Le verdict de Solomon à Davos 2026 : « L'apocalypse de l'emploi » est un mythe, mais l'effort est réel

Davos, Suisse — 24 janvier 2026 — Au milieu des sommets enneigés et de la diplomatie à haute tension du Forum économique mondial, un changement de récit distinct s'impose concernant l'intelligence artificielle (Artificial Intelligence, AI). Pendant des années, l'inquiétude dominante portait sur un déplacement immédiat et catastrophique des emplois — « l'apocalypse de l'emploi ». Cependant, s'exprimant depuis le cœur de Davos, le PDG de Goldman Sachs, David Solomon, a fermement rejeté ce scénario apocalyptique. Son message adressé à l'élite mondiale s'appuie sur un pragmatisme que seules quelques années de mise en œuvre réelle peuvent apporter : l'adoption de l'IA s'avère nettement plus difficile, plus lente et plus complexe que ne le laissait croire le cycle initial de battage médiatique, et son résultat principal est vraisemblablement une augmentation de la capacité plutôt qu'un chômage massif.

Alors que l'industrie passe de la phase « wow » de l'IA générative (generative AI) à la phase « comment » de l'intégration en entreprise, les commentaires de Solomon reflètent un consensus croissant parmi les hauts dirigeants. Les frictions du déploiement réel — couvrant les obstacles réglementaires, la gouvernance des données et les refontes des systèmes hérités — agissent comme un frein naturel à la vitesse théorique de la disruption.

Le facteur friction : pourquoi l'adoption prend du retard par rapport au battage médiatique

Le récit de 2023 et 2024 promettait une révolution sans friction où des agents d'IA remplaceraient sans heurt les flux de travail humains du jour au lendemain. En 2026, la réalité est radicalement différente. Solomon a soutenu que si le potentiel de la technologie reste révolutionnaire, le rythme d'adoption par les entreprises fait face à des vents contraires structurels.

« Le rythme des investissements continuera d'augmenter », a noté Solomon, en faisant référence aux dépenses massives des hyperscalers. « Mais la question de savoir si la demande et l'adoption correspondront aux attentes actuelles est incertaine, et nous pourrions assister à un retour à la réalité au cours de l'année. »

Ce « retour à la réalité » prend sa source dans les tranchées opérationnelles. Intégrer des grands modèles de langage (Large Language Models, LLMs) dans des secteurs hautement réglementés comme la banque exige un niveau de précision et de sécurité que les modèles prêts à l'emploi fournissent rarement. Solomon a souligné que les entreprises découvrent que « souscrire de nouveaux processus » avec l'IA est coûteux et long. Les « frais de conseil » et les « coûts mensuels » d'une infrastructure de calcul au niveau entreprise sont importants, ce qui signifie que le calcul du retour sur investissement n'est pas aussi simple que de remplacer un salaire par un abonnement logiciel.

Principaux goulots d'étranglement identifiés à Davos 2026 :

• Complexité d'intégration : Connecter l'IA aux bases de données héritées sans les casser.
• Conformité réglementaire : S'assurer que les décisions prises par l'IA respectent des normes financières et juridiques strictes (par exemple, en Europe).
• Réingénierie des processus : La prise de conscience qu'on ne peut pas simplement brancher l'IA sur un mauvais processus ; il faut d'abord reconstruire le processus.

Capacité plutôt que suppressions : la stratégie « One GS 3.0 »

Peut-être que l'argument le plus convaincant opposé au récit de la « perte d'emplois » est la propre stratégie interne de Goldman Sachs, baptisée « One GS 3.0 ». Plutôt que de considérer l'IA comme un mécanisme destiné à réduire les effectifs, la banque l'utilise pour refondre six processus métier essentiels, y compris les flux de travail notoirement gourmands en main-d'œuvre liés à la connaissance client (Know Your Customer, KYC) et à l'intégration des clients.

L'objectif, a insisté Solomon, est d'accroître la capacité de l'entreprise. Dans un monde où le volume des données et les exigences réglementaires explosent, les équipes humaines sont surchargées. L'IA permet au même nombre d'employés de traiter dix fois le volume de travail, résolvant ainsi une contrainte de ressources plutôt que de créer un surplus de main-d'œuvre.

« Si nous mettons cela en œuvre correctement, je ne m'attends pas à une baisse significative de notre effectif », a déclaré Solomon. Cela s'aligne sur le concept économique du paradoxe de Jevons (Jevons Paradox) : à mesure que la technologie augmente l'efficacité d'utilisation d'une ressource (le travail), la consommation totale de cette ressource augmente plutôt que de diminuer. En automatisant la corvée de la conformité et de la saisie des données, Goldman Sachs vise à libérer sa main-d'œuvre pour qu'elle poursuive des opportunités génératrices de revenus qui étaient auparavant négligées par manque de bande passante.

Dissiper le « cauchemar de recrutement »

Une grande partie de l'anxiété avant 2026 portait sur un « cauchemar de recrutement » — un scénario où les postes juniors disparaîtraient, laissant une « génération perdue » de travailleurs incapables d'acquérir de l'expérience. Solomon a réfuté cette idée, en suggérant que la définition du talent est simplement en train d'évoluer.

La crainte était que l'IA génère une « croissance sans emplois », où la production s'envole tandis que l'emploi stagne. Au lieu de cela, le marché observe une évolution vers des « talents à forte valeur ajoutée ». La demande pour des personnes capables de faire le lien entre l'expertise financière et la mise en œuvre de l'IA explose. Le « cauchemar » n'est pas pour les travailleurs, mais pour les employeurs qui tentent de les trouver.

La position de Solomon suggère que la barrière d'entrée pour les banquiers juniors peut augmenter, exigeant un niveau de maîtrise technique plus élevé, mais que les postes eux-mêmes ne disparaissent pas. Ils évoluent d'analyses routinières vers une supervision stratégique — un changement qui profite finalement à l'employé, à condition qu'il sache s'adapter.

Mythe vs réalité : le marché du travail lié à l'IA en 2026

Pour clarifier la divergence entre les campagnes de peur du passé et les données du présent, nous avons analysé les points clés du discours de Solomon face aux mythes dominants.

Table 1: Le paysage du travail lié à l'IA – Attentes vs Exécution

La perspective économique à long terme

Solomon a également abordé les implications économiques plus larges de cette courbe d'adoption « plus lente mais plus profonde ». Avec les États-Unis bénéficiant de vents favorables structurels grâce au stimulus budgétaire et aux dépenses soutenues dans les infrastructures d'IA (représentant plus de 1 % du PIB en 2025), le contexte économique reste résilient.

Cependant, il a mis en garde contre la distinction entre la construction d'infrastructures (l'achat des puces) et la création de valeur par les applications (gagner de l'argent grâce aux puces). La première est florissante ; la seconde est encore dans sa phase de « destruction créatrice ». « Il y aura des gagnants et des perdants », a reconnu Solomon, laissant entendre que les entreprises qui ont surinvesti dans l'IA sans une stratégie claire de capacité pourraient faire face à un jugement.

Conclusion : la vérité ennuyeuse est une bonne nouvelle

Pour les lecteurs de Creati.ai, l'enseignement de Davos 2026 est agréablement terre-à-terre. Les gros titres sensationnalistes parlant de robots faisant la queue pour percevoir des allocations chômage sont remplacés par la réalité banale et difficile de l'intégration de logiciels d'entreprise.

Goldman Sachs, un baromètre pour l'économie mondiale, parie sur un avenir où l'IA rend le travail plus difficile à court terme (en raison de la difficulté de mise en œuvre) mais plus précieux à long terme. L'« apocalypse de l'emploi » a été reportée indéfiniment, annulée par la complexité brute du monde réel. À sa place se présente un nouveau défi : la course pour construire la capacité à utiliser les outils que nous avons créés.