Analyse de Joseph Politano sur les emplois créatifs : 200 000 postes perdus, mais la part de l’IA reste inconnue

Joseph Politano indique que les États-Unis ont perdu plus de 200 000 emplois dans les industries créatives en quatre ans, mais son analyse ne permet pas d’isoler la contribution de l’IA. Publiée le 27 septembre 2026, l’analyse de Joseph Politano sur les emplois créatifs soulève une question plus difficile que celle de savoir si un logiciel peut produire des images ou des scénarios. Pourquoi les entreprises qui emploient des travailleurs créatifs réduisent-elles leurs effectifs, et quelle part de cette contraction est réellement imputable à l’intelligence artificielle ?

La distinction compte pour toute personne qui développe, achète ou travaille aux côtés de ces systèmes. L’annulation d’une série télévisée, une production délocalisée à l’étranger et une mission d’illustration automatisée peuvent toutes réduire l’emploi américain. Elles correspondent pourtant à des événements économiques différents. Les traiter comme s’ils étaient interchangeables produit un titre spectaculaire tout en masquant ce que travailleurs et employeurs devraient faire ensuite.

Le conflit central oppose la promesse de l’IA d’élargir la production créative aux perspectives incertaines des personnes qui en tirent leurs revenus. Les recherches d’Adobe sur le recrutement dressent un tableau plus optimiste que ne le suggère le recul des effectifs dans les médias. Ces constats peuvent coexister : les entreprises peuvent publier des offres pour des postes créatifs tandis que les employeurs établis du secteur du divertissement suppriment des postes. Comprendre cette différence impose de distinguer les secteurs, les professions, les missions et les recrutements effectifs.

Ce que mesure réellement l’analyse de Joseph Politano sur les emplois créatifs

Le chiffre mis en avant décrit une contraction dans certains secteurs créatifs sélectionnés, plutôt qu’un décompte vérifié de personnes remplacées par l’IA. L’analyse de l’emploi créatif de Politano estime à environ 50 000 le nombre de pertes au cours de l’année précédente. Il fait également état de plus de 100 000 pertes d’emplois dans le cinéma et l’enregistrement sonore sur quatre ans.

Ces chiffres établissent l’ampleur du recul signalé. Ils n’identifient pas la raison de la disparition de chaque poste. Politano reconnaît l’existence de pressions qui se chevauchent, notamment la consolidation du secteur, le déplacement de la production à l’étranger et la concurrence des réseaux sociaux. Son argument relie l’IA à une détérioration plus large de l’économie du divertissement numérique, sans en calculer la part attribuable.

La diminution des effectifs d’un secteur établit un problème d’emploi ; elle n’établit pas la part causée par l’IA.

La méthode de mesure mérite elle aussi l’attention. Les méthodes d’enquête sur les effectifs du Bureau of Labor Statistics décrivent une enquête auprès des établissements qui compte les emplois salariés non agricoles. Elle exclut les travailleurs indépendants non constitués en société. Elle compte aussi les emplois plutôt que les personnes uniques ; une personne occupant plusieurs postes couverts peut donc apparaître plus d’une fois.

L’emploi par secteur et l’emploi par profession répondent également à des questions différentes. Les effectifs d’une entreprise de divertissement incluent des personnes exerçant hors des professions artistiques. À l’inverse, un designer travaillant pour un fabricant dépend d’un employeur extérieur au secteur du divertissement. Une baisse des effectifs dans les médias ne peut donc pas décrire chaque Américain qui gagne de l’argent grâce à des compétences créatives.

Ces limites deviennent particulièrement importantes lorsque les personnes passent d’un type d’emploi à un autre. Une personne qui quitte un studio pour travailler à son compte disparaît des effectifs de ce studio. Ce changement ne révèle pas si ses revenus se sont redressés, détériorés ou sont devenus moins prévisibles. Une nouvelle activité indépendante ne garantit pas non plus automatiquement des moyens de subsistance équivalents.

La comparaison sur quatre ans exige une prudence semblable. Son point de départ influence le recul rapporté. Comparer l’emploi à une période de boom de la production répond à une question différente de celle d’une comparaison avec une moyenne historique plus longue. Aucune des deux comparaisons n’est intrinsèquement invalide, mais les lecteurs doivent connaître la référence avant d’interpréter l’ampleur de l’ajustement.

C’est pourquoi le titre doit rester associé à son auteur, à sa période et à sa méthode de mesure. Il résume une contraction sectorielle signalée. Il ne devrait pas devenir le raccourci pour 200 000 remplacements confirmés par l’IA, 200 000 artistes au chômage ou la disparition du travail créatif lui-même.

L’actualité immédiate est la perte durable d’emplois. La question non résolue est de savoir quelle part provient de l’automatisation, quelle part d’une production réduite et quelle part d’un travail qui change de lieu ou de forme.

La pression s’exerce sur les travailleurs avant que la cause ne soit établie

Pour un travailleur qui perd une mission, l’incertitude sur la cause offre peu de réconfort. L’arrêt d’une production peut interrompre des revenus, que les dirigeants invoquent le financement, la demande du public ou de nouveaux logiciels. Établir la causalité compte, car chaque explication appelle une réponse différente.

L’état des lieux de l’emploi des scénaristes de la Writers Guild of America fournit un exemple concret. Il recensait 228 séries épisodiques couvertes durant la saison raccourcie 2023-24, contre 362 durant la saison précédente. Les emplois d’écriture télévisuelle sont passés de 3 138 à 1 819, soit une réduction de 1 319.

La Guild relie cette contraction au déclin de la télévision par câble, au recul de l’expansion du streaming et à la saison raccourcie affectée par les grèves. Ses chiffres couvrent des programmes et catégories d’emploi précis, plutôt que toutes les missions d’écriture. Ils documentent néanmoins un recul de la production sans nécessiter de supposer que l’IA a écrit les séries manquantes.

Les travailleurs subissent la perte d’opportunités rémunérées avant que les chercheurs puissent attribuer chaque perte à une technologie particulière.

Cela crée un problème immédiat pour la planification de carrière. Apprendre à utiliser une application d’IA peut améliorer la compétitivité d’une personne pour une mission disponible. Cela ne peut pas garantir qu’un employeur commandera le projet sous-jacent. La formation renforce les capacités ; elle ne rétablit pas automatiquement la demande.

La distinction importe aussi pour les employeurs. Si la diminution des commandes explique une réduction des effectifs, l’achat de logiciels de production plus rapides ne résout pas l’absence de demande. Si une entreprise a du travail mais peine à maîtriser les coûts de livraison, l’automatisation répond à une autre contrainte. Les deux situations peuvent produire des équipes plus réduites, mais leur logique économique diffère.

Les voies d’entrée méritent une attention particulière. Les premières missions permettent aux nouveaux venus de développer leur jugement, d’établir des relations et de démontrer leur fiabilité. Si les employeurs réduisent ces opportunités, la conséquence dépasse le décompte actuel des emplois. Le secteur risque d’affaiblir le processus par lequel les travailleurs moins expérimentés deviennent des professionnels de confiance.

Il s’agit d’un risque analytique, plutôt que d’une conclusion mesurée à partir des chiffres agrégés. Le démontrer exigerait des données de recrutement organisées par expérience, type de mission et progression. Cela explique néanmoins pourquoi les discussions sur la main-d’œuvre devraient examiner qui obtient les opportunités restantes, en parallèle du nombre total de postes.

Les indépendants font face à un autre problème de mesure. Un employeur peut réduire les missions externes sans annoncer de licenciements, car ces contributeurs n’ont jamais été salariés. La pression financière peut donc atteindre une main-d’œuvre créative avant de devenir visible dans les effectifs de l’entreprise.

Les acheteurs en entreprise devraient prêter attention à cette distinction. La réduction des effectifs d’un fournisseur peut refléter une production plus efficace, une activité réduite ou une dépendance accrue aux sous-traitants. Un même chiffre d’effectif peut masquer des implications très différentes pour la qualité, la continuité et la livraison.

La question utile est de savoir ce qui est arrivé au travail rémunéré. A-t-il disparu, été déplacé ailleurs, est-il devenu une responsabilité interne ou exige-t-il moins d’heures ? Sans cette réponse, tant l’inquiétude que le réconfort restent incomplets.

Une production créative plus abondante ne garantit pas davantage d’emplois créatifs

La promesse économique de l’IA repose sur une possibilité simple : rendre la production plus facile permet à davantage de personnes de créer. L’IA générative, un logiciel qui produit du contenu à partir de schémas appris, peut soutenir des activités allant de la rédaction à la création d’images. La conséquence sur l’emploi dépend de ce que les acheteurs font de cette capacité supplémentaire.

Une mission publicitaire hypothétique illustre cette incertitude. Un acheteur pourrait utiliser une production plus rapide pour commander davantage de concepts tout en conservant son équipe créative. À l’inverse, il pourrait demander le même livrable à moins de contributeurs. Les deux résultats impliquent une capacité de production accrue, mais produisent une demande de travail différente.

Le lien entre productivité créative et emploi passe par les décisions d’achat, plutôt que par la seule capacité technique.

Des données empiriques indiquent que la substitution se produit sur des marchés spécifiques. Les recherches d’Ozge Demirci, Jonas Hannane et Xinrong Zhu examinent la demande sur une plateforme de travail indépendant en ligne. Leur étude sur le travail indépendant fait état d’une baisse de 17 % des offres de création d’images après l’introduction d’une IA génératrice d’images.

Ce constat renforce l’idée que l’IA peut réduire la demande pour certaines tâches créatives achetées. Ses limites restent essentielles. Les offres publiées sur une plateforme ne sont ni des contrats finalisés, ni des totaux nationaux d’emploi, ni un échantillon représentatif de la production hollywoodienne. Appliquer la baisse estimée à l’ensemble de la main-d’œuvre créative américaine irait au-delà des éléments disponibles.

La recherche identifie néanmoins un mécanisme plus précis que ne peuvent le faire les données agrégées sur les effectifs. Lorsqu’un acheteur peut produire un résultat acceptable en interne, une mission externe devient moins nécessaire. Le mot clé est acceptable. La norme pertinente est l’exigence de l’acheteur pour cet usage particulier.

Une maquette interne temporaire et une grande campagne publique n’impliquent pas les mêmes exigences. La première peut privilégier la rapidité et une communication élémentaire. La seconde peut exiger une direction artistique distinctive, de la cohérence, des validations et une propriété défendable. Traiter toute production d’images comme une tâche interchangeable masque ces différences.

Une possibilité d’expansion du marché existe également. Si la production devient plus facile, les acheteurs pourraient poursuivre des travaux qu’ils abandonnaient auparavant. Une activité supplémentaire peut créer des opportunités pour les personnes qui la dirigent, la perfectionnent, la diffusent ou l’évaluent. La question de savoir si cette expansion dépasse la substitution est empirique.

Cela crée une situation difficile pour les travailleurs établis. Un volume croissant de contenu ne garantit pas que les dépenses parviennent aux mêmes personnes ou professions. Un marché peut devenir plus actif alors que les missions individuelles perdent de la valeur pour leurs fournisseurs précédents.

La concurrence entre les médias traditionnels et les plateformes de créateurs ajoute une autre complication. Netflix et YouTube se disputent les spectateurs, mais leurs modalités de production diffèrent. Comparer uniquement leurs audiences ne permet pas d’établir si un emploi dans un studio traditionnel trouve un équivalent ailleurs dans l’économie du contenu.

La même prudence s’applique à la comparaison des fournisseurs de logiciels créatifs. Adobe vend des outils utilisés dans les flux de travail professionnels, tandis qu’un acheteur expérimentant un système d’IA généraliste peut poursuivre des tâches différentes. L’adoption d’un produit n’établit pas un effet identique pour tous les utilisateurs.

La question décisive est de savoir où vont les dépenses après l’évolution de la production. Financent-elles davantage de projets rémunérés, restent-elles chez les acheteurs ou se déplacent-elles vers la distribution et les logiciels ? Les résultats en matière d’emploi dépendent autant de cette répartition que de ce qu’un modèle génère.

Les constats d’Adobe sur le recrutement compliquent le récit du remplacement

Un autre jeu de données donne une image plus optimiste. Une étude d’Adobe publiée en juin 2026 indique que les offres d’emploi américaines destinées aux professionnels de la création ont augmenté de 8 % entre septembre 2025 et avril 2026. Son interprétation met l’accent sur une redistribution du travail plutôt que sur un remplacement direct.

La recherche d’Adobe sur le recrutement créatif combine une analyse des offres d’emploi, des enquêtes et une étude qualitative. Elle décrit un déplacement de l’activité créative vers la sélection, la direction, la négociation avec les clients et la responsabilité. Les professionnels décrivent également des délais plus serrés et une pression accrue sur les petites missions.

L’entreprise a un intérêt commercial à favoriser l’adoption, ce qui rend son cadrage digne d’examen. Cela n’invalide pas ses observations. Cela signifie que les lecteurs doivent distinguer les mesures rapportées de l’interprétation plus large que l’entreprise en tire.

La hausse des annonces d’emploi créatif et la baisse des effectifs salariés dans les médias peuvent coexister, car elles mesurent des populations différentes sur des périodes différentes.

Un poste de designer annoncé par un détaillant relève d’une catégorie d’employeurs différente d’un poste de production dans un studio. La croissance des annonces dans l’ensemble des métiers n’annule donc pas les pertes d’emplois sectorielles. De même, la contraction chez les employeurs médiatiques établis ne prouve pas que toutes les professions créatives sont en déclin.

Les annonces représentent aussi des intentions plutôt que des relations d’emploi effectivement conclues. Une offre peut déboucher sur une embauche, rester ouverte ou disparaître. Sans informations supplémentaires, son existence ne permet pas d’établir si l’emploi total a augmenté ni si un travailleur licencié a retrouvé un emploi comparable.

Les périodes considérées diffèrent également. Adobe compare certaines observations sur plusieurs mois ; Politano décrit des pertes sur plusieurs années. Une amélioration à court terme des recrutements peut survenir au sein d’une contraction plus longue. Aucun de ces jeux de données ne devrait être étiré pour réfuter directement l’autre.

La tension la plus révélatrice concerne le contenu des emplois qui subsistent. Si les logiciels traitent les premières variations, les employeurs pourraient accorder davantage d’importance au choix parmi les résultats et à la gestion des révisions. Cela modifie les exigences d’un poste, même lorsque son intitulé reste familier.

Pour les travailleurs, cette possibilité apporte à la fois opportunités et pression. L’expertise existante peut devenir utile pour évaluer des contenus produits par machine. Mais un employeur peut aussi élargir les responsabilités sans augmenter les effectifs ni accorder davantage de temps à la vérification. Une répartition des tâches modifiée ne garantit pas un meilleur emploi.

Les acheteurs font face à une question de gestion correspondante. Générer du contenu et l’approuver sont des responsabilités distinctes. Si la production accélère tandis que la capacité d’approbation reste fixe, la contrainte se déplace plutôt qu’elle ne disparaît. Les décisions d’approvisionnement devraient examiner l’ensemble du processus de livraison avant de supposer qu’une rédaction plus rapide signifie une finalisation plus rapide.

C’est ici que les récits optimistes et pessimistes se rejoignent réellement. L’IA peut aider les personnes à produire davantage tandis que les employeurs réorganisent le travail rémunéré autour de moins de tâches de production. Le fait que cette réorganisation soutienne davantage d’emploi dépend de la demande, des choix de personnel et de la valeur accordée à la revue humaine.

Les conclusions d’Adobe compliquent donc le récit d’un effondrement inévitable. Elles ne tranchent pas la question de l’emploi national, tout comme la baisse des effectifs salariés dans les médias ne tranche pas la contribution causale de l’IA.

Le droit d’auteur et les preuves manquantes limitent l’argument de l’automatisation

Les employeurs du secteur créatif achètent aussi autre chose qu’un résultat visible : la possibilité de l’utiliser, de le réviser, de le distribuer et de le défendre. La question de la propriété est donc pertinente pour les décisions de production. Un résultat qui semble adéquat peut néanmoins créer une incertitude sur les droits dont bénéficie l’acheteur.

Les orientations de janvier 2025 sur la paternité humaine de l’U.S. Copyright Office abordent une partie de cette question. Elles indiquent que les résultats de l’IA ne bénéficient d’une protection que lorsque des éléments expressifs suffisants proviennent d’une création humaine. La seule fourniture de prompts ne satisfait pas à cette exigence.

L’Office explique également que l’assistance de l’IA n’empêche pas automatiquement la protection d’une œuvre plus vaste créée par un humain. Sa position distingue les contributions humaines du contenu généré par machine. Elle ne justifie pas l’affirmation générale selon laquelle tout projet assisté par IA est dépourvu de protection par le droit d’auteur.

La valeur économique d’une production créative dépend en partie de droits exploitables, en plus de la rapidité, de la qualité et du coût de production.

Cela importe pour évaluer les affirmations relatives aux économies de main-d’œuvre. Un processus de production peut réduire le temps de rédaction tout en ajoutant des responsabilités de documentation, de vérification ou de révision. La question de savoir si ces changements réduisent les besoins totaux en main-d’œuvre dépend du flux de travail. Une démonstration de génération rapide ne répond pas à cette question opérationnelle.

Le même principe s’applique à la recherche sur l’emploi. Savoir que des salariés utilisent l’IA ne révèle pas quelles tâches ils effectuent avec elle. Rédiger une correspondance courante et générer une illustration commerciale sont des usages différents, même si les deux apparaissent dans la même grande catégorie d’adoption.

L’analyse de Joseph Politano sur les emplois créatifs doit donc être lue comme un avertissement nécessitant une enquête approfondie, plutôt que comme un bilan causal achevé. Sa tendance en matière d’emploi et son interprétation de l’IA se situent à des niveaux de preuve différents. Établir la seconde exige des informations sur les décisions prises au sein des entreprises concernées.

Des preuves utiles relieraient l’adoption aux missions, aux effectifs, à la production et au calendrier. Les chercheurs devraient également examiner les évolutions de la demande et du lieu de production. Sans cela, une entreprise qui introduit l’IA pendant un ralentissement déjà en cours peut donner l’impression que la technologie est responsable de l’ensemble du déclin.

L’erreur inverse est tout aussi importante. L’absence de documentation ne démontre pas que l’IA n’a eu aucun effet. Les entreprises peuvent modifier la sous-traitance, les recrutements ou les charges de travail sans fournir une explication publique assez détaillée pour permettre une analyse externe. L’incertitude doit rester de l’incertitude.

Plusieurs formes de déplacement doivent également rester distinctes. Supprimer un poste existant diffère du fait de laisser un poste vacant sans le pourvoir. Réduire les missions de freelances diffère du transfert de la production à l’étranger. Chacune affecte les opportunités, mais un seul décompte des licenciements les saisira de façon inégale.

Pour les travailleurs du savoir, la préservation des preuves est donc utile. Conserver des sources datées, des décisions de projet et des changements de flux de travail dans une base de connaissances personnelle peut favoriser des discussions plus fondées sur l’évolution des responsabilités.

L’objectif est de documenter le travail réel plutôt que de l’inférer à partir d’affirmations promotionnelles. Que produisait l’équipe avant l’adoption ? Qu’est-ce qui a changé ensuite ? Qui gérait les révisions et l’approbation ? Ces questions fournissent une base plus solide pour évaluer la productivité qu’un échantillon généré isolé.

Le déficit de vérification est considérable, mais précis. Les chercheurs peuvent mesurer la contraction de l’emploi tout en restant incapables d’identifier la part exacte de l’IA. Garder ces conclusions distinctes rend l’analyse plus utile.

Les prochaines publications sur l’emploi doivent être lues avec les données de recrutement et les flux de travail

Les prochains mois devraient davantage clarifier la direction que la causalité finale. Aucune publication isolée ne réconciliera toutes les mesures de l’emploi. L’approche utile consiste à suivre les signaux liés dans un ordre fixe et à se demander s’ils étayent la même explication.

Les preuves les plus solides relieront les évolutions de l’emploi à la demande de production et aux changements documentés dans la manière dont le travail est réalisé.

Premièrement, suivez les prochaines publications et révisions sur l’emploi sectoriel. Des pertes continues dans les catégories concernées renforceraient la conclusion que la contraction persiste. Une stabilisation affaiblirait les affirmations selon lesquelles le déclin s’accélère simplement, sans pour autant établir une reprise pour chaque profession.

La composition de toute amélioration importe. Une reprise de l’emploi dans une catégorie alors qu’il se dégrade ailleurs remettrait en question une vision uniforme du travail créatif. Les changements devraient être évalués selon des définitions et des périodes cohérentes, plutôt qu’en fonction de la comparaison qui produit le résultat le plus spectaculaire.

Deuxièmement, observez si les intentions de recrutement deviennent des opportunités rémunérées. Une étude de suivi sur les offres créatives serait plus informative si elle montrait également les embauches réalisées, les exigences d’expérience et les modalités d’emploi. Cela aiderait à distinguer l’élargissement des opportunités de la modification des annonces.

Si le recrutement créatif s’améliore en dehors des médias traditionnels, l’argument de la redistribution se renforce. Si les annonces augmentent sans embauches comparables, l’optimisme fondé sur les offres devient moins convaincant. Aucun des deux résultats n’identifie à lui seul ce qui est arrivé aux anciens employés des studios.

Troisièmement, recherchez des changements documentés dans les effectifs de production et les missions externes après l’adoption de l’IA. Les informations les plus utiles décriront conjointement le travail achevé, les exigences de révision et l’utilisation de la main-d’œuvre. Les déclarations générales sur l’usage de l’IA en révéleront beaucoup moins.

Une entreprise maintenant une production comparable avec moins d’heures de travail achetées fournirait des preuves cohérentes avec une substitution. Une entreprise augmentant les projets rémunérés et les effectifs étayerait une expansion. Ces comparaisons exigent toujours une attention à la demande, à la qualité et au travail transféré ailleurs.

Pour les développeurs, cela met l’accent sur le processus complet du client. L’effet d’un outil sur l’emploi dépend des missions qu’il modifie et de ce que les acheteurs font ensuite. Pour les clients d’entreprise, cela signifie évaluer la responsabilité et la livraison en parallèle de la vitesse de génération.

Pour les travailleurs, cela signifie résister aux explications qui attribuent chaque problème sectoriel à l’adaptabilité individuelle. De nouvelles compétences peuvent compter alors que les commandes restent rares. De même, un marché difficile ne rend pas chaque changement technologique sans importance pour les opportunités futures.

Lisez l’analyse de Joseph Politano sur les emplois créatifs comme un point de départ pour examiner le travail rémunéré, plutôt que comme un décompte final des remplacements par l’IA. Suivez les prochaines publications sur l’emploi, comparez soigneusement les mesures de recrutement et recherchez des preuves reliant les outils aux décisions effectives de personnel. Lorsqu’un employeur annonce des gains d’efficacité, demandez ce qu’il est advenu des missions, du temps de révision et de la production achevée. Lorsqu’une plateforme célèbre la croissance créative, demandez qui en a tiré un revenu et si ces opportunités ressemblent aux emplois perdus. La question n’est plus de savoir si les machines peuvent générer des contenus créatifs. Elle est de savoir si l’évolution des méthodes de production soutient des moyens de subsistance durables, et quelles preuves permettraient aux travailleurs, aux acheteurs et aux chercheurs de faire la différence.