💻 computer science

Inteligencia artificial y empleo en España: una aproximación territorial y de género a la exposición laboral

Cet article propose un cadre méthodologique sectoriel pour évaluer l'exposition du travail à l'IA en Espagne de 2021 à 2023, révélant que les régions métropolitaines et orientées vers les services sont confrontées à des risques plus élevés et que l'emploi féminin présente systématiquement une exposition plus forte sur l'ensemble des territoires.

Auteurs originaux : Antoni Mestre, Xavier Naya, Manoli Albert, Vicente Pelechano

Publié 2026-05-06

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Antoni Mestre, Xavier Naya, Manoli Albert, Vicente Pelechano

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La Vue d'Ensemble : Une « Carte Météo » pour l'Emploi

Imaginez le marché du travail espagnol comme un vaste paysage. Depuis des années, les gens s'inquiètent de la manière dont l'Intelligence Artificielle (IA) pourrait modifier ce paysage. Va-t-il pleuvoir sur certains emplois en laissant les autres au sec ? Va-t-il inonder certaines villes tandis que d'autres resteront à l'abri ?

Ce document, rédigé par une équipe de chercheurs, ne tente pas de prédire l'avenir avec une boule de cristal. Au lieu de cela, ils ont construit une « Carte Météo » (une méthodologie) pour mesurer dans quelle mesure le marché du travail actuel en Espagne est exposé à la pluie de l'IA. Ils ne disent pas que l'IA remplacera définitivement ces emplois demain ; ils mesurent simplement dans quelle mesure le travail effectué dans ces emplois pourrait être réalisé par l'IA, en fonction de la nature des tâches.

L'Outil : Relier Deux Langues Différentes

Les chercheurs ont fait face à un problème épineux. Les études internationales parlent généralement des emplois en termes de rôles spécifiques (comme « Comptable » ou « Développeur de logiciels »). Cependant, les statistiques officielles espagnoles parlent des emplois en termes d'industries (comme « Commerce de détail », « Santé » ou « Bâtiment »).

C'est comme essayer de comparer une recette de gâteau (les études internationales) avec une liste de magasins d'alimentation (les données espagnoles). On ne peut pas facilement les mélanger.

Pour résoudre ce problème, l'équipe a construit un pont traducteur (une matrice). Ils ont pris les données internationales sur les tâches que l'IA peut accomplir et les ont projetées sur les industries de l'Espagne. Désormais, ils pouvaient regarder une province (comme Madrid) et dire : « Parce que cette province compte autant de personnes travaillant dans le commerce de détail et l'administration, elle a un "Score d'Exposition à l'IA" élevé. »

Les Résultats : Où la Pluie Tombe le Plus Fort

1. Le Clivage « Ville vs Campagne »
La carte révèle un schéma clair. La « pluie » de l'exposition à l'IA est la plus forte dans les grandes villes animées et les hubs touristiques côtiers.

Zones à Forte Exposition : Madrid, Barcelone, Valence, Malaga, et les îles (Baléares et Canaries).
Pourquoi ? Ces lieux regorgent d'emplois « intellectuels » : bureaux, banques, magasins, hôtels et écoles. Ces emplois impliquent beaucoup d'écriture, d'organisation, de communication avec les clients et de traitement de données — des choses que l'IA maîtrise très bien.
Zones à Faible Exposition : Les provinces rurales de l'intérieur (comme Soria, Teruel ou Zamora).
Pourquoi ? Ces zones reposent davantage sur l'agriculture, la fabrication traditionnelle et la construction. Ces emplois impliquent un travail physique, le déplacement d'objets lourds ou le travail avec des machines d'une manière que l'IA actuelle (qui est principalement une puissance de « cerveau numérique ») ne peut pas facilement toucher.

2. Le Fossé entre les Sexes : Un Déséquilibre Structurel
L'une des découvertes les plus frappantes est que les femmes sont systématiquement plus exposées à l'IA que les hommes dans tout le pays.

L'Analogie : Imaginez deux types de bateaux différents. Les hommes, en moyenne, travaillent sur des bateaux construits en bois et en acier (construction, transport, industrie lourde) — ceux-ci sont plus difficiles à remplacer par l'IA. Les femmes, en moyenne, travaillent sur des bateaux faits de papier et de verre (éducation, santé, administration, commerce de détail) — ceux-ci sont plus transparents et plus faciles pour l'IA de voir à travers et d'influencer.
Le Résultat : Dans chaque province, le « Score d'Exposition à l'IA » pour les femmes est plus élevé que pour les hommes. Ce n'est pas parce que les femmes sont moins qualifiées ; c'est parce qu'elles sont concentrées dans des secteurs où l'IA est actuellement la plus applicable.

3. Stabilité : La Carte Ne Change Pas Beaucoup
Les chercheurs ont examiné des données de 2021 et 2022. Ils ont constaté que la carte était presque identique pour les deux années.

L'Essentiel : Ce n'est pas une tempête soudaine qui a frappé du jour au lendemain. L'« exposition » est intégrée dans la structure même de l'économie. Une province ne devient pas « à haut risque » simplement à cause d'un mauvais mois ; elle est à haut risque parce que son économie a été construite ainsi depuis des décennies. La structure est solide et elle change très lentement.

Ce Que Cela Signifie (et Ce Que Cela Ne Signifie Pas)

Les auteurs sont très prudents en affirmant : « Ceci est une carte des potentialités, pas une prédiction de catastrophe. »

Exposition $\neq$ Remplacement : Le fait qu'un emploi soit « exposé » à l'IA ne signifie pas que la personne va perdre son emploi. Cela pourrait signifier qu'elle obtient un « assistant surpuissant » (comme un copilote très intelligent) qui l'aide à travailler plus vite.
Pas de Boule de Cristal : Le document admet qu'il s'agit d'une étude « préliminaire ». C'est un premier jet. Il ne sait pas à quelle vitesse les entreprises achèteront réellement l'IA, ni comment les lois évolueront, ni comment les gens s'adapteront.

La Conclusion

Ce document fournit une boussole pour l'Espagne. Il nous indique que :

La géographie compte : Les grandes villes et les hubs de services sont en première ligne du changement apporté par l'IA.
Le genre compte : Les femmes sont structurellement plus susceptibles d'occuper des rôles que l'IA peut toucher, ce qui nécessite une attention particulière pour s'assurer qu'elles ne soient pas laissées pour compte.
La structure compte : L'économie est construite sur des fondations profondes. Nous ne pouvons pas nous attendre à ce que le paysage change du jour au lendemain, mais nous pouvons utiliser cette carte pour commencer à planifier comment construire de meilleurs abris (formation, politiques et soutien) pour les personnes vivant dans les zones où la « pluie de l'IA » est la plus forte.

En bref, les chercheurs nous ont remis une lampe torche pour voir où se trouvent les ombres, afin que nous puissions commencer à nous préparer à la lumière de l'avenir.

Résumé technique : Perspectives territoriales et de genre sur l'intelligence artificielle et l'emploi en Espagne

1. Énoncé du problème

L'expansion rapide de l'intelligence artificielle générative (IA) a fondamentalement reconfiguré les débats concernant l'avenir du travail, la productivité et la cohésion sociale. Si la littérature internationale a établi des méthodologies robustes pour mesurer l'exposition professionnelle à l'IA (par exemple, en utilisant les classifications SOC, ISCO ou ESCO), une lacune méthodologique significative existe pour le contexte espagnol. Les statistiques officielles du travail en Espagne sont principalement ventilées par secteurs d'activité économique (CNAE) au niveau provincial et des communautés autonomes, plutôt que par professions spécifiques.

Ce décalage empêche l'application directe des indices internationaux d'exposition à l'IA aux données régionales espagnoles, entravant le développement de politiques publiques ciblées, de stratégies syndicales et de planification territoriale. De plus, la littérature existante néglige souvent l'intersection des disparités territoriales et des vulnérabilités spécifiques au genre, malgré des preuves suggérant que les femmes sont surreprésentées dans les secteurs administratifs et de services hautement susceptibles à l'automatisation par l'IA. L'article répond au besoin urgent d'un outil objectif et comparable pour mesurer l'exposition à l'IA en Espagne, respectant sa structure statistique spécifique (CNAE) et permettant une analyse territoriale et de genre granulaire.

2. Méthodologie

L'étude propose une méthodologie préliminaire et reproductible pour combler le fossé entre les métriques internationales d'exposition professionnelle à l'IA et les données sectorielles espagnoles. L'approche comprend trois étapes principales :

2.1. Construction de la matrice d'incidence IA–CNAE

Les auteurs adaptent le « Score d'applicabilité de l'IA » de Tomlinson et al. (2025), basé sur plus de 200 000 interactions réelles avec des outils d'IA générative (par exemple, Microsoft Copilot). Au lieu d'utiliser directement les codes de profession, les auteurs construisent une matrice de correspondance qui traduit ces capacités professionnelles vers la classification espagnole CNAE (à 2 chiffres).

Attribution de facteurs : Chaque secteur CNAE se voit attribuer un « facteur d'incidence » variant de 0,06 à 0,30.
Logique : Les secteurs dominés par des tâches manuelles, physiques ou routinières (par exemple, Agriculture, Construction) reçoivent des facteurs faibles. Les secteurs caractérisés par des tâches administratives, linguistiques, analytiques ou de synthèse (par exemple, Finance, Services professionnels, Information et Communications) reçoivent des facteurs plus élevés.
Synthèse : La matrice représente une synthèse pondérée des preuves internationales et de la composition professionnelle spécifique des secteurs espagnols.

2.2. Sources de données et modèle de calcul

L'étude utilise des microdonnées de l'Institut national de statistique espagnol (INE) pour les années 2021 et 2022, spécifiquement le Recensement annuel de la population active, ventilées par province, secteur (CNAE) et sexe.

Exposition sectorielle : Pour chaque province $p$ et secteur $c$ , l'« emploi ajusté à l'IA » est calculé comme suit :
$IA\_employment(p,c) = employment(p,c) \times factor_{IA}(c)$
Indicateur territorial : L'exposition agrégée pour une province est définie comme le rapport entre l'emploi total ajusté à l'IA et l'emploi provincial total :
$IA\text{-}share(p) = \frac{\sum_{c} IA\_employment(p,c)}{\sum_{c} employment(p,c)}$
Ventilation par genre : Le même calcul est effectué séparément pour l'emploi masculin et féminin afin de dériver des indices d'exposition spécifiques au genre ( $IA\text{-}share_{female}$ et $IA\text{-}share_{male}$ ).

2.3. Limites

Les auteurs déclarent explicitement qu'il s'agit d'une étude préliminaire mesurant une exposition structurelle potentielle, et non un remplacement réel ou une perte d'emplois. Le modèle suppose une composition professionnelle homogène au sein de chaque secteur CNAE, ce qui peut masquer une hétérogénéité interne. Il ne prend pas en compte les effets dynamiques tels que la création de nouvelles tâches, les gains de productivité ou la vitesse d'adoption par les entreprises.

3. Contributions clés

Adaptation méthodologique : L'article fournit la première traduction systématique des métriques internationales d'exposition à l'IA vers le cadre CNAE espagnol, permettant une analyse au niveau provincial là où seules des estimations nationales ou régionales larges étaient possibles auparavant.
Cartographie territoriale : Il génère une carte détaillée de l'exposition à l'IA dans les 52 provinces espagnoles, identifiant les vulnérabilités structurelles basées sur la spécialisation économique.
Analyse de genre : Il quantifie un écart structurel persistant dans l'exposition à l'IA entre les hommes et les femmes, révélant que la main-d'œuvre féminine est systématiquement plus exposée à la transformation pilotée par l'IA sur tous les territoires.
Outil politique : Il offre une méthodologie transparente et ouverte aux syndicats, aux décideurs politiques et aux chercheurs pour surveiller les tendances et concevoir des stratégies de « transition juste » alignées sur la Stratégie nationale d'intelligence artificielle (ENIA).

4. Résultats

L'analyse des données de 2021–2022 révèle plusieurs schémas cohérents :

4.1. Exposition agrégée

L'Espagne présente une exposition agrégée modérée à élevée à l'IA, la « IA-share » oscillant entre 18 % et 22 % de l'emploi total. Cela indique qu'une part significative du marché du travail espagnol est engagée dans des tâches où l'IA générative a une forte applicabilité.

4.2. Polarisation territoriale

Un « corridor centre-méditerranéen » clair d'exposition élevée est identifié, incluant Madrid, Barcelone, Valence, Alicante, Malaga et les îles Canaries (Las Palmas et Santa Cruz de Tenerife). Ces provinces dépassent une exposition de 21 %.

Facteurs moteurs : Une exposition élevée corrèle avec une concentration de services avancés, de finance, de conseil professionnel, d'information/télécommunications et de commerce de détail.
Faible exposition : Les provinces de l'intérieur (par exemple, Soria, Teruel, Zamora, Palencia) et celles ayant une base agricole forte ou une industrie manufacturière traditionnelle montrent une exposition plus faible (environ 17,5 %–18,5 %).
Stabilité : Le classement des provinces est resté remarquablement stable entre 2021 et 2022, confirmant que l'exposition est pilotée par des facteurs économiques structurels enracinés plutôt que par des fluctuations cycliques à court terme.

4.3. Écart de genre

Dans chaque province, l'emploi féminin montre une exposition plus élevée à l'IA que l'emploi masculin.

Ampleur : L'écart varie généralement de 1,5 à 3 points de pourcentage, bien qu'il soit plus large dans les régions fortement tertiarisées.
Causes : Les femmes sont disproportionnellement concentrées dans des secteurs à forte applicabilité de l'IA, tels que l'éducation, les soins de santé, l'administration et les services sociaux. À l'inverse, les hommes sont plus représentés dans la construction, les transports et les industries extractives, qui ont des facteurs d'applicabilité de l'IA plus faibles.
Implication : Cela représente une vulnérabilité structurelle pour la main-d'œuvre féminine, suggérant que l'adoption de l'IA pourrait affecter de manière disproportionnée les modèles d'emploi féminin, sauf si des politiques spécifiques sont mises en place pour atténuer cet effet.

5. Signification et revendications

L'article se positionne non pas comme une prédiction définitive de pertes d'emplois, mais comme un outil diagnostique pour la planification stratégique. Sa signification principale réside dans :

Combler le fossé des données : Permettre l'utilisation des données statistiques espagnoles standard (INE/CNAE) pour répondre à des questions sur l'impact de l'IA qui étaient auparavant inexploitables au niveau infranational.
Mettre en lumière les inégalités structurelles : Démontrer que l'exposition à l'IA n'est pas aléatoire mais suit les lignes existantes de spécialisation territoriale et de ségrégation de genre sur le marché du travail.
Éclairer la « transition juste » : Fournir une base de référence pour le gouvernement espagnol et les partenaires sociaux afin de concevoir des politiques de formation, de requalification et de protection ciblées géographiquement et démographiquement.

Les auteurs concluent que si l'impact immédiat de l'IA est probablement complémentaire (renforçant la productivité), l'exposition structurelle identifiée dans cette étude met en évidence où les risques de déplacement et le besoin d'adaptation sont les plus grands. Ils soulignent que les travaux futurs devraient affiner le modèle avec des données professionnelles plus granulaires et intégrer des taux d'adoption dynamiques, mais que le cadre actuel offre une première étape nécessaire pour une gouvernance technologique inclusive et équitable en Espagne.