Rapports économiques et sociaux
Les taux d’embauche et de cessation d’emploi à l’ère de l’intelligence artificielle générative : premiers résultats

Date de diffusion : le 28 octobre 2026

DOI : https://doi.org/10.25318/36280001202601000003-fra

Passer au texte

Début du texte

Introduction

Les progrès dans le domaine de l’intelligence artificielle (IA) pourraient transformer les processus opérationnels et augmenter la productivité (p. ex. Filippucci et coll. 2024). L’adoption des technologies d’IA de rupture en est encore à ses débuts, mais elle s’accélère (p. ex. Do et coll. 2026) et à mesure qu’elle se généralise, les préoccupations entourant les répercussions de l’IA sur l’emploi s’accentuent. Jusqu’à présent, les données empiriques révèlent toutefois une réalité nuancée. Même s’il est possible que l’IA change la manière dont certaines personnes travaillent au Canada (Hahmann et Lovei, 2026; Statistique Canada, 2026a), l’étude de Mehdi et Frenette (2026) n’a pas permis de relever de données probantes qui indiquent une rupture structurelle dans les tendances en matière d’emploi à la suite du lancement public de ChatGPT en novembre 2022 ni de tendances divergentes en fonction de l’exposition potentielle des emplois à l’IA et de la complémentarité avec celle-ciNote .

L’étude de Mehdi et Frenette (2026) portait sur la croissance de l’emploi et des postes vacants (mesures relatives à l’offre sur le marché de l’emploi). Toutefois, l’économie connaît une importante réaffectation de la main-d’œuvre. Des travailleurs quittent leur entreprise à la recherche de meilleures perspectives d’emploi. Des employeurs augmentent ou réduisent leur effectif afin de répondre aux technologies changeantes, aux tendances en matière de commerce, à la démographie et à d’autres facteurs. Les taux d’embauche et de cessation d’emploi sont des mesures de flux qui peuvent brosser un portrait plus complet de la dynamique du marché du travail ainsi que des premiers signaux qui ne sont peut-être pas encore visibles dans les données agrégées de l’emploi. Par exemple, l’absence des variations nettes du taux de l’emploi dans certaines professions pourrait cacher une baisse du recrutement conjuguée à une baisse des taux de démissions en raison des préoccupations des travailleurs concernant leurs possibilités d’emploi (ou l’absence de ces possibilités).

Le débat se poursuit sur l’incidence possible de l’IA sur certains groupes de travailleurs. Selon une hypothèse, l’IA pourrait rendre les travailleurs plus productifs, ce qui réduit ainsi le besoin d’embaucher de nouveaux travailleurs (p. ex. Davenport et Srinivasan, 2026), surtout pour les postes de premier échelon (p. ex. Brynjolfsson et coll., 2025; Hosseini Maasoum et Lichtinger, 2025). En revanche, en rendant certains groupes de travailleurs potentiellement plus productifs, l’IA pourrait inciter les entreprises à embaucher un plus grand nombre de travailleurs dans ces groupesNote .

Le présent article examine les taux d’embauche et de cessation d’emploi chez les employés âgés de 15 à 64 ans au Canada à l’aide des données de l’Enquête sur la population active (EPA) de janvier 2006 à août 2026, en faisant la distinction entre les emplois selon l’exposition professionnelle potentielle à l’IA et la complémentarité avec celle-ci. Pour ce faire, l’article utilise l’indice d’exposition professionnelle à l’IA ajusté en fonction de la complémentarité (EPIAC).

Le taux d’embauche mesure la proportion d’employés nouvellement embauchés au cours d’un mois précisNote . Les nouveaux employés sont désignés comme les répondants de l’EPA qui ont déclaré une période d’emploi d’un mois. Les taux de cessation d’emploi mesurent la proportion d’employés qui ont quitté leur emploi au cours d’un mois donné, quelle que soit la raison. Les cessations d’emploi sont calculées comme de nouveaux employés, moins la variation nette de l’emploi rémunéré du mois en cours au mois précédent (Morissette et coll., 2013; 2016).

L’indice EPIAC a été conçu aux États-Unis par Felten et coll. (2021) et Pizzinelli et coll. (2023). Il a été adapté aux données canadiennes dans de nombreux articles (p. ex. Mehdi et Morissette, 2024; Mehdi et Frenette, 2024; Mehdi et Frenette, 2026; Mehdi et coll., 2026; Leanage et Mehdi, 2026; Li et Dobbs, 2025).

Les taux d’embauche pour les travailleurs plus jeunes ont généralement diminué au cours des cinq dernières années, indépendamment de l’exposition professionnelle potentielle à l’IA

Le taux d’embauche pour les employés âgés de 15 à 29 ans dans des professions potentiellement à forte exposition et à grande complémentarité (FEGC) à l’IA, c’est-à-dire les emplois qui sont plus susceptibles d’être améliorés par l’IA plutôt que d’être remplacés par celle-ci, a légèrement fléchi, passant de 2,9 % dans les six mois précédant novembre 2022 à 2,5 % dans les six mois précédant août 2026 (graphique 1). Au cours de la même période, ce taux a légèrement diminué dans des professions potentiellement à forte exposition et à faible complémentarité (FEFC) à l’IA, c’est-à-dire les emplois plus portés à être remplacés par l’IA, passant de 3,2 % à 3,0 %. Un ralentissement plus soutenu dans le taux d’embauche a été observé dans les professions potentiellement à faible exposition (FE) à l’IA, où le taux a diminué, passant de 4,0 % dans les six mois précédant novembre 2022 à 3,3 % dans les six mois précédant août 2026Note . Le taux d’embauche dans les emplois où la programmation occupe une grande place, un sous-ensemble des emplois FEFC, a diminué, passant de 2,5 % à 1,9 %.

Graphique 1 Taux d’embauche selon l’exposition professionnelle potentielle à l’intelligence artificielle et la complémentarité avec celle-ci et selon le groupe d’âge, janvier 2006 à août 2026, moyenne mobile de six mois, données désaisonnalisées

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 15 à 29 ans, 30 à 49 ans, 50 à 64 ans, Emplois à forte exposition et à grande complémentarité, Emplois à forte exposition et à faible complémentarité, Emplois à faible exposition, Emplois où la programmation occupe une grande place (sous-ensemble d’emplois à forte exposition et à faible complémentarité), Emplois à forte exposition et à grande complémentarité, Emplois à forte exposition et à faible complémentarité, Emplois à faible exposition, Emplois où la programmation occupe une grande place (sous-ensemble d’emplois à forte exposition et à faible complémentarité), Emplois à forte exposition et à grande complémentarité, Emplois à forte exposition et à faible complémentarité, Emplois à faible exposition et Emplois où la programmation occupe une grande place (sous-ensemble d’emplois à forte exposition et à faible complémentarité), calculées selon pourcentage unités de mesure (figurant comme en-tête de colonne).
  15 à 29 ans 30 à 49 ans 50 à 64 ans
Emplois à forte exposition et à grande complémentarité Emplois à forte exposition et à faible complémentarité Emplois à faible exposition Emplois où la programmation occupe une grande place (sous-ensemble d’emplois à forte exposition et à faible complémentarité) Emplois à forte exposition et à grande complémentarité Emplois à forte exposition et à faible complémentarité Emplois à faible exposition Emplois où la programmation occupe une grande place (sous-ensemble d’emplois à forte exposition et à faible complémentarité) Emplois à forte exposition et à grande complémentarité Emplois à forte exposition et à faible complémentarité Emplois à faible exposition Emplois où la programmation occupe une grande place (sous-ensemble d’emplois à forte exposition et à faible complémentarité)
pourcentage
Notes : La ligne pointillée verticale correspond au lancement grand public de ChatGPT en novembre 2022, qui a mené à la disponibilité à grande échelle des technologies d’intelligence artificielle (IA) générative. L’échantillon comprenait des employés de 15 à 64 ans vivant dans les 10 provinces du Canada. Le taux d’embauche mesure le nombre d’employés nouvellement embauchés en proportion de l’ensemble des employés. L’exposition professionnelle potentielle à l’IA et la complémentarité avec celle-ci ont été mesurées à l’aide de l’indice d’exposition professionnelle à l’IA ajusté en fonction de la complémentarité, lequel a été élaboré par Felten et coll. (2021) et Pizzinelli et coll. (2023). Les emplois à forte exposition et à grande complémentarité sont ceux qui sont plus susceptibles d’être améliorés par l’IA plutôt que d’être remplacés. Les emplois à forte exposition et à faible complémentarité sont ceux qui sont plus portés à être remplacés par l’IA. Les emplois à faible exposition sont ceux dont l’exposition à l’IA est potentiellement faible. Les titres d’emploi suivants dans la Classification nationale des professions de 2021 ont été sélectionnés comme emplois où la programmation occupe une grande place, qui constituent un sous-ensemble des emplois à forte exposition et à faible complémentarité : scientifiques des données, spécialistes de la cybersécurité, spécialistes des systèmes commerciaux, spécialistes en informatique, analystes de bases de données et administrateurs/administratrices de données, développeurs/développeuses et programmeurs/programmeuses de systèmes informatiques, ingénieurs/ingénieures et concepteurs/conceptrices en logiciel, développeurs/développeuses et programmeurs/programmeuses de logiciels, concepteurs/conceptrices Web, développeurs/développeuses et programmeurs/programmeuses Web.
Sources : Statistique Canada, Enquête sur la population active; Occupational Information Network.
2006  
janvier 2,8 4,0 5,2 3,7 0,7 1,1 0,7 1,6 0,6 0,8 1,1 0,3
février 2,8 4,0 5,2 4,2 0,7 1,1 0,6 1,6 0,6 0,7 1,2 0,2
mars 2,9 4,0 5,4 3,5 0,7 1,2 0,7 1,6 0,6 0,8 1,1 0,1
avril 2,8 3,9 5,4 2,9 0,7 1,1 0,6 1,5 0,5 0,8 1,1 0,2
mai 2,9 3,9 5,3 2,7 0,7 1,1 0,8 1,5 0,5 0,8 1,1 0,2
juin 2,8 3,9 5,2 2,2 0,8 1,1 0,9 1,5 0,6 0,7 1,1 0,6
juillet 2,8 3,8 5,3 2,3 0,8 1,1 0,9 1,5 0,5 0,7 1,1 0,6
août 2,9 3,8 5,2 2,1 0,8 1,1 1,1 1,5 0,5 0,8 1,0 0,6
septembre 2,9 3,6 5,2 2,4 0,7 1,1 1,0 1,5 0,5 0,8 1,0 0,8
octobre 2,9 3,6 5,2 2,3 0,8 1,1 0,9 1,5 0,6 0,7 1,0 0,6
novembre 2,8 3,6 5,1 3,0 0,7 1,1 0,8 1,5 0,6 0,7 1,1 0,7
décembre 2,9 3,6 5,2 2,6 0,8 1,2 0,7 1,6 0,5 0,7 1,0 0,3
2007  
janvier 2,9 3,7 5,3 2,7 0,8 1,2 0,7 1,7 0,5 0,7 1,0 0,3
février 2,9 3,7 5,2 2,9 0,8 1,2 0,5 1,7 0,6 0,7 1,0 0,3
mars 2,8 3,9 5,1 2,7 0,8 1,1 0,4 1,8 0,6 0,7 1,0 0,1
avril 2,9 4,0 5,3 2,6 0,8 1,2 0,3 1,8 0,6 0,8 1,0 0,1
mai 2,9 4,1 5,4 1,9 0,8 1,2 0,5 1,8 0,6 0,8 1,0 0,4
juin 2,9 4,1 5,4 1,8 0,7 1,2 0,6 1,8 0,6 0,9 1,0 0,4
juillet 2,9 4,1 5,3 1,8 0,7 1,2 0,6 1,8 0,7 0,8 1,0 0,4
août 2,7 4,2 5,3 2,1 0,7 1,2 0,7 1,8 0,7 0,7 1,0 0,4
septembre 2,8 4,4 5,4 2,5 0,7 1,3 1,0 1,8 0,7 0,8 1,1 0,4
octobre 2,5 4,3 5,0 2,4 0,7 1,2 1,0 1,7 0,6 0,8 1,0 0,6
novembre 2,5 4,1 4,9 2,1 0,6 1,2 0,8 1,7 0,6 0,7 1,0 0,2
décembre 2,5 4,2 4,8 2,4 0,7 1,2 0,7 1,6 0,6 0,7 1,0 0,2
2008  
janvier 2,5 4,1 4,9 2,1 0,7 1,2 0,7 1,6 0,5 0,7 1,0 0,6
février 2,6 4,0 4,9 1,5 0,7 1,2 0,7 1,5 0,4 0,7 0,9 0,7
mars 3,0 3,7 4,9 1,5 0,7 1,2 0,6 1,5 0,4 0,8 1,0 1,0
avril 3,2 3,9 5,0 2,1 0,7 1,2 1,0 1,6 0,4 0,8 1,1 1,0
mai 3,2 4,0 5,1 2,2 0,7 1,2 1,1 1,7 0,4 0,8 1,1 1,0
juin 3,2 4,1 5,4 2,3 0,7 1,2 1,2 1,7 0,4 0,8 1,2 1,0
juillet 3,2 4,1 5,2 2,0 0,7 1,2 1,2 1,8 0,4 0,9 1,2 1,0
août 3,2 4,0 5,0 2,1 0,7 1,2 1,1 1,8 0,5 1,0 1,2 0,9
septembre 2,8 4,3 5,0 1,8 0,7 1,2 1,0 1,8 0,4 1,0 1,2 0,6
octobre 2,6 4,3 5,1 1,5 0,7 1,2 0,6 1,8 0,5 1,1 1,2 0,4
novembre 2,6 4,4 5,3 1,7 0,8 1,2 0,6 1,8 0,5 1,1 1,3 0,5
décembre 2,6 4,3 5,1 1,5 0,7 1,2 0,5 1,8 0,5 1,3 1,2 0,5
2009  
janvier 2,6 4,3 5,1 1,7 0,8 1,2 0,6 1,9 0,5 1,2 1,3 0,1
février 2,5 4,2 5,3 1,5 0,7 1,2 0,6 1,8 0,5 1,2 1,3 0,6
mars 2,5 3,9 5,1 1,2 0,8 1,2 1,0 1,8 0,5 1,1 1,3 0,6
avril 2,4 3,6 5,0 1,1 0,7 1,1 1,0 1,8 0,4 1,0 1,2 0,7
mai 2,2 3,4 4,6 1,3 0,7 1,1 1,0 1,7 0,4 1,0 1,1 1,0
juin 2,3 3,3 4,6 1,3 0,7 1,1 1,0 1,7 0,5 0,8 1,2 1,0
juillet 2,3 3,2 4,6 2,2 0,7 1,1 1,0 1,8 0,4 0,8 1,1 0,9
août 2,2 3,2 4,3 2,4 0,7 1,1 1,0 1,7 0,4 0,7 1,1 0,4
septembre 2,1 3,2 4,3 2,5 0,7 1,0 0,8 1,7 0,5 0,7 1,1 0,4
octobre 2,4 3,3 4,5 2,4 0,7 1,0 0,8 1,8 0,5 0,7 1,2 0,5
novembre 2,4 3,4 4,5 2,6 0,7 1,0 0,7 1,8 0,5 0,6 1,3 0,2
décembre 2,6 3,4 4,7 2,6 0,7 1,0 0,7 1,8 0,5 0,6 1,2 0,2
2010  
janvier 2,6 3,5 4,8 2,5 0,7 1,0 0,7 1,7 0,5 0,7 1,3 0,1
février 2,7 3,8 5,1 2,7 0,8 1,0 0,8 1,9 0,5 0,7 1,3 0,1
mars 2,7 4,0 5,2 2,9 0,8 1,1 0,6 1,9 0,5 0,8 1,3 0,1
avril 2,6 4,0 5,2 3,1 0,8 1,1 0,6 1,9 0,5 0,8 1,3 0,0
mai 2,7 3,9 5,2 2,9 0,8 1,1 0,6 1,8 0,5 0,8 1,2 0,2
juin 2,4 4,0 5,0 3,0 0,8 1,1 0,9 1,9 0,5 0,8 1,3 0,2
juillet 2,4 4,0 5,0 2,9 0,8 1,1 0,7 1,9 0,5 0,7 1,2 0,2
août 2,5 4,0 5,0 3,2 0,7 1,1 1,0 1,8 0,4 0,7 1,2 0,5
septembre 2,6 3,9 5,0 3,6 0,7 1,1 1,0 1,8 0,4 0,7 1,3 0,6
octobre 2,6 3,9 5,0 3,8 0,8 1,1 1,2 1,8 0,4 0,7 1,3 0,6
novembre 2,6 3,9 5,1 3,5 0,8 1,1 1,3 1,8 0,4 0,8 1,4 0,4
décembre 2,6 4,2 5,1 3,0 0,8 1,1 0,9 1,8 0,4 0,8 1,4 0,4
2011  
janvier 2,6 4,1 5,0 2,6 0,8 1,2 0,9 1,8 0,4 0,8 1,3 0,4
février 2,5 4,0 4,9 1,8 0,7 1,1 0,7 1,8 0,5 0,8 1,4 0,6
mars 2,4 4,0 4,8 1,9 0,7 1,1 0,6 1,8 0,5 0,9 1,2 0,7
avril 2,5 4,0 4,7 1,2 0,7 1,1 0,6 1,8 0,5 0,9 1,2 0,7
mai 2,5 4,1 4,7 1,8 0,7 1,2 0,6 1,8 0,6 0,9 1,2 0,6
juin 2,6 3,8 4,9 1,9 0,7 1,2 0,8 1,8 0,5 0,9 1,2 0,6
juillet 2,8 3,8 5,0 2,1 0,7 1,2 1,0 1,8 0,6 0,9 1,2 0,6
août 2,7 3,7 5,1 4,0 0,7 1,2 0,9 1,8 0,5 0,9 1,1 0,2
septembre 2,8 3,7 5,1 3,8 0,8 1,2 1,0 1,8 0,5 0,9 1,1 0,3
octobre 3,0 3,7 5,1 4,1 0,8 1,1 0,8 1,8 0,5 0,8 1,2 0,3
novembre 3,0 3,7 5,1 4,2 0,7 1,1 0,7 1,8 0,5 0,7 1,1 0,3
décembre 2,8 3,7 5,0 4,4 0,9 1,1 0,6 1,8 0,5 0,7 1,1 0,3
2012  
janvier 2,8 3,7 4,9 4,8 0,9 1,1 0,6 1,8 0,5 0,6 1,1 0,4
février 2,9 3,6 4,7 3,3 0,8 1,1 0,9 1,8 0,5 0,6 1,1 0,4
mars 2,9 3,6 4,8 3,2 0,8 1,0 0,7 1,9 0,5 0,6 1,2 0,1
avril 2,9 3,6 5,1 2,9 0,8 1,0 1,0 1,9 0,5 0,7 1,2 0,1
mai 2,9 3,6 5,1 2,8 0,9 1,0 0,9 1,9 0,5 0,7 1,2 0,1
juin 3,0 3,6 5,0 2,6 0,7 0,9 1,0 1,9 0,5 0,7 1,2 0,1
juillet 2,9 3,7 5,1 2,2 0,7 1,0 0,9 1,9 0,4 0,8 1,2 0,1
août 2,9 3,8 5,3 1,9 0,7 1,0 0,7 1,8 0,4 0,8 1,2 0,1
septembre 2,8 3,8 5,1 1,6 0,7 1,1 0,9 1,8 0,4 0,8 1,2 0,1
octobre 2,7 3,6 4,8 1,7 0,6 1,0 0,6 1,7 0,4 0,8 1,1 0,3
novembre 2,5 3,5 4,6 2,2 0,6 1,0 0,6 1,6 0,5 0,8 1,1 0,3
décembre 2,5 3,6 4,5 2,7 0,5 1,0 0,5 1,5 0,4 0,8 1,1 0,3
2013  
janvier 2,5 3,6 4,6 2,9 0,6 1,1 0,8 1,7 0,4 0,7 1,1 0,3
février 2,6 3,6 4,6 3,3 0,6 1,1 0,7 1,7 0,4 0,7 1,1 0,3
mars 2,6 3,5 4,5 3,1 0,6 1,0 0,6 1,7 0,4 0,7 1,1 0,3
avril 2,5 3,6 4,6 4,0 0,6 1,1 0,8 1,7 0,4 0,6 1,2 0,2
mai 2,6 3,7 4,7 3,3 0,7 1,2 0,9 1,9 0,4 0,7 1,2 0,2
juin 2,4 3,8 4,8 3,4 0,7 1,2 1,2 1,9 0,4 0,7 1,2 0,2
juillet 2,3 3,7 4,7 3,2 0,7 1,2 1,3 1,9 0,5 0,6 1,1 0,2
août 2,3 3,8 4,6 2,9 0,7 1,2 1,3 1,9 0,5 0,6 1,1 0,2
septembre 2,4 3,9 4,8 3,3 0,8 1,2 1,4 1,9 0,5 0,7 1,2 0,2
octobre 2,4 3,9 4,8 2,8 0,8 1,3 1,5 2,0 0,6 0,8 1,2 0,3
novembre 2,4 4,1 4,9 3,0 0,8 1,2 1,5 2,0 0,6 0,7 1,3 0,3
décembre 2,7 4,2 4,9 2,8 0,8 1,1 1,4 2,0 0,6 0,7 1,3 0,3
2014  
janvier 2,9 4,0 4,9 2,7 0,8 1,1 1,1 2,0 0,5 0,7 1,4 0,1
février 2,8 4,0 4,7 2,6 0,8 1,1 1,2 1,9 0,5 0,7 1,4 0,5
mars 2,8 3,9 4,7 2,4 0,8 1,1 1,1 1,9 0,5 0,6 1,4 0,5
avril 2,6 3,9 4,6 1,5 0,8 1,0 1,0 1,8 0,5 0,5 1,4 0,5
mai 2,5 3,7 4,5 1,3 0,8 1,0 1,1 1,8 0,5 0,6 1,3 0,5
juin 2,7 3,7 4,6 1,2 0,8 1,0 1,1 1,8 0,6 0,6 1,3 0,6
juillet 2,5 3,9 4,6 1,8 0,8 1,1 1,0 1,7 0,6 0,7 1,3 0,7
août 2,5 3,9 4,7 2,4 0,8 1,1 0,9 1,8 0,6 0,7 1,3 0,4
septembre 2,6 3,9 4,7 2,9 0,8 1,1 0,8 1,9 0,7 0,7 1,3 0,4
octobre 2,6 4,0 4,9 3,1 0,8 1,1 0,6 1,9 0,6 0,7 1,4 0,3
novembre 2,8 4,1 5,1 2,9 0,8 1,1 0,4 2,0 0,6 0,7 1,5 0,3
décembre 2,7 4,0 5,1 3,2 0,8 1,1 0,4 1,9 0,5 0,6 1,5 0,2
2015  
janvier 2,6 4,0 5,1 3,1 0,9 1,1 0,5 1,9 0,5 0,6 1,4 0,3
février 2,6 4,2 5,2 2,9 0,8 1,1 0,7 2,0 0,5 0,7 1,4 0,4
mars 2,6 4,0 5,0 3,6 0,8 1,1 0,8 2,0 0,5 0,7 1,4 0,6
avril 2,6 3,9 4,9 4,1 0,7 1,2 0,8 2,0 0,5 0,7 1,3 0,6
mai 2,6 3,8 4,7 4,7 0,7 1,2 1,0 1,9 0,5 0,7 1,2 0,6
juin 2,4 3,8 4,6 4,4 0,7 1,2 1,1 1,8 0,5 0,7 1,2 0,7
juillet 2,3 3,7 4,5 4,0 0,7 1,2 0,8 1,8 0,5 0,7 1,1 0,6
août 2,2 3,5 4,4 4,0 0,7 1,0 0,6 1,7 0,5 0,7 1,1 0,5
septembre 2,1 3,6 4,6 3,0 0,8 1,1 0,7 1,6 0,5 0,7 1,1 0,3
octobre 2,1 3,5 4,7 2,6 0,8 1,0 0,7 1,6 0,5 0,7 1,1 0,3
novembre 2,1 3,5 4,6 2,6 0,8 1,1 0,7 1,7 0,5 0,8 1,1 0,7
décembre 2,3 3,7 4,4 2,2 0,7 1,1 0,5 1,7 0,5 0,8 1,0 0,7
2016  
janvier 2,3 3,7 4,5 2,3 0,7 1,1 0,6 1,7 0,5 0,7 1,0 0,7
février 2,4 3,8 4,6 2,3 0,7 1,2 0,7 1,7 0,5 0,8 1,1 0,7
mars 2,5 4,0 4,6 2,3 0,8 1,2 0,7 1,7 0,5 0,8 1,1 1,0
avril 2,5 4,0 4,4 2,3 0,7 1,2 0,7 1,7 0,4 0,8 1,1 1,0
mai 2,5 4,0 4,5 2,1 0,7 1,1 0,6 1,6 0,4 0,8 1,2 0,6
juin 2,4 4,0 4,6 2,7 0,7 1,1 0,6 1,6 0,3 0,8 1,2 0,6
juillet 2,5 3,9 4,5 2,9 0,7 1,0 0,6 1,6 0,3 0,9 1,2 0,8
août 2,4 3,9 4,5 2,8 0,7 1,1 0,9 1,7 0,3 0,9 1,1 1,0
septembre 2,4 3,9 4,4 3,0 0,7 1,1 0,9 1,7 0,3 0,8 1,1 0,7
octobre 2,4 3,9 4,4 2,9 0,8 1,1 0,9 1,7 0,4 0,7 1,1 0,6
novembre 2,3 3,8 4,3 3,1 0,8 1,1 0,9 1,6 0,5 0,7 1,0 0,5
décembre 2,3 3,8 4,3 2,5 0,7 1,2 0,8 1,7 0,6 0,6 1,0 0,5
2017  
janvier 2,2 3,9 4,3 2,7 0,8 1,2 0,8 1,7 0,6 0,6 1,2 0,3
février 2,3 3,9 4,2 3,3 0,7 1,2 0,5 1,7 0,6 0,6 1,1 0,0
mars 2,5 3,9 4,3 3,3 0,7 1,2 0,5 1,6 0,6 0,6 1,1 0,1
avril 2,3 3,8 4,3 3,3 0,7 1,2 0,7 1,7 0,5 0,7 1,2 0,1
mai 2,4 3,9 4,4 3,5 0,7 1,2 0,9 1,8 0,5 0,7 1,2 0,1
juin 2,6 3,8 4,4 3,9 0,8 1,1 0,9 1,8 0,5 0,7 1,2 0,1
juillet 2,7 3,7 4,4 3,7 0,7 1,1 0,9 1,8 0,5 0,7 1,1 0,3
août 2,8 3,8 4,4 3,5 0,7 1,1 1,0 1,7 0,5 0,8 1,2 0,3
septembre 2,8 3,8 4,4 3,6 0,7 1,1 1,0 1,8 0,5 0,7 1,2 0,3
octobre 2,9 3,7 4,5 3,7 0,7 1,1 0,9 1,8 0,4 0,7 1,1 0,3
novembre 3,0 3,7 4,6 3,5 0,8 1,1 0,7 1,7 0,5 0,7 1,1 0,3
décembre 2,9 3,6 4,6 3,5 0,8 1,0 0,7 1,6 0,4 0,7 1,1 0,3
2018  
janvier 3,0 3,6 4,6 3,6 0,8 1,0 0,6 1,6 0,5 0,7 1,1 0,3
février 2,8 3,4 4,6 3,2 0,8 1,0 0,5 1,6 0,5 0,8 1,1 0,3
mars 2,7 3,4 4,6 3,1 0,9 1,0 0,5 1,6 0,5 0,8 1,1 0,2
avril 2,7 3,5 4,5 2,8 0,9 1,1 0,6 1,7 0,5 0,7 1,1 0,3
mai 2,6 3,5 4,4 2,8 0,9 1,1 0,6 1,8 0,5 0,7 1,1 0,3
juin 2,8 3,6 4,4 2,7 0,9 1,2 0,7 1,8 0,5 0,7 1,1 0,3
juillet 2,7 3,8 4,3 3,8 0,9 1,3 0,8 1,8 0,5 0,7 1,1 0,2
août 2,8 3,8 4,5 4,2 0,9 1,3 0,9 1,9 0,5 0,7 1,1 0,2
septembre 2,8 3,8 4,6 4,1 0,9 1,3 0,8 1,9 0,5 0,8 1,2 0,3
octobre 2,8 3,7 4,5 4,9 0,9 1,2 0,8 1,8 0,5 0,8 1,2 0,3
novembre 2,7 3,6 4,3 4,3 0,8 1,2 0,9 1,8 0,5 0,8 1,2 0,2
décembre 2,5 3,6 4,2 4,1 0,9 1,2 0,8 1,7 0,5 0,8 1,2 0,1
2019  
janvier 2,6 3,4 4,2 2,6 0,8 1,2 1,2 1,7 0,5 0,8 1,2 0,4
février 2,6 3,3 4,2 1,7 0,8 1,2 1,1 1,7 0,4 0,7 1,2 0,5
mars 2,4 3,3 4,0 1,9 0,7 1,2 1,1 1,6 0,5 0,7 1,1 0,3
avril 2,4 3,2 4,1 1,8 0,7 1,2 1,3 1,6 0,5 0,7 1,1 0,5
mai 2,6 3,2 4,1 2,0 0,7 1,2 1,3 1,6 0,5 0,7 1,1 0,7
juin 2,8 3,2 4,3 2,4 0,7 1,2 1,2 1,6 0,5 0,7 1,1 0,7
juillet 2,7 3,2 4,4 2,4 0,7 1,2 1,0 1,6 0,6 0,8 1,1 0,4
août 2,7 3,3 4,3 2,3 0,6 1,2 1,1 1,6 0,5 0,8 1,1 0,4
septembre 2,7 3,4 4,4 2,3 0,7 1,2 1,1 1,7 0,5 0,8 1,1 0,4
octobre 2,7 3,4 4,4 2,0 0,6 1,2 1,0 1,7 0,5 0,8 1,1 0,2
novembre 2,7 3,7 4,5 2,7 0,7 1,2 1,1 1,8 0,5 0,8 1,3 0,0
décembre 2,7 3,7 4,5 2,6 0,7 1,2 1,2 1,9 0,4 0,8 1,3 0,2
2020  
janvier 2,8 3,7 4,4 2,6 0,8 1,2 1,1 1,9 0,4 0,8 1,3 0,5
février 2,7 3,7 4,3 2,9 0,8 1,2 1,2 1,9 0,5 0,8 1,2 0,7
mars 2,6 3,5 4,2 2,8 0,7 1,2 1,4 1,8 0,5 0,8 1,1 0,8
avril 2,5 3,3 4,1 2,5 0,7 1,1 1,2 1,6 0,4 0,7 1,0 0,7
mai 2,2 2,9 3,7 2,0 0,5 1,0 1,1 1,4 0,4 0,6 0,9 0,7
juin 1,9 2,8 3,7 2,0 0,5 0,9 0,9 1,4 0,4 0,5 0,8 0,6
juillet 1,7 2,7 3,6 1,8 0,5 0,9 0,9 1,4 0,4 0,5 0,8 0,2
août 1,6 2,7 3,6 1,5 0,5 0,8 0,7 1,4 0,4 0,5 0,8 0,1
septembre 1,7 2,8 3,6 1,8 0,5 0,8 0,5 1,5 0,3 0,6 0,8 0,2
octobre 2,1 3,2 4,0 2,4 0,6 0,9 0,6 1,8 0,4 0,6 0,9 0,2
novembre 2,2 3,4 4,0 2,0 0,7 0,9 0,6 1,8 0,4 0,7 0,9 0,2
décembre 2,4 3,2 4,1 2,7 0,7 0,9 0,6 1,7 0,5 0,6 0,9 0,2
2021  
janvier 2,4 3,4 4,2 3,3 0,7 0,9 0,6 1,6 0,4 0,7 0,9 0,2
février 2,4 3,6 4,3 3,8 0,7 0,9 0,7 1,5 0,5 0,7 0,9 0,1
mars 2,5 3,6 4,4 4,0 0,7 1,0 0,7 1,5 0,5 0,7 0,9 0,0
avril 2,2 3,5 4,2 3,6 0,7 1,0 0,9 1,4 0,5 0,6 0,9 0,0
mai 2,4 3,4 4,2 4,0 0,7 1,0 1,0 1,4 0,5 0,7 0,9 0,2
juin 2,4 3,6 4,3 4,0 0,7 1,1 1,4 1,4 0,5 0,7 0,8 0,4
juillet 2,5 3,6 4,2 3,8 0,7 1,1 1,6 1,5 0,5 0,7 0,9 0,5
août 2,6 3,7 4,4 4,3 0,7 1,2 1,7 1,5 0,5 0,8 0,9 0,5
septembre 2,7 3,6 4,4 4,3 0,7 1,1 1,9 1,6 0,5 0,8 0,9 0,6
octobre 2,8 3,8 4,6 5,2 0,8 1,2 1,7 1,7 0,5 0,8 1,0 0,6
novembre 3,0 3,9 4,8 5,8 0,8 1,3 1,6 1,8 0,5 0,8 1,1 0,5
décembre 3,0 3,9 4,5 5,4 0,8 1,3 1,4 1,8 0,5 0,8 1,1 0,3
2022  
janvier 3,0 3,9 4,5 5,5 0,8 1,3 1,4 1,8 0,5 0,8 1,2 0,3
février 3,0 3,8 4,3 5,3 0,8 1,4 1,2 1,8 0,4 0,7 1,2 0,3
mars 2,9 3,9 4,3 4,5 0,8 1,3 1,0 1,8 0,5 0,7 1,2 0,3
avril 2,8 3,8 4,0 3,9 0,8 1,3 0,9 1,7 0,5 0,7 1,2 0,5
mai 2,7 3,9 3,9 3,3 0,8 1,3 1,1 1,6 0,5 0,7 1,1 0,4
juin 2,7 3,8 4,1 3,0 0,8 1,2 1,1 1,6 0,5 0,7 1,2 0,5
juillet 2,8 3,8 4,2 2,7 0,8 1,4 1,0 1,6 0,5 0,7 1,2 0,5
août 2,7 3,7 4,1 2,4 0,8 1,3 1,1 1,5 0,5 0,7 1,2 0,5
septembre 2,8 3,5 4,1 2,5 0,7 1,3 0,9 1,4 0,5 0,7 1,2 0,6
octobre 2,9 3,5 4,1 2,5 0,7 1,3 1,0 1,4 0,5 0,7 1,1 0,4
novembre 2,9 3,2 4,0 2,5 0,7 1,2 0,7 1,4 0,5 0,7 1,1 0,4
décembre 2,6 3,1 3,9 3,0 0,7 1,1 0,6 1,4 0,4 0,8 1,1 0,4
2023  
janvier 2,5 3,0 3,8 3,1 0,7 1,0 0,7 1,4 0,4 0,8 1,0 0,8
février 2,5 3,0 3,8 2,8 0,7 1,0 0,6 1,5 0,4 0,8 1,0 0,7
mars 2,4 3,0 3,8 2,9 0,7 1,0 0,7 1,5 0,4 0,8 0,9 0,6
avril 2,4 3,1 3,7 2,7 0,7 0,9 0,8 1,4 0,4 0,8 0,9 0,5
mai 2,4 3,0 3,8 2,7 0,7 1,0 1,0 1,4 0,4 0,7 1,0 0,5
juin 2,5 3,0 3,8 1,9 0,7 1,0 1,0 1,4 0,4 0,6 0,9 0,5
juillet 2,5 2,9 3,6 2,0 0,6 0,9 0,8 1,4 0,4 0,6 0,9 0,1
août 2,4 2,8 3,5 1,9 0,7 0,9 0,7 1,4 0,4 0,6 0,9 0,2
septembre 2,5 2,8 3,4 1,5 0,6 0,9 0,7 1,4 0,4 0,6 0,9 0,2
octobre 2,3 2,5 3,2 2,3 0,7 0,9 0,6 1,3 0,4 0,5 0,8 0,2
novembre 2,1 2,6 3,1 2,0 0,6 0,9 0,4 1,3 0,5 0,5 0,8 0,1
décembre 2,3 2,6 3,0 2,0 0,6 0,9 0,4 1,2 0,5 0,5 0,8 0,1
2024  
janvier 2,3 2,6 2,9 1,7 0,7 1,0 0,7 1,2 0,5 0,5 0,8 0,2
février 2,3 2,6 2,9 1,7 0,7 1,0 0,8 1,1 0,5 0,5 0,8 0,1
mars 2,2 2,7 2,8 2,0 0,7 1,0 0,8 1,1 0,5 0,5 0,8 0,1
avril 2,2 2,8 2,9 1,6 0,7 1,0 0,8 1,2 0,5 0,5 0,8 0,1
mai 2,4 2,8 2,9 1,8 0,7 1,0 1,0 1,2 0,4 0,5 0,8 0,2
juin 2,2 2,9 2,9 2,1 0,7 1,0 1,0 1,3 0,4 0,6 0,8 0,2
juillet 2,2 3,0 3,0 2,1 0,8 1,0 0,8 1,3 0,4 0,6 0,8 0,2
août 2,2 3,1 3,1 2,3 0,8 1,0 0,8 1,3 0,4 0,5 0,9 0,2
septembre 2,2 3,1 3,2 2,3 0,8 1,0 0,9 1,3 0,4 0,6 0,9 0,2
octobre 2,3 3,1 3,3 1,9 0,8 1,0 0,8 1,2 0,4 0,6 0,9 0,2
novembre 2,3 3,2 3,4 2,5 0,8 1,0 0,6 1,3 0,4 0,6 0,9 0,1
décembre 2,4 3,2 3,5 2,4 0,7 1,0 0,7 1,4 0,4 0,6 0,9 0,1
2025  
janvier 2,4 3,0 3,5 2,4 0,6 1,0 0,7 1,4 0,4 0,5 0,9 0,1
février 2,5 3,0 3,5 2,5 0,6 1,0 0,7 1,3 0,4 0,6 0,8 0,1
mars 2,5 2,9 3,2 2,2 0,5 0,9 0,5 1,4 0,4 0,5 0,8 0,1
avril 2,4 2,9 3,3 2,9 0,6 0,9 0,6 1,4 0,4 0,6 0,9 0,2
mai 2,3 2,8 3,2 2,0 0,5 0,9 0,6 1,3 0,4 0,6 0,8 0,2
juin 2,2 2,8 3,2 1,8 0,6 0,9 0,7 1,3 0,4 0,6 0,9 0,2
juillet 2,2 2,7 3,1 1,6 0,6 1,0 0,7 1,3 0,4 0,6 0,8 0,1
août 2,4 2,8 3,1 1,5 0,6 0,9 0,6 1,4 0,4 0,5 0,8 0,1
septembre 2,4 2,9 3,3 2,0 0,6 0,9 0,6 1,3 0,4 0,5 0,8 0,1
octobre 2,5 2,8 3,3 1,6 0,6 0,9 0,5 1,3 0,4 0,4 0,8 0,0
novembre 2,4 2,8 3,5 1,7 0,6 0,9 0,6 1,3 0,3 0,4 0,8 0,1
décembre 2,4 2,9 3,3 1,7 0,7 0,8 0,5 1,3 0,3 0,4 0,8 0,1
2026  
janvier 2,6 3,0 3,4 1,7 0,7 0,8 0,5 1,3 0,3 0,5 0,8 0,1
février 2,4 3,2 3,6 1,9 0,7 0,9 0,6 1,3 0,3 0,5 0,8 0,3
mars 2,3 3,2 3,6 1,5 0,7 0,9 0,6 1,3 0,3 0,6 0,8 0,3
avril 2,4 3,3 3,6 1,7 0,7 0,9 0,6 1,3 0,4 0,6 0,8 0,3
mai 2,6 3,5 3,4 1,8 0,7 0,9 0,5 1,3 0,4 0,6 0,8 0,3
juin 2,8 3,5 3,5 2,0 0,7 0,9 0,6 1,2 0,4 0,6 0,8 0,3
juillet 2,7 3,4 3,4 2,0 0,7 0,9 0,6 1,2 0,4 0,6 0,8 0,2
août 2,5 3,0 3,3 1,9 0,6 0,9 0,5 1,2 0,5 0,6 0,8 0,1

Ainsi, on ne sait pas si le faible taux d’embauche témoigne des progrès des technologies de rupture ou les effets cumulatifs des forces économiques concurrentes, comme les changements démographiques rapides, les perturbations commerciales et l’adaptation du marché du travail à la suite d’une période d’expansion au fur et à mesure que le marché de l’emploi se rétablissait après la pandémie de COVID-19. Les taux d’embauche ont généralement commencé à diminuer avant la disponibilité à grande échelle de ChatGPT en novembre 2022, indépendamment de l’exposition potentielle à l’IA. En outre, dans les domaines où l’IA devrait entraîner une répercussion plus importante, des changements ont été observés avant la reconnaissance générale des capacités des grands modèles de langage. Par exemple, les taux d’embauche des travailleurs âgés de 15 à 29 ans dans des emplois où la programmation occupe une grande place ont commencé à diminuer au début de 2022, après avoir atteint leur niveau le plus élevé en 15 ans, soit 5,8 %, dans les six mois précédant novembre 2021.

Les taux d’embauche pour les employés de 30 à 49 ans et de 50 à 64 ans étaient inférieurs et plus stables que pour le groupe d’âge de 15 à 29 ans. Les taux d’embauche (et les taux de cessation d’emploi) sont généralement plus élevés pour les travailleurs plus jeunes en raison de quelques facteurs. Par exemple, ils sont plus susceptibles d’intégrer le marché du travail pour la première fois et d’occuper des emplois ayant un taux de roulement élevé, et ils peuvent être plus enclins à changer d’emploi ou à quitter leur emploi (parce qu’ils peuvent avoir moins d’obligations familiales ou pour d’autres raisons).

Les taux de cessation d’emploi sont généralement demeurés stables au cours des cinq dernières années, indépendamment de l’exposition professionnelle potentielle à l’IA

Les taux de cessation d’emploi pour les employés âgés de 15 à 29 ans dans des emplois à FEGC se sont chiffrés à environ 2,2 % au cours de la période des six mois précédant novembre 2022 aux six mois précédant août 2026. Ces taux sont très semblables à ceux observés au cours des deux dernières décennies (graphique 2). Au cours de la même période, ce taux pour les emplois à FEFC se situait à environ 2,9 % en moyenne, ce qui correspond à la fourchette historique pour ces types d’emplois. En général, les taux de cessation d’emploi des emplois à FE se sont stabilisés, se chiffrant autour de 3,2 % au cours de la même période. Les taux de cessation d’emploi dans des emplois où la programmation occupe une grande place ont augmenté, passant de 2,4 % à 3,5 %, mais la tendance s’est montrée plus instable, ce qui pourrait s’expliquer par une taille d’échantillon relativement petite. Les taux de cessation d’emploi pour les employés âgés de 30 à 49 ans et de 50 à 64 ans ont généralement suivi les tendances observées pour les employés âgés de 15 à 29 ans, mais les taux étaient plus faibles.

Graphique 2 Taux de cessation d’emploi selon l’exposition professionnelle potentielle à l’intelligence artificielle et la complémentarité avec celle-ci et selon le groupe d’âge, janvier 2006 à août 2026, moyenne mobile de six mois, données désaisonnalisées

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 15 à 29 ans, 30 à 49 ans, 50 à 64 ans, Emplois à forte exposition et à grande complémentarité, Emplois à forte exposition et à faible complémentarité, Emplois à faible exposition, Emplois où la programmation occupe une grande place (sous-ensemble d’emplois à forte exposition et à faible complémentarité), Emplois à forte exposition et à grande complémentarité, Emplois à forte exposition et à faible complémentarité, Emplois à faible exposition, Emplois où la programmation occupe une grande place (sous-ensemble d’emplois à forte exposition et à faible complémentarité), Emplois à forte exposition et à grande complémentarité, Emplois à forte exposition et à faible complémentarité, Emplois à faible exposition et Emplois où la programmation occupe une grande place (sous-ensemble d’emplois à forte exposition et à faible complémentarité), calculées selon pourcentage unités de mesure (figurant comme en-tête de colonne).
  15 à 29 ans 30 à 49 ans 50 à 64 ans
Emplois à forte exposition et à grande complémentarité Emplois à forte exposition et à faible complémentarité Emplois à faible exposition Emplois où la programmation occupe une grande place (sous-ensemble d’emplois à forte exposition et à faible complémentarité) Emplois à forte exposition et à grande complémentarité Emplois à forte exposition et à faible complémentarité Emplois à faible exposition Emplois où la programmation occupe une grande place (sous-ensemble d’emplois à forte exposition et à faible complémentarité) Emplois à forte exposition et à grande complémentarité Emplois à forte exposition et à faible complémentarité Emplois à faible exposition Emplois où la programmation occupe une grande place (sous-ensemble d’emplois à forte exposition et à faible complémentarité)
pourcentage
Notes : La ligne pointillée verticale correspond au lancement grand public de ChatGPT en novembre 2022, qui a mené à la disponibilité à grande échelle des technologies d’intelligence artificielle (IA) générative. L’échantillon comprenait des employés de 15 à 64 ans vivant dans les 10 provinces du Canada. Le taux de cessation d’emploi mesure le nombre d’employés qui ont quitté leur emploi, quelle que soit la raison, en proportion de l’ensemble des employés. L’exposition professionnelle potentielle à l’IA et la complémentarité avec celle-ci ont été mesurées à l’aide de l’indice d’exposition professionnelle à l’IA ajusté en fonction de la complémentarité, lequel a été élaboré par Felten et coll. (2021) et Pizzinelli et coll. (2023). Les emplois à forte exposition et à grande complémentarité sont ceux qui sont plus susceptibles d’être améliorés par l’IA plutôt que d’être remplacés. Les emplois à forte exposition et à faible complémentarité sont ceux qui sont plus portés à être remplacés par l’IA. Les emplois à faible exposition sont ceux dont l’exposition à l’IA est potentiellement faible. Les titres d’emploi suivants dans la Classification nationale des professions de 2021 ont été sélectionnés comme emplois où la programmation occupe une grande place, qui constituent un sous-ensemble des emplois à forte exposition et à faible complémentarité : scientifiques des données, spécialistes de la cybersécurité, spécialistes des systèmes commerciaux, spécialistes en informatique, analystes de bases de données et administrateurs/administratrices de données, développeurs/développeuses et programmeurs/programmeuses de systèmes informatiques, ingénieurs/ingénieures et concepteurs/conceptrices en logiciel, développeurs/développeuses et programmeurs/programmeuses de logiciels, concepteurs/conceptrices Web, développeurs/développeuses et programmeurs/programmeuses Web.
Sources : Statistique Canada, Enquête sur la population active; Occupational Information Network.
2006  
janvier 2,4 3,6 4,8 6,1 0,4 1,2 2,0 0,0 0,3 0,1 1,3 0,0
février 2,5 3,7 4,6 4,8 0,5 1,3 2,0 0,1 0,6 0,2 0,8 0,0
mars 1,9 3,5 5,0 5,3 0,5 1,0 2,0 0,0 0,8 0,1 0,5 0,0
avril 1,2 3,4 5,1 4,6 0,6 0,9 1,7 0,0 0,4 0,1 0,8 0,0
mai 2,1 2,9 5,2 3,5 0,6 0,8 1,5 0,0 0,0 0,8 0,4 1,9
juin 2,1 3,6 4,7 1,7 0,8 0,8 1,3 0,0 0,3 0,6 0,5 4,9
juillet 2,6 3,7 4,7 3,3 0,7 0,7 1,3 0,3 0,0 0,4 0,5 0,2
août 3,0 3,8 4,8 5,7 0,4 1,1 1,4 1,6 0,0 0,4 0,2 1,0
septembre 3,0 3,8 4,9 2,7 0,6 0,9 1,6 1,3 0,1 0,0 0,4 0,0
octobre 3,0 3,7 4,8 2,1 0,8 0,9 1,7 1,0 0,3 0,0 0,2 0,8
novembre 3,0 3,8 5,1 2,3 0,7 1,2 2,0 1,5 0,7 0,0 0,2 0,8
décembre 3,3 3,5 5,1 1,0 0,7 1,3 1,9 0,0 0,1 0,2 0,2 1,2
2007  
janvier 3,0 3,8 4,9 0,3 0,8 1,4 1,8 0,0 0,3 0,6 0,0 2,3
février 3,2 3,3 4,9 0,0 1,1 1,2 1,7 0,0 0,0 0,2 0,6 0,0
mars 3,2 3,2 5,0 1,3 1,0 1,3 1,6 0,0 0,0 0,1 0,7 0,0
avril 3,3 3,5 5,3 2,1 1,2 1,5 1,5 0,0 0,0 0,3 0,6 0,0
mai 3,0 3,7 5,3 2,3 1,1 1,4 1,5 0,0 0,0 0,3 0,8 0,0
juin 2,6 3,8 5,3 3,1 0,9 1,3 1,8 2,7 0,0 0,4 0,8 0,0
juillet 2,6 3,1 5,5 1,9 0,8 1,2 1,9 1,3 0,0 0,1 0,8 0,0
août 1,9 3,7 5,5 2,7 0,6 1,2 1,9 1,7 0,1 0,4 0,7 0,0
septembre 1,1 4,1 5,8 3,1 0,7 1,0 1,8 1,0 0,2 0,4 0,8 0,0
octobre 1,3 3,9 5,2 4,0 0,3 1,1 1,9 0,0 0,4 0,2 0,9 0,0
novembre 1,7 4,0 4,9 3,5 0,5 0,9 1,7 0,2 0,3 0,0 0,9 0,0
décembre 1,7 4,2 4,6 3,8 0,8 0,8 1,5 0,0 0,3 0,1 1,0 0,0
2008  
janvier 1,8 4,2 4,9 3,9 0,9 0,8 1,6 0,0 0,3 0,0 0,7 0,0
février 2,2 4,1 4,8 3,1 0,6 0,8 1,6 0,0 0,5 0,1 0,6 0,0
mars 3,3 4,1 4,2 1,9 0,4 1,4 1,5 0,6 0,4 0,5 0,6 0,0
avril 3,7 4,1 4,2 1,4 0,4 1,0 1,8 1,7 0,5 0,5 0,9 0,0
mai 2,9 4,3 4,7 1,9 0,5 1,2 1,9 0,8 0,4 0,5 0,9 1,5
juin 3,3 4,1 5,0 2,2 0,3 1,2 2,2 1,1 0,2 0,3 0,8 0,0
juillet 2,8 4,7 4,8 3,5 0,2 1,3 2,2 1,5 0,5 0,2 1,1 2,7
août 2,2 4,5 4,7 3,0 0,6 1,2 2,3 0,1 0,2 0,5 1,3 4,0
septembre 2,8 4,2 4,9 3,4 0,6 0,9 2,5 0,2 0,2 0,9 1,2 5,2
octobre 2,5 4,3 5,1 3,6 0,8 1,1 2,2 0,3 0,2 0,7 0,7 6,6
novembre 3,2 4,3 5,2 4,7 0,7 1,2 2,3 0,9 0,0 1,2 1,1 5,5
décembre 2,9 3,9 5,6 4,1 0,7 1,5 2,3 1,7 0,3 0,9 1,1 7,8
2009  
janvier 3,1 4,0 5,7 3,5 0,6 1,7 2,5 0,3 0,0 1,1 1,4 6,4
février 3,8 4,0 6,1 3,6 0,4 1,8 2,5 1,7 0,0 0,9 1,3 6,9
mars 2,9 3,8 6,2 5,2 0,7 1,7 2,5 0,5 0,2 0,4 1,3 3,1
avril 2,0 3,7 6,3 4,1 0,7 1,7 2,5 1,3 0,3 0,3 1,6 3,9
mai 2,0 3,7 5,8 0,0 0,5 1,6 2,4 0,9 0,6 0,1 1,3 1,5
juin 2,4 3,8 5,4 0,0 0,8 1,6 2,3 0,1 0,7 0,6 1,1 0,0
juillet 1,5 3,2 5,8 0,0 0,9 1,2 2,1 2,2 0,8 0,6 1,0 0,0
août 1,6 3,2 5,1 0,1 0,8 1,4 1,9 2,1 0,8 0,3 0,8 0,0
septembre 1,5 3,3 4,9 0,0 0,5 1,2 1,9 3,5 0,8 0,4 1,0 0,0
octobre 2,1 3,6 4,9 0,0 0,3 1,2 1,9 1,2 0,5 0,8 1,2 0,0
novembre 1,8 3,4 5,0 0,0 0,5 1,1 1,7 1,2 0,0 0,7 1,2 0,0
décembre 1,8 3,7 4,8 0,0 0,5 0,8 1,8 0,3 0,2 0,4 1,3 0,0
2010  
janvier 2,9 4,0 4,1 0,0 0,5 0,8 1,6 0,0 0,2 0,5 1,0 0,0
février 2,6 4,4 4,5 0,2 0,8 0,5 1,6 0,0 0,1 0,7 1,0 0,0
mars 2,5 4,7 4,6 0,0 0,8 0,8 1,6 0,0 0,0 0,6 1,1 0,0
avril 2,5 4,1 4,6 1,5 0,9 0,8 1,6 0,0 0,0 0,7 0,7 0,0
mai 2,7 4,3 4,6 3,7 0,8 0,7 1,8 0,4 0,6 0,7 0,6 0,0
juin 2,4 3,7 4,5 4,6 0,6 1,0 1,6 1,6 0,0 0,5 0,7 0,8
juillet 2,6 4,3 4,5 2,9 0,3 1,5 1,7 2,6 0,0 0,4 0,8 5,0
août 2,8 4,1 4,6 2,6 0,4 1,3 1,8 3,0 0,0 0,0 1,0 5,2
septembre 3,2 4,0 4,8 3,8 0,6 1,5 1,7 1,6 0,0 0,1 0,6 0,5
octobre 3,3 4,1 4,9 3,3 0,7 1,7 1,7 2,2 0,0 0,0 0,5 1,0
novembre 2,7 4,5 4,6 3,1 1,1 1,5 1,8 0,0 0,0 0,0 0,6 0,1
décembre 2,2 5,2 4,8 3,9 0,9 1,2 1,9 0,5 0,0 0,2 0,5 0,2
2011  
janvier 2,2 4,5 4,7 4,9 1,2 0,6 1,7 0,0 0,4 0,5 0,6 0,0
février 2,1 4,4 4,5 5,7 0,9 1,0 1,9 0,0 0,2 0,5 0,4 0,0
mars 2,2 4,1 4,5 3,6 0,9 0,7 1,8 0,2 0,6 0,6 0,9 1,1
avril 2,2 4,5 4,3 4,4 1,1 0,3 1,8 0,0 0,2 0,8 1,3 0,0
mai 2,7 3,6 4,6 4,9 1,1 0,8 1,4 0,2 0,6 1,1 1,0 0,0
juin 4,3 3,0 4,8 3,6 1,1 0,9 1,3 0,0 0,7 0,6 1,1 0,0
juillet 3,8 3,2 5,0 3,5 1,1 1,0 1,5 1,3 0,7 0,4 0,8 0,0
août 3,6 3,2 4,9 2,0 1,3 0,7 1,1 1,1 1,0 1,1 1,2 0,2
septembre 3,4 3,7 5,0 3,9 1,0 0,9 1,3 1,3 1,3 0,7 1,0 0,0
octobre 3,2 3,6 5,1 3,1 0,9 1,3 1,2 2,6 1,3 0,9 0,8 2,0
novembre 3,4 3,6 5,1 3,4 0,6 1,3 1,5 2,1 0,9 1,1 0,7 0,7
décembre 2,4 3,8 5,2 4,0 1,0 1,6 1,6 3,1 0,9 0,7 0,4 0,0
2012  
janvier 3,1 3,5 5,2 2,9 0,7 1,7 1,6 0,0 0,0 0,8 0,7 0,1
février 3,4 3,3 5,2 1,3 0,6 1,8 1,8 1,2 0,2 0,1 0,4 0,0
mars 4,2 3,2 4,8 0,8 0,8 1,8 1,8 0,7 0,0 0,0 0,3 0,0
avril 3,8 3,3 4,8 0,0 0,6 1,7 1,9 0,9 0,0 0,0 0,1 0,0
mai 3,4 3,8 4,8 0,0 1,0 1,4 2,0 1,4 0,0 0,2 0,4 0,0
juin 3,3 3,8 4,7 0,5 0,6 1,1 2,0 0,2 0,0 0,3 1,0 0,8
juillet 1,9 4,3 4,6 0,2 0,9 1,0 1,9 2,7 0,0 0,3 0,7 0,0
août 2,3 4,2 4,8 2,1 0,7 1,0 2,1 0,3 0,0 0,5 0,5 0,0
septembre 1,2 4,5 4,9 2,2 0,6 0,9 2,1 0,8 0,0 1,0 0,9 0,2
octobre 1,4 3,5 5,1 4,9 0,3 0,8 2,1 0,0 0,0 0,4 1,5 0,0
novembre 1,3 3,1 4,8 4,2 0,2 0,9 1,8 0,0 0,2 0,2 1,0 0,2
décembre 1,4 3,0 4,4 2,6 0,2 0,9 1,6 0,0 0,1 0,6 0,7 0,2
2013  
janvier 2,3 3,2 4,5 4,2 0,2 0,7 2,0 0,0 0,2 0,4 1,0 3,1
février 1,6 3,0 4,7 4,1 0,3 0,5 1,8 0,0 0,4 0,3 1,4 5,4
mars 1,9 2,7 5,0 4,8 0,3 0,6 1,9 0,0 0,3 0,4 1,0 5,4
avril 2,2 3,2 5,0 3,9 0,3 0,6 2,0 0,0 0,4 0,6 0,7 4,6
mai 2,6 3,7 4,9 3,7 0,2 0,7 2,4 0,5 0,0 0,3 1,1 3,3
juin 2,5 4,1 5,1 5,4 0,5 0,8 2,3 2,0 0,4 0,4 1,1 2,7
juillet 3,0 3,4 5,1 5,6 0,4 1,6 1,8 5,0 0,7 0,4 0,8 1,9
août 3,1 4,4 4,6 8,4 0,6 1,5 1,7 4,1 0,6 0,6 0,6 0,0
septembre 3,7 4,1 4,5 5,6 0,8 1,4 1,5 2,3 0,5 0,6 1,0 0,0
octobre 3,8 4,6 4,2 3,9 1,2 1,3 1,6 1,6 0,2 0,6 0,8 0,0
novembre 3,5 4,7 4,5 5,5 1,1 1,4 1,4 0,9 0,5 0,7 0,9 0,0
décembre 4,0 4,4 4,7 4,4 1,0 1,2 1,9 0,0 0,5 0,1 1,1 0,0
2014  
janvier 3,0 4,6 4,7 3,6 1,0 0,7 2,1 0,0 0,5 0,0 1,3 0,0
février 3,2 4,2 4,5 0,0 0,8 0,8 2,3 0,0 0,7 0,0 1,3 0,0
mars 2,3 4,4 4,5 1,4 0,8 0,6 2,2 0,0 1,0 0,0 1,1 0,0
avril 1,8 4,1 4,6 0,0 0,7 0,9 2,1 0,2 1,4 0,0 1,2 0,0
mai 1,1 3,7 4,7 0,0 0,7 1,1 2,1 0,0 1,1 0,0 1,0 0,0
juin 1,9 3,5 4,5 0,0 0,8 1,1 2,0 1,4 1,1 0,3 0,9 0,0
juillet 2,0 3,8 4,2 0,0 0,7 1,0 2,0 0,8 1,0 0,4 1,1 0,0
août 1,9 3,4 4,9 0,0 0,6 0,9 2,0 0,4 1,3 0,5 1,2 0,0
septembre 1,9 3,4 4,9 0,0 0,6 1,2 1,9 1,7 0,5 0,8 1,0 0,0
octobre 2,0 3,5 5,0 1,8 0,5 1,1 1,9 0,0 0,5 0,9 1,1 0,0
novembre 3,7 3,2 5,0 1,4 0,7 0,7 2,1 0,2 0,4 1,0 1,3 0,0
décembre 2,1 3,8 5,1 3,7 0,6 0,8 1,8 0,0 0,3 1,2 1,5 0,0
2015  
janvier 3,3 3,8 5,4 3,1 0,7 1,1 1,9 0,8 0,0 1,4 1,2 0,5
février 2,4 4,0 5,1 5,4 0,7 1,0 2,0 1,6 0,0 1,4 1,2 0,0
mars 2,9 4,1 4,8 4,4 0,6 1,2 2,2 1,3 0,0 1,0 1,3 2,4
avril 2,9 4,6 4,7 4,5 0,7 1,1 2,2 2,2 0,0 1,3 1,2 1,5
mai 2,1 4,4 4,6 4,4 0,4 1,3 2,2 2,6 0,0 1,1 1,1 0,9
juin 2,2 3,8 4,8 2,9 0,4 1,2 2,3 2,4 0,0 0,9 0,9 1,0
juillet 0,5 3,7 4,7 4,0 0,6 0,8 2,3 0,4 0,0 0,7 1,0 1,3
août 1,4 3,5 4,5 0,2 0,2 1,5 2,2 0,6 0,0 0,3 1,2 0,9
septembre 1,6 3,6 4,8 0,4 0,1 1,0 2,3 0,4 0,1 0,7 1,3 0,0
octobre 1,6 3,0 5,1 0,0 0,1 0,7 2,2 0,0 0,4 0,2 1,3 1,2
novembre 1,4 3,8 5,1 0,0 0,3 1,0 1,9 0,0 0,2 0,2 1,4 1,2
décembre 2,3 3,6 4,7 0,0 0,4 1,0 2,0 0,0 0,4 0,2 1,7 0,9
2016  
janvier 3,4 4,3 4,4 0,1 0,2 1,4 1,9 0,6 0,7 0,2 1,4 1,0
février 3,4 3,6 4,8 0,4 0,7 0,8 1,8 0,0 0,7 0,8 1,0 0,6
mars 3,1 3,4 4,8 2,9 0,8 1,1 1,7 0,0 1,2 0,5 0,9 0,5
avril 2,7 3,6 4,4 4,5 0,8 1,5 1,7 0,0 0,6 0,1 1,3 0,0
mai 2,4 3,3 4,5 5,7 0,7 1,0 1,8 0,4 0,8 0,3 0,7 0,0
juin 2,4 3,6 4,6 6,9 0,7 1,4 1,5 1,3 0,6 0,3 1,0 0,0
juillet 2,4 3,1 4,8 6,0 0,7 0,9 1,7 0,5 0,4 0,8 1,0 0,0
août 2,5 3,8 4,3 7,1 0,6 1,0 1,8 3,0 0,4 0,3 1,1 0,0
septembre 2,3 3,9 4,1 3,7 0,8 1,0 1,5 3,9 0,0 0,4 1,1 0,0
octobre 2,6 3,7 4,2 3,0 0,8 1,0 1,3 4,1 0,4 0,7 0,8 0,0
novembre 3,4 3,4 3,9 0,8 1,0 0,8 1,4 2,3 0,3 0,6 1,2 0,0
décembre 2,4 3,1 4,1 0,0 0,8 0,6 1,7 1,6 0,4 0,7 0,5 0,0
2017  
janvier 2,0 3,0 4,0 0,0 0,7 0,9 1,4 2,9 0,4 0,4 0,8 0,0
février 1,5 3,4 4,0 0,0 0,6 1,0 1,2 0,6 0,6 0,8 0,8 0,0
mars 1,9 3,8 4,0 0,0 0,4 0,8 1,4 0,0 0,6 1,0 0,8 0,0
avril 1,9 3,7 4,1 0,0 0,4 0,8 1,6 0,0 0,8 1,5 0,6 0,0
mai 1,8 3,9 4,0 0,3 0,2 1,1 1,5 0,0 0,4 1,1 0,8 2,8
juin 2,5 3,8 3,9 3,6 0,7 1,0 1,4 0,0 0,3 0,8 1,1 0,0
juillet 2,8 3,5 4,2 2,2 0,5 1,1 1,6 0,0 0,0 0,9 1,0 0,0
août 3,0 3,4 4,4 3,3 0,8 0,9 1,9 0,0 0,0 1,1 0,7 0,4
septembre 3,1 3,2 4,4 2,6 0,9 1,1 2,0 0,4 0,0 0,8 0,7 1,6
octobre 2,9 3,2 4,2 0,3 0,9 0,8 2,0 0,7 0,0 0,3 1,1 0,5
novembre 2,5 3,9 4,2 3,0 0,5 1,1 2,0 0,9 0,2 0,7 0,8 0,7
décembre 2,0 3,5 4,5 2,5 0,2 1,2 1,8 2,1 0,1 0,8 0,8 2,1
2018  
janvier 2,0 3,5 4,6 2,8 0,8 1,2 1,6 2,3 0,1 0,6 1,1 0,0
février 2,0 3,4 4,3 3,3 0,8 1,3 1,3 0,6 0,1 0,0 1,6 0,5
mars 1,6 3,2 4,4 2,9 0,8 1,2 1,1 0,0 0,4 0,2 1,4 0,1
avril 2,2 3,2 4,5 4,1 0,8 1,3 1,4 1,0 0,3 0,4 1,3 0,9
mai 2,6 2,4 4,8 1,4 0,7 1,0 1,5 0,9 0,2 0,6 1,3 0,0
juin 2,8 2,7 4,4 2,5 1,2 0,8 1,6 0,9 0,8 0,8 1,0 1,5
juillet 2,3 3,3 3,7 3,8 1,0 0,4 1,7 0,0 1,4 0,9 0,7 0,7
août 2,9 3,1 4,2 3,8 0,9 0,7 1,5 0,4 1,7 1,4 0,5 0,1
septembre 3,6 3,7 4,2 6,0 0,7 0,7 1,7 2,0 1,4 1,3 0,7 0,0
octobre 3,1 4,1 4,1 9,4 0,9 0,8 1,4 0,6 0,9 1,2 0,6 0,0
novembre 3,1 3,7 4,0 7,0 1,3 0,9 1,1 0,2 0,7 0,9 0,8 0,0
décembre 2,9 4,2 3,9 5,9 0,8 1,0 1,3 0,9 0,0 1,1 1,1 0,0
2019  
janvier 3,1 3,5 4,3 5,4 0,2 1,3 1,3 0,4 0,0 1,0 0,9 0,0
février 2,4 3,0 4,1 0,9 0,2 1,0 1,7 0,0 0,0 0,8 1,1 0,0
mars 2,3 2,5 4,1 0,0 0,3 1,3 1,4 0,0 0,2 0,4 1,1 0,2
avril 1,7 1,8 4,1 0,0 0,1 1,3 1,3 0,0 0,5 0,4 1,2 1,2
mai 1,1 2,7 4,0 0,0 0,1 0,8 1,7 0,0 0,5 0,2 1,1 0,0
juin 1,2 2,4 4,4 0,0 0,1 1,1 1,6 0,0 1,0 0,0 1,1 0,0
juillet 1,3 2,8 4,7 0,0 0,4 1,1 1,4 0,0 0,3 0,5 1,2 0,0
août 1,5 3,1 4,6 0,3 0,4 1,4 1,3 0,1 0,3 0,2 1,2 0,0
septembre 0,8 3,7 4,8 2,8 0,3 1,2 1,6 0,0 0,2 0,3 1,1 0,0
octobre 2,2 3,8 5,0 1,7 0,4 0,9 2,0 0,0 0,4 0,2 1,3 1,5
novembre 2,6 3,6 5,2 0,0 0,3 1,4 2,0 0,5 0,7 0,7 1,3 1,6
décembre 3,1 3,1 4,8 2,0 0,5 1,0 2,2 1,5 0,8 0,7 1,2 1,7
2020  
janvier 3,4 3,8 4,2 3,4 0,6 0,6 2,3 0,7 0,8 0,0 1,4 1,0
février 3,0 4,0 4,1 2,5 0,8 0,4 2,2 0,0 0,4 0,7 1,2 0,0
mars 4,9 4,8 6,5 0,0 1,3 0,5 3,4 1,0 1,0 1,4 2,4 0,0
avril 5,5 7,8 9,5 0,0 2,4 1,8 5,8 0,4 1,1 3,0 5,1 0,0
mai 5,2 7,7 9,4 2,2 1,9 1,4 5,2 0,4 0,4 2,1 4,3 0,0
juin 3,6 6,3 7,4 2,0 1,6 0,8 3,4 0,0 0,0 1,1 3,4 0,0
juillet 3,1 4,7 7,0 0,8 0,6 1,0 3,3 0,0 0,0 1,5 2,8 0,0
août 3,2 3,8 6,7 0,0 0,3 0,8 3,3 0,0 0,0 0,7 2,5 0,0
septembre 0,9 1,8 2,4 0,0 0,0 0,0 1,5 0,0 0,0 0,0 0,8 0,0
octobre 0,0 0,0 0,0 0,5 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
novembre 0,2 0,0 0,1 0,2 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
décembre 1,5 0,9 2,9 0,0 0,0 0,1 1,0 0,2 0,4 0,0 0,0 0,0
2021  
janvier 1,9 2,9 4,0 1,0 0,4 0,0 1,1 0,0 0,4 0,0 0,0 0,0
février 2,3 3,3 3,6 5,5 0,2 0,0 1,3 0,0 0,3 0,3 0,2 0,0
mars 2,6 2,4 4,5 4,9 0,3 0,7 1,1 0,0 0,2 0,6 0,3 1,0
avril 1,5 3,5 4,0 3,9 0,4 0,5 1,8 0,0 0,2 0,5 0,4 2,1
mai 2,5 3,1 4,5 2,5 0,2 0,3 2,2 0,3 0,5 0,9 0,5 3,7
juin 2,0 3,0 3,0 4,8 0,7 0,6 1,3 0,0 0,0 0,5 0,8 3,2
juillet 1,7 1,8 2,7 4,6 0,1 0,7 1,2 0,6 0,0 0,0 1,5 1,5
août 1,0 2,1 3,7 2,9 0,2 1,3 1,3 0,6 0,0 0,0 1,5 0,0
septembre 1,2 3,0 3,8 3,8 0,3 1,0 1,6 0,7 0,0 0,0 2,0 0,0
octobre 3,2 2,0 3,8 6,5 0,3 0,9 1,4 0,5 0,0 0,3 1,2 0,0
novembre 2,3 2,6 2,9 8,3 0,1 1,2 1,0 0,0 0,0 0,7 1,0 0,0
décembre 1,4 3,3 3,9 6,6 0,1 0,9 1,3 0,2 0,0 0,6 1,2 0,0
2022  
janvier 1,8 3,4 5,0 4,5 0,3 1,1 1,6 1,0 0,0 0,7 0,8 0,0
février 2,4 3,5 3,6 3,7 0,1 0,9 1,0 1,7 0,2 0,9 0,7 0,0
mars 2,2 4,2 3,4 3,2 0,0 1,2 1,1 1,1 0,8 1,1 0,2 0,2
avril 0,9 4,4 3,0 2,3 0,0 1,3 0,8 1,4 0,7 0,7 0,8 0,0
mai 0,1 3,7 3,9 1,0 0,0 1,3 0,9 1,9 1,0 0,2 1,3 0,0
juin 2,0 3,7 3,9 0,0 0,0 1,0 1,4 0,7 0,5 1,2 1,1 0,0
juillet 2,4 4,0 2,8 1,2 0,0 1,0 0,9 1,1 1,1 1,2 0,8 0,0
août 2,4 3,5 4,1 1,1 0,0 0,9 1,7 0,6 0,6 1,3 0,9 0,2
septembre 3,5 4,2 4,1 2,7 0,1 0,9 1,3 0,0 0,1 1,2 1,3 0,6
octobre 3,1 3,6 4,4 2,4 0,0 1,2 1,3 0,5 0,4 1,1 1,3 1,6
novembre 4,2 3,4 3,7 2,4 0,2 1,2 1,3 1,5 0,0 1,5 1,1 2,0
décembre 3,5 3,1 3,2 4,2 0,5 1,2 1,2 2,0 0,3 0,7 1,0 0,9
2023  
janvier 2,9 2,4 3,4 3,7 0,5 0,9 0,8 1,3 0,0 1,0 0,8 1,5
février 2,3 2,7 3,3 2,8 0,5 1,4 0,5 2,4 0,0 0,3 0,7 0,0
mars 1,8 1,4 3,5 2,6 0,5 1,1 0,9 3,0 0,0 0,2 0,7 0,3
avril 2,6 2,0 3,4 3,5 0,8 0,7 1,2 2,6 0,0 0,2 0,8 0,0
mai 2,1 3,0 3,5 4,1 0,3 0,5 1,2 1,7 0,0 0,0 1,0 1,2
juin 2,1 2,4 4,1 4,1 0,0 0,9 1,1 1,0 0,0 0,0 0,7 2,7
juillet 1,7 3,0 3,7 2,9 0,0 0,9 1,6 0,2 0,0 0,0 0,9 1,9
août 1,9 3,2 3,1 3,3 0,0 0,2 1,5 0,0 0,1 0,5 1,2 3,3
septembre 1,5 3,8 3,0 2,7 0,0 0,6 1,4 0,0 0,5 0,9 1,2 2,6
octobre 1,2 3,5 2,7 2,2 0,1 0,5 1,1 0,0 0,9 0,8 1,0 1,4
novembre 1,4 2,7 2,7 2,5 0,3 0,6 1,0 0,0 0,6 0,8 0,6 0,1
décembre 1,5 3,2 2,5 2,7 0,2 0,7 0,7 0,0 0,2 1,1 0,8 0,8
2024  
janvier 1,7 2,8 2,7 2,3 0,1 0,9 1,1 0,0 0,0 0,7 0,6 1,0
février 2,0 2,5 2,8 2,6 0,1 0,9 1,3 0,9 0,0 0,6 0,7 0,0
mars 1,5 2,3 2,9 1,1 0,1 0,8 1,0 1,2 0,0 0,3 0,9 0,0
avril 1,6 2,3 2,8 0,0 0,0 1,1 0,9 2,5 0,0 0,1 0,9 0,0
mai 2,0 2,6 2,7 0,0 0,2 1,3 1,0 3,1 0,0 0,8 0,9 0,0
juin 2,5 2,9 2,6 0,0 0,5 1,0 1,1 2,5 0,1 0,6 1,1 0,0
juillet 1,9 3,0 2,6 0,3 0,8 0,8 0,8 1,0 0,4 1,4 1,2 0,0
août 2,0 3,0 2,9 1,9 0,7 0,8 0,4 0,5 0,6 1,1 1,0 0,0
septembre 2,7 2,6 2,9 2,3 1,0 0,8 0,8 0,0 0,2 0,9 0,9 0,0
octobre 3,0 2,6 3,2 3,0 1,0 0,9 1,0 0,0 0,5 1,2 1,0 1,8
novembre 2,5 2,7 3,6 2,9 0,9 0,5 1,0 0,0 0,8 0,5 1,3 0,6
décembre 2,3 2,0 3,8 4,4 0,7 0,3 1,1 0,0 0,5 0,6 1,5 1,3
2025  
janvier 3,1 2,6 3,4 4,1 0,5 0,3 1,0 0,0 0,8 0,0 1,7 0,0
février 2,2 2,6 3,4 2,5 0,6 0,4 0,9 0,0 0,9 0,1 1,8 0,2
mars 2,4 2,8 3,1 4,6 0,6 0,2 0,6 1,2 1,0 0,5 1,8 0,0
avril 2,1 2,8 3,2 4,8 0,6 0,3 0,7 0,9 1,0 0,6 1,4 0,2
mai 2,4 2,7 3,1 5,9 0,5 0,1 1,1 0,5 0,9 0,6 1,3 0,0
juin 1,9 3,1 3,1 4,0 0,5 0,3 1,0 1,0 0,8 0,6 0,9 0,0
juillet 1,9 3,1 3,2 5,0 0,5 0,6 1,2 1,8 0,5 0,7 1,0 0,0
août 2,5 2,9 3,6 1,8 0,4 0,4 1,7 0,0 0,4 0,4 0,6 0,0
septembre 2,3 3,1 3,4 0,0 0,2 0,4 1,9 0,0 0,4 0,4 0,7 0,0
octobre 1,8 3,2 3,6 0,0 0,1 0,2 1,8 0,0 0,0 0,1 1,0 0,0
novembre 1,7 3,2 3,1 0,0 0,0 0,9 1,4 0,0 0,0 0,5 1,0 0,1
décembre 1,7 3,7 2,9 0,0 0,3 0,8 1,6 0,0 0,0 0,2 0,6 0,0
2026  
janvier 1,7 3,4 3,3 0,0 0,5 0,8 1,5 0,0 0,0 1,0 0,0 0,7
février 1,6 4,3 3,3 1,2 0,6 0,9 1,4 0,7 0,0 1,1 0,5 0,7
mars 1,6 4,1 3,6 2,9 0,3 1,3 1,4 1,4 0,0 1,1 0,3 1,4
avril 2,4 4,2 3,3 2,6 0,2 1,3 1,5 0,2 0,0 1,1 0,5 1,8
mai 2,5 4,0 3,8 3,5 0,6 1,3 1,0 0,8 0,0 0,8 0,5 0,9
juin 3,5 2,9 3,9 3,6 0,5 1,2 0,7 0,4 0,1 1,2 1,1 0,9
juillet 2,9 2,8 3,7 3,2 0,0 1,3 0,7 0,8 0,2 1,1 1,7 0,0
août 2,1 2,7 3,5 3,5 0,3 1,3 0,2 1,2 0,4 0,5 1,5 0,0

Conclusion

À l’heure actuelle, il n’existe pas des données probantes qui indiquent que l’essor de l’IA a entraîné des diminutions substantielles dans l’embauche ou des augmentations des taux de cessation d’emploi au Canada, même pour les travailleurs plus jeunes et ceux qui occupent des professions plus susceptibles d’être remplacées par l’IA. Les taux d’embauche et de cessation d’emploi observés au cours de la période des six mois précédant novembre 2022, c’est-à-dire le mois du lancement public de ChatGPT, aux six mois précédant août 2026 se situaient généralement dans la fourchette historique, ou représentaient une poursuite des tendances préexistantes.

L’étude de Mehdi et Frenette (2026) a montré que la croissance de l’emploi pour les travailleurs plus jeunes a été relativement faible lors de la période qui a suivi la pandémie, indépendamment de l’exposition professionnelle potentielle à l’IA. Les constatations du présent article laissent entendre que cette tendance pourrait découler principalement d’une baisse du taux d’embauche (une poursuite des tendances antérieures) plutôt que d’une hausse du taux de cessation d’emploiNote .

Ces renseignements représentent les premiers résultats et viennent compléter ceux de Mehdi et Frenette (2026) concernant l’évolution du marché du travail canadien dans un climat marqué non seulement par des changements technologiques, mais aussi par une convergence d’autres facteurs économiques. Au fur et à mesure que l’adoption de l’IA s’accélère, il sera essentiel de continuer à surveiller les tendances du marché du travail afin de mieux comprendre les changements technologiques qui transforment l’économie, et à qui profitent ces changements.

Auteurs

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

Remerciements

Les auteurs aimeraient remercier Ryan Macdonald, André Bernard et Ping Ching Winnie Chan de Statistique Canada, et René Morissette de l’Université du Québec en Outaouais, de leurs commentaires utiles et de leurs suggestions.

Références

Brouillette, D., T. Dahlhaus et G. Galassi. 2026. « Les premiers signes d’un ajustement du marché du travail canadien à l’IA », Article de Sparks et Bank, Banque du Canada, https://www.banqueducanada.ca/2026/08/article-sparks-et-bank-2026-19/.

Brynjolfsson, E., B. Chandar et R. Chen. 2025. « Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence », Stanford University Working Paper, https://digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine.

Budget Lab. 2026. Tracking the Impact of AI on the Labor Market, Yale University, https://budgetlab.yale.edu/research/tracking-impact-ai-labor-market.

Carioli, P., D. Czarnitzki et G.P. Fernández. 2026. « Evidence on the Adoption of Artificial Intelligence: The Role of Skills Shortage », IZA Discussion Paper, no 18793, https://www.iza.org/publications/dp/18793/evidence-on-the-adoption-of-artificial-intelligence-the-role-of-skills-shortage.

Crane, L.D. et P.E. Soto. 2026. « AI and Coder Employment: Compiling the Evidence », Finance and Economics Discussion Series, Federal Reserve System, https://doi.org/10.17016/FEDS.2026.018.

Davenport, T.H. et L. Srinivasan. 2026. « Companies Are Laying Off Workers Because of AI’s Potential—Not Its Performance », Harvard Business Review, https://hbr.org/2026/01/companies-are-laying-off-workers-because-of-ais-potential-not-its-performance.

Do, V., S. Sood et C. Johnston. 2026. « Analyse de l’utilisation de l’intelligence artificielle par les entreprises au Canada, deuxième trimestre de 2026 », Analyse en bref, produit no 11‑621‑M au catalogue de Statistique Canada, https://www150.statcan.gc.ca/n1/pub/11-621-m/11-621-m2026010-fra.htm.

Eckhardt, S. et N. Goldschlag. 2025. « AI and Jobs: The Final Word (Until the Next One) », Economic Innovation Group, https://eig.org/ai-and-jobs-the-final-word.

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 à 2217.

Filippucci, F., P. Gal, C. Jona-Lasinio, A. Leandro et G. Nicoletti. 2024. « The Impact of Artificial Intelligence on Productivity, Distribution and Growth: Key Mechanisms, Initial Evidence and Policy Challenges », OECD Artificial Intelligence Papers, no 15, Paris, Éditions OCDE, https://doi.org/10.1787/8d900037-en.

Hahmann, T. et M. Lovei. 2026. « Utilisation de l’intelligence artificielle en milieu de travail : profil des caractéristiques sociodémographiques et de celles liées à l’emploi », Regards sur la société canadienne, produit no 75-006-X au catalogue de Statistique Canada, https://www150.statcan.gc.ca/n1/pub/75-006-x/2026001/article/00007-fra.htm.

Hosseini Maasoum, S.M. et G. Lichtinger. 2025. « Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data », Social Science Research Network, https://dx.doi.org/10.2139/ssrn.5425555.

Iscenko, Z. et F.C. Millet. 2026. « Looking for the Ladder: Is AI Impacting Entry-Level Jobs? », Economic Innovation Group, https://eig.org/wp-content/uploads/2026/01/TAWP-Iscenko-Millet.pdf.

Leanage, A. et T. Mehdi. 2026. « Exposition professionnelle potentielle à l’intelligence artificielle et à l’automatisation chez les compagnons certifiés au Canada », Rapports économiques et sociaux (janvier), produit no 36-28-0001 au catalogue de Statistique Canada, https://doi.org/10.25318/36280001202600100001-fra.

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, https://dais.ca/reports/right-brain-left-brain-ai-brain.

Mehdi, T., R. Allen, J. Lesica et J. Watt. 2026. « Exposition professionnelle potentielle à l’intelligence artificielle au sein de certaines industries culturelles au Canada », Rapports économiques et sociaux (mars), produit no 36-28-0001 au catalogue de Statistique Canada, https://doi.org/10.25318/36280001202600300003-fra.

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, https://doi.org/10.25318/36280001202400900004-fra.

Mehdi, T. et M. Frenette. 2026. « Tendances de l’emploi au Canada à l’ère de l’intelligence artificielle générative : premiers résultats », Rapports économiques et sociaux (janvier), produit no 36-28-0001 au catalogue de Statistique Canada, https://doi.org/10.25318/36280001202600100003-fra.

Mehdi, T. et R. Morissette. 2024. « Estimations expérimentales de l’exposition professionnelle potentielle à l’intelligence artificielle au Canada », Série de documents de recherche de la Direction des études analytiques, produit no 11F0019M au catalogue de Statistique Canada, https://doi.org/10.25318/11f0019m2024005-fra.

Morissette, R., W. Ci et G. Schellenberg. 2016. « Taux d’embauche et de mise à pied selon la région économique de résidence : qualité des données, concepts et méthodes », Études analytiques : méthodes et références, produit no 11-633-X au catalogue de Statistique Canada, https://www150.statcan.gc.ca/n1/pub/11-633-x/11-633-x2016001-fra.htm.

Morissette, R., Y. Lu et T. Qiu. 2013. « Réallocation des travailleurs au Canada », Série de documents de recherche de la Direction des études analytiques, produit no 11F0019M au catalogue de Statistique Canada, https://www150.statcan.gc.ca/n1/pub/11f0019m/11f0019m2013348-fra.htm.

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 », IMF Working Papers, no 216, Washington (D.C.), Fonds monétaire international, https://www.imf.org/en/Publications/WP/Issues/2023/10/04/Labor-Market-Exposure-to-AI-Cross-country-Differences-and-Distributional-Implications-539656.

Statistique Canada. 2026a. « L’utilisation d’outils d’intelligence artificielle générative parmi les travailleurs canadiens, mars 2026 », Le Quotidien, Statistique Canada, https://www150.statcan.gc.ca/n1/daily-quotidien/260730/dq260730b-fra.htm.

Statistique Canada. 2026b. « Enquête sur la population active, juin 2026 », https://www150.statcan.gc.ca/n1/daily-quotidien/260710/dq260710a-fra.htm.

Date de modification :