a16z : Les emplois de développeur logiciel augmentent de 14,6 % après le lancement de Claude Code, l'IA renforce la valeur humaine

Auteur : a16z

Traduction : Deep潮 TechFlow

Lecture approfondie de Shenchao : Alors que l'ensemble du secteur technologique a procédé à des licenciements de 7 %, les postes de développement logiciel ont augmenté de 14,6 % — en raison du fait que les outils d'IA permettent désormais aux débutants de produire du code de qualité professionnelle. Il ne s'agit pas d'une histoire de « l'IA qui prend les emplois », mais d'une preuve que les outils rendent les individus plus précieux. Des stages en forte hausse jusqu'à une croissance salariale la plus rapide chez les adolescents, les signaux du marché du travail sont clairs : les personnes capables d'utiliser l'IA deviennent très recherchées.

Graphique : Le nombre de publications d'offres d'emploi en développement logiciel a rebondi à 114,6 depuis le lancement de Claude Code, tandis que le marché global a chuté à 93. Source : a16z

Les difficultés des entreprises de logiciel de trading public se poursuivent, mais comme nous l'avons indiqué précédemment, la situation actuelle n'est pas un « massacre » uniforme.

La vente des actions technologiques ne reflète ni les résultats actuels ni les performances récentes, mais plutôt un doute collectif du marché quant à la capacité de ces entreprises à maintenir leur performance à long terme :

Le multiple d'évaluation du cash-flow libre du prochain mois de décembre est à un niveau égal ou inférieur à celui de 2014. Autrement dit, les investisseurs accordent le plus faible prime depuis plus de dix ans à la capacité des entreprises logicielles à générer de la trésorerie.

L'essentiel est que, même si les preuves de la mort du SaaS sont encore faibles, il incombe aux investisseurs d'avoir une vision de l'avenir, et cet avenir leur semble un peu sombre.

Cependant, tous les entreprises logicielles n'ont pas un avenir sombre. La différenciation et la capacité d'analyse deviennent de plus en plus les règles du jeu. Vous pouvez observer cela sous plusieurs angles différents.

Tout d'abord, examinez l'écart entre la médiane de l'indice IGV et ses quartiles supérieur et inférieur :

Sur les 30 derniers jours de négociation, les quartiles supérieur et médian des actions IGV ont surpassé l'ETF global — les performances globales ont été freinées par le quartile inférieur (incluant certaines des plus grandes entreprises).

En comparaison avec l'année précédente, la situation est très différente :

Au cours de la dernière année, la médiane a suivi de plus près la performance globale des ETF — jusqu'au début de l'année, les quartiles de performance ont commencé à se diverger (il y a désormais environ 50 points de différence entre les premiers et les derniers).

En revenant à la vue sur 30 jours, il est clair que les fondamentaux n'ont pas été un moteur strict des performances récentes du cours :

Du point de vue de la croissance des revenus, il existe presque aucune corrélation entre la croissance et les performances récentes (bien que, pour être juste, beaucoup puissent être expliquées par les changements de croissance plutôt que par le niveau de croissance). En divisant selon les quartiles de performance, le même schéma se répète : un grand nombre d’entreprises logicielles se regroupent dans la fourchette de croissance des revenus autour de 10 à 20 %, mais les performances sont presque verticalement réparties, certaines des entreprises à la croissance des revenus la plus rapide (et aussi les plus importantes dans l’ETF) se trouvant au quartile inférieur des performances.

Plus important que la croissance, c’est la durabilité perçue à long terme. Voici le même graphique réparti par secteur :

Bien qu'il soit difficile de classer clairement chaque entreprise, les performeurs du premier et du deuxième quartile sont généralement dominés par (1) la cybersécurité/l'observabilité ; et (2) les SaaS verticaux. En revanche, les deux derniers quartiles sont une combinaison de SaaS horizontaux, de cloud/infrastructure et de catégories « autres », incluant des plateformes de marché, la technologie publicitaire et des solutions ponctuelles (ainsi que des entreprises difficiles à classer comme MicroStrategy).

L'objectif est clair. Que ce soit juste ou non, le marché a perçu une distinction nette entre les entreprises logicielles — celles qui semblent bénéficier d'une certaine défense ou d'un avantage lié à l'IA, et celles qui n'en ont pas.

Pour la cybersécurité et l'observabilité, l'IA devrait accroître l'urgence d'achat des acheteurs (et les fournisseurs établis bénéficient d'une prime de confiance plus difficile à remettre en question pour les nouveaux venus en IA).

Pour les SaaS verticaux, les informations spécialisées autour des flux de travail, des données et des relations clients constituent un obstacle à l'entrée pour les challengers de l'IA (ce qui ne s'applique pas aux plateformes horizontales).

But for everyone else, the message is clear: the software itself is not a moat.

Des années d'ARR persistant et en croissance constante, un vaste ensemble de fonctionnalités et une adoption étendue ne sont plus que des nouvelles d'hier. Une croissance stable et/ou améliorée sur plusieurs trimestres pourrait probablement inverser la tendance, mais le marché n'est pas convaincu pour le moment.

Vous avez probablement entendu parler récemment du changement de perception de token-maxxing à token-optimizing, ce qui est un événement majeur.

Bien que le coût d'entraînement des modèles de pointe augmente constamment, les gains marginaux de ces améliorations de pointe peuvent ne pas suffire à convaincre les clients de supporter des coûts supplémentaires. Les clients pourraient ne pas utiliser systématiquement les tokens les plus récents et les plus puissants, mais opter, là où c'est possible, pour des modèles moins chers et moins performants (y compris les modèles à poids ouverts).

Pour certains, cette transition remet en question la durabilité du développement des modèles de pointe — si les clients ne soutiennent pas le coût des modèles les plus récents et les plus puissants, que deviennent les laboratoires ? Juste, bien que cette objection soit un peu ironique, car la rapidité avec laquelle les modèles non de pointe deviennent obsolètes était autrefois considérée comme une menace pour la durabilité du développement des modèles de pointe... et maintenant que les modèles non de pointe deviennent de moins en moins obsolètes, c’est manifestement toujours un mauvais signe. Bon.

Sans entrer dans le débat sur les mérites de ce débat, nous observons simplement que les coûts intelligents baissent rapidement, ce qui semble avoir un impact positif sur la demande en IA. Autrement dit, la dynamique jevonsienne persiste : plus l’IA est bon marché, plus les gens et les entreprises souhaitent l’utiliser (pour davantage de choses).

Élargir la base de la demande est exactement ce que tu veux voir.

Commençons par un autre précédent innovant qui a commencé de manière centralisée et coûteuse, puis est devenu décentralisé et peu coûteux : les ordinateurs. Par rapport au précédent bond technologique entraîné par les PC, les coûts de l’intelligence diminuent plus rapidement dans le domaine de l’IA :

Il a fallu près de vingt ans au PC pour réaliser les gains d'accessibilité que l'IA a accomplis en environ trois ans.

C'est une trajectoire exceptionnelle ; comme pour les ordinateurs, la baisse des coûts semble aider à faire déplacer la demande d'IA vers le haut et à droite (il reste encore beaucoup de potentiel).

Au niveau des consommateurs, selon les données de PNC Bank, le taux de pénétration payant reste faible, mais augmente effectivement :

La part des ménages consacrée à l'IA payante et leurs dépenses mensuelles moyennes continuent d'augmenter — les dépenses mensuelles affichent une croissance plus marquée, en hausse d'environ 25 % depuis le début de l'année.

Ce ne sont évidemment pas des comparaisons parfaites, mais comme point de référence, en 1997, seulement environ 45 % des adultes âgés de 35 à 54 ans déclaraient posséder un PC (des décennies après le lancement commercial des ordinateurs, principalement dans les entreprises). Aujourd'hui, environ 90 % des foyers possèdent un ordinateur, et ce chiffre approche 97 % si l'on inclut les smartphones — l'essentiel est que l'adoption de masse prend du temps et s'étend avec l'utilité et le coût.

D'autres données montrent que la demande en IA augmente avec l'efficacité des coûts.

Selon l'analyse des données d'OpenRouter par YipitData (qui ne mesure qu'un sous-ensemble de la consommation totale de tokens), l'utilisation des tokens de pointe continue d'augmenter, tandis que les tokens open-weight continuent de gagner rapidement en part de marché :

La part des fournisseurs asiatiques dans le total des tokens (qui servent de proxy pour les alternatives à poids ouvert) a augmenté à environ 60 %, soit trois fois plus qu'au début de l'année. L'échantillon d'OpenRouter pourrait être biaisé, au moins dans une certaine mesure, en faveur des utilisateurs de poids ouvert, mais cela correspond bien à l'histoire de la différenciation des prix, ainsi qu'à l'histoire de type Jevons.

De même, selon OpenRouter, bien que le nombre de tokens par utilisateur et les dépenses par utilisateur connaissent une croissance rapide, le premier a augmenté beaucoup plus rapidement que le second depuis le début de l'année :

Rappel : OpenRouter ne peut voir que ce qu'il peut voir, ce modèle est très cohérent avec la loi de Jevons (la demande augmente en parallèle des gains rapides d'efficacité coûts de l'IA).

Pour le moment, il est clair qu'à mesure que l'intelligence devient moins chère, elle pousse la courbe de demande davantage vers le haut et vers la droite. Les jetons moins chers provenant de modèles de pointe inférieure ont effectivement gagné en parts de marché, mais l'effet net est une augmentation exponentielle des dépenses globales. Cela peine à être qualifié d'histoire pessimiste.

Les pessimistes pourraient encore affirmer que les modèles à poids ouverts érodent les frontières, mais les scénarios alternatifs selon lesquels les gains d'efficacité n'ont pas d'impact notable sur la demande et/ou poussent à une baisse des dépenses totales seraient en réalité plus proches d'un scénario apocalyptique. En revanche, Jevons correspond exactement à ce que les hausseurs espèrent.

En ce qui concerne la demande en IA, bien que l'on affirme qu'elle est à la fois insuffisamment utile pour générer un ROI significatif et suffisamment utile pour éliminer tous les emplois, nous sommes heureux de rapporter qu'il existe actuellement presque aucune preuve que l'IA produise réellement un effet de suppression d'emplois.

En réalité, même un point faible du marché du travail — à savoir les recrutements de niveau débutant — a récemment gagné en dynamisme, et si quelque chose, l’IA semble aider plutôt que nuire.

Selon les données de Revelio, le suivi des stages d'été 2026 est bien supérieur à celui des années précédentes :

Un stage n'équivaut pas à un emploi, mais ils constituent au moins un signal de demande pour les jeunes ; le cycle de 2026 dépasse largement ceux de '25 et '24 (bien qu'il ne atteigne pas celui de '23).

Mieux encore, la croissance des salaires chez les adolescents et les jeunes adultes semble également s'accélérer :

Selon les données de l'ADP, les augmentations salariales pour les jeunes travailleurs (16 à 24 ans) ont rebondi depuis leur creux de 2025. Les augmentations salariales sont presque certainement un signal de demande : si les salaires augmentent, il est raisonnable de supposer que les perspectives d'emploi pour les postes de niveau débutant s'améliorent également.

En ce qui concerne l’impact de l’IA (s’il existe), la situation est encore meilleure. L’IA semble accélérer considérablement le recrutement de débutants :

Sur la base de l'analyse des données d'emploi de Revelio et des données de dépenses de Ramp, une « adoption intensive de l'IA » correspond à une augmentation d'environ 6 points de pourcentage du nombre d'employés juniors deux ans après l'adoption. En comparaison, une « adoption faible de l'IA » correspond à une baisse d'environ 0,5 point de pourcentage.

Graphique : La part des employés juniors dans les entreprises ayant adopté intensivement l’IA a augmenté en moyenne de 1,15 point de pourcentage après deux ans, tandis qu’elle a diminué de 0,52 point de pourcentage dans les entreprises à faible adoption, ce qui indique que l’IA crée plutôt qu’elle ne supprime des postes juniors. Source : a16z

Il existe plusieurs façons d'interpréter cela, de « l'IA crée des postes de niveau débutant » à « les adopteurs de l'IA sont des entreprises en croissance, donc naturellement, ce sont elles qui recrutent », jusqu'à « les données de Ramp ne représentent probablement pas l'économie dans son ensemble, il est donc difficile d'en tirer des conclusions ». Toutes ces interprétations sont plausibles, mais celle qui est presque certainement fausse est « l'IA élimine les postes de niveau débutant ».

Peut-être un jour (bien qu'il y ait de bonnes raisons de penser le contraire), mais pas aujourd'hui.

Globalement, bien que la baisse des emplois « exposés à l’IA » dans l’ère post-taux zéro soit largement discutée, il existe relativement peu de discussions sur le fait que les emplois « exposés à l’IA » récemment mènent la reprise :

Selon les données du laboratoire d'emploi Indeed, depuis mai 2025, plus un poste présente un haut niveau d'exposition à l'IA, plus sa reprise est marquée. Cela est particulièrement visible pour les ingénieurs logiciels, dont les offres d'emploi ont augmenté d'environ 15 %, contre une baisse globale d'environ 7 % (depuis le lancement de Claude Code).

À un niveau plus large, il est encore trop tôt pour tirer des conclusions, mais les données ne soutiennent pas ceux qui affirment que « l’IA rend les humains obsolètes ». Si anything, la situation est exactement l’inverse — le niveau d’exposition à l’IA semble corrélé positivement à la croissance de l’emploi.

Graphique : Les postes dans les métiers présentant un niveau d'exposition à l'IA plus élevé ont connu une reprise plus forte depuis mai 2025, avec une augmentation de près de 15 % pour les postes de développement logiciel, devançant le marché global. Source : a16z

Pour être juste, il n’est pas encore clair à quel point la catégorie « exposition à l’IA » a du sens, car il existe presque aucun consensus sur ce qui ou qui est exposé à l’IA (ni à quel degré) :

Il s'avère que plus l'exposition moyenne à l'IA dans un métier donné est élevée, plus les divergences concernant ce niveau d'exposition sont importantes.

Graphique : plus le score moyen d'exposition à l'IA est élevé, plus la divergence dans l'académie concernant son niveau d'exposition est importante, ce qui indique que ce concept manque encore de consensus. Source : a16z

As expected, rational people may have different opinions when predicting the future impact of new technologies.

Il y a bien sûr quelques exceptions. Tout le monde semble convenir que les correcteurs, les souscripteurs d'assurance, les statisticiens, et, curieusement, les économistes, sont très exposés à l'IA. Si l'IA finit par remplacer les économistes humains, reconnaîtra-t-elle ce crime, ou n'y aura-t-il aucun économiste resté pour raconter l'histoire ?

Plus tôt cette semaine, le gouverneur de l'État de New York, Hochul, a annoncé une suspension d'un an sur le développement de centres de données. Entre autres choses, l'objectif affiché de la suspension est de « protéger les utilisateurs d'électricité... car le développement de centres de données menace d'augmenter les factures d'eau et d'électricité ». Sans vouloir la dévaloriser, le gouverneur a fourni davantage de précisions sur ses raisons lors du podcast Odd Lots, que vous pouvez écouter.

Nonetheless, this remains a confusing statement.

Bien que les centres de données augmentent effectivement la demande d'électricité, les preuves indiquent qu'ils aident en réalité à réduire les coûts pour les utilisateurs :

Sur la base d'une étude du Lawrence Berkeley National Laboratory et de The Brattle Group, au niveau des États, l'augmentation des prix de l'électricité est négativement corrélée à la demande. Plus on consomme, moins on paie — étrange, mais vrai.

En effet, au cours des six dernières années, certains États ayant connu la croissance la plus rapide de la demande (avec le plus de développements de centres de données), comme le Texas et la Virginie, ont à peine connu une augmentation des prix. D'autre part, les États ayant enregistré les hausses de prix les plus importantes (avec très peu de nouveaux centres de données), comme la Californie et l'État de New York, ont vu une baisse de la croissance de la demande : la demande d'électricité en Californie a diminué d'environ 5 %, tandis que les hausses de prix ont dépassé celles de n'importe quel autre État, étant environ 33 % plus élevées que celles du deuxième État le plus cher.

Graphique : Entre 2019 et 2025, la croissance de la charge électrique par État aux États-Unis présente une corrélation négative avec l'évolution des prix de l'électricité ; la Californie et l'État de New York affichent une baisse de la demande mais les hausses de prix les plus élevées. Source : a16z

Moreover, the inverse relationship between energy demand and energy prices also appears to hold in Europe:

Selon les données de l'EIA, les pays de l'UE ayant connu la plus forte augmentation des prix, à l'exception de l'Irlande, ont également enregistré la plus forte baisse de la demande d'électricité.

Graphique : La demande d'électricité dans les principales économies européennes et américaines entre 2019 et 2024 a évolué de manière négativement corrélée aux prix de l'électricité ; la demande a augmenté au Texas et en Virginie, tandis que les prix sont restés globalement stables. Source : a16z

De même, consommez plus, payez moins. Cela va à l'encontre de l'intuition, n'est-ce pas ?

Nous savons tous que, toutes choses égales par ailleurs, une demande plus élevée devrait pousser les prix à la hausse, et non l'inverse (comme le prétend le gouverneur Hochul). Toutefois, en ce qui concerne le réseau électrique, la situation est exactement l'inverse. La raison pour laquelle la demande et les coûts sont inversement liés est que les réseaux électriques bénéficient souvent d'économies d'échelle : plus la demande d'électricité est élevée, plus les coûts fixes d'infrastructure sont répartis sur un plus grand nombre d'utilisateurs, ce qui entraîne une baisse globale des prix pour les consommateurs.

Autrement dit, l'ordre de suspension des centres de données de Hochul pourrait non seulement ne pas « protéger les utilisateurs d'électricité », mais produire l'effet inverse : les augmentations de prix de l'électricité pourraient être bien supérieures à celles qui se produiraient si les centres de données aidaient à répartir les coûts fixes du réseau. Cette relation pourrait ne pas persister, mais c'est ce qui s'est produit jusqu'à présent.

En dehors des coûts énergétiques, il faut prendre en compte des impacts économiques plus larges. La réalité est que, sans investissements dans les infrastructures liées à l'IA, presque aucune croissance des investissements n'est possible :

Les investissements liés à la technologie sont la seule catégorie d'investissement en croissance, donc l'ordre de suspension frappe précisément le point le plus critique.

Graphique : Depuis 2022, les investissements liés à la technologie (logiciels, R&D, équipements informatiques et centres de données) ont été le seul contributif positif à la croissance des investissements fixes privés. Source : a16z

La gouverneure a certainement ses raisons, mais une politique qui pourrait à la fois (a) augmenter les prix de l'électricité (dans le cadre d'un effort de « protection des consommateurs d'électricité ») et (b) retirer au État de New York son plus important avantage d'investissement est difficile à comprendre.