En mars 2026, le Syndicat canadien de la fonction publique a dit au comité sénatorial des affaires sociales qu’il constatait des pertes d’emplois dans le sous-titrage, la transcription médicale, la répartition des appels dans les hôpitaux et les services alimentaires en soins de longue durée. Le mémoire citait aussi une estimation de l’exposition de Statistique Canada, qu’il interprétait comme un avertissement sur les emplois qui pourraient changer ou disparaître. Gardez les signalements en milieu de travail et l’estimation de l’exposition dans deux colonnes distinctes. Au lancement d’IA pour tous en juin 2026, le gouvernement fédéral a projeté que l’adoption de l’IA pourrait contribuer à créer jusqu’à 250 000 emplois d’ici 2031. Dans un discours de mai 2026, la sous-gouverneure externe de la Banque du Canada, Michelle Alexopoulos, a dit que les données disponibles ne laissaient pas entrevoir de pertes d’emplois généralisées attribuables à l’IA. Une projection et un bilan des données disponibles ne jouent pas le même rôle. Une entreprise peut supprimer un poste pendant que des sous-traitants ailleurs sont payés pour étiqueter des données ou examiner les réponses d’un modèle. Un océan peut séparer ces travailleurs. Ce chapitre demande qui perd du travail, qui en trouve, combien il rapporte et qui fait l’objet de surveillance au travail. Chaque réponse exige ses propres preuves. Commençons par ce que les chiffres canadiens permettent de dire. Mettons ensuite Acemoglu et Autor côte à côte, puis lisons les cinq recommandations du SCFP en regard des engagements d’Ottawa. Pour le travail sur les plateformes et la gestion algorithmique, gardez deux questions en tête. Qui fixe les conditions et qui peut les contester ? ---
La base empirique canadienne
Voir ce que mesurent les études sur l’IA et l’embauche
Dans un sondage ontarien à participation volontaire mené en 2025, 19 % des 446 personnes ayant répondu à une question sur l’IA estimaient qu’elle avait réduit les possibilités de travail rémunéré dans leur domaine culturel. Le sondage mesure leur perception du secteur. Il ne compte pas les personnes qui ont elles-mêmes perdu du travail.
Selon Statistique Canada, les industries du film et de la vidéo comptaient 26 % moins d’emplois salariés en novembre 2025 qu’en novembre 2022. Selon une autre enquête, les entreprises de postproduction ont consacré 14,4 % de moins aux salaires, aux traitements et aux avantages sociaux en 2025 qu’en 2023. Une mesure compte les emplois, l’autre suit les dépenses de rémunération. Aucune des deux ne permet d’isoler le rôle de l’IA dans le recul.
Un emploi peut disparaître de votre avenir sans que personne soit congédié. Selon Statistique Canada, les embauches chez les 15 à 29 ans ont ralenti autant dans des professions à forte exposition potentielle à l’IA que dans des professions moins exposées. Entre les six mois précédant novembre 2022 et les six mois précédant août 2026, le taux d’embauche est passé de 4,0 % à 3,3 % dans les professions moins exposées et de 2,5 % à 1,9 % dans celles où la programmation occupe une place importante. Dans ce dernier groupe, la baisse avait commencé plus tôt en 2022. Un taux d’embauche en baisse indique que la porte s’est ouverte moins souvent. Pour savoir pourquoi, il faut regarder ce que les employeurs ont réellement changé.
Un document de travail du Bureau du recensement des États-Unis a abordé la même question sous un autre angle. Il s’appuie sur des dossiers d’employeurs et de salariés de 22 à 24 ans et regroupe les emplois par secteur d’activité et par État. Selon l’étude, l’emploi ajusté a reculé de 12 % au cours des dix trimestres suivant le lancement de ChatGPT dans le cinquième des groupes les plus exposés à l’IA. La baisse des embauches explique l’essentiel de ce recul. Statistique Canada a mesuré les taux d’embauche et de cessation d’emploi par profession, notamment chez les 15 à 29 ans, et a observé un ralentissement des embauches même dans les emplois à faible exposition potentielle. Le résultat américain invite à suivre les embauches de près. Les deux études s’appuient sur des indices d’exposition sans mesurer l’usage réel de l’IA par les employeurs, et certaines tendances américaines remontent à la pandémie. Le calendrier à lui seul ne permet pas de déterminer la part du ralentissement attribuable à l’IA.
L’étude Stanford–ADP suit une autre partie du marché du travail : les dossiers de paie américains de personnes de 22 à 25 ans, regroupées par profession. Sa révision d’août 2026 fait état d’un déficit d’emploi de 19 % dans les professions plus exposées à l’IA, par rapport au niveau qui aurait été atteint si l’emploi y avait progressé au même rythme que chez leurs pairs moins exposés. Cela ne veut pas dire que 19 % de ces travailleurs ont été congédiés. L’écart tient surtout à une baisse des embauches. Les auteurs ne trouvent pas de signe de suppressions d’emplois généralisées à l’échelle de l’économie et présentent leurs résultats comme des indicateurs précoces, sans établir de lien de cause à effet. La question utile est de savoir si le premier barreau de l’échelle devient plus difficile à atteindre. Pour y répondre, il faut suivre les embauches et vérifier ce qui a changé autour.
Trois sources primaires distinctes établissent ce qui est réellement documenté au sujet de l'IA et du travail canadien au milieu des années 2026.
Travaux d'analyse de Statistique Canada. Statistique Canada a publié de multiples analyses des effets de l'IA sur l'emploi entre 2024 et 2026, en s'appuyant sur son Enquête sur la technologie numérique et l'utilisation d'Internet, l'Enquête sur la population active et des documents analytiques spécifiques. Les principales conclusions citées dans les documents de défense des intérêts et les documents gouvernementaux suivants :
- En mai 2021, 31 % des salariés de 18 à 64 ans de l’étude canadienne occupaient un emploi classé comme potentiellement très exposé à l’IA et relativement peu complémentaire avec elle. Un autre 29 % occupait un emploi potentiellement très exposé et fortement complémentaire, et 40 % occupaient un emploi classé comme moins exposé.
- L’étude classe les professions selon leurs tâches et la possibilité que l’IA complète leur travail. Elle mesure l’exposition à partir d’un portrait de mai 2021. Elle ne compte ni les pertes d’emplois, ni les changements d’emploi, ni les besoins de formation. Le total d’environ 60 % pour l’exposition et la cible fédérale de 60 % pour l’adoption par les entreprises mesurent deux choses différentes.
- Dans les mêmes estimations de mai 2021, 38 % des salariés de la catégorie Femmes+ et 23 % de la catégorie Hommes+ faisaient partie du groupe très exposé et peu complémentaire. Ce sont des proportions de salariés dans une catégorie d’exposition. L’étude inclut certaines personnes non binaires dans chacune des deux catégories.
- L'adoption de l'IA chez les entreprises canadiennes est passé d'environ 12,2% au deuxième trimestre 2025 à 19,2% en mai 2026 (les données les plus récentes de StatCan au moment de la rédaction du présent guide). L'objectif fédéral IA pour tous d'adoption de 60 % d'ici 2034 implique un triplement sur environ huit ans, ce qui est rapide mais non sans précédent pour les courbes d'utilisation de la technologie numérique. La trajectoire du doublement en un an est importante : Statistique Canada a documenté l'adoption, qui est passée de 6,1% au deuxième trimestre 2024 à 12,2% au deuxième semestre 2025, avant d'atteindre 19,2% en mai 2026. Le rythme s'accélère, il n'est pas stable.
GOBLIN FACTS — l'adoption a doublé rapidement. Statistique Canada a enregistré une hausse de l'utilisation des IA pour les entreprises, qui est passée de 6,1 % au deuxième trimestre 2024 à 12,2 % au second trimestre 2025, puis à 19,2 %.
- La répartition sectorielle de l'adoption des IA est très inégale. Les données du deuxième trimestre de 2025 de StatCan montrent que l'adoption est concentrée dans des secteurs spécifiques : industries de l'information et de la culture à 35,6 %, services professionnels/scientifiques/techniques à 31,7 %, finances et assurances à 30,6 % — le tout largement supérieur à l'agrégat de 12,2% à ce stade. Il s'agit des mêmes secteurs où la concentration de travail à col blanc moyen et à cols blancs est élevée, ce qui se croise directement avec le modèle de déplacement documenté dans ce chapitre. L'adoption de Parmi les entreprises canadiennes qui utilisent déjà l'IA, 25,7 % avaient acheté des services ou du stockage en nuage et 17,9 % avaient acquis de la puissance informatique ou du matériel spécialisé. IA entraîne des capitaux vers l'infrastructure à mesure qu'elle s'étend, en se connectant directement à l'analyse de la répartition provinciale du chapitre 6.
L'écart entre ce que l'IA peut faire et ce qu'elle fait. Un tableau complémentaire vient des États-Unis, où l'indice économique d'Anthropic combine une mesure de ce que les grands modèles linguistiques peuvent théoriquement faire, à travers les tâches qui composent chaque travail, contre ce que les modèles sont observée en fait dans les milieux de travail. L'utilisation observée est une petite fraction de la capacité théorique, et les deux regroupements dans les mêmes catégories de cols blancs drapeaux de données d'adoption du Canada : ordinateur et mathématiques, bureau et administration, affaires et finances. L'espace découvert entre les deux est la partie qui mérite d'être observée, car c'est ce qui se réduit comme capacité, adoption et déploiement se rattraper l'un à l'autre. Les données sont américaines (tâches des États-Unis et poids de l'emploi), alors lisez-les comme une illustration du modèle plutôt qu'une mesure canadienne, mais la forme de l'écart est la plus claire de la façon dont l'IA est et ne fait pas encore le travail.
L’analyse de la Banque du Canada. En mai 2026, Michelle Alexopoulos a dit que les données ne laissaient pas encore entrevoir de pertes d’emplois généralisées causées par l’IA. Elle a aussi relevé des suppressions de postes que des employeurs attribuaient en partie à l’IA et des embauches faibles dans certains métiers exposés. C’est un bilan des données dont disposait la Banque à cette date.
Ce portrait d’ensemble laisse place à des pertes individuelles. Il ne dit pas ce qui est arrivé à une personne qui a perdu son emploi dans le sous-titrage. L’étude plus récente de Statistique Canada sur les embauches et les cessations d’emploi mesure des taux par profession. Les cessations comprennent les départs volontaires et les mises à pied. L’étude ne donne pas la rémunération de ces personnes dans leur emploi suivant.
🧌 GOBLIN CHECK — Le taux de chômage peut rester stable pendant la pire année de quelqu’un. Pour savoir où la personne qui faisait le sous-titrage a trouvé du travail, suivez-la. Demandez combien de temps elle a cherché, quel salaire horaire elle a obtenu et combien d’heures le nouvel emploi lui offrait.
Les signalements sectoriels. Le mémoire du SCFP signale des pertes d’emplois dans le sous-titrage, la transcription médicale, la répartition des appels à l’hôpital et les services alimentaires en soins de longue durée. Il donne des exemples et ne fournit ni décompte des personnes touchées ni suivi de leur emploi suivant.
- Fonction publique fédérale. Le dirigeant principal des données, Stephen Burt, a dit publiquement que l’adoption de l’IA pourrait entraîner certaines suppressions de postes fédéraux. Le Registre de l’IA du Conseil du Trésor répertorie les déploiements. Il ne donne pas le parcours des personnes touchées.
Pour savoir ce qui a suivi ces changements en milieu de travail, il faudrait des dossiers d’employeurs ou des données qui permettent de suivre les mêmes travailleurs. Une mention de départ renseigne peu sur le contrat suivant, les heures ou la rémunération.
Là où les preuves atterrissent. Les effets de l'IA au Canada au milieu des années 2026 sont les suivants : déplacement sectoriel documenté dans plusieurs catégories, absence encore de signal global de chômage, changement important projeté dans environ 60 % de la main-d'oeuvre, répartition du risque de déplacement selon le sexe et trajectoire rapide d'adoption et de courbure. Aucune de ces conclusions ne soutient que « l'IA cause un chômage massif » ou que « les craintes du travail de l'IA sont infondées ». La lecture honnête se situe entre ces pôles, avec des questions empiriques spécifiques que les prochaines sections engagent.
Le désaccord académique Acemoglu vs Autor
Deux économistes du MIT, tous deux largement respectés, publiant beaucoup sur l'IA et le travail, tous les deux rigoureux, ont tiré des conclusions sensiblement différentes sur les effets probables de l'IA sur la macroéconomie et le marché du travail. Le désaccord est un véritable désaccord intellectuel, et non une supposition factionnelle. Le guide présente les deux positions dans leurs propres cadrages, la façon dont le chapitre 11 a présenté Geist/Craig vs TWUC/ACTRA sur le droit d'auteur. La lecture des deux est l'engagement méthodologique central du chapitre.
La position de Daron Acemoglu. Acemoglu, co-bénéficiaire du prix Nobel de sciences économiques 2024 (avec Simon Johnson et James Robinson) pour ses travaux sur l'économie institutionnelle, a publié plusieurs articles et ouvrages de plus de 2023-2025 Impact macroéconomique modeste de l'IA avec des préoccupations importantes en matière de répartition.
Ses principales allégations empiriques et analytiques :
Première : L'œuvre récente la plus citée d'Acemoglu, "La macroéconomie simple de l'IA" (Document de travail NBER 32487, avril 2024; publié en Politique économique 40(121):13–58, 2025), fournit un cadre quantitatif pour estimer les effets macroéconomiques probables de l'IA. La conclusion centrale du cadre : l'IA produira probablement gains de productivité des facteurs totaux d'environ 0,5 % sur une période de dix ans , sensiblement plus faible que les gains de productivité prévus par les défenseurs de l'industrie de l 'IA. L'analyse est basée sur l'économie au niveau des tâches — quelles tâches spécifiques l'IA peut remplacer, quels niveaux de salaire ces tâches commandent, quelle part de l' économie ces tâches représentent.
Deuxième : Le cadre plus large d'Acemoglu (développé avec Pascual Restrepo à l'Université de Boston) souligne que historiquement, l'automatisation des usines a entraîné une augmentation du chômage local , pas plus bas. L'encadrement de l'« automation comme opportunité » qui domine la rhétorique des entreprises et du gouvernement est, dans l'analyse d'Acemoglu, empiriquement erroné pour les populations qui ont effectivement connu des vagues d'automatisation. Les effets locaux sont généralement ceux-ci : les travailleurs à mi-temps déplacés, les gains de productivité capturés par les propriétaires et les gestionnaires de capital, et l'emploi à bas salaires croissant lorsque les personnes déplacées cherchent un travail de substitution.
Troisième : Acemoglu, avec Simon Johnson, a fait un argument historique étendu en Le pouvoir et le progrès : notre lutte millénaire sur la technologie et la prospérité (2023) que le progrès technologique ne se traduit pas automatiquement par une prospérité généralisée — il l'a fait dans des périodes historiques spécifiques où le pouvoir ouvrier, les cadres réglementaires et les contraintes politiques ont largement réorienté les acquis technologiques. Sans ces contraintes institutionnelles, le progrès technologique tend à concentrer les bénéfices de manière étroite.
Quatrième : Acemoglu, Johnson et Autor ont écrit conjointement "Pouvons-nous avoir l'IA pro-travailleur?" (CEPR Policy Insight 123, 2023) — le programme constructif de réforme structurelle. L'article fait valoir que les effets d'IA sur le marché du travail dépendent de façon critique des choix stratégiques que les gouvernements font - en matière de fiscalité, de représentation des travailleurs, de formation et d'éducation, et de lutte contre les ententes. La même IA déployée dans des conditions institutionnelles différentes peut produire des résultats radicalement différents sur le marché du travail.
L'impact macroéconomique de La ligne de fond d'Acemoglu, en bref: IA sera probablement modeste dans l'ensemble. Les effets de la distribution seront probablement marqués, en concentrant les gains sur le capital et certains travailleurs qualifiés, tout en déplaçant les travailleurs à mi-salaires et en produisant une croissance de l'emploi à bas salaires comme substitut. Les résultats dépendront grandement des choix stratégiques que le Canada n'a pas encore faits.
La position de David Autor. Autor, également au MIT et le plus grand chercheur du domaine sur la polarisation du marché du travail, avec des travaux de base remontant à un document de 2003 avec Levy et Murnane qui a établi une grande partie du cadre empirique actuel, a atteint des conclusions sensiblement différentes dans ses récents travaux sur l'IA spécifiquement.
Ses principales allégations empiriques et analytiques :
Papier d'Autor 2024 "Appliquer l'IA pour reconstruire des emplois de classe moyenne" (Document de travail NBER 32140) fait valoir que l'IA générative est significativement différente des ondes d'automatisation antérieures parce qu'elle peut augmenter le travail d'expert à mi-niveau plutôt que de déplacer seulement le travail de routine. La vague d'automatisation précédente (déploiement d'ordinateurs et d'Internet dans les années 1980-2010) a creusé le milieu de la distribution salariale en automatisant les tâches courantes, laissant intacts le travail cognitif et le travail physique peu qualifié. L'IA pourrait être un outil de production inverser ce creusement en donnant aux travailleurs de niveau intermédiaire l'accès à des compétences spécialisées qui nécessitaient auparavant des années de formation spécialisée. Plus récent "Expertise" (Document de travail NBER 33941 avec Thompson, 2025) fournit le suivi empirique : les outils d'IA ont tendance à améliorer les performances des travailleurs moins expérimentés plus que celles des travailleurs plus expérimentés; , réduisant les écarts de compétences au sein de l'emploi. Si ce modèle se maintient à l'échelle, l'IA pourrait fonctionner comme un égalisateur de productivité plutôt que comme un polarisateur de salaire. Et Autor a été explicite dans les commentaires publics que le la question de l'augmentation-vs-déplacement est contestée empiriquement — le résultat dépend en partie des choix politiques, en partie de la façon dont la technologie se développe, et en partie sur la manière dont les marchés du travail et les institutions répondent. Il ne prétend pas que l'IA augmentera automatiquement plutôt que de se déplacer. Sa revendication est plus étroite : que la possibilité d'augmentation est réelle, et plus à portée de main que le cadrage pessimiste IA suggère.
En bref, la ligne de fond d'Autor : L'IA générative a un potentiel réel pour inverser des décennies de polarisation du marché du travail en augmentant le travail d'expert à mi-niveaux. Le potentiel n'est pas garanti; il dépend des voies de développement technologique et des choix politiques. Mais la technologie est suffisamment différente des vagues d'automatisation antérieures que le pessimisme historique peut ne pas transférer proprement.
Où Acemoglu et Autor convergent. Les deux économistes insistent sur le fait que les résultats du travail d'IA sont Non déterminée par la technologie mais par le contexte institutionnel et politique dans lequel la technologie est déployée. Tous deux ont collaboré à l'élaboration du cadre « IA pour les travailleurs ». Tous deux rejettent les positions les plus extrêmes à chaque extrémité (chômage universel de masse, prospérité universelle à large base).
Là où ils divergent. L'analyse d'Acemoglu pèse lourdement sur les preuves historiques selon lesquelles l'automatisation a eu tendance à désavantager les travailleurs qui n'ont pas de contraintes institutionnelles. L'analyse d'Autor pèse lourdement la différence structurelle entre l'IA générative et les ondes d'automatisation antérieures. Ils lisent les mêmes données empiriques et historiques et tirent des conclusions différentes sur quels facteurs domineront.
La position méthodologique du guide: le désaccord est authentique et le guide le laisse debout. Acemoglu et Autor ont tous deux des titres de compétence, des positions institutionnelles et des analyses publiées qui exigent une considération sérieuse. Le guide place les deux positions côte à côte et demande aux lecteurs de s'asseoir à l'intérieur du désaccord plutôt que de choisir un gagnant pour rendre le chapitre plus facile. Le désaccord lui-même est la caractéristique structurellement importante de la conversation académique-économique sur les effets du travail sur l'IA , et la politique canadienne qui n'engage pas sérieusement les deux est de réduire un véritable débat intellectuel à un choix politique.
Le mémoire du Sénat de la CUPE — la documentation principale du travail
Le Syndicat canadien des employés de la fonction publique représente, de son propre chef, 800 000 travailleurs canadiens dans les domaines des soins de santé, de l'éducation, des municipalités, des bibliothèques, des universités, des services sociaux, des soins aux enfants, des communications, des collectivités, des secours, des transports et des compagnies aériennes. La soumission de mars 2026 du CUPE au Comité sénatorial des affaires sociales est un document de 11 pages, concentré plutôt que étendu, ancré dans la recherche primaire par la chercheuse principale Sarah Ryan. Il s'agit de la documentation principale sur la politique en matière d'IA qui est actuellement disponible, et le guide s'en inspire largement pour ce chapitre.
L'argument structurel du mémoire, dans le cadrage propre de la CUPE : Le déploiement de l'IA dans les milieux de travail canadiens se fait rapidement, le cadre réglementaire qui le régit est largement absent, les dommages documentés aux travailleurs sont réels et la stratégie fédérale d'IA pour tous s'engage à investir dans le développement de l 'IA sans s'engager à protéger les travailleurs correspondants. Le mémoire est positif sur le plan politique plutôt que rejetiste : la Cupe soutient explicitement les applications d'IA par les travailleurs et soutient les cadres politiques qui distribuent largement les avantages de l'IA. Le but est de protéger les travailleurs dans un cadre qui prend l'IA comme un développement technologique réel et continu.
Les cinq recommandations spécifiques du CUPE, présenté dans leur propre cadrage:
Recommandation 1 : Législation complète en matière d'IA. CUPE appelle à une législation fédérale qui établirait la transparence obligatoire pour le déploiement de l'IA, des restrictions sur la surveillance en milieu de travail, des exigences en matière de protection des données propres au traitement des IA, des vérifications obligatoires des biais et le cadre institutionnel pour la surveillance continue de la politique d'IA. La recommandation est explicitement conçue comme un moyen de combler l'écart laissé par l'échec de l'AIDA et comme une solution distincte de la stratégie d'investissement IA pour tous.
Recommandation 2 : formation, compétences et reconversion. Le SCFP demande des investissements dans la formation à laquelle les travailleurs peuvent accéder quand leur emploi change. Les employeurs canadiens dépensent environ 240 $ par salarié et par an pour la formation, selon l’estimation citée dans le mémoire. L’estimation de l’exposition peut aider à choisir les professions à étudier. Pour déterminer l’ampleur d’un programme, demandez qui risque de voir son emploi changer ou disparaître, de quelle formation ces personnes ont besoin et si elles peuvent se permettre de s’absenter du travail rémunéré.
Recommandation 3 : Planification du marché du travail et consultation inclusive. Le SCFP demande le rétablissement de la tradition canadienne des tables de partenariat sectoriel (actuellement fonctionnant de façon significative seulement au Québec) qui rassemblent les syndicats, les employeurs et le gouvernement pour planifier des transitions technologiques. La recommandation indique explicitement que l'IA et le Conseil consultatif du travail annoncés par le ministre Solomon après la pression syndicale (chapitre 5) est un mécanisme de consultation plutôt qu'un organe de planification de fond, et appelle à ce dernier plutôt que seulement le premier.
Recommandation 4 : Capacité du secteur public et infrastructure numérique publique. Le CUPE demande au gouvernement fédéral de : construire des applications numériques et des technologies d'intelligence artificielle publiques qui peuvent être partagées au coût dans l'ensemble du secteur public , comme solution de rechange à la tendance actuelle des ministères fédéraux qui achètent des services d'IA auprès d'hyperéchelleurs américains et de fournisseurs commerciaux canadiens. C'est la réponse du côté travailliste à la question de souveraineté discutée au chapitre 9 : pas seulement qui nuages étrangers, mais si Les services publics canadiens devraient être sur des nuages commerciaux étrangers.
Recommandation 5 : Exigences en matière de marchés publics. CUPE demande des exigences spécifiques en matière de cadre d'approvisionnement : exigences de transparence pour les fournisseurs d'IA qui vendent au gouvernement; exigences d'explication pour les systèmes d'IA utilisés dans des décisions importantes; exigences de gouvernance inclusive pour le développement d'intelligence artificielle financées par des fonds publics; droits d'accès et de contrôle sur les données; restrictions sur la vente de données par des tiers; évaluations d'impact sur l'environnement et les droits de l'homme. La recommandation établit des critères opérationnels précis que l'approvisionnement actuel du gouvernement canadien en IA ne comprend généralement pas.
La législation spécifique demande que soient liés à d'autres chapitres:
- Interdiction l'utilisation de systèmes d'IA biométriques, de reconnaissance faciale et de reconnaissance des émotions dans les lieux de travail (également discuté au chapitre 10).
- Interdire décisions importantes en matière d'emploi (embauche, promotion, discipline, licenciement, fixation des salaires) à partir de la production IA (la plus forte recommandation).
- Avis Besoins lorsque l'IA a été utilisée dans toute décision touchant un travailleur, avec explication du résultat, et mécanisme d'examen humain et d'appel.
- Mandat des vérifications de partialité et de discrimination avant le déploiement de l'IA et après chaque année.
- Stipuler que les entreprises qui reçoivent des fonds publics pour le développement de l'IA ne peuvent pas utiliser ce financement tout en réduisant les emplois grâce au déploiement de IA.
L'étiquette de partialité pour ces postes : la défense de la société civile par le plus grand syndicat du secteur public au Canada, avec des recherches primaires substantielles et l'intérêt documenté des électeurs. Le biais est vers la protection des travailleurs. Les preuves sous-jacentes (pratiques documentées de surveillance, pertes d'emplois documentées, lacunes documentées en matière de formation et d'investissement) sont vérifiables indépendamment. Le biais est réel; les preuves sont aussi réelles. Réduction du mémoire parce qu'il vient d'une union serait aussi mal que de l'accepter sans s'en rendre compte.
Un cadrage spécifique du mémoire de la CUPE que le guide présente comme une citation source primaire : « Les sociétés de technologie ont activement fait pression contre les mesures réglementaires malgré les dommages documentés. Ceci se connecte directement au mécanisme de lobbyage par proxy dont il est question au chapitre 7. Dans son mémoire, le CCUP cite une analyse des options stratégiques de novembre 2025 intitulée "Les États-Unis. Le lobbying par procuration menace la souveraineté numérique du Canada » comme document sur la façon dont les entreprises étrangères de technologie font évoluer leurs activités par l'intermédiaire d'intermédiaires canadiens pour façonner leur politique. Le cadre du syndicat est que la législation sur la protection des travailleurs n'a pas échoué faute d'idées; il a échoué faute de place politique contre la résistance organisée de l'industrie.
Qui perd du travail, qui en trouve et combien il rapporte
Le chapitre présente les données empiriques de base, les désaccords entre le milieu universitaire et l'économie et la documentation du côté du travail. La découverte structurelle du guide peut maintenant être présentée directement à travers plusieurs chapitres.
La plupart des discussions canadiennes sur l'IA et les emplois s'effondrent dans un cadrage de déplacement-vs-augmentation. L'IA remplacera-t-elle des emplois (déplacement) ou rendra-t'elle les travailleurs existants plus productifs (augmentation)? Le cadrage suppose implicitement que l'économie de l'IA est un système fermé dans lequel le travail qui existe est soit remplacé ou augmenté. Ce cadrage est empiriquement incomplet.
Les données donnent des exemples de pertes d’emplois dans certains milieux, de sous-traitance faiblement rémunérée dans certaines parties de la chaîne de production de l’IA et de changements dans la surveillance au travail. Elles ne relient pas les Canadiens qui ont perdu leur emploi aux personnes qui acceptent ces contrats. Un taux de chômage global stable ne permet pas non plus d’établir ce lien.
Profils précis documentés dans l'analyse du guide :
Données sur la formation (chapitre 3). La formation à l'IA dépend du travail d'étiquetage humain à grande échelle, principalement concentré dans le Sud mondial, avec des enquêtes documentées ( HEURE 2023, Poste de Washington 2023) déclarant que la rémunération est aussi faible qu'environ 1,32 $US à 2 $US par heure, habituellement sans avantages sociaux, sans protection du statut d'emploi ou sans horaires stables. Le contrat Sama/Kenya pour la modération de contenu d'OpenAI (documenté dans TIME, janvier 2023) est le cas le plus cité. Le déploiement canadien de l'IA dépend de ce bassin mondial de main-d'oeuvre, même si le travail lui-même n'est pas au Canada.
La modération du contenu. Au fur et à mesure que le déploiement de l'IA se développe, la modération du contenu humain nécessaire pour maintenir les sorties d'IA dans des limites acceptables s'étend avec elle. Le travail est effectué dans des conditions documentées d'exposition aux dommages psychologiques (examen du contenu graphique et traumatique) et à des niveaux de rémunération qui ne reflètent pas la difficulté ou le coût psychologique du travail.
L'économie de Gig et le travail de plateforme. Les conducteurs Uber canadiens, les messagers DoorDash, les conducteurs Amazon Flex et les travailleurs de plate-forme similaires sont soumis à une gestion algorithmique : l'expédition par IA, la notation des performances, la tarification dynamique et les mesures disciplinaires. La catégorie de travail a connu une croissance considérable au cours de la dernière décennie, généralement à des niveaux de rémunération inférieurs au salaire médian du Canada et sans protection conventionnelle en matière d'emploi. La gestion algorithmique de la main-d'œuvre active est l'une des plus grandes catégories de travail de l'économie IA. , et c'est une création structurelle de plates-formes compatibles avec l'IA.
Gestion algorithmique des lieux de travail conventionnels (chapitre 10). Dans le cadre d'un emploi conventionnel, les outils de surveillance de l'IA (suivi des frappes, suivi de la communication, notation des performances, reconnaissance des émotions) intensifient la gestion du temps et du comportement des travailleurs. Les travailleurs gardent leur emploi, mais le contrôle remodele le travail lui-même.
Ce qui peut arriver au revenu après une mise à pied. Dans les données canadiennes historiques allant jusqu’en 2016, Statistique Canada a constaté des pertes de revenu persistantes chez de nombreuses personnes mises à pied de façon permanente après plusieurs années chez leur employeur. Il s’agit de données sur les mises à pied en général. Le revenu annuel peut baisser si une personne reste plus longtemps sans emploi, travaille moins d’heures ou reçoit un salaire horaire plus faible.
Suivez les travailleurs. Humlum et Vestergaard ont relié des enquêtes à des dossiers administratifs danois. Ils ont observé peu de changement dans les revenus moyens ou les heures déclarées durant les deux premières années suivant le lancement de ChatGPT. Certains utilisateurs d’agents conversationnels sont passés à des professions mieux rémunérées. Cette étude suit des utilisateurs au Danemark. Ici, la question est de savoir où les personnes qui ont perdu un emploi lié à l’IA au Canada ont travaillé ensuite et combien elles ont gagné. Les sources examinées laissent cette question ouverte.
EXAMPLE — l'autocontrôle. Il n'a pas viré le caissier autant que redistribuer le travail : le magasin garde moins de personnel, et vous êtes devenu le non rémunéré scannant vos propres courses. Beaucoup de déploiements d'IA fonctionnent de la même façon. Le gros titre ne disparaît pas; le travail se déplace discrètement sur des mains moins chères, ou sur les vôtres, et le nombre de productivité augmente encore.
Comptez les emplois et regardez les fiches de paie. Pour vérifier si des personnes ont pris un emploi moins bien rémunéré, reliez l’ancien et le nouvel emploi des mêmes travailleurs. Comparez le salaire horaire, les heures, les avantages et le temps passé sans emploi. Vérifiez ensuite si l’IA a causé la perte du premier emploi. Voilà les reçus dont cette affirmation a besoin.
ALIGNMENT — ça s'ajoute au travailleur, ou ça le remplace? Le même outil peut enrichir un poste ou le vider, et le courriel d'implantation ne dit presque jamais lequel. Demandez si l'IA rend la personne meilleure à son travail, ou la rend superflue. « Productivité » est le mot employé pour les deux — jusqu'à la mise à pied.
Les engagements fédéraux en matière de main-d'oeuvre *IA pour tous*, évalués
La stratégie IA pour tous de juin 2026 a pris des engagements spécifiques en matière de travail. Les évaluer en fonction de l'analyse que le chapitre a développée :
La projection de 250 000 emplois. La stratégie prévoit jusqu'à 250 000 nouveaux emplois grâce à l'adoption de l'IA d'ici 2031. Ce chiffre est une projection de la modélisation économique de la stratégie, et non un engagement à fournir un nombre précis d'emplois. Les intervalles de confiance, les hypothèses sous-jacentes et les ventilations sectorielles de la projection ne sont pas divulgués en détail. Évaluation par rapport à l'analyse du chapitre : même pris comme précis, les 250 000 nouveaux emplois liés à l'IA devraient être évalués par rapport au déplacement d'emplois dans d'autres secteurs. La modélisation de la stratégie n'engage pas publiquement la question du déplacement avec la même spécificité.
Le pilier « Autonomiser les Canadiens » , les engagements de la stratégie vis-à-vis des travailleurs. La stratégie s'engage à offrir une formation en alphabétisation, des programmes de recyclage et un soutien à la transition de l'effectif. Les niveaux de financement spécifiques sont modestes par rapport à l'ampleur de la transition projetée de la main-d'oeuvre (60 % des travailleurs canadiens, par StatCan). La formation est dispensée en partie par l'intermédiaire des trois instituts nationaux de l'IA (Mila, Vector, Amii), qui, comme il a été mentionné au chapitre 7, sont des bénéficiaires fédéraux de IA pour tous plutôt que des fournisseurs de formation indépendants. Évaluation par rapport à l'analyse du chapitre : l'engagement est réel mais l'échelle ne correspond pas à l'ampleur de la transition prévue, et l'infrastructure de prestation a des conflits d'intérêts structurels que la stratégie ne traite pas.
L'engagement de 90 000 placements pour les jeunes. La stratégie prévoit 90 000 placements pour les jeunes sur cinq ans, principalement grâce à des partenariats avec l'industrie. Par rapport à l'analyse de ce chapitre, le problème est familier : les programmes de placement pour les jeunes ont toujours produit des résultats mitigés pour les participants, les placements financés par l'industrie fonctionnant souvent comme des bassins de main-d'oeuvre à faible salaire plutôt que comme des voies de développement de carrière. La conception spécifique de l'engagement de 90 000 placements, y compris les niveaux de salaire et les dispositions relatives à la voie d'accès à l'emploi permanent, n'est pas détaillée dans la documentation sur la stratégie accessible au public.
Le Conseil consultatif de l'IA et du travail. Le ministre Solomon a annoncé cette instance après la pression du CUPE, d'Unifor et d'autres syndicats, le cas documenté discuté au chapitre 5 où la pression sur le travail a façonné visiblement la politique fédérale. Évaluation par rapport à l'analyse du chapitre : le Conseil est un mécanisme de consultation, et non un organe politique de fond. Il n'est pas possible de déterminer s'il produit des règles contraignantes ou seulement des recommandations consultatives. La troisième recommandation du CCPE (tableaux de partenariat sectoriel avec autorité de planification opérationnelle) exige plus que le Conseil ne l'est actuellement. Le Conseil peut devenir plus substantiel avec le temps, mais l'engagement actuel est consultatif.
Le Registre de l'IA du Conseil du Trésor et la fonction publique fédérale. La voie fédérale parallèle (chapitre 10) reconnaît que le déploiement de l'IA dans la fonction publique fédérale se produit, y compris de façon à affecter l'emploi fédéral. La confirmation du dirigeant principal des données Stephen Burt que certains emplois fédéraux seront supprimés est la reconnaissance opérationnelle des répercussions de la stratégie sur le travail. L'analyse du chapitre fait ressortir la tension évidente : le gouvernement fédéral est à la fois un important déployeur d'IA et l'entité qui établit la politique du travail d'IA, un double rôle qui produit des conflits d'intérêts que le cadre actuel ne résout pas.
Ce que la stratégie n'inclut pas, que l'analyse du chapitre suggère importerait :
- Un engagement contraignant à l'égard des vérifications de partialité et de discrimination concernant le déploiement fédéral d'IA dans la mesure où elles ont une incidence sur les décisions en matière d'emploi.
- Consultation obligatoire des travailleurs touchés avant le déploiement fédéral de l'IA.
- Un engagement contraignant à financer la reconversion selon les changements observés dans les tâches, les mises à pied et les obstacles à la formation.
- Organismes sectoriels de planification avec représentation des travailleurs et autorité réelle, établis sous une forme contraignante.
- Un engagement contraignant à limiter l'IA dans la surveillance du lieu de travail et dans les décisions importantes en matière d'emploi (demandes juridiques spécifiques de la CUPE).
- Un engagement contraignant à respecter les exigences en matière de marchés publics, en veillant à ce que les dépenses fédérales d'IA ne subventionnent pas le déplacement de main-d'oeuvre dans les entreprises bénéficiaires.
Au total, IA pour tous comprend des engagements en matière de travail et laisse place à des protections plus solides. Les estimations de l’exposition aident à savoir où regarder. Les données sur les mises à pied, l’évolution des tâches, le retour à l’emploi et la rémunération permettraient de savoir de quelles mesures les travailleurs ont besoin et à quelle échelle.
Là où l'adoption de l'IA est en fait: mines, fermes et forêts
La conversation la plus forte de l'IA concerne les chatbots et les modèles frontaliers. Le plus important déploiement d'IA au Canada est une flotte de camions sans chauffeur. Si vous voulez voir où l'automatisation change réellement le travail au Canada, regardez loin du bureau et vers l'économie des ressources, parce que c'est là que la technologie est passée du projet pilote à la paye, et où la question de main-d'oeuvre est la plus vive.
L'exploitation minière est le cas le plus clair. À sa mine de sables bitumineux de la Base Plant près de Fort McMurray, Suncor déplace maintenant tout son minerai avec des camions de transport autonomes, qui en ont environ 120 d'ici 2025, la plus grande flotte de ce type dans n'importe quel site du monde. Les systèmes embarqués optimisent la conduite pour réduire l'usure et le carburant. Ils ont également réduit les emplois : le programme devrait éliminer de l'ordre de 400 postes nets, rôles d'opérateur qui ont payé environ 200 000 $ par an, que le syndicat Unifor a qualifié de plus grande menace pour ses membres que tout accident de prix du pétrole. C'est la constatation structurelle de ce chapitre dans sa forme la plus physique, un gain d'efficacité réel et un déplacement réel, dans les mêmes camions.
L'agriculture est la forme opposée : beaucoup de promesses, une adoption mince. La stratégie fédérale met l'agriculture de précision au premier plan, et Protéines Industries Canada a investi des millions dans l'IA pour la génomique des cultures et les chaînes d'approvisionnement. Mais dans les exploitations agricoles, le nombre de fermes est faible, environ un quart des fermes canadiennes utilisant un auto-vireur et seulement quelques pour cent utilisant des drones, et la contrainte liée est banale : environ un tiers des ménages ruraux manquent de large bande fiable, et l'agriculture de précision a besoin de données en temps réel. Les outils qui existent se regroupent sur les plus grandes opérations qui peuvent leur permettre, ce qui accélère discrètement la consolidation de l'exploitation.
La foresterie et l'énergie complètent le tableau. Ressources naturelles Canada utilise le LiDAR et l'apprentissage automatique pour établir des inventaires forestiers à une échelle que les enquêtes manuelles n'ont jamais pu réaliser; Imperial Kearl pétrole-sands opération crédits processus-contrôle machine apprentissage avec sortie record, bien que les sources ne séparent jamais proprement la contribution du logiciel des changements opérationnels ordinaires. (La détection des feux de forêt et la prévision du réseau, qui ont été abordées plus tôt, font partie de la même liste.)
Deux mises en garde tiennent ça ensemble. La première est la récurrence: dans presque tous ces cas, «IA» signifie apprentissage automatique, vision informatique et automatisation, pas le genre générateur sur lequel se fixe le débat public, et les projets réellement générateurs dans le secteur sont encore décrits comme exploratoires. Le deuxième est le problème de marketing le reste du livre continue de se rencontrer. Les organismes de réglementation des valeurs mobilières du Canada ont mis en garde les émetteurs contre les créances non fondées sur l'IA, et un dénombrement largement cité a révélé qu'environ 40 % des « startups d'IA » européennes n'utilisaient pas l'intelligence artificielle. Lorsqu'une société de ressources canadienne dit qu'elle est « alimentée par l'IA », la question du gobelin est la même que toujours : comment, par quoi, faire quelle partie, et qui a vérifié? L'adoption ici est la plus réelle du pays. Tout comme l'incitation à la surestimer.
L'essai de fonctionnement
L'édition des travaux du test permanent, compressé. Pour toute demande d'IA-and-jobs, demandez : Échelle (des statistiques sectorielles documentées sur les déplacements et le calme des agrégats peuvent être toutes deux vraies, c'est généralement le cas); direction du salaire et de l'état (un nombre d'emplois qui ne dit pas si le nouveau travail paie moins, surveille plus et ne protège rien a dépassé la question réelle); Source (employeur, projection du gouvernement, bref syndical, examen par les pairs — chacun se penche, et maintenant vous pouvez l'étiqueter vous-même); distribution (les femmes, les travailleurs racialisés et certaines régions et certains secteurs présentent des risques très différents — les agrégats blanchissent cela); d ' urgence ("IA va faire X" signifie presque toujours "IA fera X dans les conditions actuelles de la politique ," et le qualificatif abandonné est là où la politique se cache); et vérification (auto-déclaré par quelqu'un avec de la peau dans le jeu, ou vérifié indépendamment?).
Ce que le travail change vers
CHAPTER RECAP — vous avez maintenant: - Le portrait canadien : l’estimation de l’exposition de Statistique Canada en mai 2021, le bilan de la Banque du Canada en mai 2026 et les signalements du SCFP en milieu de travail. Chacun répond à une question différente. - Acemoglu et Autor offrent deux façons de réfléchir aux effets possibles de l’IA sur l’emploi. Vérifiez les tâches, les travailleurs et les hypothèses que chaque argument prend en compte avant d’appliquer sa conclusion à un milieu de travail précis. - Le mémoire du Sénat du CUPE dans sa propre présentation — cinq recommandations précises, avec l'argument structurel que le déploiement de l'IA est rapide, la réglementation est absente, les dommages sont réels, et la stratégie fédérale s'engage à investir sans protections correspondantes des travailleurs. - Pourquoi l’existence de travail lié à l’IA faiblement rémunéré et les pertes d’emplois signalées ne permettent pas de savoir si les mêmes personnes sont passées de l’un à l’autre, et quels dossiers montreraient où elles ont retrouvé du travail et comment leur rémunération a changé. - Les engagements d’IA pour tous en matière de travail et les données nécessaires pour déterminer l’ampleur de la reconversion et des autres mesures de soutien. - Le test de travail pour évaluer toute demande d'IA et d'emploi : échelle, direction des salaires et des conditions, source, spécificité géographique et démographique, éventualité politique, vérification.
Si un outil cause un préjudice au travail, qui peut changer les règles qui l’encadrent ? Le chapitre 17 suit cette question à travers les ministères, les provinces et les organismes de réglementation sectoriels.
La prochaine fois qu’on vous dit que l’IA crée ou détruit des emplois, demandez comment on les a comptés. Puis demandez quels travailleurs ont été suivis, ce qui est arrivé à leur salaire et à leurs heures, et comment le changement a été relié à l’IA. Un seul chiffre accrocheur a beaucoup de travail à faire avant de répondre à ces questions.
Étiquette de biais du chapitre : synthèse empirique et analytique sur l’IA et le travail. Point de vue de l’auteur : mesurer la rémunération, les conditions et le pouvoir des travailleurs en plus du nombre d’emplois. Statistique Canada fait foi pour ses estimations de l’exposition, la Banque du Canada pour son bilan daté et le SCFP pour ses signalements et recommandations. Les recherches qui suivent les travailleurs permettent de mesurer des résultats que l’indice d’exposition ne mesure pas.
Sources principales citées ou invoquées dans le présent chapitre : Enquête de Statistique Canada sur la technologie numérique et l'utilisation d'Internet, Enquête sur la population active et documents analytiques sur l'IA et le travail (2024-2026); discours de Michelle Alexopoulos à la Banque du Canada (mai 2026); Mémoire du Comité sénatorial des affaires sociales de la CUPE (mars 2026, chercheur principal Sarah Ryan); Daron Acemoglu, « The Simple Macrotics of IA » (document de travail NBER 32487, avril 2024; publié Politique économique 40(121):13–58, 2025); Acemoglu et Johnson, Power and Progress (2023); Acemotglu, Johnson, Autor, « Pouvons-nous avoir un travailleur intérimaire de l'IA? » (avis de politique du CEPR 123, 2023); David Autor, « Apply IA to Rebuild Midd Class Jobs » (Document de travail 32140, 2024 du NBER); Autor et Thompson, « Expertise » (dossier de travail 33941, 2025 du Conseil du Trésor du Canada); Registre IA du Secrétariat; Déclarations publiques du chef des données Stephen Burt (janvier 2026); documentation sur le lancement de la stratégie (juin 2026). Le lobbying par procuration met en péril la souveraineté numérique du Canada » (novembre 2025); Enquête sur l'heure des contrats OpenAI/Sama au Kenya (janvier 2023). Citations détaillées dans l'annexe Sources.
🧌 GOBLIN CHECK — Le taux de chômage peut rester stable pendant la pire année de quelqu’un. Pour savoir où la personne qui faisait le sous-titrage a trouvé du travail, suivez-la. Demandez combien de temps elle a cherché, quel salaire horaire elle a obtenu et combien d’heures le nouvel emploi lui offrait.
Récapitulatif
- Le portrait canadien : l’estimation de l’exposition de Statistique Canada en mai 2021, le bilan de la Banque du Canada en mai 2026 et les signalements du SCFP en milieu de travail. Chacun répond à une question différente.
- Acemoglu et Autor offrent deux façons de réfléchir aux effets possibles de l’IA sur l’emploi. Vérifiez les tâches, les travailleurs et les hypothèses que chaque argument prend en compte avant d’appliquer sa conclusion à un milieu de travail précis.
- Le mémoire du Sénat du CUPE dans sa propre présentation — cinq recommandations précises, avec l'argument structurel que le déploiement de l'IA est rapide, la réglementation est absente, les dommages sont réels, et la stratégie fédérale s'engage à investir sans protections correspondantes des travailleurs.
- Pourquoi l’existence de travail lié à l’IA faiblement rémunéré et les pertes d’emplois signalées ne permettent pas de savoir si les mêmes personnes sont passées de l’un à l’autre, et quels dossiers montreraient où elles ont retrouvé du travail et comment leur rémunération a changé.
- Les engagements d’IA pour tous en matière de travail et les données nécessaires pour déterminer l’ampleur de la reconversion et des autres mesures de soutien.
- Le test de travail pour évaluer toute demande d'IA et d'emploi : échelle, direction des salaires et des conditions, source, spécificité géographique et démographique, éventualité politique, vérification.
Sources
- Statistics Canada Survey of Digital Technology and Internet Use, Labour Force Survey, and analytical papers on AI and employment (2024–2026)
- Michelle Alexopoulos, Bank of Canada speech (May 2026)
- CUPE Senate Social Affairs Committee submission (March 2026, primary researcher Sarah Ryan)
- Daron Acemoglu, "The Simple Macroeconomics of AI" (NBER Working Paper 32487, April 2024
- published Economic Policy 40(121):13–58, 2025)
- Acemoglu and Johnson, Power and Progress (2023)
- Acemoglu, Johnson, Autor, "Can we have pro-worker AI?" (CEPR Policy Insight 123, 2023)
- David Autor, "Applying AI to Rebuild Middle Class Jobs" (NBER Working Paper 32140, 2024)
- Autor and Thompson, "Expertise" (NBER Working Paper 33941, 2025)
- Treasury Board of Canada Secretariat AI Register
- Chief Data Officer Stephen Burt public statements (January 2026)
- AI for All strategy launch documentation (June 2026)
- Policy Options "U.S. Proxy Lobbying Threatens Canada's Digital Sovereignty" (November 2025)
- TIME investigation of OpenAI/Sama contracting in Kenya (January 2023).