Rapports économiques et sociaux
Tendances de l’emploi au Canada à l’ère de l’intelligence artificielle générative : premiers résultats

Résumé

L’intelligence artificielle (IA) a le potentiel de transformer la nature du travail, et sa capacité à remplacer le travail humain demeure une préoccupation centrale. La présente étude met en évidence les tendances récentes du marché du travail, en établissant une distinction entre les emplois potentiellement plus exposés à l’IA et moins complémentaires à celle-ci et les autres emplois. De novembre 2022 — lorsque ChatGPT a été lancé, entraînant la grande disponibilité des applications d’IA générative — à décembre 2025, l’emploi global au Canada a augmenté, indépendamment de l’exposition professionnelle possible à l’IA et de sa complémentarité avec celle-ci. Toutefois, la croissance de l’emploi variait selon les caractéristiques des travailleurs. Les employés plus jeunes et ceux moins scolarisés ont généralement connu une croissance de l’emploi plus faible au cours de cette période. Les professions où la programmation occupe une grande place (p. ex. les ingénieurs en logiciels et les concepteurs Web) ont connu une croissance similaire à celle des autres emplois. Cependant, les hausses observées dans les emplois nécessitant des compétences en programmation étaient concentrées parmi les travailleurs âgés de 30 à 49 ans, tandis que le nombre de professionnels de la programmation de moins de 30 ans stagnait. Du quatrième trimestre de 2022 au troisième trimestre de 2025, les postes vacants potentiellement plus exposés à l’IA et moins complémentaires à l’IA ont diminué à un rythme similaire à celui des postes vacants potentiellement moins exposés à l’IA. Les emplois potentiellement plus exposés à l’IA, quelle que soit leur complémentarité, sont plus susceptibles d’être mieux rémunérés, d’être associés à des régimes de retraite au travail, à temps plein et permanents. Ainsi, les licenciements déclenchés par l’IA pourraient potentiellement entraîner la perte d’emplois de haute qualité. Certains des résultats rendent compte des tendances à long terme antérieures de la disponibilité généralisée de l’IA. Il n’est pas clair si les tendances plus récentes témoignent de l’avènement de l’IA, d’autres facteurs économiques comme les adaptations au marché du travail après la pandémie de COVID-19, de changements démographiques rapides, de tensions commerciales récentes avec les États-Unis ou d’une combinaison de facteurs qui façonnent le paysage économique canadien.

Auteurs

Tahsin Mehdi et Marc Frenette travaillent à la Division de l’analyse économique et sociale et de la modélisation au sein de la Direction des études analytiques et de la modélisation de Statistique Canada.

Remerciements

Les auteurs souhaitent remercier Ryan Macdonald, Ping Ching Winnie Chan, André Bernard et René Morissette (retraité) de Statistique Canada, ainsi que Gabriela Galassi de la Banque du Canada, pour leurs commentaires et suggestions utiles.

Introduction

L’intelligence artificielle (IA) — en particulier l’IA générative — est apparue comme une nouvelle force potentiellement transformative restructurant le marché du travail^Note . Alors que ces outils deviennent de plus en plus intégrés dans différentes parties de l’économie, des questions se posent sur leur incidence possible sur l’emploi, la qualité des emplois et la nature même du travail. Le marché du travail canadien a subi d’importants changements au cours des dernières années en raison de divers facteurs, notamment la pandémie de COVID-19, la croissance démographique alimentée par l’immigration et les tensions commerciales avec les États-Unis qui ont commencé au début de 2025. Par conséquent, isoler l’incidence de l’IA des autres facteurs économiques constitue un défi. Néanmoins, le suivi et la surveillance des tendances du marché du travail dans le contexte des progrès technologiques sont importants pour les décideurs, les employeurs et les travailleurs, alors que le Canada et le reste du monde doivent relever les défis éventuels et tirer parti des possibilités qui pourraient se présenter.

Depuis l’œuvre fondamentale de Frey et Osborne (2013), un nombre croissant de publications portant sur l’incidence possible de la transformation technologique sur le marché du travail a émergé (p. ex. Oschinski et Wyonch, 2017; Nedelkoska et Quintini, 2018; Frenette et Frank, 2020; Felten et coll., 2021; Pizzinelli et coll., 2023; Mehdi et Morissette, 2024; Eloundou et coll., 2024; Kochhar, 2024; Gmyrek et coll., 2025). Contrairement aux vagues précédentes de transformation technologique, telles que l’automatisation, laquelle touche principalement les travailleurs qui effectuent des tâches simples et répétitives, l’IA a le potentiel de transformer les emplois des travailleurs qui accomplissent des tâches complexes et cognitives.

Le pourcentage d’entreprises canadiennes qui ont déclaré utiliser l’IA pour produire des biens ou fournir des services a doublé, pour passer de 6 % durant la période de 2023-2024 à 12 % durant la période de 2024-2025 (Bryan et coll., 2024; Bryan et coll., 2025; Statistique Canada, 2024a, 2024b, 2025a, 2025b). Toutefois, le déploiement de l’IA ne se traduit pas nécessairement par une perte d’emplois. En effet, le pourcentage d’entreprises ayant adopté l’IA qui ont déclaré une réduction de l’emploi en raison de l’IA est resté stable, se situant à environ 6 % au cours des deux périodes. Mais le nombre et les caractéristiques des travailleurs déplacés par l’IA sont inconnus. De plus, ces statistiques rendent compte des changements d’emploi directs au niveau des entreprises et ne tiennent pas compte des effets indirects potentiels de l’adoption de l’IA sur d’autres entreprises ou industries. Bien que cette étude ne tente pas de quantifier les pertes d’emplois causées par l’IA (directes ou indirectes), elle met en évidence les tendances récentes de l’emploi en établissant la distinction entre les professions potentiellement plus exposées à l’IA et moins complémentaires à l’IA par rapport à d’autres professions.

Les technologies de l’IA évoluent rapidement, mais leur incidence économique nette reste ambiguë. Bien que l’IA soit capable de remplacer potentiellement un large éventail de tâches, comme la rédaction, la programmation, la traduction et la génération d’images, elle peut également augmenter les emplois et avoir un effet complémentaire pour certains travailleurs^Note . Mehdi et Morissette (2024) et Mehdi et Frenette (2024) ont estimé que 60 % de la main-d’œuvre canadienne était potentiellement très exposée à la transformation des emplois liée à l’IA, mais l’IA pourrait être en mesure d’augmenter les emplois d’environ la moitié de ces travailleurs, plutôt que de les remplacer. Li et Dobbs (2025) ont appliqué la même méthodologie utilisée par Mehdi et Morissette (2024) et Mehdi et Frenette (2024) aux données des emplois affichés en ligne; ils n’ont trouvé aucune preuve claire de la polarisation des compétences reposant sur l’IA en ce qui a trait à la demande de main-d’œuvre. Oschinski et Walia (2025) ont utilisé une approche fondée sur un grand modèle de langues et ont découvert que l’IA pourrait être plus susceptible de transformer la nature même du travail plutôt que de remplacer le travail humain. Jusqu’à maintenant, aucun travail au Canada n’a fait le suivi de l’état des emplois, qui pourraient potentiellement être plus exposés à la transformation des emplois liée à l’IA. Certaines études américaines montrent que les tendances récentes de l’emploi pour les professions potentiellement plus exposées à la transformation des emplois liée à l’IA ne sont pas si différentes de celles des autres professions (p. ex. Eckhardt et Goldschlag, 2025; Gimbel et coll., 2025; Hampole et coll., 2025; Humlum et Vestergaard, 2025). D’autres études ont relevé une certaine corrélation entre l’essor de l’IA générative et une croissance plus faible de l’emploi pour les jeunes développeurs de logiciels depuis la sortie de ChatGPT en novembre 2022 (p. ex. Brynjolfsson et coll., 2025; Chandar, 2025).

Cependant, il n’est pas clair si de telles tendances peuvent être attribuées uniquement à l’IA. Les postes vacants ont explosé à la fin de 2021 et ont continué d’augmenter en 2022 alors que l’économie se remettait de la pandémie, mais cette demande non satisfaite de compétences a ensuite diminué (Statistique Canada, 2025c). Ainsi, il est difficile de déterminer si les récentes baisses de l’emploi sont le résultat de l’IA, d’un processus d’adaptation du marché du travail postpandémie ou d’une combinaison de facteurs indépendants de ceux-ci. Cela dit, l’adoption et la diffusion de nouvelles technologies se déroulent généralement de manière progressive, et il se peut qu’il soit trop tôt pour détecter les effets à grande échelle de l’IA sur le marché du travail. Quelques années de données postChatGPT doivent donc être interprétées avec prudence, car elles peuvent ne pas être indicatives de tendances à long terme, surtout compte tenu de l’influence concomitante d’autres chocs économiques résultant de changements démographiques rapides en raison d’une immigration accrue et des récentes tensions commerciales avec les États-Unis.

Les estimations présentées dans la présente étude sont en grande partie fondées sur la faisabilité technologique du remplacement des tâches professionnelles. En raison de contraintes financières, légales et institutionnelles, les employeurs ne peuvent pas immédiatement remplacer la main-d’œuvre humaine par l’IA, même si cela est technologiquement faisable. Par conséquent, l’exposition à l’IA ne constitue pas nécessairement un risque de perte d’emploi. À tout le moins, cela pourrait supposer un certain degré de transformation des emplois.

Données et méthodes

La présente étude regroupe des données provenant de l’Enquête sur la population active (EPA) mensuelle pour examiner l’emploi et de l’Enquête trimestrielle sur les postes vacants et les salaires (EPVS) pour examiner la demande de compétences non satisfaite. L’échantillon de l’EPA est limité aux employés (c’est-à-dire aux travailleurs rémunérés) de 15 ans et plus^Note . Les échantillons de l’EPA et de l’EPVS sont limités aux 10 provinces. L’étude permet d’examiner les tendances du marché du travail, en s’appuyant sur plus d’une décennie de données provenant de l’EPA (janvier 2015 à décembre 2025) et de l’EPVS (du premier trimestre de 2015 au troisième trimestre de 2025)^Note .

Il n’existe pas de moyen simple de mesurer les pertes d’emplois liées à la technologie. Par conséquent, les analystes s’appuient souvent sur des évaluations d’experts pour classer les professions selon leur degré d’exposition potentielle à la transformation technologique. En comparant les tendances de l’emploi à travers ces gradients d’exposition, les analystes peuvent obtenir des renseignements sur la manière dont le déploiement de nouvelles technologies, comme l’IA, peut toucher différents segments du marché du travail, même sans données explicites sur la suppression d’emplois causée par la technologie.

À la suite d’études menées aux États-Unis, comme celles de Brynjolfsson et coll. (2025), et de Gimbel et coll. (2025), la présente étude traite des tendances du marché du travail par rapport à novembre 2022, lorsque ChatGPT a été lancé et que les outils d’IA générative ont commencé à se multiplier. Bien que novembre 2022 marque une étape importante pour la disponibilité généralisée de l’IA générative, il est important de reconnaître que des changements professionnels étaient peut-être déjà en cours, car les avancées antérieures en apprentissage automatique et dans les technologies connexes ont probablement commencé à remodeler les processus de travail et les exigences des emplois bien avant cette date. Au Canada, en particulier, l’évolution technologique de l’IA générative à partir de 2022 a également coïncidé avec des changements démographiques rapides, principalement liés à l’augmentation de l’immigration, en particulier la hausse substantielle du nombre d’étudiants internationaux entrant sur le marché du travail. Ainsi, les changements observés sur le marché du travail depuis novembre 2022 peuvent s’expliquer par les effets cumulatifs des récentes avancées en matière d’IA générative, l’influence continue plus large des technologies d’IA précédentes et les changements démographiques rapides.

Deux méthodes différentes ont été utilisées pour regrouper les professions en fonction de l’exposition potentielle à l’IA, notamment 1) l’indice d’exposition professionnelle à l’IA ajusté en fonction de la complémentarité (EPIAC), élaboré par Felten et coll. (2021) et le Fonds monétaire international (Pizzinelli et coll., 2023) et 2) l’isolement des emplois où la programmation occupe une grande place^Note .

L’indice EPIAC est la principale méthode utilisée dans la présente étude. Cette mesure a également été employée par Mehdi et Morissette (2024), Mehdi et Frenette (2024), et Li et Dobbs (2025), entre autres. L’indice EPIAC mesure le degré auquel une profession donnée peut être exposée à l’IA et dans quelle mesure elle pourrait être complémentaire à l’IA.

La quantification de l’exposition potentielle repose sur des évaluations d’experts de la capacité de l’IA à imiter diverses compétences professionnelles humaines, comme la rédaction, le raisonnement, la mémorisation et la force physique, ainsi que sur l’intégration de ces évaluations avec des données sur la prévalence et l’importance de ces compétences dans des milliers d’emplois mesurés par l’Occupational Information Network (O*NET)^Note .

La quantification de la complémentarité potentielle nécessite des données sur le contexte de travail et les compétences provenant d’O*NET. La complémentarité potentielle avec l’IA dépend de la mesure dans laquelle les tâches d’un emploi et le contexte de travail peuvent tirer parti de l’IA en tant qu’outil de soutien, plutôt que d’être directement remplacés par celle-ci. Par exemple, les professions qui nécessitent des compétences avancées en communication, en allocutions publiques ou en interactions nuancées en personne s’appuient souvent sur des forces humaines qui ne peuvent pas être facilement reproduites par l’IA, rendant ces rôles plus susceptibles d’être augmentés, plutôt que remplacés, par les nouvelles technologies. Des modèles similaires s’appliquent aux emplois pour lesquels la responsabilité des résultats, en particulier ceux liés à la santé ou à la sécurité des autres, reste cruciale; ici, la supervision humaine, le jugement et la responsabilité jouent toujours un rôle essentiel même si les systèmes d’IA aident à l’analyse ou aux processus courants. De plus, les professions qui nécessitent de travailler dans des environnements physiques complexes ou à proximité d’autres personnes, ainsi que celles où les conséquences des erreurs sont importantes, tendent à exiger une adaptabilité humaine et une prise de décision en temps réel, limitant ainsi la mesure dans laquelle l’IA peut entièrement remplacer les travailleurs humains. Enfin, les emplois qui sont moins routiniers ou qui nécessitent une préparation considérable et des compétences spécialisées sont plus susceptibles d’exploiter l’IA comme un outil d’augmentation, car l’intégration et l’utilisation de l’IA nécessitent souvent un degré élevé d’expertise et d’adaptabilité. Ainsi, le potentiel de l’IA à compléter plutôt qu’à remplacer les travailleurs varie en fonction du contexte de travail, de la structure des tâches et des exigences en matière de compétences d’une profession à l’autre. Voir Felten et coll. (2021) et Pizzinelli et coll. (2023) pour obtenir toutes les précisions sur le calcul de la mesure de l’EPIAC.

L’indice d’EPIAC peut regrouper les emplois en trois catégories distinctes en fonction de la position des scores d’exposition professionnelle potentielle et de complémentarité par rapport à la médiane des scores de toutes les professions : 1) forte exposition et faible complémentarité (FEFC); 2) forte exposition et grande complémentarité (FEGC); 3) faible exposition (FE). Ainsi, ces classements potentiels d’exposition professionnelle et de complémentarité sont relatifs et non absolus. C’est-à-dire qu’un emploi est seulement plus ou moins potentiellement exposé à l’IA ou complémentaire à celle-ci par rapport au score médian des professions.

Les emplois à FEFC — qui comprennent une combinaison de niveaux de compétence allant des vendeurs au détail, des commis à la saisie de données et d’autres travailleurs de soutien administratif aux ingénieurs en logiciels, aux économistes, aux comptables et aux vérificateurs financiers — concernent des tâches qui peuvent être plus susceptibles d’être remplacées par l’IA. Toutefois, il existe une grande incertitude quant à la mesure dans laquelle l’IA peut réellement remplacer le travail humain. Par exemple, bien qu’ils soient considérés comme très exposés à l’IA et moins complémentaires à celle-ci, les ingénieurs en logiciels et les emplois adjacents sont essentiels pour maintenir et améliorer l’infrastructure future de l’IA. Les emplois à FEGC — qui comprennent des professions comme les médecins, les infirmières, les enseignants et les ingénieurs — se caractérisent par des exigences de formation avancées et des tâches que l’IA pourrait être plus susceptible d’augmenter plutôt que de se substituer au travail humain^Note . Les emplois à FE — qui comprennent une large gamme de professions allant des métiers spécialisés, des caissiers, des barmans, des chefs cuisiniers aux premiers intervenants — sont potentiellement les moins exposés à l’IA, mais ils pourraient devoir affronter un risque relativement plus élevé de transformation des emplois liée à l’automatisation^Note . Ainsi, il est important de reconnaître que les tendances récentes du marché du travail peuvent ne pas toujours montrer de fortes différences dans les résultats entre les emplois à FEFC et à FE, étant donné que les deux groupes peuvent être vulnérables à la transformation technologique, que ce soit au moyen de l’IA ou de l’automatisation. De plus, les changements dans l’emploi peuvent s’expliquer non seulement par la suppression d’emplois, mais aussi par l’expansion ou la création de professions. En fin de compte, l’incidence des technologies émergentes sur différents groupes professionnels est complexe et à facettes multiples, et s’accompagne d’une possibilité de perte d’emplois et de création d’emplois, selon le contexte particulier. Cela donne à penser que les effets de la transformation technologique sur la suppression des emplois peuvent ne pas être uniformes ou uniquement limités aux professions les plus exposées.

Les méthodes utilisées dans la présente étude reposent sur des évaluations d’experts concernant la capacité actuelle de l’IA à effectuer des tâches professionnelles. La pertinence de ces mesures peut donc diminuer au fur et à mesure que les technologies de l’IA s’améliorent. De plus, les mesures ne tiennent compte que de l’incidence potentielle directe de l’IA. Elles ne tiennent pas compte des effets de débordement tels que la création de nouveaux emplois, comme cela a été le cas pour les innovations technologiques précédentes (p. ex. l’invention de l’ordinateur personnel a entraîné des pertes d’emplois, mais aussi la création d’emplois). Il est important de mentionner que, comme pour toute mesure de transformation technologique, qu’elle soit liée à l’IA ou à des vagues d’automatisation antérieures, les évaluations d’experts conservent un élément de subjectivité. Néanmoins, elles fournissent des indications précieuses et systématiques sur la façon dont différentes professions peuvent interagir avec les technologies émergentes.

L’emploi en général a augmenté, indépendamment de l’exposition professionnelle potentielle à l’intelligence artificielle et de la complémentarité avec celle-ci, de novembre 2022 à décembre 2025

Indépendamment de l’exposition professionnelle potentielle et du degré de complémentarité avec l’IA, l’emploi en général a augmenté à des taux similaires de novembre 2022 à décembre 2025 (graphique 1). Il n’y a pas de données probantes claires indiquant une baisse persistante des emplois à FEFC pour les hommes ou les femmes au cours de cette période. L’emploi des hommes dans les emplois à FEFC était plus élevé d’environ 10 % en décembre 2025, comparativement à novembre 2022. Pour les femmes, c’était environ 5 % plus élevé. Ces taux de croissance n’étaient pas significativement différents de ceux observés pour les emplois à FEGC et à FE, et les différences entre les genres au sein des groupes EPIAC respectifs ne l’étaient pas non plus. Toutefois, à long terme, la croissance de l’emploi dans les emplois à FEFC et à FEGC a dépassé la croissance des emplois à FE au cours de la dernière décennie pour les hommes et les femmes^Note .

La croissance de l’emploi a été relativement faible pour les jeunes employés et les employés moins scolarisés de novembre 2022 à décembre 2025, indépendamment de l’exposition professionnelle potentielle à l’intelligence artificielle générative et de la complémentarité avec celle-ci

Bien que l’incidence immédiate de l’IA générative sur l’emploi global ne soit pas encore détectable à grande échelle, on s’inquiète de plus en plus du fait qu’elle pourrait remplacer certains groupes de travailleurs, comme ceux occupant des postes de premier échelon. Le graphique 2 illustre ce problème en établissant une comparaison entre la croissance de l’emploi chez les employés de 15 à 29 ans et celle chez des employés de 30 à 49 ans dans les trois groupes d’EPIAC^Note . Il peut être difficile de comparer la croissance de l’emploi entre les groupes d’âge compte tenu des changements démographiques rapides observés au Canada ces dernières années, causés par l’augmentation de l’immigration à partir de 2022, en particulier la hausse substantielle du nombre d’étudiants internationaux entrant sur le marché du travail. Toutefois, de 2022 à 2025, les taux de croissance annuelle de la population des 15 à 29 ans (9 %) et des 30 à 49 ans (11 %) étaient similaires, ce qui a contribué à garantir que les comparaisons observées dans la croissance de l’emploi entre ces groupes d’âge n’étaient pas invalidées par des changements de population inégaux (Statistique Canada, 2025d). Le panneau (a) montre que l’emploi chez les employés de 15 à 29 ans en décembre 2025 était plus élevé d’environ 5 %, comparativement à novembre 2022. De plus, les différences entre la croissance des emplois à FEFC et la croissance des emplois à FEGC et à FE de novembre 2022 à décembre 2025 n’étaient pas statistiquement significatives. La croissance de l’emploi pour les jeunes employés dans les groupes EPIAC était généralement stagnante par rapport à leurs homologues plus âgés, qui ont connu une croissance plus robuste. L’emploi pour les personnes de 30 à 49 ans a progressivement augmenté dans les trois groupes d’EPIAC au cours de cette période. D’ici décembre 2025, l’emploi parmi les employés de 30 à 49 ans sera supérieur de 10 % à celui de novembre 2022. Comme c’était le cas pour les employés plus jeunes, les différences de taux de croissance entre les trois groupes d’EPIAC n’étaient pas statistiquement significatives chez les employés plus âgés.

Bien que les travailleurs hautement qualifiés aient été en grande partie épargnés par les vagues précédentes de transformation technologique, comme l’automatisation, on s’inquiète de plus en plus du fait que même les emplois hautement qualifiés pourraient être touchés ou transformés d’une manière ou d’une autre à l’ère de l’IA générative. Les tendances de croissance de l’emploi chez les trois groupes d’EPIAC variaient considérablement selon le niveau de scolarité (graphique 3). Les employés titulaires d’un baccalauréat ou d’un grade supérieur ont connu la croissance la plus robuste de novembre 2022 à décembre 2025. Indépendamment de l’exposition professionnelle potentielle et de la complémentarité avec l’IA, ils ont enregistré des hausses d’emploi de 10 % à 20 % au cours de cette période^Note . Les employés dont le plus haut niveau de scolarité était un certificat ou un diplôme d’une école de métiers ont connu des hausses d’emploi de 10 % dans les emplois à FE et de 20 % dans les emplois à FEGC, mais aucune croissance dans les emplois à FEFC. Le manque de croissance des emplois dans le secteur des FEFC n’est pas étonnant étant donné que les métiers spécialisés sont en grande partie concentrés dans le groupe à FE. En revanche, il y avait peu ou pas de croissance de l’emploi, peu importe l’exposition professionnelle potentielle à l’IA et la complémentarité avec celle-ci, pour les employés ayant un diplôme d’études secondaires ou un niveau de scolarité inférieur ou ayant un titre scolaire de niveau postsecondaire inférieur au baccalauréat ou ayant poursuivi des études postsecondaires partielles (incomplètes). Les différences de taux de croissance entre les emplois à FEGC, à FEFC et à FE au sein des catégories de niveau de scolarité n’étaient pas statistiquement significatives. Certaines des tendances divergentes de croissance de l’emploi selon les niveaux de scolarité peuvent être expliquées par des différences dans la composition des professions. Par exemple, les employés moins scolarisés étaient plus susceptibles d’être employés dans les services de vente au détail, la saisie de données et d’autres emplois de bureau. Les emplois de saisie de données et de bureau ont généralement diminué au fil du temps. Les employés hautement qualifiés étaient plus susceptibles d’être employés dans des professions liées à la technologie numérique, qui représentaient une proportion croissante des professions.

Tableau de données du graphique 1

Tableau de données du graphique 1
Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 1 Hommes+, Femmes+, Forte exposition et grande complémentarité, Faible exposition et faible complémentarité, Faible exposition, Forte exposition et grande complémentarité, Faible exposition et faible complémentarité et Faible exposition, calculées selon indice unités de mesure (figurant comme en-tête de colonne).

	Hommes+			Femmes+
	Forte exposition et grande complémentarité	Faible exposition et faible complémentarité	Faible exposition	Forte exposition et grande complémentarité	Faible exposition et faible complémentarité	Faible exposition
	indice
Notes : La ligne verticales en pointillés délimite le début de la disponibilité généralisée de ChatGPT en Novembre 2022. La ligne horizontale solide délimite la ligne de base de l’indice de croissance de l’emploi. Tout point au-dessus de la ligne indique un niveau d’emploi plus élevé par rapport à celui observé en novembre 2022, et tout point en dessous de la ligne indique un niveau d’emploi plus bas. L’emploi fait référence à l’emploi principal des employés de 15 ans et plus. Étant donné la petite taille de la population non binaire, il est parfois nécessaire d’agréger les données dans une variable sur le genre à deux catégories pour protéger la confidentialité des réponses. Les personnes comprises dans la catégorie « personnes non binaires » sont réparties dans les deux autres catégories de genre et sont désignées par le signe « + » dans les tableaux publiés et les microdonnées. La catégorie « hommes+ » comprend les hommes, les garçons et certaines personnes non binaires, tandis que la catégorie « femmes+ » comprend les femmes, les filles et certaines personnes non binaires. Pour faciliter la communication, le texte fait simplement référence aux hommes et aux femmes. La croissance de l’emploi est exprimée par rapport au niveau observé en novembre 2022. Par exemple, un indice de 110 indiquerait une croissance de 10 % (110 moins 100) de l’emploi par rapport au niveau de novembre 2022, et un indice de 90 indiquerait que l’emploi était plus bas de 10 % (90 moins 100) par rapport au niveau de novembre 2022. L’emploi a été désagrégé en fonction de l’indice d’exposition professionnelle à l’intelligence artificielle ajusté en fonction de la complémentarité (EPIAC), élaboré par Felten et coll. (2021) et Pizzinelli et coll. (2023). Une profession présente un risque potentiellement élevé si son indice d'EPIA dépasse la médiane de l'EPIA pour l’ensemble des professions; sinon, elle est considérée comme ayant une faible exposition. De même, une profession est considérée comme ayant potentiellement une grande complémentarité si son paramètre de complémentarité dépasse la médiane de la complémentarité de toutes les professions; sinon, elle est considérée comme ayant une faible complémentarité. Sources : Statistique Canada, Enquête sur la population active, de janvier 2015 à décembre 2025; Occupational Information Network.
2015
janvier	76,7	78,9	96,5	79,3	88,4	98,5
février	77,4	78,7	96,3	79,7	88,3	98,1
mars	78,9	77,3	96,1	79,8	87,7	99,2
avril	79,1	77,0	96,3	79,7	87,6	99,5
mai	79,2	78,0	95,9	80,2	86,9	98,9
juin	79,8	78,7	96,3	81,9	86,7	98,4
juillet	80,1	79,3	95,8	81,8	87,3	98,1
août	82,4	78,5	95,6	82,0	87,3	97,9
septembre	82,5	79,1	95,2	82,1	87,6	97,1
octobre	82,8	79,5	94,9	80,6	89,1	96,6
novembre	82,3	78,2	94,8	82,3	88,0	96,7
décembre	81,8	79,6	94,2	81,6	87,9	96,9
2016
janvier	81,7	79,3	94,2	81,1	87,9	99,0
février	81,2	80,0	94,3	80,7	88,2	98,4
mars	81,0	81,3	93,7	80,7	88,7	98,4
avril	81,5	81,7	93,3	81,4	88,7	98,5
mai	82,1	81,5	93,7	81,1	89,2	98,5
juin	82,3	80,2	93,7	81,6	88,9	98,7
juillet	82,2	80,9	93,4	81,1	88,3	100,1
août	81,6	81,0	94,5	81,7	89,9	97,9
septembre	81,2	80,9	95,2	81,5	90,1	98,4
octobre	80,6	80,4	95,5	81,8	90,3	98,6
novembre	80,0	81,8	96,0	81,2	90,8	98,8
décembre	81,0	81,6	96,4	81,3	90,9	98,9
2017
janvier	81,9	80,6	96,8	81,6	93,0	98,7
février	82,3	80,7	97,1	82,1	90,8	99,4
mars	83,6	80,4	97,4	82,3	91,1	99,0
avril	82,2	80,7	98,1	82,3	90,6	99,5
mai	81,4	81,4	98,3	83,1	90,7	100,4
juin	82,0	82,5	98,1	82,3	91,5	100,8
juillet	82,7	81,8	98,0	83,1	92,2	100,7
août	82,9	83,9	97,6	83,1	90,4	100,6
septembre	82,9	84,0	97,3	83,3	90,3	101,2
octobre	83,2	85,1	96,4	82,9	90,3	102,0
novembre	85,3	82,3	98,2	83,5	90,1	101,6
décembre	85,7	83,4	98,3	83,9	90,3	102,0
2018
janvier	85,4	85,1	97,2	84,0	90,4	101,5
février	85,6	84,2	97,4	83,3	90,6	101,1
mars	85,2	85,2	97,9	84,6	90,7	101,4
avril	84,8	84,7	98,1	84,7	91,3	100,9
mai	84,9	84,1	98,3	85,0	91,6	101,4
juin	84,0	85,3	99,0	84,3	92,6	101,7
juillet	82,3	87,3	99,4	83,7	93,1	103,7
août	83,1	84,5	99,8	82,1	93,6	103,2
septembre	83,4	84,3	100,4	82,5	93,1	102,8
octobre	83,6	82,7	100,5	83,3	92,5	103,9
novembre	83,4	85,1	100,5	83,7	92,7	104,5
décembre	83,5	85,2	101,0	85,1	91,4	103,4
2019
janvier	84,5	85,6	100,9	85,7	92,1	104,5
février	84,2	87,2	99,9	86,0	92,8	104,7
mars	85,1	87,3	100,3	85,7	92,7	103,4
avril	86,4	88,6	100,2	86,1	93,6	106,3
mai	87,6	88,9	100,3	86,0	94,2	106,1
juin	88,0	89,0	100,1	86,9	94,1	105,5
juillet	87,5	89,5	100,2	87,5	93,1	104,8
août	87,2	89,9	100,2	88,1	93,4	105,1
septembre	87,2	89,7	99,8	88,4	92,9	104,2
octobre	86,2	89,9	99,7	88,9	93,9	102,8
novembre	86,3	90,0	99,3	88,8	94,0	102,2
décembre	86,0	91,3	99,5	87,2	95,1	103,6
2020
janvier	85,6	91,3	99,9	87,2	95,6	103,4
février	86,6	91,2	100,5	86,7	95,1	103,6
mars	84,8	89,5	92,6	82,5	90,1	87,5
avril	81,3	80,8	75,8	77,6	80,6	72,6
mai	83,4	83,1	79,1	79,3	81,0	74,5
juin	83,7	89,8	88,3	83,3	86,9	84,1
juillet	86,2	88,6	89,5	85,9	90,0	86,2
août	88,3	90,8	90,9	85,9	92,2	88,1
septembre	87,7	94,7	93,6	87,0	94,4	89,9
octobre	88,1	94,6	92,9	87,8	94,5	92,3
novembre	87,2	95,5	93,7	88,0	96,3	91,2
décembre	87,8	95,8	93,2	89,1	94,5	90,8
2021
janvier	87,6	93,6	93,6	87,3	92,8	88,1
février	87,7	96,3	94,3	89,3	94,6	91,2
mars	87,6	98,1	95,5	91,3	95,8	92,1
avril	90,2	97,9	92,7	90,5	95,2	92,7
mai	88,6	99,5	92,5	89,1	95,7	91,9
juin	89,5	99,8	95,7	91,5	96,7	95,4
juillet	90,7	101,3	93,9	92,1	97,5	95,2
août	91,8	102,4	93,9	94,0	96,4	96,1
septembre	93,0	103,3	93,9	93,3	99,2	95,0
octobre	93,6	102,7	94,3	92,7	98,9	97,9
novembre	95,0	102,2	95,3	93,5	99,4	99,5
décembre	96,8	101,6	96,0	93,7	99,5	100,0
2022
janvier	97,0	101,0	94,7	94,2	99,2	94,6
février	97,1	101,3	97,1	95,3	100,0	100,7
mars	97,6	99,2	98,4	96,7	99,2	100,5
avril	96,5	101,7	98,8	98,5	99,0	101,2
mai	98,2	101,7	98,6	99,8	100,9	100,3
juin	97,5	102,2	99,1	101,3	100,6	98,6
juillet	96,8	101,6	99,5	99,4	100,4	99,7
août	98,6	102,6	98,7	99,7	100,2	98,9
septembre	98,5	100,2	99,4	98,1	99,4	99,8
octobre	99,9	99,8	99,9	100,3	99,2	100,0
novembre	100,0	100,0	100,0	100,0	100,0	100,0
décembre	98,9	101,3	100,7	99,7	100,0	101,3
2023
janvier	98,7	102,1	102,4	100,2	101,2	102,3
février	100,0	101,9	101,8	100,4	101,2	103,7
mars	101,4	102,2	101,5	100,6	102,3	102,7
avril	103,0	102,2	100,9	100,7	103,5	102,0
mai	103,9	102,2	102,1	102,5	103,1	101,7
juin	105,3	104,9	101,6	101,8	103,1	102,2
juillet	106,3	101,4	102,5	101,9	104,5	101,1
août	105,3	101,3	103,2	102,4	103,9	102,0
septembre	105,2	101,0	103,3	103,1	103,0	101,4
octobre	104,1	103,4	103,3	104,4	101,5	102,6
novembre	103,5	104,3	103,8	105,4	102,3	101,5
décembre	105,0	102,9	104,0	106,6	101,8	101,5
2024
janvier	106,7	104,8	103,2	107,5	101,3	102,0
février	107,1	105,5	102,7	108,4	101,7	101,3
mars	107,7	105,7	102,3	108,4	101,9	101,6
avril	107,6	105,8	104,1	108,5	101,6	101,9
mai	109,0	105,2	103,9	107,8	100,5	105,1
juin	106,6	106,0	104,7	107,0	100,7	104,9
juillet	105,6	107,2	104,6	109,4	100,0	104,1
août	105,2	106,3	105,8	109,8	101,1	103,3
septembre	104,0	107,5	105,6	109,2	102,7	102,2
octobre	105,1	106,2	105,9	108,1	103,2	101,6
novembre	105,6	107,2	105,2	107,6	104,0	102,3
décembre	105,7	108,8	105,3	108,3	105,0	100,7
2025
janvier	104,9	108,5	106,5	108,0	105,1	101,6
février	106,3	109,0	106,4	108,0	103,9	102,8
mars	104,3	108,8	106,5	107,8	104,3	102,8
avril	103,0	110,0	106,9	107,6	104,9	102,3
mai	104,2	111,3	106,3	108,2	105,7	102,0
juin	104,4	111,6	107,1	108,7	106,0	101,9
juillet	105,9	111,0	105,5	108,7	105,3	102,5
août	106,6	112,2	104,4	109,2	105,5	101,8
septembre	107,0	112,4	104,7	108,4	105,0	102,8
octobre	108,1	113,0	104,6	110,6	105,1	101,5
novembre	108,0	113,0	105,2	111,6	103,8	103,6
décembre	108,0	112,5	105,4	111,1	103,7	104,0

Tableau de données du graphique 2

Tableau de données du graphique 2
Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 2 Employés âgés de 15 à 29 ans, Employés âgés de 30 à 49 ans, Forte exposition et grande complémentarité, Faible exposition et faible complémentarité, Faible exposition, Forte exposition et grande complémentarité, Faible exposition et faible complémentarité et Faible exposition, calculées selon indice unités de mesure (figurant comme en-tête de colonne).

	Employés âgés de 15 à 29 ans			Employés âgés de 30 à 49 ans
	Forte exposition et grande complémentarité	Faible exposition et faible complémentarité	Faible exposition	Forte exposition et grande complémentarité	Faible exposition et faible complémentarité	Faible exposition
	indice
Notes : La ligne verticales en pointillés délimite le début de la disponibilité généralisée de ChatGPT en Novembre 2022. La ligne horizontale solide délimite la ligne de base de l’indice de croissance de l’emploi. Tout point au-dessus de la ligne indique un niveau d’emploi plus élevé par rapport à celui observé en novembre 2022, et tout point en dessous de la ligne indique un niveau d’emploi plus bas. L’emploi fait référence à l’emploi principal des employés. La croissance de l’emploi est exprimée par rapport au niveau observé en novembre 2022. Par exemple, un indice de 110 indiquerait une croissance de 10 % (110 moins 100) de l’emploi par rapport au niveau de novembre 2022, et un indice de 90 indiquerait que l’emploi était plus bas de 10 % (90 moins 100) par rapport au niveau de novembre 2022. L’emploi a été désagrégé en fonction de l’indice d’exposition professionnelle à l’intelligence artificielle ajusté en fonction de la complémentarité (EPIAC), élaboré par Felten et coll. (2021) et Pizzinelli et coll. (2023). Une profession présente un risque potentiellement élevé si son indice d'EPIA dépasse la médiane de l'EPIA pour l’ensemble des professions; sinon, elle est considérée comme ayant une faible exposition. De même, une profession est considérée comme ayant potentiellement une grande complémentarité si son paramètre de complémentarité dépasse la médiane de la complémentarité de toutes les professions; sinon, elle est considérée comme ayant une faible complémentarité. Sources : Statistique Canada, Enquête sur la population active, de janvier 2015 à décembre 2025; Occupational Information Network.
2015
janvier	80,1	82,2	97,2	76,2	83,2	99,7
février	81,5	82,8	97,0	76,1	84,6	98,8
mars	82,1	82,2	96,8	76,4	82,6	99,2
avril	82,0	81,0	97,4	76,6	83,2	98,5
mai	82,3	82,5	97,1	77,4	82,7	98,0
juin	84,1	82,0	96,7	78,2	82,7	97,8
juillet	88,5	82,1	96,6	77,9	84,3	97,3
août	88,8	82,8	96,4	79,1	82,2	97,3
septembre	86,0	82,9	96,1	79,8	82,9	96,9
octobre	85,8	83,2	95,2	79,7	83,1	96,6
novembre	86,3	81,6	94,6	79,6	82,8	97,2
décembre	83,8	82,5	94,8	79,8	83,6	96,6
2016
janvier	83,3	79,2	97,0	79,5	83,2	96,1
février	80,5	83,7	95,4	79,3	83,6	95,8
mars	81,9	85,1	95,0	79,5	83,3	95,4
avril	83,8	85,3	95,4	79,2	83,0	95,6
mai	86,8	84,9	94,3	79,5	83,7	96,0
juin	84,0	84,5	95,0	79,6	81,7	97,2
juillet	83,8	82,8	95,6	80,0	83,7	96,3
août	82,4	84,4	96,2	80,1	84,5	95,5
septembre	83,2	85,6	96,5	79,3	83,7	97,0
octobre	83,3	86,0	96,1	79,4	82,3	98,6
novembre	82,0	87,1	96,9	78,2	85,0	97,3
décembre	83,4	88,0	96,2	79,3	84,7	97,1
2017
janvier	84,3	87,5	96,9	79,8	85,4	97,8
février	84,6	86,8	97,2	80,6	84,8	98,2
mars	85,6	85,9	97,8	80,8	85,9	98,1
avril	85,0	86,5	97,3	81,0	85,5	98,6
mai	85,2	86,8	99,1	80,7	85,2	99,1
juin	84,2	87,7	98,8	79,6	85,4	99,1
juillet	83,9	88,8	98,7	81,1	85,0	99,1
août	84,6	89,0	97,7	80,3	86,0	97,4
septembre	84,2	89,1	98,3	80,1	85,7	97,4
octobre	85,3	88,8	99,2	80,4	85,8	97,7
novembre	87,7	85,9	101,7	81,9	85,2	97,2
décembre	88,5	88,3	99,9	82,5	84,6	98,6
2018
janvier	88,2	89,7	98,5	81,0	84,3	98,6
février	87,7	88,7	98,7	80,5	84,3	99,0
mars	89,9	89,7	98,3	80,3	85,0	100,3
avril	88,2	90,4	98,9	80,8	85,7	98,9
mai	87,6	92,0	99,1	82,7	85,7	98,9
juin	88,4	93,0	99,9	81,0	86,9	99,3
juillet	90,7	92,4	102,7	80,4	88,2	99,6
août	87,8	92,3	101,1	80,4	87,7	101,0
septembre	85,9	90,5	101,7	81,0	88,0	101,2
octobre	86,9	88,1	101,9	80,8	87,2	101,6
novembre	85,7	91,3	101,6	80,8	87,2	102,5
décembre	86,4	89,5	101,5	81,6	87,8	101,9
2019
janvier	87,8	91,8	101,2	83,6	87,5	101,9
février	88,7	94,0	100,4	83,2	88,0	100,9
mars	86,2	94,6	99,2	83,2	87,2	102,1
avril	91,0	95,7	101,3	83,9	87,5	103,0
mai	93,8	93,7	102,3	83,4	89,4	102,6
juin	95,0	93,5	101,2	84,3	88,8	102,4
juillet	95,5	94,4	100,1	84,5	87,8	103,1
août	95,4	95,1	100,0	84,2	87,5	103,1
septembre	96,8	93,3	98,7	84,6	87,4	102,9
octobre	94,0	93,4	98,4	85,5	88,1	101,4
novembre	94,2	94,5	98,3	85,8	88,3	101,1
décembre	92,9	97,3	98,8	85,7	89,7	100,9
2020
janvier	92,0	93,9	100,0	85,2	91,0	101,1
février	93,7	93,7	100,2	83,9	91,3	101,4
mars	84,7	85,9	83,8	81,9	91,4	92,8
avril	78,1	70,3	67,3	76,8	85,1	77,2
mai	78,8	70,0	68,8	78,4	86,2	80,6
juin	84,4	79,5	81,1	79,8	90,6	90,1
juillet	85,4	84,4	85,0	84,6	90,3	90,3
août	85,7	87,8	86,9	85,0	92,4	91,5
septembre	88,1	90,9	91,3	85,8	96,0	92,7
octobre	88,9	91,8	89,3	87,0	95,0	94,5
novembre	89,0	91,4	89,2	85,5	95,8	95,1
décembre	89,1	92,4	86,3	88,7	94,9	94,5
2021
janvier	87,8	87,1	84,9	86,2	95,9	93,9
février	86,4	89,6	89,2	87,5	97,2	92,8
mars	87,9	96,7	89,3	88,5	97,8	94,5
avril	92,8	91,8	89,0	88,5	98,3	92,4
mai	88,4	92,6	88,2	87,4	99,5	91,4
juin	91,1	95,5	94,5	88,4	98,3	94,8
juillet	92,2	97,1	94,8	89,8	98,6	94,2
août	95,2	98,3	94,8	90,5	96,9	94,2
septembre	96,0	100,8	94,7	90,6	98,7	94,6
octobre	90,5	101,8	95,0	91,3	99,6	94,5
novembre	92,2	100,2	98,4	91,9	100,4	94,9
décembre	100,4	99,6	97,0	92,7	100,4	98,0
2022
janvier	99,6	99,8	90,7	92,2	99,9	96,7
février	98,7	100,7	97,6	94,1	99,3	98,5
mars	100,6	98,6	99,0	95,2	99,5	98,2
avril	101,9	98,4	99,8	95,7	100,0	99,4
mai	107,9	101,4	98,6	96,6	99,6	99,5
juin	104,4	99,9	99,4	97,5	102,2	98,5
juillet	101,9	98,9	100,2	97,5	102,2	99,2
août	100,1	101,3	98,6	98,6	102,1	97,2
septembre	95,6	95,5	99,8	99,0	102,0	98,9
octobre	100,5	98,2	99,1	101,5	100,2	99,9
novembre	100,0	100,0	100,0	100,0	100,0	100,0
décembre	99,8	100,3	102,6	99,3	101,3	100,4
2023
janvier	99,7	102,2	101,5	99,2	102,7	104,1
février	101,6	102,9	100,8	99,8	99,5	102,5
mars	99,3	104,4	100,9	100,1	101,3	102,0
avril	99,3	104,1	100,5	100,6	102,3	101,2
mai	101,5	100,1	102,1	102,3	102,7	101,6
juin	101,4	103,5	101,1	103,2	102,1	101,5
juillet	104,1	102,7	101,7	103,6	102,8	101,9
août	104,3	100,2	104,0	103,7	103,6	102,0
septembre	105,2	99,0	103,7	104,4	103,5	102,7
octobre	106,4	98,2	104,1	104,3	104,8	102,7
novembre	106,2	99,1	103,8	104,8	105,1	103,3
décembre	107,2	100,3	103,8	106,0	103,9	105,1
2024
janvier	108,2	100,9	102,5	107,2	103,6	103,3
février	107,3	100,8	103,7	107,4	104,4	100,7
mars	109,8	100,2	103,2	108,1	104,7	102,7
avril	110,0	101,0	104,4	108,4	104,6	104,3
mai	108,5	100,7	105,5	107,7	103,3	104,4
juin	104,3	99,7	106,3	107,2	103,7	105,4
juillet	109,5	101,9	105,4	107,1	104,7	105,5
août	107,9	101,7	105,3	107,4	105,1	106,7
septembre	106,7	103,6	105,1	106,9	105,8	106,3
octobre	105,3	104,4	105,2	107,1	105,0	106,5
novembre	107,9	103,8	104,5	107,0	107,0	106,9
décembre	105,9	107,4	104,5	107,3	108,4	107,4
2025
janvier	105,9	103,0	106,0	107,7	109,6	108,3
février	111,2	103,1	105,7	107,3	109,1	109,0
mars	107,2	103,1	105,9	106,6	109,9	110,3
avril	106,1	104,8	105,7	106,7	109,3	109,9
mai	106,3	104,7	105,0	107,1	111,7	108,0
juin	106,3	104,7	105,4	107,8	112,6	109,2
juillet	106,1	102,4	105,7	108,3	111,5	108,9
août	108,8	103,8	102,8	108,5	112,3	107,8
septembre	108,3	102,7	105,0	109,3	113,1	107,9
octobre	111,5	102,9	103,4	109,9	113,2	107,8
novembre	111,3	102,4	107,7	111,0	112,2	107,8
décembre	112,5	100,0	108,0	110,2	112,9	107,2

Tableau de données du graphique 3

Tableau de données du graphique 3
Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 3 Employés dont le plus haut niveau de scolarité était un baccalauréat ou un grade supérieur, Les employés dont le plus haut niveau de scolarité était un titre scolaire de niveau postsecondaire inférieur au baccalauréat ou des études postsecondaires partielles (incomplètes), Les employés dont le plus haut niveau de scolarité était un certificat ou un diplôme d’une école de métiers, Employés dont le niveau de scolarité le plus élevé était un diplôme d’études secondaires ou un niveau de scolarité inférieur, Forte exposition et grande complémentarité, Faible exposition et faible complémentarité, Faible exposition, Forte exposition et grande complémentarité, Faible exposition et faible complémentarité, Faible exposition, Forte exposition et grande complémentarité, Faible exposition et faible complémentarité, Faible exposition, Forte exposition et grande complémentarité, Faible exposition et faible complémentarité et Faible exposition, calculées selon indice unités de mesure (figurant comme en-tête de colonne).

	Employés dont le plus haut niveau de scolarité était un baccalauréat ou un grade supérieur			Les employés dont le plus haut niveau de scolarité était un titre scolaire de niveau postsecondaire inférieur au baccalauréat ou des études postsecondaires partielles (incomplètes)			Les employés dont le plus haut niveau de scolarité était un certificat ou un diplôme d’une école de métiers			Employés dont le niveau de scolarité le plus élevé était un diplôme d’études secondaires ou un niveau de scolarité inférieur
	Forte exposition et grande complémentarité	Faible exposition et faible complémentarité	Faible exposition	Forte exposition et grande complémentarité	Faible exposition et faible complémentarité	Faible exposition	Forte exposition et grande complémentarité	Faible exposition et faible complémentarité	Faible exposition	Forte exposition et grande complémentarité	Faible exposition et faible complémentarité	Faible exposition
	indice
Notes : La ligne verticales en pointillés délimite le début de la disponibilité généralisée de ChatGPT en Novembre 2022. La ligne horizontale solide délimite la ligne de base de l’indice de croissance de l’emploi. Tout point au-dessus de la ligne indique un niveau d’emploi plus élevé par rapport à celui observé en novembre 2022, et tout point en dessous de la ligne indique un niveau d’emploi plus bas. L’emploi fait référence à l’emploi principal des employés de 15 ans et plus. La croissance de l’emploi est exprimée par rapport au niveau observé en novembre 2022. Par exemple, un indice de 110 indiquerait une croissance de 10 % (110 moins 100) de l’emploi par rapport au niveau de novembre 2022, et un indice de 90 indiquerait que l’emploi était plus bas de 10 % (90 moins 100) par rapport au niveau de novembre 2022. L’emploi a été désagrégé en fonction de l’indice d’exposition professionnelle à l’intelligence artificielle ajusté en fonction de la complémentarité (EPIAC), élaboré par Felten et coll. (2021) et Pizzinelli et coll. (2023). Une profession présente un risque potentiellement élevé si son indice d'EPIA dépasse la médiane de l'EPIA pour l’ensemble des professions; sinon, elle est considérée comme ayant une faible exposition. De même, une profession est considérée comme ayant potentiellement une grande complémentarité si son paramètre de complémentarité dépasse la médiane de la complémentarité de toutes les professions; sinon, elle est considérée comme ayant une faible complémentarité. Sources : Statistique Canada, Enquête sur la population active, de janvier 2015 à décembre 2025; Occupational Information Network.
2015
janvier	70,1	64,9	72,8	89,8	93,7	93,4	89,2	97,8	101,4	87,0	107,1	106,7
février	71,0	64,5	72,9	90,0	94,5	93,4	94,1	94,7	100,9	88,1	106,8	106,2
mars	72,0	64,5	73,4	89,8	93,4	93,8	85,5	93,6	101,4	92,1	105,9	105,9
avril	73,1	65,0	74,2	89,9	93,2	93,8	77,5	93,7	101,9	87,2	102,5	105,7
mai	73,9	65,8	71,9	90,5	93,7	93,4	80,1	89,0	100,9	87,5	101,3	106,0
juin	74,9	66,9	73,9	90,7	93,8	92,5	77,8	92,4	101,2	89,1	100,4	106,1
juillet	75,3	68,1	74,1	90,8	92,5	91,7	79,0	93,8	101,5	89,6	101,8	105,8
août	77,9	69,5	72,7	89,9	90,3	92,4	83,1	94,9	100,8	89,3	101,5	105,5
septembre	77,7	69,1	71,6	88,7	91,4	92,0	86,3	95,7	99,0	89,3	100,7	105,8
octobre	76,9	70,3	71,6	87,2	92,8	91,1	90,9	94,9	100,6	91,0	100,8	105,1
novembre	77,2	70,1	70,9	87,4	93,7	91,6	91,8	92,8	102,5	89,0	99,7	103,8
décembre	76,5	70,3	70,6	86,7	92,5	90,9	92,7	93,0	100,3	91,6	100,5	103,4
2016
janvier	76,5	70,7	72,1	86,7	92,4	94,7	90,5	91,0	98,5	89,2	98,4	103,6
février	75,9	71,7	72,2	89,3	92,7	93,6	88,6	92,1	98,1	86,5	97,7	104,3
mars	76,2	72,6	72,3	87,4	94,0	93,7	87,7	90,4	96,9	85,5	97,7	103,2
avril	76,9	72,5	70,4	87,9	94,1	93,3	87,3	85,9	97,9	85,0	102,7	103,3
mai	79,1	72,1	73,0	86,5	94,3	92,9	87,7	90,3	98,2	82,6	101,6	103,3
juin	77,8	71,9	71,3	88,8	93,8	93,3	89,9	90,0	97,8	81,7	101,1	103,6
juillet	77,6	71,7	73,9	88,9	92,7	93,2	89,0	90,5	97,9	82,8	100,4	103,8
août	77,7	71,1	74,5	89,0	96,2	92,6	87,1	90,0	98,6	85,7	102,8	103,8
septembre	76,7	70,8	76,5	89,7	95,0	93,5	84,9	90,2	100,7	83,9	104,1	103,4
octobre	76,8	72,3	75,1	90,2	93,9	94,9	80,4	90,4	100,5	84,1	102,5	103,9
novembre	75,8	76,2	74,8	89,0	93,7	94,6	75,2	92,7	100,0	85,4	103,1	104,5
décembre	76,6	74,3	74,9	90,1	93,9	94,2	77,5	93,5	98,7	84,2	102,9	105,4
2017
janvier	77,4	74,0	74,0	90,3	95,5	94,7	80,8	92,5	102,1	84,4	104,3	105,7
février	77,8	72,8	74,7	90,2	93,7	93,7	85,8	90,3	104,5	86,0	104,0	106,3
mars	78,2	74,4	72,8	89,6	93,4	93,5	81,6	93,7	104,1	86,8	102,8	107,4
avril	77,8	73,0	74,4	89,5	93,4	94,0	84,4	92,8	103,0	88,0	102,6	107,7
mai	77,7	75,3	76,6	89,8	92,3	95,6	90,5	94,6	104,0	89,5	102,3	107,0
juin	77,0	77,3	76,3	89,2	93,9	95,9	85,1	94,9	103,9	89,7	102,4	106,4
juillet	79,0	75,1	76,8	89,2	94,8	96,3	84,4	94,9	102,3	88,8	102,2	106,5
août	78,4	75,7	76,9	89,1	95,1	97,1	86,1	94,7	101,5	93,7	100,7	106,0
septembre	79,2	75,7	78,0	87,9	94,5	96,6	86,4	94,7	101,4	90,1	100,6	106,0
octobre	79,6	75,6	78,4	87,2	94,9	96,5	87,2	94,3	101,3	89,2	102,7	106,0
novembre	81,0	75,3	79,4	89,8	94,4	96,6	88,0	92,4	101,5	83,0	101,4	106,5
décembre	81,4	75,8	79,8	89,7	95,0	97,7	91,6	90,0	101,0	86,1	100,2	106,3
2018
janvier	80,6	76,2	79,9	90,4	95,2	97,8	95,3	91,9	101,7	88,4	101,3	104,7
février	80,6	76,2	80,1	90,7	94,6	98,4	90,0	88,3	102,2	87,7	102,5	103,6
mars	80,4	76,8	80,0	91,6	94,0	98,9	89,5	90,0	105,2	87,5	104,0	103,0
avril	80,3	77,9	80,2	92,0	94,6	100,3	89,0	90,4	103,2	86,5	103,9	102,6
mai	82,2	77,2	79,2	90,4	95,4	99,8	86,7	88,8	103,6	88,7	104,1	103,9
juin	80,1	78,7	77,1	90,5	95,6	100,7	85,0	95,2	104,3	88,5	105,4	104,1
juillet	79,1	79,2	81,2	89,6	96,7	101,7	85,4	89,0	106,4	88,3	106,0	104,1
août	79,2	79,3	83,2	88,3	97,1	101,5	81,9	89,3	105,8	87,5	102,6	104,7
septembre	79,2	79,4	84,3	89,7	96,8	101,8	80,3	88,0	104,1	85,8	100,2	105,3
octobre	79,5	78,8	85,3	89,8	96,1	104,6	86,4	84,5	103,7	86,2	99,9	104,3
novembre	79,3	78,7	87,3	90,0	97,6	103,7	87,1	89,1	104,1	87,0	101,4	103,3
décembre	80,5	78,2	87,8	90,5	95,1	102,6	86,6	89,1	104,2	88,7	101,5	104,4
2019
janvier	81,7	79,3	88,5	92,6	96,3	102,6	86,5	87,6	104,0	87,8	100,9	106,2
février	82,3	80,4	88,5	89,9	98,3	103,1	90,1	91,2	102,5	87,4	99,9	104,1
mars	82,5	80,3	86,7	87,9	99,8	104,1	91,7	92,2	101,6	87,2	97,6	104,0
avril	83,3	81,6	92,0	91,1	100,0	103,3	89,5	92,8	104,0	88,5	99,2	104,3
mai	83,7	84,1	91,7	92,8	99,9	104,4	90,3	93,3	104,1	88,1	98,8	103,5
juin	84,7	84,2	92,8	92,2	100,8	103,2	90,4	92,9	101,6	88,4	96,9	102,9
juillet	84,4	84,4	91,9	93,4	98,8	103,3	89,3	91,7	105,3	88,0	96,0	102,2
août	84,8	85,6	92,5	93,5	97,7	102,3	90,0	91,9	106,9	85,7	97,7	103,2
septembre	84,8	85,0	92,7	94,6	97,4	102,5	88,9	90,6	107,8	85,5	96,8	100,8
octobre	85,2	86,2	92,9	92,9	97,9	101,4	91,4	91,9	106,7	83,8	97,4	100,5
novembre	85,5	86,6	92,3	92,4	97,3	99,3	92,3	92,3	106,9	83,0	96,4	100,1
décembre	84,2	87,5	94,6	91,5	98,8	102,2	93,9	95,1	104,8	84,9	97,6	100,4
2020
janvier	84,5	87,5	96,4	90,2	99,2	102,3	92,7	99,3	103,8	87,3	98,1	101,6
février	84,6	87,2	96,7	90,8	97,5	101,6	90,8	94,4	102,8	85,3	102,1	102,5
mars	81,5	87,4	83,6	86,0	91,9	90,6	90,3	91,1	96,9	80,9	93,8	90,8
avril	79,9	83,0	73,5	79,1	81,1	76,1	79,8	73,3	76,0	73,1	79,0	73,3
mai	82,4	84,4	75,0	80,1	83,3	76,7	78,6	84,2	85,3	76,5	77,8	76,0
juin	83,9	85,2	82,5	82,5	92,9	82,7	95,2	88,1	95,2	78,1	88,4	86,7
juillet	86,9	84,7	84,4	85,3	92,8	86,3	97,2	93,1	97,8	75,4	94,5	87,4
août	87,4	88,2	85,1	85,7	94,6	89,6	102,1	91,9	98,5	77,5	95,2	88,7
septembre	88,2	91,3	86,3	85,7	95,9	92,4	97,3	95,8	97,8	79,9	99,5	92,6
octobre	88,8	93,4	86,0	85,9	96,0	93,1	94,5	91,7	99,2	80,9	96,3	91,5
novembre	89,0	95,1	87,2	85,3	96,8	93,0	92,6	89,8	98,2	80,2	97,1	91,9
décembre	91,7	96,4	86,3	85,1	95,4	93,2	88,4	88,0	98,7	78,4	94,8	91,2
2021
janvier	90,3	96,5	86,4	85,4	93,0	93,4	81,4	87,2	98,9	79,0	90,2	90,2
février	90,9	97,4	88,3	85,7	96,6	94,7	88,7	88,9	99,1	79,6	92,6	90,9
mars	91,0	99,1	88,7	87,0	97,8	96,7	87,9	90,3	98,8	85,5	94,4	91,6
avril	91,9	98,6	88,6	88,0	98,4	94,8	90,2	86,4	96,1	82,8	92,6	91,3
mai	89,2	100,2	90,8	89,2	99,7	93,1	90,0	87,0	96,1	82,3	93,4	90,7
juin	90,8	100,6	91,9	93,0	100,3	96,1	94,5	86,2	95,6	81,3	94,4	94,6
juillet	92,0	101,5	89,9	91,3	100,3	94,7	88,4	87,4	93,1	86,0	96,7	95,6
août	93,7	100,6	94,2	93,5	100,2	95,2	82,3	86,9	93,1	88,7	98,6	95,1
septembre	93,3	100,9	94,0	93,8	103,1	94,0	89,9	90,7	93,9	92,0	101,4	95,5
octobre	91,8	100,5	96,0	94,8	101,9	94,5	88,1	90,3	94,2	93,7	101,0	96,4
novembre	93,3	100,3	96,0	96,4	100,9	96,6	88,6	91,4	95,7	94,5	102,3	97,3
décembre	94,5	99,8	102,1	97,4	100,9	96,5	92,6	92,0	95,6	94,0	104,5	97,7
2022
janvier	94,9	99,8	90,4	98,2	101,1	94,9	93,1	92,6	95,6	93,2	102,1	96,3
février	95,0	101,6	98,2	98,7	100,5	98,0	94,8	91,8	97,0	94,8	103,0	99,2
mars	96,7	99,7	100,1	98,1	100,2	98,1	96,0	92,2	97,7	92,6	102,0	100,1
avril	97,4	100,6	100,4	100,1	99,2	99,2	96,5	94,0	98,7	92,6	104,6	100,0
mai	99,0	100,3	100,0	98,5	102,4	98,3	105,0	92,6	99,9	94,1	107,4	99,5
juin	100,8	100,3	100,0	98,6	103,7	97,8	97,8	94,8	99,3	94,5	103,0	97,7
juillet	99,2	100,2	98,7	95,2	102,6	99,4	99,0	94,4	100,2	94,0	102,4	99,1
août	99,4	102,3	97,7	98,4	101,6	97,4	99,9	99,3	99,3	95,7	101,4	100,1
septembre	99,0	100,5	98,1	99,1	100,7	99,0	95,0	97,1	100,6	94,6	99,2	100,6
octobre	99,8	100,6	98,7	100,1	98,3	99,6	99,7	99,2	99,9	96,3	100,3	100,3
novembre	100,0	100,0	100,0	100,0	100,0	100,0	100,0	100,0	100,0	100,0	100,0	100,0
décembre	99,2	101,9	100,7	99,8	99,9	101,0	100,0	108,0	101,0	96,8	99,1	101,4
2023
janvier	99,5	102,7	102,5	100,1	100,3	102,6	103,0	103,4	102,3	95,7	103,1	102,9
février	100,1	101,8	108,2	101,0	101,2	103,0	103,8	98,9	100,2	94,1	104,1	101,3
mars	100,1	104,2	105,7	102,9	101,5	102,1	109,0	97,9	101,2	94,9	103,8	101,1
avril	100,8	106,3	106,3	103,7	101,5	101,9	108,9	98,1	101,1	95,9	103,5	98,6
mai	102,7	104,3	105,8	105,1	101,5	102,6	103,0	98,9	100,5	96,0	106,1	100,6
juin	103,5	106,5	102,5	105,7	102,1	102,5	102,3	97,6	100,3	96,2	105,6	100,3
juillet	103,0	104,0	108,1	107,0	103,1	99,6	103,6	97,7	101,5	96,6	104,4	101,4
août	104,2	103,9	107,9	105,1	104,0	102,3	102,2	97,6	103,4	95,4	103,0	101,4
septembre	105,0	103,0	110,9	106,2	103,7	102,3	106,4	97,4	102,0	93,2	102,5	100,7
octobre	105,7	103,0	111,9	103,2	103,5	102,1	106,0	97,0	101,5	89,9	102,3	101,5
novembre	106,5	104,4	113,1	105,9	104,1	101,8	102,1	98,1	100,9	91,6	101,0	101,8
décembre	107,5	103,6	118,2	106,5	104,1	101,2	103,1	95,0	101,7	93,1	100,5	100,9
2024
janvier	108,9	105,2	116,3	107,7	103,3	100,2	104,1	94,5	102,0	95,3	100,5	101,1
février	109,9	106,2	116,1	108,3	103,2	99,3	101,6	96,8	103,4	93,8	100,7	99,9
mars	110,9	106,1	115,0	107,4	102,7	100,3	102,6	95,0	102,4	94,5	101,1	99,5
avril	111,0	108,0	119,9	106,4	103,7	101,1	100,7	93,5	104,0	94,4	100,6	99,4
mai	111,1	108,6	125,5	105,9	100,2	103,4	101,0	95,1	103,7	97,8	98,2	98,3
juin	111,0	110,1	124,5	103,1	100,0	104,5	103,7	92,8	103,3	92,6	98,0	98,0
juillet	111,7	110,6	126,3	104,4	98,0	105,7	103,3	92,6	100,9	88,8	98,1	97,2
août	111,8	111,3	129,8	103,6	100,0	106,8	104,6	90,7	102,8	91,6	97,4	96,5
septembre	113,1	112,6	127,0	102,1	101,3	106,7	98,0	95,1	103,1	87,5	99,8	95,8
octobre	110,6	112,7	127,3	101,7	101,8	107,0	103,7	90,3	105,1	91,0	99,0	94,4
novembre	111,3	113,1	127,9	101,5	102,9	105,5	106,8	89,1	104,8	93,1	99,3	95,8
décembre	111,5	114,2	125,3	102,5	103,3	104,6	106,1	96,8	104,8	90,5	101,6	96,0
2025
janvier	110,7	114,8	125,4	101,8	102,8	105,9	103,4	94,0	106,0	94,2	101,3	96,9
février	110,5	114,7	130,6	101,3	101,6	104,9	107,5	94,8	105,9	99,5	101,0	97,5
mars	109,8	115,7	125,1	100,2	100,5	104,5	101,5	98,5	112,8	97,7	99,1	97,5
avril	109,8	114,9	124,9	97,5	102,1	103,8	108,7	102,1	107,8	98,2	102,9	98,9
mai	109,7	116,9	123,9	99,0	102,2	100,4	113,8	100,7	109,5	98,9	104,5	99,9
juin	110,3	115,6	124,4	99,2	103,9	99,0	115,4	103,5	111,5	100,0	105,2	100,4
juillet	110,8	114,6	124,6	98,9	101,3	97,3	114,5	102,3	112,4	101,6	105,0	100,0
août	111,3	117,7	122,7	99,4	100,6	95,4	117,4	102,8	112,3	102,6	105,6	100,5
septembre	111,7	119,6	124,7	98,1	99,5	95,8	119,2	100,3	111,3	103,9	104,2	101,2
octobre	112,7	119,3	124,9	100,4	99,7	95,1	117,1	107,0	110,8	105,0	103,8	100,5
novembre	113,9	118,0	125,0	101,7	98,8	99,1	120,9	102,8	113,7	103,4	103,9	100,0
décembre	114,1	118,5	126,6	98,9	98,8	97,5	119,2	102,5	114,6	104,2	101,9	100,5

L’emploi dans les grands établissements a connu une croissance relativement plus rapide de novembre 2022 à décembre 2025, et ce, peu importe l’exposition professionnelle potentielle à l’intelligence artificielle ou la complémentarité avec celle-ci

Il existe des données probantes indiquant que les grands établissements sont peut-être plus susceptibles d’adopter l’IA que les établissements plus petites (Statistique Canada, 2025a). Le graphique 4 présente la relation entre l’exposition professionnelle potentielle à l’IA et la complémentarité avec celle-ci selon la taille de l’établissement, en créant une distinction entre les employés travaillant dans des établissements de 500 travailleurs ou moins et ceux travaillant dans des établissements comptant plus de 500 travailleurs.

De novembre 2022 à décembre 2025, la croissance de l’emploi a été faible, voire nulle, dans les petits établissements, tandis que l’emploi a augmenté d’environ 30 % dans les grands établissements, et ce, peu importe l’exposition professionnelle potentielle à l’intelligence artificielle ou la complémentarité avec celle-ci. Ces taux de croissance divergents reflètent des tendances à plus long terme observées au cours de la dernière décennie. Plus particulièrement, les emplois FEFC et FEGC ont connu une croissance beaucoup plus rapide dans les grands établissements, le nombre d’emplois dans chacun de ces groupes professionnels ayant plus que doublé au cours des dix dernières années.

La croissance de l’emploi dans les industries potentiellement plus exposées à l’intelligence artificielle générative et moins complémentaires à celle-ci n’était pas significativement différente de celle des autres industries du quatrième trimestre de 2022 au troisième trimestre de 2025

Les taux d’adoption de l’IA au niveau des entreprises varient considérablement d’une industrie à l’autre (Statistique Canada, 2024a; 2024b). Pour évaluer si l’avènement de l’IA générative a ralenti la croissance de l’emploi et des revenus dans les industries potentiellement plus exposées et moins complémentaires à l’IA, le modèle de régression linéaire suivant a été estimé au niveau de l’industrie, tel que mesuré par le Système de classification des industries de l’Amérique du Nord à quatre chiffres :

où $\Delta \ln y_{2022t4à2025t3,i}$ est le changement dans le logarithme naturel d’un résultat donné dans l’industrie $i$ du quatrième trimestre de 2022 au troisième trimestre de 2025^Note . Deux résultats ont été pris en considération : 1) l’emploi et 2) la rémunération hebdomadaire moyenne. HELC2021,i et HEHC2021,i désignent la proportion des emplois à FEFC et à FEGC, respectivement, dans l’industrie i de 2021 (la proportion des emplois à FE a été exclue afin d’éviter la multicolinéarité). Le terme $\Delta \ln y_{2016t4à2019t3,i}$ indique la variation du résultat logarithmique du quatrième trimestre de 2016 au troisième trimestre de 2019 afin de saisir les tendances précédentes avant la pandémie. Le dernier terme, X, saisit au sein de l’industrie i la proportion des emplois compatibles avec le télétravail en 2021 fondée sur le potentiel de télétravail (Dingel et Neiman, 2020), la proportion des emplois syndiqués en 2021 et la proportion des employés travaillant dans des entreprises de plus de 500 travailleurs en 2022.

Les données sur les résultats et les tendances précédentes ont été obtenues à partir de l’Enquête sur l’emploi, la rémunération et les heures de travail (tableau 14-10-0220-01). La proportion d’employés travaillant dans des entreprises de plus de 500 travailleurs a été obtenue à partir du Fichier longitudinal des travailleurs de 2022 (la dernière année disponible à ce moment-là). Les covariables restantes ont été obtenues à partir du Recensement de la population de 2021. La proportion des professions à FEFC et à FEGC au sein des industries est restée stable entre les recensements de la population de 2016 et de 2021; il est donc peu probable que cela ait changé de manière significative de 2021 à 2025.

Si l’on tient compte des tendances précédentes dans la croissance de l’emploi avant la pandémie, de la taille des entreprises, de la syndicalisation et du potentiel de télétravail dans divers secteurs, une augmentation d’un point de pourcentage de la proportion des emplois à FEFC était associée à une diminution de 0,039 % de la croissance de l’emploi du quatrième trimestre de 2022 au troisième trimestre de 2025. En revanche, une augmentation d’un point de pourcentage de la proportion des emplois FEGC était associée à une augmentation de 0,104 % de la croissance de l’emploi au cours de la même période. Toutefois, aucun de ces résultats n’était statistiquement significatif. Si l’on tient compte des tendances précédentes dans la croissance de la rémunération hebdomadaire moyenne avant la pandémie, de la taille des entreprises, de la syndicalisation et du potentiel de télétravail dans divers secteurs, une augmentation d’un point de pourcentage de la proportion des emplois à FEFC était associée à une diminution de 0,038 % de la croissance de la rémunération hebdomadaire moyenne, tandis qu’une augmentation d’un point de pourcentage de la proportion des emplois à FEGC était associée à une diminution de 0,057 %. L’effet sur la rémunération pour les emplois à FEGC était statistiquement significatif, mais celui pour les emplois à FEFC ne l’était pas. Ces résultats donnent à penser qu’il n’y a pas de données probantes claires d’un ralentissement de l’emploi ou de la croissance de la rémunération hebdomadaire dans les industries potentiellement plus exposées à l’IA et moins complémentaires à celle-ci.

Les emplois où la programmation occupe une grande place ont connu une croissance similaire à celle des autres emplois de novembre 2022 à décembre  2025

Étant donné les capacités croissantes de l’IA en matière de programmation et de débogage, il y a des préoccupations quant au fait que l’IA pourrait remplacer le rôle des programmeurs informatiques et d’autres emplois où la programmation occupe une grande place qui font partie des emplois à FEFC décrits dans la note de bas de page 5. Entre novembre 2022 et décembre 2025, l’emploi dans les professions nécessitant beaucoup de codage a augmenté d’environ 15 %, comparativement à une croissance d’environ 5 % pour les autres professions. Toutefois, cette différence n'était pas statistiquement significative (graphique 5). À plus long terme, les professions axées sur la programmation ont connu une croissance beaucoup plus rapide que les autres emplois au cours de la dernière décennie. En outre, les emplois où la programmation occupe une grande place ont été en grande partie protégés des chocs négatifs immédiats de la pandémie par rapport à d’autres emplois.

On craint de plus en plus que l’IA remplace des tâches de premier échelon, comme l’écriture de code de base. Selon Brynjolfsson et coll. (2025), le nombre relatif de développeurs de logiciels de moins de 30 ans aux États-Unis a diminué depuis novembre 2022. Le graphique 6 montre la croissance de l’emploi dans les professions où la programmation occupe une grande place au Canada par groupe d’âge. Les employés de 30 à 49 ans ont généralement connu des hausses d’emploi plus solides par rapport à leurs homologues plus jeunes de 15 à 29 ans. En décembre 2025, l’emploi chez les personnes de 15 à 29 ans occupant un emploi où la programmation occupe une grande place était à peu près le même qu’en novembre 2022, tandis que l’emploi chez les personnes de 30 à 49 ans était plus élevé de près de 30 %. Cette divergence est statistiquement significative depuis la fin de 2024. En termes absolus, les employés de 30 à 49 ans occupant un emploi où la programmation occupe une grande place étaient deux fois plus nombreux en novembre 2022 que ceux de 15 à 29 ans. En décembre 2025, leur nombre était trois fois plus élevé, un fait non enregistré depuis le début de 2016. Pour les autres emplois, ce ratio est resté stable, se situant à environ 1,5 au cours de la dernière décennie.

Tableau de données du graphique 4

Tableau de données du graphique 4
Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 4 Établissements comptant 500 travailleurs ou moins, Établissements comptant plus de 500 travailleurs, Forte exposition et grande complémentarité, Faible exposition et faible complémentarité, Faible exposition, Forte exposition et grande complémentarité, Faible exposition et faible complémentarité et Faible exposition, calculées selon indice unités de mesure (figurant comme en-tête de colonne).

	Établissements comptant 500 travailleurs ou moins			Établissements comptant plus de 500 travailleurs
	Forte exposition et grande complémentarité	Faible exposition et faible complémentarité	Faible exposition	Forte exposition et grande complémentarité	Faible exposition et faible complémentarité	Faible exposition
	indice
Notes : La ligne verticales en pointillés délimite le début de la disponibilité généralisée de ChatGPT en Novembre 2022. La ligne horizontale solide délimite la ligne de base de l’indice de croissance de l’emploi. Tout point au-dessus de la ligne indique un niveau d’emploi plus élevé par rapport à celui observé en novembre 2022, et tout point en dessous de la ligne indique un niveau d’emploi plus bas. L’emploi fait référence à l’emploi principal des employés de 15 ans et plus. L’administration publique, les services d’éducation ainsi que les soins de santé et l’assistance sociale ont été exclus, puisque la majorité des employeurs dans ces industries comptent plus de 500 travailleurs, ce qui rendrait la comparaison entre les panneaux (a) et (b) difficile. La croissance de l’emploi est exprimée par rapport au niveau observé en novembre 2022. Par exemple, un indice de 110 indiquerait une croissance de 10 % (110 moins 100) de l’emploi par rapport au niveau de novembre 2022, et un indice de 90 indiquerait que l’emploi était plus bas de 10 % (90 moins 100) par rapport au niveau de novembre 2022. L’emploi a été désagrégé en fonction de l’indice d’exposition professionnelle à l’intelligence artificielle ajusté en fonction de la complémentarité (EPIAC), élaboré par Felten et coll. (2021) et Pizzinelli et coll. (2023). Une profession présente un risque potentiellement élevé si son indice d'EPIA dépasse la médiane de l'EPIA pour l’ensemble des professions; sinon, elle est considérée comme ayant une faible exposition. De même, une profession est considérée comme ayant potentiellement une grande complémentarité si son paramètre de complémentarité dépasse la médiane de la complémentarité de toutes les professions; sinon, elle est considérée comme ayant une faible complémentarité. Sources : Statistique Canada, Enquête sur la population active, de janvier 2015 à décembre 2025; Occupational Information Network.
2015
janvier	80,0	87,9	101,8	51,6	62,3	87,8
février	80,7	88,4	101,3	54,0	64,2	89,1
mars	81,3	87,5	101,6	55,7	64,8	89,4
avril	81,3	86,8	101,5	55,8	63,1	91,9
mai	81,2	87,0	101,0	59,0	64,7	92,9
juin	84,2	87,1	101,1	61,5	63,8	90,7
juillet	83,9	88,4	100,1	62,7	64,7	97,2
août	84,7	88,0	99,9	64,7	64,5	96,4
septembre	84,0	89,2	99,0	63,3	63,1	97,2
octobre	84,1	89,1	98,8	61,1	65,4	95,4
novembre	85,3	88,7	98,4	60,7	67,7	97,5
décembre	84,6	89,3	97,7	60,1	66,2	96,0
2016
janvier	82,7	87,8	99,6	62,5	66,9	89,2
février	82,0	89,0	99,9	63,3	68,5	94,0
mars	81,3	89,7	98,9	64,4	70,4	95,0
avril	81,7	90,5	98,9	67,2	65,8	93,7
mai	81,9	90,9	99,1	65,1	63,8	94,5
juin	82,6	90,6	99,4	66,7	64,5	94,0
juillet	82,9	90,5	99,7	66,5	65,9	89,7
août	82,5	91,2	100,0	67,8	66,7	89,4
septembre	80,9	91,5	100,5	66,0	64,8	90,2
octobre	80,3	91,5	100,6	68,6	62,9	93,0
novembre	80,6	92,6	100,7	69,1	66,9	90,6
décembre	81,3	92,3	100,6	72,2	69,3	91,3
2017
janvier	81,7	92,6	100,7	73,8	68,5	94,2
février	83,1	91,8	101,4	72,4	70,7	94,2
mars	84,2	91,9	101,6	70,7	72,3	94,6
avril	84,8	90,0	102,1	66,4	72,8	94,6
mai	85,5	91,3	102,4	64,4	69,0	96,0
juin	85,4	92,1	102,3	65,0	69,2	95,6
juillet	86,8	92,3	102,5	65,0	69,8	97,2
août	86,3	92,8	102,1	68,0	67,4	98,7
septembre	82,9	92,5	102,6	71,3	67,9	96,0
octobre	83,4	93,3	102,5	72,0	66,4	95,9
novembre	86,0	92,8	103,0	72,7	64,5	98,9
décembre	87,1	93,2	102,8	72,3	69,4	98,5
2018
janvier	87,2	93,9	101,9	69,2	68,8	98,8
février	85,8	94,4	101,9	72,6	68,3	94,3
mars	85,7	94,5	102,2	73,2	67,5	97,8
avril	84,9	95,1	102,0	72,5	66,2	100,2
mai	85,3	95,1	102,7	72,5	66,7	98,9
juin	84,2	95,4	103,2	74,1	70,6	101,5
juillet	82,6	95,0	103,9	75,0	75,9	101,6
août	82,0	94,9	104,0	71,6	71,1	100,5
septembre	83,6	94,1	104,2	68,5	71,3	103,7
octobre	83,9	92,1	104,6	71,1	77,1	102,1
novembre	84,6	94,1	104,9	71,7	73,8	99,6
décembre	85,5	92,3	105,1	70,8	76,5	101,8
2019
janvier	85,6	93,7	105,5	71,4	72,5	98,3
février	86,0	94,8	104,0	70,7	73,9	105,0
mars	85,8	95,1	104,2	71,4	71,5	107,0
avril	87,0	95,5	105,0	70,6	73,8	108,9
mai	87,5	95,7	105,2	78,4	76,5	109,9
juin	89,2	95,6	103,9	72,3	78,1	114,7
juillet	90,4	94,8	103,6	74,1	78,2	111,6
août	89,4	94,9	104,0	75,0	81,6	104,3
septembre	88,7	94,4	103,5	76,2	79,9	108,6
octobre	87,8	95,6	102,9	74,4	77,1	109,2
novembre	87,7	95,8	102,3	72,3	78,5	109,7
décembre	87,2	97,0	103,0	72,7	78,9	111,4
2020
janvier	87,3	97,7	103,2	68,3	76,7	105,0
février	86,9	97,2	103,8	72,1	82,2	101,8
mars	85,3	93,6	91,8	73,7	80,6	96,8
avril	78,5	79,6	72,7	67,5	81,4	78,3
mai	78,4	82,3	76,9	70,7	80,5	83,3
juin	82,6	90,7	86,9	73,6	76,6	89,0
juillet	84,7	91,9	89,7	79,5	80,1	88,6
août	86,5	94,7	91,5	76,5	80,2	89,2
septembre	87,2	97,6	94,7	68,6	83,2	90,5
octobre	87,6	98,0	94,2	73,7	81,2	88,0
novembre	86,9	98,6	94,7	74,1	84,9	85,3
décembre	87,2	99,4	93,5	76,5	79,2	85,8
2021
janvier	85,2	97,1	91,4	77,7	79,9	86,1
février	87,2	97,8	93,5	75,2	84,1	88,4
mars	86,5	100,1	94,9	74,5	83,7	90,0
avril	88,1	97,3	93,4	78,0	88,5	88,8
mai	86,8	97,2	93,0	78,8	97,0	85,5
juin	90,0	97,7	97,4	78,4	91,8	87,4
juillet	91,1	98,7	96,4	81,6	97,8	89,1
août	93,8	98,9	96,3	81,5	95,3	91,7
septembre	94,8	100,2	96,3	81,6	96,9	90,3
octobre	94,4	100,3	96,8	81,8	96,3	91,7
novembre	95,8	100,0	97,4	86,4	98,5	95,5
décembre	95,3	100,8	98,3	90,0	96,0	94,4
2022
janvier	95,3	100,3	94,6	87,3	99,5	92,5
février	95,3	100,3	99,4	90,1	105,3	94,3
mars	96,8	99,0	99,9	86,3	102,2	97,1
avril	95,8	101,2	100,5	91,4	100,6	98,0
mai	99,0	102,5	100,0	94,6	99,0	101,0
juin	99,0	101,3	99,8	92,3	102,6	104,8
juillet	99,5	101,2	100,9	92,4	98,8	99,2
août	99,3	102,1	100,0	95,0	102,7	92,9
septembre	99,4	99,8	100,8	92,0	95,0	96,4
octobre	100,8	99,8	100,5	94,6	98,0	98,3
novembre	100,0	100,0	100,0	100,0	100,0	100,0
décembre	98,0	99,8	102,5	98,6	104,6	99,0
2023
janvier	96,7	101,2	103,0	100,8	107,7	107,7
février	97,8	101,1	103,5	101,2	104,0	104,0
mars	99,9	101,8	103,5	101,9	103,6	98,0
avril	102,4	101,4	102,3	102,7	110,4	104,2
mai	103,6	102,2	103,0	105,5	112,1	105,6
juin	104,7	103,4	102,5	107,5	111,2	108,0
juillet	104,6	102,6	102,8	104,1	112,3	117,3
août	103,4	101,9	103,7	110,2	113,7	112,2
septembre	103,7	100,8	103,6	101,1	110,5	115,6
octobre	102,0	101,8	103,8	101,0	107,4	114,8
novembre	102,5	103,0	103,9	100,3	106,3	113,9
décembre	102,9	101,7	103,5	108,1	108,4	116,0
2024
janvier	103,9	101,5	103,3	108,3	109,1	114,2
février	106,2	102,0	103,2	108,5	107,5	109,6
mars	106,0	101,8	103,0	112,2	103,2	107,5
avril	105,9	102,3	104,7	108,8	106,8	108,2
mai	106,9	101,4	105,5	112,7	104,2	106,1
juin	104,8	102,2	105,9	113,2	100,2	105,7
juillet	105,6	101,4	105,9	108,5	107,4	105,4
août	104,0	102,4	105,8	113,2	105,9	107,5
septembre	102,4	103,3	105,1	110,6	107,8	113,3
octobre	101,8	103,1	105,5	113,1	106,7	106,3
novembre	102,7	103,6	104,7	111,2	111,8	105,2
décembre	100,6	104,7	104,7	116,0	117,2	107,1
2025
janvier	99,6	104,5	105,4	114,8	118,3	110,4
février	100,5	104,9	105,2	118,8	111,5	111,5
mars	98,0	104,9	104,8	115,9	113,3	116,0
avril	98,0	104,7	105,1	118,1	115,8	114,9
mai	99,6	104,9	104,2	119,9	120,3	120,4
juin	99,7	104,7	104,8	126,6	121,5	120,6
juillet	101,3	101,7	103,8	129,8	129,7	127,1
août	103,0	101,7	103,5	129,5	132,2	118,9
septembre	101,5	101,6	103,8	129,5	131,6	118,5
octobre	102,0	101,8	102,6	134,6	141,6	121,8
novembre	102,6	101,4	104,2	135,9	136,7	122,3
décembre	101,4	100,9	104,4	134,2	137,8	122,6

Tableau de données du graphique 5

Tableau de données du graphique 5
Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 5 Autres emplois et Emplois où la programmation occupe une grande place, calculées selon indice unités de mesure (figurant comme en-tête de colonne).

	Autres emplois	Emplois où la programmation occupe une grande place
	indice
Notes : La lignes verticales en pointillés délimite le début de la disponibilité généralisée de ChatGPT en Novembre 2022. La ligne horizontale solide délimite la ligne de base de l’indice de croissance de l’emploi. Tout point au-dessus de la ligne indique un niveau d’emploi plus élevé par rapport à celui observé en novembre 2022, et tout point en dessous de la ligne indique un niveau d’emploi plus bas. L’emploi fait référence à l’emploi principal des employés de 15 ans et plus. Aux fins de cette étude, les emplois où la programmation occupe une grande place se réfèrent aux occupations suivantes de la Classification nationale des professions de 2021 : scientifiques des données, spécialistes en cybersécurité, spécialistes des systèmes commerciaux, spécialistes en informatique, analystes de bases de données et administrateurs de données, développeurs et programmeurs de systèmes informatiques, ingénieurs et concepteurs en logiciels, développeurs et programmeurs de logiciels, concepteurs Web, et développeurs et programmeurs Web. La croissance de l’emploi est exprimée par rapport au niveau observé en novembre 2022. Par exemple, un indice de 110 indiquerait une croissance de 10 % (110 moins 100) de l’emploi par rapport au niveau de novembre 2022, et un indice de 90 indiquerait que l’emploi était plus bas de 10 % (90 moins 100) par rapport au niveau de novembre 2022. L’emploi a été désagrégé en fonction de l’indice d’exposition professionnelle à l’intelligence artificielle ajusté en fonction de la complémentarité (EPIAC), élaboré par Felten et coll. (2021) et Pizzinelli et coll. (2023). Une profession présente une exposition élevée si son indice d'EPIA dépasse la médiane de l’EPIA de toutes les professions; sinon, elle est considérée comme ayant une faible exposition. De même, une profession est considérée comme ayant une complémentarité potentiellement élevée si son paramètre de complémentarité dépasse la médiane de la complémentarité de toutes les professions; sinon, elle est considérée comme ayant une faible complémentarité. Sources : Statistique Canada, Enquête sur la population active, janvier 2015 à décembre 2025; Occupational Information Network.
2015
janvier	88,9	55,5
février	89,2	52,2
mars	89,3	50,9
avril	89,2	51,8
mai	89,0	51,9
juin	89,5	53,9
juillet	89,5	56,4
août	89,6	54,9
septembre	89,5	54,8
octobre	89,5	56,6
novembre	89,3	57,8
décembre	89,2	58,3
2016
janvier	89,2	57,4
février	89,2	62,1
mars	89,2	60,0
avril	89,5	58,8
mai	89,7	56,2
juin	89,7	55,0
juillet	89,7	57,1
août	90,0	55,5
septembre	90,2	54,5
octobre	90,4	54,3
novembre	90,5	58,5
décembre	90,8	59,3
2017
janvier	91,1	58,3
février	91,1	61,0
mars	91,2	62,3
avril	91,2	61,1
mai	91,5	62,4
juin	91,6	67,7
juillet	91,9	65,7
août	91,8	63,9
septembre	91,8	62,3
octobre	91,9	65,2
novembre	92,3	61,5
décembre	92,8	64,6
2018
janvier	92,4	64,5
février	92,4	63,2
mars	92,7	64,6
avril	92,7	62,7
mai	92,7	63,5
juin	93,1	62,8
juillet	93,5	65,6
août	93,3	64,4
septembre	93,6	59,8
octobre	93,8	61,6
novembre	94,0	61,9
décembre	94,1	63,4
2019
janvier	94,4	65,9
février	94,5	69,1
mars	94,4	68,2
avril	94,9	71,3
mai	95,0	73,5
juin	95,0	77,8
juillet	95,0	78,2
août	95,4	74,8
septembre	95,4	74,5
octobre	95,4	73,9
novembre	94,9	75,5
décembre	95,5	76,4
2020
janvier	95,3	78,1
février	95,4	80,4
mars	88,6	82,0
avril	77,1	82,4
mai	79,0	82,2
juin	85,6	86,1
juillet	87,9	85,0
août	89,6	85,4
septembre	92,0	89,7
octobre	92,2	91,5
novembre	92,4	91,5
décembre	92,2	93,5
2021
janvier	90,5	95,4
février	92,4	91,8
mars	93,8	91,0
avril	92,5	93,7
mai	92,1	94,3
juin	94,3	95,7
juillet	94,8	96,3
août	95,2	97,8
septembre	96,3	99,6
octobre	96,5	98,0
novembre	97,1	101,5
décembre	97,6	100,7
2022
janvier	95,9	103,6
février	98,1	100,9
mars	98,3	100,9
avril	98,7	100,8
mai	99,0	105,2
juin	98,9	110,9
juillet	99,2	106,4
août	99,3	105,1
septembre	99,4	103,5
octobre	99,9	101,4
novembre	100,0	100,0
décembre	100,2	102,2
2023
janvier	100,9	103,9
février	101,3	101,0
mars	101,7	97,5
avril	101,9	94,8
mai	102,3	95,6
juin	102,8	97,7
juillet	102,8	101,6
août	102,9	104,8
septembre	103,1	101,5
octobre	103,1	105,5
novembre	103,2	107,7
décembre	103,5	102,9
2024
janvier	103,7	102,8
février	103,8	103,8
mars	104,0	101,3
avril	104,5	103,6
mai	104,3	104,9
juin	104,4	105,8
juillet	104,5	105,6
août	105,1	102,9
septembre	105,0	109,1
octobre	104,9	109,6
novembre	104,9	110,6
décembre	105,3	108,9
2025
janvier	105,3	114,6
février	105,6	108,8
mars	105,5	104,6
avril	105,6	105,5
mai	105,7	106,7
juin	106,4	105,7
juillet	105,9	106,1
août	105,9	110,5
septembre	105,8	116,9
octobre	106,3	118,5
novembre	106,5	117,7
décembre	106,4	118,2

Tableau de données du graphique 6

Tableau de données du graphique 6
Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 6 15 à 29 ans, 30 à 49 et 50 ans et plus, calculées selon indice unités de mesure (figurant comme en-tête de colonne).

	15 à 29 ans	30 à 49	50 ans et plus
	indice
Notes : La lignes verticales en pointillés délimite le début de la disponibilité généralisée de ChatGPT en Novembre 2022. La ligne horizontale solide délimite la ligne de base de l’indice de croissance de l’emploi. Tout point au-dessus de la ligne indique un niveau d’emploi plus élevé par rapport à celui observé en novembre 2022, et tout point en dessous de la ligne indique un niveau d’emploi plus bas. L’emploi fait référence à l’emploi principal des employés. Aux fins de cette étude, les emplois où la programmation occupe une grande place se réfèrent aux occupations suivantes de la Classification nationale des professions de 2021 : scientifiques des données, spécialistes en cybersécurité, spécialistes des systèmes commerciaux, spécialistes en informatique, analystes de bases de données et administrateurs de données, développeurs et programmeurs de systèmes informatiques, ingénieurs et concepteurs en logiciels, développeurs et programmeurs de logiciels, concepteurs Web, et développeurs et programmeurs Web. La croissance de l’emploi est exprimée par rapport au niveau observé en novembre 2022. Par exemple, un indice de 110 indiquerait une croissance de 10 % (110 moins 100) de l’emploi par rapport au niveau de novembre 2022, et un indice de 90 indiquerait que l’emploi était plus bas de 10 % (90 moins 100) par rapport au niveau de novembre 2022. L’emploi a été désagrégé en fonction de l’indice d’exposition professionnelle à l’intelligence artificielle ajusté en fonction de la complémentarité (EPIAC), élaboré par Felten et coll. (2021) et Pizzinelli et coll. (2023). Une profession présente une exposition élevée si son indice d'EPIA dépasse la médiane de l’EPIA de toutes les professions; sinon, elle est considérée comme ayant une faible exposition. De même, une profession est considérée comme ayant une complémentarité potentiellement élevée si son paramètre de complémentarité dépasse la médiane de la complémentarité de toutes les professions; sinon, elle est considérée comme ayant une faible complémentarité. Sources : Statistique Canada, Enquête sur la population active, de janvier 2015 à décembre 2025; Occupational Information Network.
2015
janvier	43,0	61,5	52,3
février	37,5	58,1	52,2
mars	40,1	57,4	45,6
avril	39,8	58,0	50,2
mai	41,4	58,3	50,9
juin	44,5	59,0	51,3
juillet	43,8	63,3	51,8
août	49,7	58,2	54,6
septembre	48,4	58,5	54,9
octobre	50,1	62,6	50,5
novembre	53,5	63,2	51,9
décembre	54,2	62,9	49,8
2016
janvier	49,8	63,2	50,8
février	55,4	68,0	51,5
mars	45,1	68,9	52,6
avril	42,3	68,1	55,2
mai	41,2	64,1	55,5
juin	41,4	60,3	56,1
juillet	41,0	63,7	58,7
août	44,9	60,0	57,7
septembre	45,1	57,7	59,6
octobre	42,6	56,7	63,6
novembre	48,2	59,0	71,4
décembre	57,8	57,2	65,0
2017
janvier	57,9	56,5	61,6
février	60,2	59,9	63,8
mars	60,2	61,2	65,7
avril	52,6	64,2	64,5
mai	59,0	64,3	62,7
juin	58,9	71,1	68,2
juillet	62,3	68,5	63,1
août	64,6	64,3	63,8
septembre	61,8	63,6	62,5
octobre	69,3	64,9	63,7
novembre	60,0	63,8	61,3
décembre	61,9	65,9	63,8
2018
janvier	66,2	62,2	66,0
février	59,6	63,7	64,4
mars	61,0	66,4	63,1
avril	64,3	63,5	60,5
mai	66,6	62,7	62,5
juin	63,4	65,1	56,0
juillet	66,6	67,0	61,8
août	65,6	65,6	62,6
septembre	54,0	61,6	65,1
octobre	48,7	64,4	71,0
novembre	54,8	65,6	64,4
décembre	56,2	64,6	67,2
2019
janvier	55,3	70,2	63,9
février	62,6	72,5	65,3
mars	67,5	69,3	66,0
avril	70,6	72,5	69,5
mai	68,2	76,5	71,3
juin	78,6	80,0	72,0
juillet	84,2	78,4	72,6
août	76,2	77,1	71,7
septembre	66,9	81,5	68,7
octobre	73,7	78,9	65,1
novembre	80,1	79,1	65,6
décembre	80,2	78,9	65,5
2020
janvier	76,7	80,4	70,4
février	73,7	83,9	74,9
mars	78,0	83,7	81,9
avril	88,0	82,7	76,0
mai	83,1	82,5	81,4
juin	85,2	88,6	81,4
juillet	84,2	88,1	80,2
août	91,8	87,3	80,3
septembre	97,0	89,7	85,8
octobre	100,0	91,0	88,6
novembre	88,1	93,5	93,2
décembre	101,4	91,0	89,5
2021
janvier	92,5	99,1	86,0
février	77,1	100,4	83,7
mars	86,9	95,8	82,5
avril	95,7	98,3	79,7
mai	102,2	97,5	79,0
juin	102,5	99,6	80,2
juillet	93,3	105,0	81,0
août	91,0	107,1	88,5
septembre	95,8	103,2	99,7
octobre	90,0	105,6	93,1
novembre	85,4	110,0	98,0
décembre	89,1	107,1	95,9
2022
janvier	94,6	107,6	99,3
février	93,7	103,8	99,3
mars	97,5	102,1	100,3
avril	94,7	102,5	102,9
mai	103,7	105,1	107,1
juin	120,7	109,4	106,2
juillet	109,1	107,1	106,2
août	110,6	106,9	101,9
septembre	100,3	108,2	101,0
octobre	99,2	105,9	97,7
novembre	100,0	100,0	100,0
décembre	104,0	100,1	104,6
2023
janvier	101,4	103,1	103,4
février	102,4	95,8	110,7
mars	98,8	94,7	101,0
avril	88,7	95,4	100,2
mai	94,9	95,9	94,4
juin	98,4	100,0	93,6
juillet	101,0	106,6	94,7
août	101,6	112,9	95,8
septembre	92,2	111,8	92,2
octobre	96,5	115,0	95,3
novembre	90,9	120,4	94,0
décembre	86,7	115,5	89,8
2024
janvier	93,2	112,0	85,1
février	91,6	111,9	92,5
mars	90,1	108,5	94,8
avril	103,6	103,5	103,5
mai	105,6	107,1	97,7
juin	111,5	105,9	102,8
juillet	110,3	110,3	93,7
août	95,6	113,7	93,2
septembre	96,4	123,1	94,0
octobre	100,1	121,7	92,7
novembre	104,6	120,4	93,6
décembre	97,6	119,5	95,1
2025
janvier	94,2	129,3	95,7
février	90,2	121,3	95,9
mars	80,0	118,2	96,6
avril	83,0	119,1	95,5
mai	80,0	121,1	99,1
juin	87,6	116,7	100,0
juillet	80,9	120,9	101,1
août	91,9	126,0	102,1
septembre	105,3	127,5	106,8
octobre	106,1	128,0	110,4
novembre	104,5	128,0	107,2
décembre	108,4	127,0	106,3

Toutefois, il n’est pas clair que la divergence d’âge dans les professions où la programmation occupe une grande place soit entièrement causée par l’avènement de l’IA en 2022, car c’est également à cette époque que l’économie sortait de la pandémie et qu’il y avait une augmentation des postes vacants, en particulier dans les emplois liés à la technologie. Il est possible que la baisse relative chez les jeunes employés occupant un emploi où la programmation occupe une grande place reflète un processus d’adaptation du marché du travail postpandémie.

Si l’IA remplace les postes de premier échelon, cela pourrait présenter de nouveaux de défis concernant l’acquisition d’une expertise de niveau supérieur. Si les postes de premier échelon sont éliminés, on pourrait s’attendre à ce que les nouveaux diplômés entrent sur le marché du travail en ayant déjà les compétences avancées généralement acquises au fil des années d’expérience. Ce changement pourrait perturber les voies traditionnelles de croissance professionnelle, ce qui nécessite de nouvelles approches en matière de formation et d’acquisition de compétences pour les futurs spécialistes de haut niveau.

Les postes vacants potentiellement plus exposés à l’intelligence artificielle générative et moins complémentaire à celle-ci ont diminué à un rythme similaire à ceux potentiellement moins exposés du quatrième trimestre de 2022 au troisième trimestre de 2025

Comprendre les dynamiques du marché du travail nécessite plus que l’analyse des niveaux d’emploi existants. L’examen des postes vacants offre une perspective complémentaire, en particulier lors de l’évaluation de l’incidence des technologies émergentes comme l’IA sur la demande de compétences. Contrairement à l’emploi, qui traduit les correspondances réalisées entre les travailleurs et les emplois, les postes vacants fournissent une mesure prospective de la demande non satisfaite des employeurs en matière de compétences. Le suivi des tendances en matière de postes vacants peut donc permettre de déterminer si la demande pour certains postes ou ensembles de compétences dépasse l’offre, mettre en évidence les pressions potentielles de réaffectation sur le marché du travail et aider à déterminer les professions où les perturbations technologiques pourraient redéfinir les besoins des employeurs plus rapidement que les travailleurs ne peuvent s’adapter.

La pandémie a joué un grand rôle dans la restructuration de la demande de compétences au cours des cinq dernières années, car elle a pu accélérer l’adoption de la technologie par les entreprises fonctionnant avec des niveaux de personnel réduits. Les postes vacants ont commencé à augmenter à la fin de 2021 alors que de nombreuses entreprises ont commencé à rouvrir. Les postes vacants ont atteint leur niveau le plus élevé des 10 dernières années au cours du deuxième trimestre de 2022, soit un sommet de près de 1 million (Statistique Canada, 2025c). Le graphique 7 montre que cette augmentation a été largement motivée par les postes vacants à FEFC et à FE. Cette demande de compétences non satisfaite a diminué à la fin de 2022, ce qui a également coïncidé avec la sortie de ChatGPT et la prolifération des outils d’IA générative. Ainsi, il n’est pas clair dans quelle mesure la baisse subséquente des postes vacants a été causée par l’avancement technologique et dans quelle mesure elle a été provoquée par une adaptation du marché du travail postpandémie.

Les postes vacants dans les secteurs à FEFC et à FE ont diminué par presque 50 % du quatrième trimestre de 2022 au troisième trimestre de 2025. Au cours de cette période, les postes vacants à FEGC ont diminué d’environ 30 %. La différence dans la diminution entre les postes vacants à FEFC et les autres postes vacants était statistiquement significative, mais la différence dans la diminution entre les postes vacants à FEGC et à FE ne l’était pas. Ces résultats donnent à penser que, jusqu’à présent, la demande non satisfaite de compétences potentiellement plus exposées à l’IA et moins complémentaires à celle-ci a diminué à un rythme similaire à celui de la demande non satisfaite de compétences potentiellement moins exposées à l’IA.

Tableau de données du graphique 7

Tableau de données du graphique 7
Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 7 Forte exposition et grande complémentarité, Faible exposition et faible complémentarité et Faible exposition, calculées selon indice unités de mesure (figurant comme en-tête de colonne).

	Forte exposition et grande complémentarité	Faible exposition et faible complémentarité	Faible exposition
	indice
Note .. indisponible pour une période de référence précise Notes : La ligne verticale en pointillés délimite le début de la disponibilité généralisée de ChatGPT en T4 2022. La collecte des données de l’enquête sur les postes vacants et les salaires a été suspendue aux deuxième et troisième trimestres de 2020. Par conséquent, les données pour ces périodes de référence ne sont pas disponibles. La ligne horizontale solide délimite la ligne de base de l’indice de croissance des postes vacants. Tout point au-dessus de la ligne indique un niveau de postes vacants plus élevé par rapport à celui observé en T4 2022, et tout point en dessous de la ligne indique un niveau de postes vacants plus bas. Tous les types de postes vacants sont inclus. La croissance des postes vacants est exprimée par rapport au niveau observé en T4 2022. Par exemple, un indice de 110 indiquerait une croissance de 10 % (110 moins 100) des postes vacants par rapport au niveau de T4 2022, et un indice de 90 indiquerait que les postes vacants étaient plus bas de 10 % (90 moins 100) par rapport au niveau de T4 2022. Les emplois ont été désagrégés en fonction de l’indice d’exposition professionnelle à l’intelligence artificielle ajusté en fonction de la complémentarité (EPIAC), élaboré par Felten et coll. (2021) et Pizzinelli et coll. (2023). Une profession présente une exposition élevée si son indice d'EPIA dépasse la médiane de l’EPIA de toutes les professions; sinon, elle est considérée comme ayant une faible exposition. De même, une profession est considérée comme ayant une complémentarité potentiellement élevée si son paramètre de complémentarité dépasse la médiane de la complémentarité de toutes les professions; sinon, elle est considérée comme ayant une faible complémentarité. Sources : Statistique Canada, Enquête sur les postes vacants et les salaires; Occupational Information Network.
2015
T1	41,0	49,4	53,2
T2	39,7	51,4	45,9
T3	39,5	46,5	43,0
T4	39,0	45,5	40,0
2016
T1	39,1	42,8	38,6
T2	40,0	46,5	37,6
T3	43,9	52,9	39,2
T4	41,7	49,6	42,2
2017
T1	40,4	51,4	45,8
T2	45,1	52,2	48,5
T3	46,9	55,4	51,2
T4	49,8	58,5	54,8
2018
T1	51,6	59,6	56,6
T2	53,3	64,1	58,2
T3	56,5	65,6	60,4
T4	58,9	68,3	63,4
2019
T1	59,5	66,9	62,4
T2	59,8	65,1	61,3
T3	58,8	63,7	61,5
T4	59,2	63,0	59,0
2020
T1	61,7	65,4	62,8
T2	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise
T3	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise
T4	65,3	68,1	66,4
2021
T1	67,6	71,7	69,0
T2	75,6	81,3	77,9
T3	85,5	95,8	107,9
T4	92,5	104,1	111,8
2022
T1	96,2	110,1	109,8
T2	100,2	115,5	115,0
T3	101,2	106,9	113,4
T4	100,0	100,0	100,0
2023
T1	97,3	89,6	94,1
T2	95,2	84,7	87,6
T3	91,3	76,3	81,5
T4	88,1	72,2	74,2
2024
T1	87,5	68,1	68,9
T2	80,9	65,5	62,4
T3	77,6	62,8	58,9
T4	76,3	60,2	56,9
2025
T1	74,4	60,8	55,4
T2	72,4	55,7	54,1
T3	70,8	53,5	53,2

Les postes vacants où la programmation occupe une grande place ont augmenté au cours de la période de 2021 à 2022 à un rythme plus rapide que les autres postes vacants (graphique 8). Cependant, après le quatrième trimestre de 2022, les postes nécessitant des compétences en programmation ont diminué plus fortement que les postes dans d’autres professions. Au troisième trimestre de 2025, les postes vacants pour des emplois où la programmation occupe une grande place nécessitant trois ans d’expérience ou moins ont reculé d’environ 60 %, tandis que ceux pour des emplois nécessitant plus d’expérience ont diminué d’environ 30 % (une différence statistiquement significative). Les postes vacants dans d’autres professions nécessitant trois ans d’expérience ou moins ont diminué d’environ 45 %, tandis que ceux dans des professions nécessitant plus d’expérience ont diminué d’environ 20 % (une différence statistiquement significative). Toutefois, il est difficile de dire avec certitude si la baisse plus marquée des postes vacants où la programmation occupe une grande place est liée au remplacement des tâches de programmation par l’IA ou si elle est plutôt le résultat d’une correction naturelle à la suite de l’expansion rapide des postes vacants où la programmation occupe une grande place durant la période de 2021 à 2022, ce qui peut temporairement avoir satisfait les besoins d’embauche des employeurs. La diminution des postes vacants pour les emplois nécessitant des compétences en programmation requérant moins d’expérience concorde également avec la constatation précédente concernant la diminution des jeunes professionnels dans ces professions par rapport à leurs homologues plus âgés. Il est également possible que, alors que l’explosion de la demande de personnes pour occuper des fonctions où la programmation occupe une grande place durant la pandémie s’est atténuée, l’offre de jeunes nouveaux travailleurs intégrant ces professions ou se recyclant pour exercer ces professions a diminué, car le domaine est devenu moins attrayant ou perçu comme offrant moins de possibilités. Cependant, étant donné la chronologie des événements relativement courte, cela s’applique peut-être moins aux titulaires de diplômes universitaires, dont les cheminements éducatifs et les choix de carrière se déroulent sur une période plus longue, mais pourrait concerner davantage ceux qui suivent des formations menant à un diplôme, à un certificat ou à des crédits à plus court terme, où la formation et l’entrée sur le marché du travail peuvent se faire sur une période plus courte^Note .

Tableau de données du graphique 8

Tableau de données du graphique 8
Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 8 Emplois où la programmation occupe une grande place nécessitant trois ans ou moins d’expérience, Emplois où la programmation occupe une grande place nécessitant plus de trois ans d’expérience, Autres emplois nécessitant trois ans ou moins d’expérience et Autres emplois nécessitant plus de trois ans d’expérience, calculées selon indice unités de mesure (figurant comme en-tête de colonne).

	Emplois où la programmation occupe une grande place nécessitant trois ans ou moins d’expérience	Emplois où la programmation occupe une grande place nécessitant plus de trois ans d’expérience	Autres emplois nécessitant trois ans ou moins d’expérience	Autres emplois nécessitant plus de trois ans d’expérience
	indice
Note .. indisponible pour une période de référence précise Notes : La ligne verticale en pointillés délimite le début de la disponibilité généralisée de ChatGPT en T4 2022. La collecte des données de l’enquête sur les postes vacants et les salaires a été suspendue aux deuxième et troisième trimestres de 2020. Par conséquent, les données pour ces périodes de référence ne sont pas disponibles. La ligne horizontale solide délimite la ligne de base de l’indice de croissance des postes vacants. Tout point au-dessus de la ligne indique un niveau de postes vacants plus élevé par rapport à celui observé en T4 2022 et tout point en dessous de la ligne indique un niveau de postes vacants plus bas. Tous les types de postes vacants sont inclus. Aux fins de cette étude, les emplois où la programmation occupe une grande place font référence aux occupations suivantes de la Classification nationale des professions de 2021 : scientifiques des données, spécialistes en cybersécurité, spécialistes des systèmes commerciaux, spécialistes en informatique, analystes de bases de données et administrateurs de données, développeurs et programmeurs de systèmes informatiques, ingénieurs et concepteurs en logiciels, développeurs et programmeurs de logiciels, concepteurs Web, et développeurs et programmeurs Web. La croissance des postes vacants est exprimée par rapport au niveau observé en T4 2022. Par exemple, un indice de 110 indiquerait une croissance de 10 % (110 moins 100) des postes vacants par rapport au niveau de T4 2022, et un indice de 90 indiquerait que les postes vacants étaient plus bas de 10 % (90 moins 100) par rapport au niveau de T4 2022. Les emplois ont été désagrégés en fonction de l’indice d’exposition professionnelle à l’intelligence artificielle ajusté en fonction de la complémentarité (EPIAC), élaboré par Felten et coll. (2021) et Pizzinelli et coll. (2023). Une profession présente un risque potentiellement élevé si son indice d'EPIA dépasse la médiane de l'EPIA pour l’ensemble des professions; sinon, elle est considérée comme ayant une faible exposition. De même, une profession est considérée comme ayant potentiellement une grande complémentarité si son paramètre de complémentarité dépasse la médiane de la complémentarité de toutes les professions; sinon, elle est considérée comme ayant une faible complémentarité. Sources : Statistique Canada, Enquête sur les postes vacants et les salaires; Occupational Information Network.
2015
T1	36,4	36,0	50,0	63,5
T2	46,7	33,7	46,3	60,6
T3	34,2	38,2	42,6	57,6
T4	37,9	36,0	40,7	51,7
2016
T1	38,6	30,5	38,6	50,8
T2	41,0	34,2	40,8	51,1
T3	48,2	42,1	42,9	51,8
T4	42,5	37,5	44,8	53,3
2017
T1	44,1	38,8	46,7	54,8
T2	48,2	39,6	47,9	55,9
T3	55,6	45,3	50,7	57,0
T4	51,4	49,1	54,2	61,1
2018
T1	55,1	53,0	55,5	61,5
T2	61,9	56,8	57,9	63,4
T3	69,6	52,3	59,8	70,3
T4	67,4	52,1	62,2	73,4
2019
T1	69,7	58,6	61,9	70,8
T2	66,4	55,4	60,7	70,5
T3	69,8	54,2	59,3	67,3
T4	71,5	61,7	58,8	69,7
2020
T1	77,7	69,4	60,3	69,5
T2	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise
T3	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise
T4	68,8	72,5	67,1	67,1
2021
T1	75,5	92,0	68,0	77,3
T2	84,2	99,8	77,4	83,8
T3	102,2	105,0	97,7	97,8
T4	121,1	129,2	105,9	99,5
2022
T1	121,0	129,2	106,4	104,8
T2	151,2	125,9	111,1	107,5
T3	113,7	114,1	106,7	104,1
T4	100,0	100,0	100,0	100,0
2023
T1	75,8	83,3	92,9	89,3
T2	72,4	75,0	87,4	90,9
T3	55,8	58,1	81,0	84,5
T4	56,0	54,2	76,3	82,1
2024
T1	56,7	59,7	69,8	83,1
T2	40,7	60,8	65,6	81,5
T3	42,9	63,1	61,2	83,1
T4	41,7	63,9	58,6	83,7
2025
T1	42,9	58,1	59,0	78,7
T2	42,3	65,4	55,4	78,9
T3	36,4	66,5	53,6	81,3

Les emplois potentiellement plus exposés à l’intelligence artificielle générative sont généralement de meilleure qualité que les autres emplois

Bien que la suppression d’emplois soit la préoccupation centrale associée à la perturbation technologique, les nouvelles technologies peuvent également influer sur la qualité des emplois, notamment par la réduction des salaires liée à l’abaissement des obstacles empêchant l’accès à certaines professions. Par exemple, les systèmes de positionnement global ont réduit la nécessité que les chauffeurs de taxi ou de services de covoiturage mémorisent des cartes. Les nouvelles technologies peuvent également avoir un effet d’augmentation des salaires et donner lieu à une plus grande spécialisation de certaines professions. Par exemple, la fonctionnalité de vérification grammaticale et orthographique des logiciels de traitement de texte a éliminé des tâches de révision simples pour les correcteurs d’épreuves, ce qui a mené à une plus grande spécialisation de leurs fonctions, où ils aident désormais les gens à s’améliorer à l’écrit au lieu de simplement corriger l’orthographe et la grammaire^Note .

En ce qui concerne certaines caractéristiques de la qualité de l’emploi, les emplois à FEGC étaient plus susceptibles que les emplois à FEFC et à FE d’être à temps plein, permanents ou les deux (c’est-à-dire à temps plein et permanents); d’avoir beaucoup ancienneté (10 ans ou plus avec le même employeur); d’être syndiqués ou assujettis à une convention collective; d’être associés à un régime de pension de retraite en milieu de travail; et d’avoir des taux de salaire horaire plus élevés. À l’exception de la syndicalisation ou de la couverture par une convention collective et d’une forte ancienneté, les emplois à FEFC étaient plus susceptibles d’être associés aux caractéristiques de la qualité d’emploi mentionnées ci-dessus que les emplois à FE. Ce classement est resté le même au cours de la dernière décennie.

Les emplois à FEGC permettaient de gagner en moyenne environ 48,50 $ de l’heure en 2025, comparativement à 35,40 $ de l’heure pour les emplois à FEFC et 28,50 $ de l’heure pour les emplois à FE (tableau 1). Les salaires horaires réels ont augmenté d’environ 5 % entre novembre 2022 et décembre 2025, sans différence significative dans les taux de croissance entre les trois groupes de professions. À plus long terme, au cours de la dernière décennie, les taux de salaire horaire des emplois à FEGC ont augmenté à un rythme relativement plus rapide. Cela n’est pas surprenant étant donné qu’en moyenne, environ 60 % des employés ayant une FEGC possédaient un baccalauréat ou un grade supérieur au cours de la dernière décennie, comparativement à environ 40 % des employés ayant une FEFC et environ 15 % des employés ayant une FE.

Environ 91 % des emplois à FEGC étaient à temps plein en 2025, comparativement à 83 % des emplois à FEFC et 78 % des emplois à FE. Environ 91 % des emplois à FEGC étaient permanents, comparativement à 89 % des emplois à FEFC et à 86 % des emplois à FE. Environ 85 % des emplois à FEGC étaient à la fois à temps plein et permanents, comparativement à 77 % des emplois à FEFC et à 70 % des emplois à FE.

Environ 36 % des emplois à FEGC étaient syndiqués ou assujettis à une convention collective, comparativement à 33 % des emplois à FE et à 23 % des emplois à FEFC. Les taux de syndicalisation ou de couverture par des conventions collectives relativement plus élevés chez les employés ayant une FEFC et une FE s’expliquent par la composition des emplois au sein de ces grandes catégories. Les emplois à FEFC comprennent une concentration relativement importante de professions dans le domaine de la santé, de l’éducation et de l’administration publique, qui ont traditionnellement une forte représentation syndicale. Les emplois classés à FE comprennent un nombre important d’emplois dans les métiers spécialisés, dont bon nombre sont également syndiqués. En revanche, le taux plus bas de syndicalisation ou de couverture par des conventions collectives chez les employés ayant une FEFC donne à penser que les travailleurs occupant ces postes peuvent avoir moins de possibilités de soutien ou de recours en cas de pertes d’emploi liées à l’IA.

Pour plus du tiers (37 %) des emplois à FEGC, les employés étaient avec le même employeur depuis au moins 10 ans, comparativement à 25 % des emplois à FEFC et 24 % des emplois à FE. Environ 66 % des emplois à FEGC étaient associés à des régimes de pension de retraite en milieu de travail, comparativement à 52 % des emplois à FEFC et à 41 % des emplois à FE.

Les professions où la programmation occupe une grande place ont en moyenne permis de gagner environ 54,40 $ de l’heure en 2025, comparativement à 35,70 $ de l’heure dans d’autres professions. Les salaires horaires réels dans les deux groupes de professions ont augmenté d’environ 5 % de novembre 2022 à décembre 2025. Toutefois, au cours d’une période de 10 ans, les salaires horaires réels dans les professions où la programmation occupe une grande place ont augmenté à un rythme plus rapide (15 %) que ceux dans d’autres emplois (9 %). 

Presque tous les emplois où la programmation occupe une grande place (98 %) étaient à temps plein, comparativement à environ 83 % dans d’autres professions. Les emplois où la programmation occupe une grande place étaient également plus susceptibles d’être permanents, par rapport à d’autres emplois (95 % par rapport à 88 %, respectivement), et plus susceptibles d’être à la fois à temps plein et permanents (93 % par rapport à 76 %, respectivement). Les emplois où la programmation occupe une grande place (60 %) étaient également plus susceptibles d’être associés à des régimes de pension en milieu de travail que d’autres emplois (51 %). Toutefois, les emplois où la programmation occupe une grande place étaient moins susceptibles d’avoir plus d’ancienneté, par rapport à d’autres emplois (23 % par rapport à 28 %, respectivement), et moins susceptibles d’être syndiqués ou assujettis une convention collective (14 % par rapport à 31 %, respectivement).

Le changement de la composition des professions trois ans après la disponibilité généralisée de l’intelligence artificielle générative n’est pas sensiblement différent de celui observé pendant les autres périodes d’évolution technologique

Le graphique 9 offre une perspective historique sur la façon dont le changement de la composition des professions depuis la disponibilité généralisée de l’IA générative se compare à d’autres périodes de changement technologique.  Fondé sur une adaptation de l’indice de dissimilitude de Duncan et Duncan (1955), comme dans Gimbel et coll. (2025), le graphique 9 illustre le degré de changement de la composition dans la répartition des professions par rapport aux périodes d’adoption ou de disponibilité des technologies importantes^Note . L’indice se situe entre les limites de 0 et de 100, une valeur plus élevée indiquant une plus grande dissimilitude dans la composition professionnelle par rapport à la période de référence. Il convient de souligner que cet indice mesure simplement le changement au cours de cette période et ne révèle rien concernant la cause de ce changement. Des changements peuvent survenir lorsque des travailleurs changent d’emploi, perdent leur emploi ou que des personnes au chômage obtiennent un nouvel emploi, ce qui peut être causé par une transformation technologique ou d’autres facteurs économiques.

En plus de calculer l’indice de dissimilitude pour l’IA avec un mois de référence de novembre 2022, des indices sont également présentés pour l’adoption généralisée des ordinateurs à la fin des années 1980, la propagation des technologies Internet depuis le milieu des années 1990 et le début de la pandémie à partir d’avril 2020, ainsi qu’une période de référence prépandémique de stabilité relative de 2016 à 2019. Les mois de référence ont été choisis pour s’harmoniser avec l’étude américaine de Gimbel et coll. (2025). Le graphique 9 montre qu’après 37 mois suivant le lancement de ChatGPT (c’est-à-dire de novembre 2022 à décembre 2025), environ 8 % des employés devraient changer d’emploi pour rétablir la distribution professionnelle originale observée en novembre 2022. Bien que ce soit un nombre non négligeable, il n’est pas sensiblement différent des chiffres observés trois ans après l’adoption généralisée des ordinateurs ou d’Internet. De plus, le changement dans la composition des professions depuis novembre 2022 ne semble pas substantiellement différent de celui observé au cours de la période de référence de 2016 à 2019. Cela donne à penser que les changements dans la composition des professions pourraient déjà être en cours avant la disponibilité généralisée de l’IA générative. Sans surprise, le début de la pandémie en avril 2020 a entraîné des changements plus immédiats dans la composition des professions par rapport à l’avènement des ordinateurs, d’Internet et de l’IA générative. Cela a été principalement causé par la baisse soudaine des emplois de service dans les restaurants, les détaillants et d’autres établissements similaires induit par les confinements et d’autres mesures sanitaires pendant la pandémie.

Bien qu’ils ne puissent pas être directement comparés à l’étude américaine de Gimbel et coll.  (2025), les résultats canadiens s’harmonisent généralement avec celle-ci. Les résultats laissent entendre que, malgré les préoccupations concernant une transformation rapide du marché du travail à la suite de l’IA générative, le changement dans la composition des professions au Canada au cours des trois années depuis la disponibilité généralisée de l’IA générative n’est pas sensiblement différent des périodes précédentes de perturbation technologique. Le rythme et l’ampleur de la réaffectation professionnelle à la suite de l’avènement de l’IA sont comparables à ceux observés après l’adoption massive des ordinateurs et d’Internet.

Toutefois, il est important de souligner que, bien que l’IA générative soit largement accessible au grand public, l’adoption généralisée de cette technologie ne s’est pas encore produite au Canada. Des données récentes indiquent qu’environ 12 % des entreprises canadiennes ont déclaré utiliser l’IA dans la prestation de biens ou de services (Bryan et coll., 2025). Un facteur pouvant limiter l’incidence immédiate et généralisée est la nécessité pour les systèmes et les flux de travail existants de s’adapter aux nouvelles technologies d’IA, ce qui peut ralentir l’intégration et l’utilisation. Par conséquent, les résultats présentés dans le graphique 9 peuvent ne représenter que la phase initiale de la diffusion de la technologie. L’incidence globale de l’IA générative sur la dissimilitude professionnelle reste à démontrer. Par conséquent, les résultats du graphique 9 offrent une autre perspective pour évaluer si l’IA générative a eu un effet mesurable sur la composition des professions jusqu’à présent, tout en reconnaissant qu’une adoption plus répandue et une adaptation supplémentaire des systèmes existants à l’avenir pourraient potentiellement entraîner des changements plus importants dans la composition des professions.

Tableau de données du graphique 9

Tableau de données du graphique 9
Sommaire du tableau
Les données sont présentées selon Mois depuis la date de référence indiquée dans la légende (titres de rangée) et Intelligence artificielle (référence novembre 2022), Pandémie de COVID-19 (référence avril 2020), Base de référence (référence juin 2016), Internet (référence janvier 1996) et Ordinateurs (référence juin 1987), calculées selon variation en points de pourcentage unités de mesure (figurant comme en-tête de colonne).

Mois depuis la date de référence indiquée dans la légende	Intelligence artificielle (référence novembre 2022)	Pandémie de COVID-19 (référence avril 2020)	Base de référence (référence juin 2016)	Internet (référence janvier 1996)	Ordinateurs (référence juin 1987)
	variation en points de pourcentage
Note .. indisponible pour une période de référence précise Notes : L’emploi fait référence à l’emploi principal des employés de 15 ans et plus. Les estimations présentées ci-dessus sont fondées sur une adaptation de l’indice de dissimilitude de Duncan et Duncan (1955). Il est calculé comme la somme des différences absolues dans les proportions d’occupation observées dans un mois donné et un mois de référence. Ce nombre est ensuite multiplié par 50 (100 divisé par 2) afin qu’il puisse être interprété comme des variations en points de pourcentage. L’indice indique le pourcentage d’employés dans un mois donné qui devraient changer d’emploi pour rétablir la distribution professionnelle observée dans le mois de référence. Un indice plus élevé indique une plus grande dissimilitude dans la composition professionnelle. Cela peut se produire lorsque des employés changent d’emploi, que des employés perdent leur emploi ou que des personnes au chômage obtiennent de nouveaux emplois. L’indice mesure simplement le changement dans la composition professionnelle et reste neutre quant à la raison de ce changement. Les estimations présentées ici sont fondées sur des moyennes mobiles désaisonnalisées sur six mois de l’emploi dans les professions classées au niveau cinq chiffres de la Classification nationale des professions 2021. Ce tableau est fondé sur un tableau similaire produit par Gimbel et coll. (2025) pour les États-Unis. Toutefois, les estimations ne sont pas directement comparables en raison des différences dans les données et les systèmes de classification des professions. Les dates de référence sur ce graphique, à l’exception de celles de la pandémie de COVID-19, désignent la date de début approximative de l’adoption ou de la disponibilité de la technologie précisée. Gimbel et coll. (2025) ont utilisé janvier 1984 comme date de référence pour l’adoption généralisée des ordinateurs. Cependant, l’Enquête sur la population active n’avait pas de renseignements sur les professions avant janvier 1987. La date de référence pour l’adoption généralisée des ordinateurs a donc été établie à juin 1987 (le premier point de données dans la moyenne mobile sur six mois de janvier 1987 à juin 1987). La période de référence s’étendait de juin 2016 à décembre 2019, lorsque l’économie était relativement stable avant la pandémie de COVID-19. L’indice de la pandémie de COVID-19 couvre uniquement la période d’avril 2020 à octobre 2022, car étendre l’indice au-delà d’octobre 2022 fusionnerait les effets potentiels de la disponibilité généralisée de l’intelligence artificielle générative, à partir de novembre 2022. Source : Statistique Canada, Enquête sur la population active, de janvier 1987 à décembre 2025.
0	0,0	0,0	0,0	0,0	0,0
1	1,1	1,6	1,1	1,1	1,2
2	1,9	3,0	2,0	2,0	2,1
3	2,7	4,3	2,8	2,8	2,9
4	3,5	5,4	3,5	3,5	3,6
5	4,2	5,9	4,2	4,1	4,2
6	4,8	5,9	4,7	4,5	4,7
7	5,3	6,0	5,1	4,8	5,1
8	5,6	6,0	5,4	5,0	5,4
9	5,8	6,3	5,7	5,1	5,5
10	5,9	6,5	5,8	5,3	5,6
11	6,1	6,5	5,9	5,3	5,6
12	6,1	6,7	6,1	5,4	5,5
13	6,2	6,8	6,3	5,4	5,6
14	6,2	6,9	6,3	5,5	5,6
15	6,3	6,8	6,2	5,6	5,6
16	6,4	6,6	6,1	5,5	5,7
17	6,5	6,8	6,1	5,5	5,9
18	6,6	6,7	6,1	5,5	5,9
19	6,6	6,6	6,2	5,5	6,1
20	6,7	6,6	6,3	5,5	6,2
21	6,8	6,8	6,6	5,5	6,3
22	6,9	6,9	6,6	5,6	6,4
23	6,9	6,9	6,6	5,7	6,4
24	7,0	6,9	6,6	5,8	6,4
25	7,1	6,8	6,5	6,0	6,4
26	7,2	6,9	6,5	6,1	6,5
27	7,1	6,8	6,4	6,1	6,5
28	7,1	6,8	6,5	6,2	6,4
29	7,0	6,8	6,6	6,1	6,4
30	7,1	6,9	6,7	6,1	6,2
31	7,0	.. indisponible pour une période de référence précise	6,7	6,2	6,2
32	7,1	.. indisponible pour une période de référence précise	6,8	6,4	6,2
33	7,1	.. indisponible pour une période de référence précise	7,0	6,7	6,2
34	7,3	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	6,9	6,4
35	7,4	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	7,1	6,6
36	7,4	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	7,2	6,8
37	7,6	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	7,3	6,9
38	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	7,2	7,0
39	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	7,2	7,1
40	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	7,1	7,1
41	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	7,1	7,3
42	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	7,1	7,4
43	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	6,9	7,5
44	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	6,8	7,6
45	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	6,8	7,6
46	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	6,7	7,6
47	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	6,7	7,6
48	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	6,8	7,6
49	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	6,9	7,6
50	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	7,0	7,7
51	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	7,2	7,7
52	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	7,5	7,8
53	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	7,7	7,9
54	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	7,9	8,1
55	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	8,0	8,2
56	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	8,0	8,3
57	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	8,1	8,3
58	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	8,2	8,2
59	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	8,4	8,1
60	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	.. indisponible pour une période de référence précise	8,7	8,0

Conclusion

Bien que l’IA soit souvent associée à des préoccupations concernant la perte d’emplois à grande échelle, les premières données probantes provenant du Canada depuis que des d’outils d’IA générative comme ChatGPT sont disponibles massivement montrent une réalité plus nuancée, mettant en évidence un marché du travail en évolution au milieu d’une confluence de facteurs technologiques, démographiques et économiques. L’emploi global a continué de croître trois ans après la disponibilité généralisée de l’IA générative, alors que rien n’indique que les emplois potentiellement plus exposés à l’IA et moins complémentaires avec celle-ci aient connu des baisses disproportionnées par rapport à d’autres professions. Bien que des effets de distribution au sein des démographies, tels qu’une croissance de l’emploi plus faible pour les jeunes et les travailleurs moins scolarisés, aient été observés, ceux-ci peuvent être attribuables à plusieurs facteurs économiques sous-jacents.

Trois ans après la disponibilité généralisée de l’IA générative, la composition globale des professions sur le marché du travail canadien ne semble pas être sensiblement différente des périodes précédentes de perturbation technologique, comme l’introduction des ordinateurs ou d’Internet. Cela donne à penser que le rythme et l’ampleur de la réaffectation professionnelle en réponse à l’IA générative, bien qu’ils soient non négligeables, correspondent à des modèles historiques de changement technologique au lieu de représenter une transformation sans précédent.

Néanmoins, une grande incertitude persiste. La diffusion de l’IA en est encore à ses débuts, son adoption massive ne s’étant pas encore produite et l’adaptation des systèmes existants pouvant en retarder les effets. De plus, plusieurs chocs économiques qui se chevauchent — allant des conséquences de la pandémie aux changements démographiques rapides causés par l’augmentation de l’immigration et à la dynamique récente des échanges commerciaux avec les États-Unis — font en sorte qu’il est difficile de démêler les effets de l’IA sur les résultats en matière d’emploi. Malgré le manque de données probantes concernant la perte d’emplois à grande échelle induite par l’IA jusqu’à maintenant, le pouvoir de transformation de l’IA et l’incertitude quant à ses conséquences à plus long terme font ressortir la nécessité de continuer à faire le suivi et la surveillance du marché du travail.

Bibliographie

Bryan, V.; S. Sood et C. Johnston. 2024. Analyse de l’utilisation de l’intelligence artificielle par les entreprises au Canada, deuxième trimestre de 2024. Analyse en bref. Produit no 11-621-M au catalogue de Statistique Canada. Ottawa : Statistique Canada.

Bryan, V.; S. Sood et C. Johnston. 2025. Analyse de l’utilisation de l’intelligence artificielle par les entreprises au Canada, deuxième trimestre de 2025. Analyse en bref. Produit no 11-621-M au catalogue de Statistique Canada. Ottawa : Statistique Canada.

Brynjolfsson, E., B. Chandar et R. Chen. 2025. Canaries in the Coal mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Document de travail de l’Université Stanford.

Chandar, B. 2025. AI and Labor Markets: What We Know and Don’t Know. Stanford University Digital Economy Lab Insights.

Dingel, J. I. et B. Neiman. 2020. How many jobs can be done at home? Journal of Public Economics, vol. 189.

Duncan, O. D. et B. Duncan. 1955. A Methodological Analysis of Segregation Indexes. American Sociological Review, vol. 20, No. 2, p. 210-217.

Eckhardt, S. et N. Goldschlag. 2025. AI and Jobs: The Final Word (Until the next one). Economic Innovation Group.

Eloundou, T., S. Manning, P. Mishkin et D. Rock. 2024. GPTs are GPTs: Labor market impact potential of LLMs. Science, vol. 384, no 6702, p.  1306-1308.

Felten, E.; M. Raj et R. Seamans. 2021. Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses. Strategic Management Journal, vol. 42, no 12, p. 2195-2217.

Frenette, M. 2025. L’évolution de la nature du travail au Canada : 1987 à 2024. Rapports économiques et sociaux (février). Produit no 36-28-0001 au catalogue de Statistique Canada. Ottawa : Statistique Canada.

Frenette, M. et K. Frank. 2020. Automatisation et transformation des emplois au Canada : qui est à risque? Direction des études analytiques : documents de recherche. Produit no 11F0019M au catalogue de Statistique Canada. Ottawa : Statistique Canada.

Frey, C. B. et M.A. Osborne. 2013. The Future of Employment: How susceptible are jobs to computerisation? Oxford Martin Programme on Technology and Employment. Oxford, Oxford Martin School, Université d’Oxford.

Gimbel, M., M. Kinder, J. Kendall et M. Lee. 2025. Evaluating the Impact of AI on the Labor Market: Current State of Affairs. The Budget Lab. Université Yale.

Gmyrek, P., J. Berg, K. Kamiński, F. Konopczyński, A. Ładna, B. Nafradi, K. Rosłaniec et M. Troszyński. 2025. Generative AI and jobs: A refined global index of occupational exposure. Document de travail de l’OIT 140.

Hampole, M., D. Papanikolaou, L. D. W. Schmidt et B. Seegmiller. 2025. Artificial Intelligence and the Labor Market. Document de travail du NBER, no 33509.

Humlum, A. et E. Vestergaard. 2025. Large Language Models, Small Labor Market Effects. Document de travail du NBER, no 33777.

Kochhar, R. 2024. Which U.S. Workers Are More Exposed to AI on Their Jobs? Pew Research Center.

Li, V. et G. Dobbs. 2025. Right Brain, Left Brain, AI Brain: AI’s impact on jobs and skill demand in Canada’s workforce. The Dais.

Mehdi, T. et M. Frenette. 2024. Exposition à l’intelligence artificielle dans les emplois au Canada : estimations expérimentales. Rapports économiques et sociaux (septembre). Produit no 36‑28-0001 au catalogue de Statistique Canada. Ottawa : Statistique Canada.

Mehdi, T. et R. Morissette. 2021. Travail à domicile : productivité et préférences. StatCan et la COVID‑19 : Des données aux connaissances pour bâtir un Canada meilleur. Produit no 45-28-0001 au catalogue de Statistique Canada. Ottawa : Statistique Canada.

Mehdi, T. et R. Morissette. 2024. Estimations expérimentales de l’exposition professionnelle potentielle à l’intelligence artificielle au Canada. Direction des études analytiques : documents de recherche. Produit no 11F0019M au catalogue de Statistique Canada. Ottawa : Statistique Canada.

Nedelkoska, L. et G. Quintini. 2018. Automation, skills use and training. Documents de travail de l’OCDE sur les questions sociales, l’emploi et les migrations, no 202, Paris : OECD Publishing.

Oschinski, M. et R. Walia. 2025. Harnacher l’IA générative : composer avec son impact transformateur sur le marché de l’emploi canadien. Institut de recherche en politiques publiques, étude no 97.

Oschinski, M. et R. Wyonch. 2017. Future Shock? The Impact of Automation on Canada’s Labour Market. Institut C.D. Howe, commentaire no 472.

Pizzinelli, C.; A. J. Panton; M. M. Tavares; M. Cazzaniga et L. Li. 2023. Labor Market Exposure to AI: Cross-country Differences and Distributional Implications. Document de travail du FMI no 216. Washington, D.C. : Fonds monétaire international.

Statistique Canada. 2024a. Tableau 33-10-0825-01 Recours à l’intelligence artificielle par les entreprises ou les organisations pour produire des biens ou fournir des services au cours des 12 derniers mois, deuxième trimestre de 2024. Ottawa : Statistique Canada.

Statistique Canada, 2024b. Tableau 33-10-0826-01 Mesure dans laquelle l’intelligence artificielle a réduit les tâches effectuées précédemment par les employés et incidence du recours à l’intelligence artificielle sur l’emploi total, deuxième trimestre de 2024. Ottawa : Statistique Canada.

Statistique Canada. 2025a. Tableau 33-10-1004-01 Recours à l’intelligence artificielle par les entreprises ou les organismes pour produire des biens ou fournir des services au cours des 12 derniers mois, deuxième trimestre de 2025. Ottawa : Statistique Canada.

Statistique Canada. 2025b. Tableau 33-10-1006-01 Mesure dans laquelle l’intelligence artificielle a réduit les tâches effectuées précédemment par les employés et incidence du recours à l’intelligence artificielle sur l’emploi total, deuxième trimestre de 2025. Ottawa : Statistique Canada.

Statistique Canada. 2025c. Postes vacants, deuxième trimestre de 2025. Le Quotidien. Ottawa : Statistique Canada.

Statistique Canada. 2025d. Tableau 17-10-0-0005-01 Estimations de la population au 1er juillet, par âge et genre. Ottawa : Statistique Canada.