dans une opération centralisée. Les gains d’efficacité peuvent réduire la demande de services répétitifs même lorsque des postes techniques à plus forte valeur ajoutée se développent.

Cela crée une tension entre montée en gamme et banalisation. L’Inde peut évoluer vers l’ingénierie, la recherche, le déploiement de modèles et le conseil complexe. À l’inverse, les clients peuvent utiliser l’IA pour réaliser davantage de tâches courantes en interne, affaiblissant l’avantage lié aux écarts de coût du travail.

Le protectionnisme ajoute une autre complication. Les restrictions sur les données, les modèles ou les services numériques transfrontaliers peuvent limiter la capacité des équipes indiennes à soutenir des clients à l’étranger. Des règles divergentes peuvent aussi accroître les coûts de conformité et fragmenter les systèmes selon les marchés.

Goldman a soutenu que, dans son évaluation précédente, les effets des restrictions commerciales sur les exportations indiennes de services portées par l’IA restaient limités. L’institution a néanmoins identifié la localisation des données, la divergence réglementaire et les tensions géopolitiques comme des risques. Ces pressions dépassent les capacités techniques de tout modèle.

La demande de compétences en IA offre un signal positif. Des recherches fondées sur les offres d’emploi indiennes ont documenté une forte hausse, après 2016, des annonces demandant des compétences liées à l’IA. Elles ont également trouvé des éléments indiquant que l’adoption de l’IA peut soutenir la demande pour des fonctions complémentaires non liées à l’IA.

Cependant, les offres d’emploi reflètent les intentions des employeurs, et non les recrutements effectivement réalisés. Les annonces en ligne surreprésentent aussi les employeurs formels et de bureau. Elles montrent l’évolution de la demande, mais offrent une vision limitée de l’ensemble du marché du travail indien.

L’issue probable n’est pas la disparition des services. C’est un changement dans ce que les clients considèrent comme précieux. Les livrables courants deviennent plus faciles à produire, tandis que l’expertise sectorielle, l’exécution de confiance, les données propriétaires et la responsabilité gagnent en importance.

Les prestataires de services indiens subiront une pression pour vendre des résultats plutôt que des heures de travail. Les modèles de facturation principalement fondés sur les effectifs deviennent plus difficiles à défendre lorsque les logiciels réduisent le temps nécessaire à chaque tâche. Les entreprises doivent démontrer que leurs équipes apportent jugement, intégration et résultats commerciaux mesurables.

Les travailleurs font face au même changement à titre individuel. Savoir utiliser un chatbot généraliste ne procurera pas un avantage durable. Les salariés ont besoin d’une expertise sectorielle et de la capacité à vérifier, affiner et appliquer le travail généré par l’IA dans des contextes à forts enjeux.

Cette transition peut créer de meilleurs emplois, mais elle ne se produit pas automatiquement. Les programmes de reconversion doivent relier la formation aux besoins réels des employeurs. Sinon, les travailleurs obtiennent des certifications génériques tandis que les entreprises continuent de peiner à pourvoir des postes spécialisés.

Une exposition plus faible ne signifie pas un risque économique moindre

L’Inde peut éviter des suppressions d’emplois directes à grande échelle tout en souffrant si l’IA affaiblit les recrutements de début de carrière, les exportations de services ou la croissance des salaires.

La première incertitude concerne l’écart entre les tâches et les emplois. Les études d’exposition décomposent les professions en activités que les modèles peuvent réaliser. Les employeurs décident si ces activités justifient une redéfinition des rôles, un ralentissement des recrutements, des changements dans l’externalisation ou des réductions d’effectifs.

Ces décisions dépendent de la fiabilité. Un modèle qui réussit lors d’un test contrôlé peut échouer lorsque les données d’entrée deviennent ambiguës ou que les clients se comportent de manière imprévisible. Les erreurs dans la santé, la banque, le droit et les services publics ont des conséquences qui empêchent une automatisation sans restriction.

La réglementation peut préserver une supervision humaine, mais elle peut aussi modifier le lieu où le travail est effectué. Les entreprises pourraient centraliser des systèmes approuvés tout en réduisant les équipes locales. À l’inverse, les exigences de conformité peuvent générer de nouveaux emplois dans l’audit, la documentation, la gestion des risques et la sécurité.

L’Organisation internationale du Travail a souligné que l’exposition n’équivaut pas à une perte d’emploi. Son indice mondial a conclu qu’un emploi sur quatre présentait une certaine exposition à l’IA générative. La transformation était plus probable qu’un remplacement complet, selon l’indice d’exposition professionnelle.

La transformation peut néanmoins être douloureuse. Un salarié peut conserver son emploi tout en perdant de son pouvoir de négociation, de son autonomie ou des possibilités de promotion. La surveillance numérique peut s’intensifier lorsque les entreprises utilisent des systèmes d’IA pour mesurer la production et imposer des processus standardisés.

L’emploi de début de carrière mérite une attention particulière. Les travailleurs juniors s’occupent souvent des premières ébauches, de la recherche élémentaire, du code simple, des notes de réunion et de la revue de documents. Automatiser ces tâches peut supprimer le travail par lequel les personnes apprennent traditionnellement un métier.

Les organisations font alors face à un problème de vivier de talents. Elles ont toujours besoin de salariés expérimentés, mais elles peuvent former moins de débutants. Sans apprentissages intentionnels, les entreprises peuvent économiser aujourd’hui tout en créant de futures pénuries de talents seniors.

La deuxième incertitude concerne la répartition des gains de productivité. Les gains projetés par Goldman décrivent une production supplémentaire par travailleur. Ils ne déterminent pas si les salariés reçoivent des salaires plus élevés, si les entreprises obtiennent des marges plus importantes, si les clients paient moins ou si le temps de travail diminue.

Des marchés concurrentiels peuvent diffuser les bénéfices par des coûts plus faibles et de nouveaux services. Des marchés concentrés peuvent permettre à un groupe plus restreint d’entreprises de conserver davantage de valeur. Les travailleurs disposant de compétences rares peuvent obtenir des rémunérations plus élevées, tandis que les salariés occupant des fonctions standardisées font face à un pouvoir de négociation plus faible.

La troisième incertitude concerne les infrastructures. Les modèles avancés exigent des capacités de calcul, une électricité fiable, un accès au réseau, des systèmes de données sécurisés et des équipes de mise en œuvre qualifiées. Goldman a identifié l’électricité, l’eau, les centres de données et les ressources informatiques comme des investissements nécessaires.

L’Inde développe son infrastructure d’IA, notamment grâce à des initiatives publiques dans le cadre de l’IndiaAI Mission. Toutefois, l’infrastructure doit aller au-delà des grandes entreprises technologiques. Les petites entreprises ont besoin d’un accès abordable et d’un soutien pratique pour que les gains de productivité se diffusent dans l’ensemble de l’économie.

La quatrième incertitude est de savoir si l’Inde peut produire une plus grande part de la technologie sous-jacente. Le pays dispose d’atouts dans le déploiement et les services d’ingénierie, mais il reste moins présent dans les puces avancées et la recherche sur les modèles fondamentaux. Une forte dépendance à l’égard de plateformes étrangères peut envoyer une partie de la valeur économique à l’étranger.

Goldman avait précédemment estimé que le secteur indien de l’IA pourrait générer plus de 2,3 millions d’offres d’emploi d’ici 2027. L’institution a également cité des projections situant le vivier de talents disponible autour de 1,2 million. Cet écart indique une demande potentielle, mais ne garantit pas que les programmes de formation correspondront aux postes réels.

Les entreprises demandent fréquemment des combinaisons de connaissances techniques et sectorielles. Une banque a besoin de personnes qui comprennent à la fois les modèles et les contrôles financiers. Un fabricant a besoin d’ingénieurs capables de relier les résultats de l’IA aux opérations physiques et aux exigences de sécurité.

Une formation générique ne peut pas combler tous les décalages. Les travailleurs ont besoin de possibilités de s’exercer avec des données, des outils et des flux de travail pertinents. Les employeurs ont également besoin de méthodes crédibles pour évaluer des compétences qui évoluent plus vite que les diplômes traditionnels.

Les travailleurs du savoir peuvent se préparer en documentant leurs décisions, en développant leur expertise sectorielle et en établissant des méthodes fiables pour retrouver leurs travaux antérieurs. Une base de connaissances personnelle consultable peut soutenir ce processus, en particulier lorsque l’IA produit davantage de brouillons et d’informations à examiner.

Toutefois, la préparation individuelle ne peut pas remplacer la politique du travail. Les gouvernements et les employeurs doivent améliorer l’aide à la transition, l’éducation et l’accès à la formation. Les travailleurs ne peuvent pas résoudre seuls les pénuries d’infrastructures, l’insuffisance de la protection sociale ou le recul de la demande dans toute une profession.

La conclusion prudente est qu’une exposition agrégée plus faible donne du temps à l’Inde. Elle ne supprime pas l’obligation de bien utiliser ce temps. Une mauvaise préparation peut transformer une transition gérable en difficultés concentrées.

Trois signaux montreront si l’analyse de Goldman se vérifie

La prochaine phase devrait être évaluée à travers les recrutements, la demande de services et la productivité mesurée, plutôt qu’à travers des affirmations médiatiques sur les capacités de l’IA.

Le premier signal est le recrutement de début de carrière dans les services informatiques, les opérations de processus métier, la finance, les médias et les services professionnels. Le recrutement de diplômés offre une première indication de la question de savoir si les entreprises renforcent les équipes existantes ou suppriment le premier échelon des parcours professionnels.

Un recul durable des offres destinées aux juniors affaiblirait l’interprétation rassurante de la prévision de Goldman. Il montrerait un déplacement par l’absence d’emplois plutôt que par des licenciements très visibles. Des recrutements stables ou en hausse, accompagnés de nouvelles responsabilités liées à l’IA, soutiendraient l’hypothèse d’une augmentation des capacités.

La composition des recrutements compte autant que le total. Les employeurs peuvent recruter moins de généralistes tout en recherchant davantage de travailleurs possédant une expertise en cybersécurité, ingénierie des données, évaluation des modèles et connaissances propres à un secteur. Ce changement confirmerait l’attente d’une transformation tout en créant un défi urgent en matière de formation.

Le deuxième signal est la performance des exportations indiennes de technologies et de services aux entreprises. Le chiffre d’affaires, la taille des contrats, la fidélisation des clients et les recrutements chez les grands prestataires peuvent révéler si l’IA élargit la demande ou réduit l’externalisation intensive en main-d’œuvre.

La croissance du travail d’ingénierie complexe et d’intégration de l’IA renforcerait la position de l’Inde. Une baisse de la demande de traitement courant, sans contrats à forte valeur ajoutée pour la compenser, révélerait la vulnérabilité masquée par la moyenne nationale de l’emploi.

Les investisseurs devraient également examiner la manière dont les entreprises décrivent la productivité. Un prestataire peut déclarer davantage de production par travailleur parce qu’il s’est orienté vers des services de valeur, a automatisé le travail répétitif ou a réduit ses effectifs. Ces trajectoires ont des conséquences très différentes pour les salariés et la compétitivité à long terme.

Le troisième signal est la productivité mesurée en dehors des démonstrations contrôlées. La prévision de référence de Goldman anticipe un gain annuel d’environ 0,4 point de pourcentage sur une décennie. Les gains réels devraient finir par apparaître dans la production, les délais de livraison, la qualité des services ou la création d’entreprises.

Une productivité sans adoption généralisée apporterait un soutien plus faible. Quelques grandes entreprises peuvent réaliser des gains d’efficacité importants tandis que les petites entreprises prennent du retard. Cette issue peut accroître la concentration sans transformer l’économie au sens large.

Des preuves de croissance salariale renforceraient l’argument. Si les travailleurs deviennent plus productifs mais que leur rémunération reste stable, les bénéfices ne parviennent pas au travail. Si les salaires augmentent parallèlement à la production et à l’emploi, l’augmentation des capacités devient plus convaincante.

Les décideurs publics devraient surveiller les écarts selon le genre, le niveau d’éducation, la profession et la région. Un taux de chômage national stable peut coexister avec de graves perturbations dans les centres administratifs ou parmi les jeunes diplômés. Des données détaillées sur le marché du travail révéleront ces effets plus tôt qu’un seul chiffre médiatique.

Le débat devrait également distinguer l’ajustement temporaire du changement structurel. Les employeurs peuvent suspendre les recrutements pendant qu’ils testent de nouveaux systèmes, puis les reprendre une fois que la demande augmente. Un recul pluriannuel dans les rôles exposés indiquerait une réorganisation plus profonde.

L’argument de Goldman est plausible parce que l’Inde emploie un si grand nombre de personnes dans des activités que l’IA générative actuelle ne peut pas directement effectuer. L’agriculture, la construction, l’industrie manufacturière, les transports et les services à la personne constituent un important amortisseur statistique.

Cependant, les ambitions économiques de l’Inde dépendent de plus que de la protection des emplois existants. Le pays souhaite une productivité plus élevée, des exportations de services plus solides, de meilleurs salaires et de meilleures perspectives pour sa jeune main-d’œuvre. Le succès exige que les secteurs exposés créent de nouveaux emplois de valeur plus rapidement que les postes courants ne se contractent.

La question la plus utile n’est donc pas de savoir si l’IA prendra tous les emplois indiens. Elle n’affectera pas toutes les professions de la même manière, et l’exposition ne se transforme pas automatiquement en chômage. La question plus précise est de savoir si les entreprises peuvent transformer l’automatisation en expansion plutôt qu’en une recherche plus étroite d’économies de main-d’œuvre.

Au cours des prochains mois, surveillez conjointement le recrutement des diplômés, les contrats de services à forte valeur ajoutée et les indicateurs de productivité. Si ces trois éléments s’améliorent, la prévision à moindre risque de Goldman paraîtra de plus en plus crédible. Si les embauches et les exportations faiblissent tandis que l’efficacité progresse, la protection apparente de l’Inde aura masqué une transition plus difficile.