GCRI · Intelligence artificielle et systèmes autonomes
Effets sur le travail et effets sociaux
AI changes which tasks people do, how work is organised, which skills are valued and how information spreads. Effects differ by occupation, country, gender and age, and depend on how firms and governments choose to deploy it. This page sets out how AI affects work and society, how exposure and impacts are measured, and what evidence serves the labour ministries, employers, unions and educators involved.
Labour and social effects on the record.
Labour and social effects: how the risk develops.
Work, education, public trust and inclusion. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Tasks change before jobs do
AI automates or assists specific tasks within occupations. Jobs are reorganised around remaining tasks before they disappear or new ones form.
Exposure is uneven
Clerical and some professional tasks are highly exposed to generative AI, while manual and interpersonal work is less exposed. Women are over-represented in some highly exposed clerical jobs.
Skills and training lag
Workers need new skills to use AI well, and those displaced need retraining. Training systèmes often respond more slowly than technology adoption.
Information ecosystems shift
Generated content, recommendation systems and synthetic media change how people find and judge information, with effects on trust and public debate.
How labour and social effects is modelled, measured and tested.
Le modèle, ses hypothèses, ses données et son incertitude, sous la forme qu'un scientifique ou un ingénieur vérifierait. Les structures suivent des méthodes publiées. Les valeurs représentées sont illustratives, ce ne sont pas des résultats.
Modèle de système
The couplings between the systems in labour and social effects: signs of influence, a reinforcing and a balancing loop, and cross-links where stress jumps.
AI’s effects on work vary across domains.
- SantéCouplageClinical and administrative tasks are exposed differently.What to watchTask exposure by occupation
- AlimentationCouplageAgricultural work is less exposed to generative AI than clerical work.What to watchExposure by sector
- ÉnergieCouplageGrid operations need new digital skills.What to watchDéficits de compétences
Labour studies are designed for the série Technologies exponentielles. The ILO’s 2023 working paper estimates exposure, not job loss, and finds clerical work most exposed.
- Firm-level adoption studies.
- Worker surveys on task change.
Ce qui est mesuré, et avec quelle qualité.
Chaque indicateur porte son unité, sa périodicité, le type de source qui le sous-tend et l'étiquette de preuve que porterait une valeur. Aucune valeur n'est affichée : un programme les fournit sous sa propre autorité.
| Indicateur | Unité | Fréquence | Type de source | Étiquette |
|---|---|---|---|---|
| Employment in occupations highly exposed to AI | percent of employment | par évaluation | Exposure studies using occupational data | ESTIMÉ |
| Firms using AI | percent of firms | annuel | Business surveys | DÉCLARÉ |
| Workers using AI tools at work | percent of workers | per survey | Labour force and worker surveys | DÉCLARÉ |
| AI-related job postings | share of postings | mensuel | Online job posting data | OBSERVÉ |
| Participation in AI skills training | percent of workforce | annuel | Training surveys | DÉCLARÉ |
| Wage changes in exposed occupations | percent change | annuel | Wage statistics | Statistiques publiées |
D'où proviennent les données probantes.
Jeux de données publics et registres institutionnels nommés, chacun avec sa catégorie de licence. Les sources fournies dans le cadre d'accords ne sont utilisées que selon leurs conditions et ne sont jamais republiées.
| Sources | Ce qu'elle apporte | Catégorie de licence |
|---|---|---|
| ILO studies on generative AI exposure of occupations | Occupational exposure estimates by country and gender | Public, ILO terms |
| OECD Employment Outlook and AI in work studies | Evidence on AI adoption and labour effects | Public, OECD terms |
| Eurostat ICT usage in enterprises survey | Share of enterprises using AI | Open, Eurostat reuse policy |
| Online job posting data such as Lightcast summaries | Demand for AI skills | Commercial; public summaries (to check) |
| Stanford AI Index | Compiled indicators on AI adoption, investment and labour | Public, licence to check |
Qui décide, et à quoi servent les données probantes.
Studio Intelligence artificielle et systèmes prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| Qui décide | La question | Données probantes servies par cette page |
|---|---|---|
| Labour ministries | Which workers and sectors need transition support | Exposure analyses; adoption tracking |
| Employers and unions | How to introduce AI at work and share its gains | Adoption and wage evidence |
| Éducation and training bodies | Which skills to teach and to whom | Skills demand evidence |
Résultats que produit ce thème
- Occupational exposure analyses by sector, gender and region
- Adoption tracking from business and worker surveys
- Evaluation designs for AI training programmes
- Evidence notes for social dialogue on AI at work
What researchers ask about social effects.
- Which tasks can current AI perform well, and how does that map onto occupations?
- Does AI substitute for workers, complement them or change what their jobs consist of?
- How does AI change learning and assessment in education?
- How do errors, opacity and misuse affect trust, and who is excluded?
Tasks, not jobs.
Jobs are bundles of tasks. AI tends to automate or assist specific tasks, such as drafting, summarising, coding or classifying images, which changes the content of jobs rather than simply removing them. Whether that raises productivity and wages or displaces workers depends on how organisations redesign work and how gains are shared.
In education, AI can personalise support but also undermine assessment and the learning that comes from effort. Trust depends on experience: visible errors, unexplained decisions and synthetic content erode it, while accountable use can build it. People with limited digital access, skills or language support risk exclusion.
Evidence on social effects.
- 01
Task exposure analysis
Mapping AI capabilities onto occupational task data. Exposure is not the same as displacement.
- 02
Field and natural experiments
Studying workplaces and classrooms that adopt AI, using sciences sociales et comportementales. Early studies may not generalise.
- 03
Surveys of trust and use
Measuring how people use and perceive AI. Attitudes change quickly and vary by context.
- 04
Évaluation des capacités
Linking what systèmes can actually do, from Ingénierie de l'évaluation et de l'assurance de l'IA, to claims about social effects.
Comment c'est étudié, et ce que les méthodes ne peuvent pas dire.
- 01Sciences sociales et comportementalesÉtudes sur la supervision humaine · Recherche auprès des communautés touchées · Études sur l'adoption au travailAppliqué ici
- 02Probabilités et statistiquesIncertitude sur les scores de référence · Évaluation de l'étalonnage · Échantillonnage d'auditAppliqué ici
- 03Intelligence artificielle et apprentissage automatiqueAnalyse des glissements de distribution · Ajustement fin pour un usage spécifique · Méthodes d'interprétabilitéAppliqué ici
- 04Robotique et automatisationTests fondés sur des scénarios · Sécurité des robots collaboratifs · Surveillance du domaine d'exploitationAppliqué ici
Where this page’s references lead.
Les organismes et documents à l'aune desquels cette page se lit. Les statuts et éditions changent ; chaque lien mène à l'organisme émetteur.
Questions et réponses.
Will AI take jobs?
What is occupational exposure to AI?
Who is most exposed to generative AI?
Will AI cause mass unemployment?
Which workers are most exposed?
How does this topic relate to Future of Work and Skills?
Does the platform advise employers?
Apportez des éléments de preuve depuis cette page.
Rapports is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
- E-mailPasserelle GW-GCRIL'envoyer depuis cette pageUne preuve, une correction, un cas, une méthode, un examen, une traduction ou un apport au profil. Elle arrive étiquetée avec cette page, afin que le rédacteur responsable la reçoive.
- ZenodoDépôt ouvertLe déposer et le soumettre à la communautéPubliez votre propre fiche sur Zenodo avec votre identifiant ORCID, puis soumettez-la à la communauté Reports qui s'y trouve. Des curateurs l'examinent ; le DOI reste le vôtre.
- RapportsGCRIVoir toutes les façons de contribuerLes types de contribution, la manière dont chacune est examinée, la reconnaissance accordée, la licence et ce qui n'est jamais accepté.
N'envoyez jamais de données personnelles, de détails sensibles sur des infrastructures ni rien que vous n'avez pas le droit de communiquer. Une contribution est examinée avant utilisation ; son envoi ne confère ni qualité d'auteur ni droits éditoriaux, et un parrainage n'achète jamais une conclusion.
Apportez une méthode, un jeu de données ou une question.
L'information et les demandes sont ouvertes dès aujourd'hui. Une demande reçoit une référence et indique l'étape suivante ; candidatures, paiements, allocations de calcul et inscriptions n'ouvrent que lorsque l'équipe, les conditions et la capacité d'examen existent.
Documents juridiques.
Les cartes, données et chiffres de ce site sont présentés à titre de contexte et d'information générale. Ils ne constituent ni des conseils, ni des prévisions, ni des alertes ; les limites de l'information sont exposées dans les Avertissements et les Notices sur les données.