La prochaine vague : Le marché du travail canadien face à l’automatisation

L’étude en bref

Les changements technologiques sont l'un des moteurs de la croissance économique. Ils contribuent à améliorer la productivité de fabrication des biens et de prestation des services, à savoir produire autant avec moins de ressources ou produire davantage avec le même apport en main-d'œuvre. Les technologies permettent également de concevoir de nouveaux produits et services capables de créer de nouvelles professions et de générer une demande inédite chez les consommateurs. Le processus d'évolution technologique est néanmoins source de perturbations : il rend certaines professions obsolètes ou modifie en accéléré le paysage de secteurs tout entiers. Dans le même temps, de nouveaux modèles économiques et professions sont mis sur pied pour les remplacer.

Le présent Commentaire évalue les répercussions probables de l'automatisation sur le marché du travail canadien et compare les résultats obtenus aux anciennes prévisions. De fait, la proportion d'emplois à haut risque d'automatisation s'avère plus faible (environ 22 p. 100) que la plupart des estimations précédentes.

Certaines professions sont manifestement très propices à l'automatisation, et bon nombre d'entre elles sont d'ailleurs déjà automatisées : préposés de station-service, caissiers de banque ou de magasin, par exemple. D'autres ont peu de chances d'être automatisées en raison des facultés humaines ou des compétences pointues qu'elles requièrent : neurochirurgiens ou détectives, par exemple. La plupart des professions ne peuvent pas être entièrement automatisées, mais ne sont pas pour autant à l'abri de toute automatisation. Les professions ayant le plus de chances d'être automatisées comportent généralement une majorité de tâches bien définies et répétitives, comme c'est le cas dans l'industrie manufacturière.

Environ un actif sur cinq au Canada occupe un emploi susceptible, en théorie, d'être automatisé. D'après les projections à 2028, la perte de seulement 90 000 emplois sera à déplorer dans ces professions. Dans le même temps, les postes quelque peu vulnérables à l'automatisation (risque moyen) représentent environ 40 p. 100 de l'emploi actuel. Cette proportion devrait diminuer légèrement d'ici à 2028, pour s'établir autour de 37 p. 100. Ces projections indiquent que le marché du travail s'adapte au fur et à mesure aux changements technologiques, et continuera probablement à suivre ce cap.

L'analyse de vulnérabilité à l'automatisation en fonction des caractéristiques individuelles indique que la part des personnes noires et autochtones exerçant des professions à haut risque d'automatisation au Canada est plus élevée que la moyenne nationale. Cette vulnérabilité relativement supérieure est probablement liée aux moins bons résultats moyens en matière d'emploi observés chez les personnes noires et autochtones par rapport à la moyenne canadienne.

Les hommes, les femmes et les immigrants sont toutefois exposés à un risque moyen similaire d'automatisation. De manière générale, les différences ne sont pas suffisamment importantes pour justifier l'instauration de politiques ciblées visant à prévenir spécifiquement le chômage technologique de groupes donnés. En revanche, il est possible d'influer indirectement sur les effets d'inégalité découlant de l'automatisation en axant plus généralement les politiques d'éducation et d'emploi sur la lutte contre les inégalités. Néanmoins, au vu de la croissance des emplois atypiques, les politiques traditionnelles de soutien à l'emploi risquent de ne pas couvrir l'ensemble des travailleurs touchés par l'automatisation. À la suite de la crise actuelle de la COVID-19, le gouvernement devrait analyser les effets de ses programmes d'urgence en matière de soutien du revenu et en tirer des conclusions destinées à moderniser l'assurance-emploi et à combler les lacunes observées.

La technologie a révolutionné nos modes de vie. Grâce à l'innovation, nous contrôlons l'électricité et la lumière, et nous prévenons des maladies mortelles par le traitement des eaux, l'étude des agents pathogènes et la vaccination.

Les nouvelles technologies de télécommunications ont permis au monde de s'informer, de se divertir et d'accéder à une multitude de services privés et professionnels via Internet. Face aux derniers progrès en matière de calcul quantique, de robotique et d'intelligence artificielle, certaines personnes se sont mises à prédire que les logiciels et les machines seront bientôt en mesure de remplacer l'être humain dans de nombreuses professions.

Les changements technologiques sont l'un des moteurs de la croissance économique. Ils contribuent à améliorer la productivité de fabrication des biens et de prestation des services, à savoir produire autant avec moins de ressources ou produire davantage avec le même apport en main-d'œ uvre. Les technologies permettent également de concevoir de nouveaux produits et services capables de créer de nouvelles professions et de générer une demande inédite chez les consommateurs. Le processus d'évolution technologique est néanmoins source de perturbations : il rend certaines professions obsolètes ou modifie en accéléré le paysage de secteurs tout entiers. Dans le même temps, de nouveaux modèles économiques et professions sont mis sur pied pour les remplacer.

La crainte que les machines et, plus récemment, les logiciels viennent remplacer l'être humain dans la réalisation de nombreuses tâches n'est pas neuve. ¹1 La première trace écrite de l'idée selon laquelle la destruction d'emplois attribuable à la technologie pourrait être plus rapide que la création des nouvelles professions censées les remplacer remonte, à ma connaissance, à la conjecture d'Aristote voulant que l'invention des balais fasse disparaître l'esclavage (Campa, 2014). Certains éléments probants montrent toutefois que le débat a pu commencer quelque 3 000 ans plus tôt, avec l'invention de la roue (Woirol, 1996). Les récents progrès en matière d'intelligence artificielle, de communication entre les machines et de numérisation des services ont conduit à penser que l'automatisation des emplois sera plus rapide que la création de nouvelles professions destinées à les remplacer. En outre, d'après plusieurs prédictions alarmantes, d'importants pans de la population risquent de se trouver prochainement au chômage (Brynjolfsson et McAfee, 2014; Frey et Osborne, 2013; Lamb, 2016). À l'inverse, d'autres prévoient que la technologie sera favorable à l'emploi (Bessen, 2018) ou engendrera des modifications semblables à celles vécues lors des précédentes phases d'évolution technologique (Oschinski et Wyonch, 2017). Le doute plane quant à la proportion des emplois risquant d'être automatisés, les estimations relatives au marché du travail américain allant de 9 p. 100 à 47 p. 100 (Arntz, Gregory et Zierahn, 2016; Frey et Osborne, 2013). Pour le Canada, les estimations suggèrent que 9 p. 100 à 42 p. 100 de la population active courent un risque élevé de chômage technologique (Arntz, Gregory et Zierahn, 2016; Lamb, 2016; Oschinski et Wyonch, 2017).

Le présent Commentaire évalue les répercussions probables de l'automatisation sur le marché du travail canadien et compare les résultats obtenus aux anciennes prévisions. Il passe également en revue la littérature récente abordant les implications des changements technologiques : circonstances dans lesquelles ils s'avèrent propices/défavorables à la croissance de l'emploi et application des conclusions au contexte canadien. Les résultats de la présente analyse montrent l'absence de preuves d'une accélération du chômage technologique²2 Le chômage technologique désigne les pertes d’emploi causées par les changements technologiques. Ce concept recouvre à la fois les améliorations successives des processus permettant de réduire la demande de main-d’œuvre et les changements technologiques majeurs qui bouleversent les secteurs et les pratiques professionnelles en place.. De fait, la proportion d'emplois à haut risque d'automatisation s'avère plus faible (environ 22 p. 100) que la plupart des estimations précédentes. Le risque d'automatisation n'a pas non plus de lien direct avec les salaires, suggérant ainsi que les changements technologiques vont probablement influer sur les inégalités de revenu par un changement dans la composition de l'emploi³3 Une étude antérieure a jugé que la technologie était un facteur important d’inégalité de revenu aux États-Unis (Cheremukhin, 2014). L’évolution de l’emploi au Canada ne met toutefois en évidence aucune polarisation majeure des revenus en lien avec le potentiel d’automatisation (Oschinski et Wyonch, 2017.

En parallèle, on observe l'absence de corrélation significative entre les caractéristiques individuelles des travailleurs, comme la race, le statut d'immigration ou l'origine ethnique, et la probabilité d'automatisation de la profession exercée. Néanmoins, il existe des différences majeures pour certains groupes dans des types de professions en particulier. Les Autochtones, par exemple, courent un risque moyen nettement supérieur d'automatisation dans la plupart des professions, sauf celles exercées dans les secteurs des ressources naturelles et de l’agriculture. Les femmes sont plus susceptibles que les hommes d'exercer des professions soit à faible risque, soit à haut risque, par opposition aux professions à risque moyen. La moyenne du risque reste toutefois la même pour les deux sexes⁴4 Les femmes travaillant dans les affaires, la finance, l’administration, la fabrication et les services publics courent un risque moyen supérieur de perte d’emploi attribuable à l’automatisation. Les hommes exerçant dans l’éducation, le droit et les services sociaux, communautaires et gouvernementaux sont exposés à un risque moyen d’automatisation légèrement supérieur.. Les différences en termes de risque découlent de la répartition sous-jacente des emplois et du profil des personnes occupant chaque grand type de profession. Le risque d'automatisation varie aussi en fonction de l'âge : les jeunes travailleurs, âgés de 15 à 24 ans, sont plus susceptibles d’exercer des professions à haut risque d'automatisation, tandis que les actifs âgés de 55 à 64 ans ont plus de chances d'occuper des postes à faible risque d'automatisation.

De manière générale, le présent Commentaire constate que le marché du travail canadien s'est plutôt bien adapté aux changements technologiques et que le risque de chômage technologique de masse reste faible dans un avenir proche. Cela laisse entendre que le gouvernement devrait atténuer les répercussions négatives des changements technologiques sur les personnes concernées à court terme. Les politiques existantes de formation professionnelle et de soutien du revenu en faveur des personnes au chômage et à faible revenu font barrage aux préjudices économiques (qu'ils soient ou non induits par la technologie)⁵En outre, tous les effets du crédit canadien pour la formation et de la prestation de soutien à la formation d’assurance-emploi ne se sont pas encore faits sentir. Annoncés dans le budget fédéral 2019, ces deux nouveaux programmes visent à résoudre les problèmes liés au chômage technologique et à répondre au besoin d’adaptation aux changements technologiques tout au long de la carrière.. Cependant, au vu de la croissance des emplois atypiques, les politiques traditionnelles de soutien du revenu et de soutien à l'emploi risquent de ne pas couvrir l'ensemble des travailleurs touchés par l'automatisation. La Prestation canadienne d'urgence (PCU), un programme d'urgence en matière de soutien du revenu à l'attention des personnes touchées par la pandémie de COVID-19, a été créée en partie pour combler les lacunes de couverture de l'assurance-emploi. À la suite de la crise actuelle, le gouvernement devrait analyser les effets de la PCU et tirer les conclusions de cette expérience grandeur nature afin de moderniser l'assurance-emploi et de combler les lacunes révélées par la COVID-19⁶6 Cette politique d’urgence ne doit pas devenir permanente, mais elle était nécessaire face aux lacunes existantes en matière de soutien à l’emploi et de soutien du revenu. À l’issue de la crise, l’élimination de ces lacunes devrait figurer parmi les priorités..

Le risque d'automatisation est similaire dans les différents groupes de population, mais certains d'entre eux sont désavantagés dans des types de professions en particulier. L'une des principales variables s'avère le niveau d'instruction, ce qui explique certaines des variations liées aux caractéristiques individuelles. Ces résultats suggèrent que l'éducation est un facteur crucial pour éliminer le risque relatif d'automatisation chez les groupes de population les plus vulnérables.

L'économie des changements technologiques

Les changements technologiques ont largement contribué à l'amélioration du niveau de vie et du bien-être. Toutefois, le processus d'évolution technologique est un processus d'« élimination créatrice », qui rend obsolètes un certain nombre de produits, d'emplois, de pratiques professionnelles, voire des professions et des secteurs tout entiers, et les remplacent par une solution supérieure sur le plan technologique. Dans le même temps, la technologie contribue à l'éclosion de nouveaux secteurs, produits, services et professions. Au début du XXe siècle, personne ou presque n'aurait pu imaginer des professions comme celles d'administrateur des systèmes de données ou de chercheur en intelligence artificielle, et pourtant, ces deux métiers existent depuis le début du XXIe siècle. De la même façon, nous ne pouvons pas prédire aujourd'hui avec certitude quelles seront les nouvelles technologies mises au point dans un avenir lointain, ni les répercussions qu'elles pourraient avoir sur la société.

À long terme, l'adoption technologique est favorable à la croissance économique, augmente la productivité et améliore le niveau de vie. À court terme, toutefois, elle peut être source de perturbations lorsque des entreprises ne parviennent pas à s'adapter et que des personnes perdent leur emploi. Dans certains cas, il a fallu des décennies pour que l'économie et la société s'adaptent entièrement aux changements technologiques majeurs et pour que leurs avantages se répandent pleinement⁷7 Pendant la Révolution industrielle, le salaire réel en Angleterre a augmenté lentement entre 1781 et 1819, puis a enregistré une croissance rapide jusqu’en 1851. Le salaire des cols bleus, en particulier, a doublé sur cette période de 32 ans (Lindert et Williamson, 1983).. Les nouvelles professions créées par les changements technologiques peuvent nécessiter des compétences différentes par rapport à celles désormais automatisées, tandis que certains emplois existants peuvent être révolutionnés. Les progrès technologiques et l'adoption de la technologie n'affectent pas tous les secteurs simultanément. On observe plutôt des poussées de croissance dans certains secteurs et un déclin dans d'autres. Dans le même temps, les économies à croissance rapide affichent des niveaux élevés à la fois de création et de destruction d'emplois (Howitt, 2015).

De l'avis général, les changements technologiques s'avèrent souhaitables. Les progrès technologiques permettent de produire davantage avec une maind'œuvre humaine inférieure ou égale. Par conséquent, le capital humain ainsi libéré peut être affecté à d'autres tâches. L'accroissement de la productivité contribue à la croissance économique, laquelle favorise à son tour une hausse des salaires. La crainte du chômage technologique, c'est-à-dire l'idée que la technologie élimine les emplois plus rapidement qu'elle n'en crée de nouveaux, était omniprésente lors des précédentes phases d'évolution technologique. Or, à ce jour, le spectre du chômage technologique de masse ne s'est toujours pas matérialisé. Les récents progrès en matière d'intelligence artificielle et de communication entre les machines n'en ont pas moins relancé le débat : la situation sera-t-elle différente cette fois-ci?

Lors des précédentes phases d'évolution technologique, les machines avaient principalement remplacé le travail humain sur le plan physique. Avec le développement et l'amélioration continue de l'informatique et des communications, les machines commencent également à exécuter des tâches cognitives à la place de l'être humain. Selon certains, les progrès technologiques à l'ère numérique pourraient conduire au remplacement des travailleurs humains à un rythme plus rapide que la création de nouveaux emplois (Krugman, 2013; Levy et Murnane, 2004; Sirkin, Zinser et Hohner, 2011; Cowen, 2013).

Dans ce cas de figure, d'importants pans de la population se trouveraient au chômage technologique dans les années à venir (Brynjolfsson et McAfee, 2014; Frey et Osborne, 2013; Lamb; 2016).

Néanmoins, divers facteurs d'équilibre comme la création de nouvelles professions et tâches complexes nécessitant une main-d'œuvre humaine viennent atténuer les répercussions négatives des changements technologiques. Le vieillissement de la population est associé à l'adoption accélérée des technologies d'automatisation, dans la mesure où il est nécessaire d'accroître la productivité de la main-d'œuvre pour maintenir les niveaux de production lorsque la proportion de personnes en âge de travailler diminue (Acemoglu et Restrepo, 2019). Il n'en reste pas moins que, si l'automatisation est plus rapide que la création de nouveaux emplois, elle pousse les salaires à la baisse. Plus le coût du capital humain diminue, moins il devient intéressant de concevoir et d'adopter des technologies de réduction du travail. Par conséquent, il y a de fortes chances que l'investissement en recherche et développement se tourne vers la création de nouvelles tâches complexes, et non vers l'automatisation (Acemoglu et Restrepo, 2016/2018). En outre, une fois l'automatisation à l'œuvre, la productivité augmente, ce qui s'accompagne d'une baisse des prix et d'une hausse de la demande (Acemoglu et Restrepo, 2016/2018; Autor et Salomons, 2018; Bughin, Manyika et Woetzel, 2017). Dans le même temps, Bessen (2018) souligne que les technologies améliorant la productivité et l’emploi manufacturier ont connu un siècle d'essor avant que les gains de productivité ne fassent décliner l'emploi. Son postulat est donc le suivant : la technologie a des effets positifs en matière d'emploi jusqu'à ce que le marché concerné arrive à saturation.

Une autre étude met en corrélation le changement démographique et l'automatisation : les pays caractérisés par un vieillissement plus rapide de la population sont également ceux qui enregistrent un essor plus rapide des technologies d'automatisation (Acemoglu et Restrepo, 2019). Toujours d'après cette étude, près de la moitié de l'écart entre pays en matière d'adoption des technologies d'automatisation s'explique par des facteurs démographiques.

Dans l'ensemble, les répercussions économiques des changements technologiques actuels sont loin de s'être décantées. Certaines recherches indiquent un faible risque de chômage technologique d'envergure, tandis que d'autres suggèrent que quatre travailleurs sur dix pourraient se retrouver prochainement sans emploi (Oschinski et Wyonch, 2017; Lamb, 2016). Les précédentes phases d'évolution technologique ont été vécues dans la crainte que la technologie remplace l'être humain à un rythme plus rapide que la création de nouvelles professions. L'histoire des changements technologiques, et l'analyse qui s'ensuit, laissent penser que la situation sera la même cette fois-ci et qu'un chômage technologique de masse dans un avenir proche est hautement improbable.

Néanmoins, comme lors des précédentes phases de croissance technologique, certaines personnes sont susceptibles de subir un important préjudice à court terme. La politique gouvernementale doit servir à atténuer les répercussions négatives, d'une part, et à encourager l'adoption et la conception de nouvelles technologies, d'autre part. L'adoption de la technologie contribue à préserver ou à améliorer la compétitivité générale des industries canadiennes et accroît la productivité, ce qui diminue le fardeau fiscal pesant sur une population vieillissante. Pour la santé économique à long terme, la technologie doit être vue comme une aubaine, et non comme une menace⁸8 Pour obtenir une analyse intégrale des interactions entre diffusion technologique, pratiques professionnelles et politique gouvernementale, voir Andres Criscuolo et Gal, 2015..

Robots à l'œuvre

L'industrie manufacturière fait partie des secteurs qui font appel à l'automatisation depuis un certain temps déjà, et cette tendance devrait se poursuivre. L'adoption des robots industriels et son incidence sur l'emploi manufacturier donnent des renseignements utiles pour prévoir les répercussions futures en matière d'emploi, et fournissent un élément de comparaison entre les pays. Après des années de croissance constante, l'installation de robots industriels a baissé en 2019 sur le continent européen, ainsi qu'en Amérique du Nord et en Amérique latine. Conclusion : l'automatisation ne s'accélère pas, tout du moins en ce qui concerne les applications robotiques dans l'industrie (International Federation of Robotics, 2019).

En 2018, le Canada était le 13e acheteur de robots industriels. L'industrie automobile et la fabrication de produits électroniques concentrent le plus grand nombre d'installations, mais les ventes ont enregistré leur plus forte croissance dans des secteurs « non spécifiés » (44 p. 100 en 2018), même si les robots industriels « collaboratifs » restent une niche représentant à peine 3 p. 100 des ventes mondiales en 2018 (International Federation of Robotics, 2019).

Au Canada, le nombre de robots industriels par travailleur dans la fabrication a nettement augmenté ces dernières années. Entre 2014 et 2018, la densité de robots industriels de ce secteur (nombre de robots pour 10 000 employés) a augmenté de 48 p. 100. Un tel essor aurait pu présager d'une baisse de l'emploi dans l'industrie manufacturière. Or, le nombre d'emplois a augmenté de 1,2 p. 100 sur la même période (OCDE 2020). De fait, sur l'ensemble des pays, il n'y a pas de relation entre la densité de robots et l'emploi manufacturier (figure 1)⁹9 Graetz et Michaels (2015) ont observé un résultat similaire pour la période 1993-2007 en se basant sur un échantillon élargi de pays et en mesurant l’emploi manufacturier d’après le nombre d’heures travaillées.. Graetz et Michaels (2015) ont constaté que la densification des robots s'accompagne d'une légère hausse de l'emploi manufacturier si l'on tient compte d'une période plus longue et d'un échantillon élargi de pays, mais la corrélation reste statistiquement faible. En parallèle, l'automatisation accrue n'entraîne pas nécessairement une baisse de l'emploi (Autor et Salomons, 2018; Bughin, Manyika et Woetzel, 2017; Acemoglu et Restrepo, 2016/2018).

Malgré la hausse significative du nombre de robots industriels exécutant diverses tâches de fabrication et activités industrielles, le potentiel d'adoption reste important au Canada. Bon nombre de pays présentent une densité de robots industriels supérieure à celle observée au Canada (figure 2). En effet, le nombre de robots industriels par travailleur à Singapour et en Corée du Sud (pays enregistrant la plus forte densité) est multiplié par 4,5 fois par rapport au Canada. De la même façon, le Canada est en retard sur l'Allemagne, le Japon, la Suède, le Danemark et les États-Unis, entre autres nations, en ce qui concerne l'adoption des robots industriels dans la fabrication. Cette comparaison internationale indique que le potentiel de robotisation non exploité dans l'industrie manufacturière canadienne et dans d'autres applications industrielles reste relativement élevé. Toutefois, la densité des robots industriels n'étant pas liée à l'emploi manufacturier, les répercussions qu'une adoption technologique accrue pourrait avoir sur l'emploi restent floues.

Estimation de la probabilité d'automatisation

Pour estimer l'impact de l'automatisation sur le marché du travail, j'emploie des méthodes semblables à celles de Frey et Osborne (2013) et d'Oschinski et Wyonch (2017). Les renseignements relatifs aux compétences, aux activités professionnelles et aux interactions interpersonnelles sont issus de la base de données américaine O*NET, qui contient des centaines de descriptions normalisées spécifiques pour près de 1 000 professions¹⁰10 L’utilisation de ces données repose sur l’hypothèse implicite que les professions au Canada requièrent les mêmes compétences, connaissances et activités que leurs équivalents aux États-Unis..

Les compétences, connaissances et activités sélectionnées sont celles qui sont difficiles, voire impossibles, à informatiser ou à robotiser, et qui le resteront probablement dans un avenir proche (tableau 1)¹¹11 Ces attributs sont les mêmes que ceux sélectionnés par Oschinski et Wyonch (2016). Pour valider la sélection des attributs non automatisables et tester en conséquence la sensibilité des estimations, divers autres ensembles d’attributs (choisis parmi d’autres études employant diverses méthodes) ont servi à estimer la probabilité d’automatisation (Autor et Dorn, 2013; Josten et Lordan, 2019; Frey et Osborne, 2013). La sélection des attributs a un impact marginal sur la classification de professions particulières, mais n’a pas d’incidence significative sur les résultats agrégés.. Chaque profession nécessite ces attributs à des intensités et des niveaux différents. En principe, les professions dans lesquelles ces attributs revêtent une très grande importance ou qui exigent un rendement élevé sont plus difficiles à automatiser. Si certains aspects de ces professions pouvaient être automatisés, la technologie augmentant alors la productivité du travail, il resterait impossible d'éliminer toute intervention humaine.

À l'inverse, la probabilité d'automatisation est plus élevée pour les professions dans lesquelles les attributs sélectionnés n'ont pas d'importance. Dans ce cas de figure, l'automatisation a plus de chances de remplacer la main-d'œuvre dans la plupart des tâches requises par ces professions.

Certaines professions sont manifestement très propices à l'automatisation, comme l'illustrent déjà bon nombre d'exemples : préposés de station-service, caissiers de banque ou de magasin. D'autres ont peu de chances d'être automatisées en raison des facultés humaines ou des compétences pointues qu'elles requièrent : neurochirurgiens ou détectives, par exemple.

La plupart des professions ne peuvent pas être entièrement automatisées, mais ne sont pas pour autant à l'abri de toute automatisation. Pour établir une classification des professions « automatisables », « non automatisables » et « quelque peu automatisables », j'ai repris les classifications et les résultats de quatre études portant sur l'automatisation du marché du travail : Autor et Dorn (2013), Josten et Lordan (2019), Frey et Osborne (2013), et Oschinski et Wyonch (2017). À l'exception de celle d'Autor et Dorn (2013), qui emploie une classification binaire « automatisable/non automatisable », ces études répartissent les professions en trois catégories : risque d'automatisation élevé, moyen ou faible¹²12 Lordan et Jorden (2019) classent les professions dans les catégories « automatisables », « non automatisables » et « automatisables avec polarisation », mais emploient des définitions moins granulaires des professions.. Dans l'ensemble de ces quatre études, de nombreuses professions ont obtenu une classification similaire. Ces cas forment le vecteur d'« apprentissage » de l'algorithme.

L’analyse statistique estime la probabilité qu'une profession soit automatisée en fonction des attributs sélectionnés et des classifications du vecteur d'apprentissage. La méthode employée est la régression gaussienne, un processus élémentaire d'apprentissage automatique, de classification non paramétrique et d'estimation des probabilités¹³13 Voir en annexe l’explication détaillée de la méthodologie ayant servi à la présente analyse.. La régression a été mise en œuvre à l'aide du paquet statistique de « kernlab » en R (Karatzoglou, Smola et Hornik, 2019). Le résultat obtenu donne une estimation de la probabilité qu'une profession puisse être automatisée. Ce chiffre est ensuite mis en relation, au moyen des codes professionnels américains, avec les données du marché du travail canadien¹⁴14 Cf. recensement (2016) et estimations de l’emploi du Système de projection des professions au Canada (SPPC) (2019). , selon la concordance de Frenette et Frank (2017, 2018).

L'automatisation du marché du travail canadien

Les résultats démontrent qu'en 2019, environ 22 p. 100 des emplois canadiens étaient hautement vulnérables à l'automatisation, contre environ 39 p. 100 d'emplois peu vulnérables¹⁵15 Les seuils de probabilité suivants s’appliquent à la catégorisation : [0 - 0,36) = faible vulnérabilité; [0,36 - 0,72) = vulnérabilité moyenne; [0,72 - 1] = haute vulnérabilité. . Les professions dans les secteurs de la santé, du droit, de l'éducation et des services communautaires et gouvernementaux sont les types d'emplois les moins susceptibles d'être automatisés (tableau 2 et figure 3). Dans les secteurs de l'agriculture, des ressources naturelles, des services publics et de la fabrication, les professions sont plus vulnérables à l'automatisation.

Il convient de noter que la proportion estimée d'emplois à haut risque est inférieure à celle déterminée dans les études précédentes selon une méthodologie similaire : Lamb (2016) et Oschinski et Wyonch (2017) ont respectivement estimé cette part à 42 p. 100 et à 35 p. 100 (voir l'encadré 1 pour une discussion approfondie sur la comparaison des résultats). En outre, les estimations de la présente analyse pour l'année 2019 sont plus favorables que les projections d’Oschinski et Wyonch (2017) (figure 4).

Dans le même temps, la proportion d'emplois à faible risque d'automatisation (40 p. 100) est légèrement supérieure à celle des études précédentes. La proportion d'emplois à haut risque d'automatisation est nettement inférieure à celle des analyses antérieures adoptant une méthodologie similaire, mais aucune hausse significative du chômage n'a été enregistrée au Canada entre les études. La différence entre ces résultats peut être attribuée à différents facteurs. Par exemple, l’automatisation a pu progresser plus vite que prévu, dans la mesure où la proportion d'emplois à haut risque a connu un déclin accéléré par rapport aux prévisions. Dans ce cas, l'absence de hausse significative du chômage sur la période 20152019 indique que l'emploi au Canada s'est adapté progressivement au potentiel d'automatisation¹⁶16 Il faut également souligner que les résultats de la présente analyse associent les classifications de nombreux articles de recherche sur l'automatisation. Les estimations obtenues sont moins polarisées que celles de l'étude Oschinski et Wyonch (2017), c'est-à-dire que la proportion de professions jugées « à risque moyen » est plus importante ici. Cette différence s'est répercutée davantage sur les emplois « à haut risque » que sur ceux « à faible risque », en raison de la composition du marché du travail canadien. La probabilité estimée d'automatisation d'une profession a été calculée à l'aide de classifications prises individuellement et en combinaison. Les résultats de la classification combinée tombent entre les deux extrêmes pour toutes les professions..

Pour prévoir les répercussions des changements technologiques et de l'automatisation sur le marché du travail au Canada dans les années à venir, je me suis fondée sur les prévisions d'emploi du Système de projection des professions au Canada (SPPC)¹⁷17 Les projections du SPPC incluent les données actuelles de l’emploi et les futures tendances prévues des postes à pourvoir et de la demande d’emploi par profession au niveau national. Les projections les plus récentes portent sur la période 2019-2028. Les données de l’emploi ces dernières années proviennent de la trousse d’information sur le marché du travail du Forum des ministres du marché du travail (2016). . Pour modéliser les effets de l'automatisation sur la croissance de l'emploi, je suis partie d'un taux hypothétique d'adoption annuel de 2,1 p. 100, équivalant au taux de croissance moyen prévisionnel du stock de capital productif dans les pays de l'OCDE (OCDE 2019)¹⁸18 emploi 2020 = (emploi 2019× croissance 2019) – (risque × taux d’adoption × emploi 2019) calculé pour chaque profession, puis agrégé pour prévoir la composition totale de l’emploi par catégorie de risque. Pour évaluer la sensibilité des projections à l’hypothèse d’un taux d’adoption technologique de 2,1 p. 100, j’ai également fait des projections aux taux d’adoption de 1,7 p. 100 et de 4,3 p. 100, soit la croissance du stock de capital productif canadien en 2019 et le plus haut taux de croissance du stock de capital productif parmi les pays de l’OCDE. Les résultats des projections reposant sur ces différents taux d’adoption figurent en annexe (tableau A4).. Ces projections illustrent l'incidence sur l'emploi des niveaux technologiques de 2020 et n'incluent pas l'évolution ou la projection des futurs niveaux technologiques. Elles se fondent uniquement sur le taux courant d'adoption des technologies actuelles. Si une avancée majeure est observée concernant les attributs rendant l'automatisation difficile ou impossible, la vulnérabilité à l'automatisation de nombreuses professions serait à revoir, ce qui modifierait également les projections en matière d'emploi.

En outre, ces projections mettent en évidence un changement dans la composition de l'emploi ces prochaines années. En 2020, environ 40 p. 100 des emplois ne sont pas propices à une automatisation complète (figure 5). D'ici à 2028, cette proportion devrait passer à 43 p. 100 du marché du travail, avec la création de quelque 490 000 nouveaux postes.

L'emploi dans des professions à risque moyen ou élevé d'automatisation devrait diminuer collectivement d'environ 580 000 postes. En fonction du taux d'adoption des nouvelles technologies, l'évolution estimée de l'emploi découlant des changements technologiques varie entre un gain net de 90 000 postes et une perte nette de 1,38 million de postes, sachant qu’un taux d’adoption annuel de 2,1 p. 100 correspond à une diminution nette de 90 000 emplois. Une limite importante de ces projections réside dans le fait qu'elles ne tiennent pas compte de la croissance de l'emploi induite par la conception de technologies novatrices ou par la création de nouvelles professions en lien avec les technologies actuelles.

De plus, la croissance prévisionnelle étant issue du SPPC, il convient de souligner que les projections antérieures ont eu tendance à sous-estimer la création réelle d'emplois¹⁹19 Par exemple, les estimations de 2015 en matière d’emploi prévoyaient un emploi total de 18,72 millions en 2020, celles de 2017 s’établissaient à 18,8 millions et celles de 2019 à 19,1 millions.. Ces projections illustrent uniquement le recul de l'emploi attribuable aux changements technologiques, et non la hausse de l'emploi liée à la création de nouvelles professions ou à de nouveaux progrès technologiques. Malgré tout, ces estimations suggèrent que seulement 4 p. 100 des travailleurs actuels environ risquent de perdre leur emploi du fait de l'automatisation au cours des huit prochaines années, soit un chiffre nettement inférieur aux projections antérieures selon lesquelles environ quatre travailleurs sur dix pourraient perdre leur emploi sur la même période²⁰20 D’après Lamb (2016), 42 p. 100 de l’ensemble des emplois canadiens étaient hautement vulnérables à l’automatisation d’ici dix an.

De manière générale, le risque que l'automatisation engendre des perturbations du marché du travail impossibles à gérer dans un avenir proche est relativement faible. Néanmoins, chaque province ayant une économie et un marché du travail structurés différemment, certaines peuvent s'avérer plus vulnérables que les autres à l'automatisation. En 2019, les données de l'emploi par province mettaient en évidence un profil de risque similaire partout dans le pays (figure 6). L'Île-du-PrinceÉdouard et la Saskatchewan comptaient une proportion légèrement supérieure d'emplois dans les professions à haut risque d'automatisation, tandis que l'Ontario affichait la part la plus importante d'emplois à faible risque²¹21 Ces différences ne sont pas significatives sur le plan statistique. (voir l'encadré 2 pour une discussion approfondie sur les résultats provinciaux).

Automatisation et égalité : revenu, âge et caractéristiques individuelles

Outre la crainte d'un futur chômage technologique de masse, il est possible que l'automatisation ait des répercussions différentes en fonction des groupes de population. Les professions ayant le plus de chances d'être automatisées comportent généralement une majorité de tâches bien définies et répétitives, comme c'est le cas dans l'industrie manufacturière. Historiquement, ces professions représentent une vaste part des emplois à moyen revenu occupés par des personnes sans diplôme supérieur ni formation universitaire. Au sud de la frontière, les emplois à moyen revenu ont diminué depuis les années 1990 par rapport aux emplois à revenu faible comme élevé²²22 Après les ralentissements économiques enregistrés en 1990-1991, 2001 et 2008-2009 en particulier, les emplois à moyen revenu n’ont pas regagné le terrain perdu lors des phases d’expansion qui ont suivi, comme ce fut le cas lors des ralentissements antérieurs (Cheremukhin, 2014). (Cheremukhin, 2014) et les changements technologiques ont été identifiés parmi les facteurs à l'origine de ce déclin (Autor, Levy et Murnane, 2003; Autor et Dorn, 2013). Au Canada, cependant, la croissance des emplois à faible revenu s'est avérée moins rapide que la croissance des emplois à revenu moyen et élevé (Green et Sand, 2015). Cela signifie que le Canada n'a pas subi de polarisation des salaires à l'image des États-Unis, jusqu'à récemment tout du moins.

Pour déterminer si l'automatisation et les changements technologiques risquent d'accentuer la polarisation des salaires au Canada, je me suis fondée sur les données relatives aux revenus d'emploi issues du recensement de 2016 et j'ai mis le niveau médian de revenu de chaque profession en correspondance avec sa probabilité d'automatisation (figure 7). On observe peu de corrélation entre le revenu et la vulnérabilité à l'automatisation au Canada, ce qui laisse penser que les différences de salaire ne sont pas le mécanisme par lequel la technologie joue sur les inégalités.

Néanmoins, les changements technologiques pourraient avoir un impact sur les inégalités en modifiant au fil du temps la composition du marché du travail. D'après les travaux de recherche, les changements dans la composition du marché du travail expliquent davantage l'évolution des inégalités liées aux progrès technologiques que les changements de salaire. Comme l'indiquent Kaltenberg et Foster-McGregor (2020) :

Les travailleurs quittent les emplois peu rémunérateurs à risque moyen ou élevé d'automatisation pour se tourner vers des emplois plus rémunérateurs à faible risque d'automatisation, mais cette migration augmente les inégalités. Les emplois à haut risque d'automatisation présentent généralement des niveaux de salaire relativement similaires, tandis que les salaires sont beaucoup plus disparates parmi les emplois moins susceptibles d'être automatisés. Ainsi, la transition vers des emplois risquant moins d'être automatisés se traduit par un essor des inégalités.

Il est probable que les changements dans la composition de l'emploi découlant de l'évolution technologique influeront sur l'égalité de revenu au Canada. Si l'on considère le critère d'éducation, un niveau d'instruction plus faible s'accompagne d'un risque plus élevé d'automatisation et d'un salaire inférieur. La dispersion des salaires est plus importante parmi les emplois à faible risque d'automatisation, comparativement aux emplois à haut risque (tableau 3). En outre, la dispersion des salaires toutes catégories de risque confondues augmente avec le niveau d'instruction. Ensemble, ces résultats suggèrent que les changements technologiques contribuent aux inégalités de revenu principalement par le biais de changements dans la composition du marché du travail, et non de changements de salaire.

Les changements technologiques peuvent influer sur les inégalités à d'autres égards que les salaires (Kaltenberg et Foster-McGregor, 2020). Si la technologie en ellemême ne fait pas de discrimination fondée sur l'âge, les jeunes travailleurs sont plus incités à s'adapter que leurs aînés, ces derniers pouvant choisir de prendre leur retraite au lieu d'investir dans l'acquisition de nouvelles compétences et la formation. S'ils sont jeunes ou plus âgés, les travailleurs n'occupent pas non plus les mêmes emplois, d'où un profil de risque d'automatisation différent entre les tranches d'âge (figure 8). Seulement quelque 14 p. 100 des travailleurs âgés de 15 à 24 ans exercent des professions à faible risque d'automatisation, contre environ 43 p. 100 des travailleurs âgés de 55 à 64 ans. À l'inverse, seulement quelque 16 p. 100 des travailleurs de la tranche 55-64 ans exercent des professions à haut risque d'automatisation, alors que près de la moitié (46 p 100) des jeunes travailleurs sont hautement vulnérables à l'automatisation.

D'instinct, ce résultat paraît logique : les travailleurs âgés ayant beaucoup plus d'expérience que les jeunes actifs, ils ont plus de chances d'avoir gravi les échelons jusqu'à occuper des postes nécessitant des compétences supérieures et la prise de décisions nuancées en lien avec la gestion des ressources et du personnel. Par conséquent, leurs professions sont moins susceptibles d'être sujettes à l'automatisation. Les travailleurs âgés de 15 à 24 ans ont davantage de chances d'être employés à temps partiel et suivent probablement encore des études pour acquérir de nouvelles connaissances et compétences. À l'exception des professions du secteur des arts, de la culture, des loisirs et du sport, les jeunes travailleurs exercent des professions plus propices à l'automatisation (tableau 4). Les travailleurs dans la tranche 55-64 ans sont moins exposés au risque d'automatisation s'ils exercent des professions dans les affaires, les finances, l'administration, les ventes et les services à la clientèle.

Pour étudier en profondeur la relation entre automatisation et équité sur le marché du travail, j'ai calculé la proportion des emplois dans chaque catégorie de risque en fonction de différentes caractéristiques individuelles : genre, race et statut d'immigration (figure 9)²³23 Les sources de données et la terminologie employée tout au long de cette discussion reposent sur des catégorisations qui ne font pas de distinction entre le sexe biologique et l’identité sexuelle, les minorités visibles et les personnes racialisées. En outre, une seule catégorie rassemble tous les peuples autochtones et ne reflète pas l’hétérogénéité au sein de groupes différents. L’auteure souhaite souligner ces distinctions et précise que la terminologie utilisée dans cette analyse reflète les définitions de données de Statistique Canada..

Les résultats mettent en évidence un certain écart dans les proportions d'emplois à risque d'automatisation faible, moyen et élevé, mais dressent dans l'ensemble un tableau similaire entre les groupes. La proportion des emplois à faible risque d'automatisation est inférieure à la moyenne canadienne chez les personnes noires et autochtones²⁴24 Le terme autochtone correspond ici à la définition statistique incluant les peuples des Premières Nations, les Métis et les Inuits. Ce sont les trois groupes désignés comme les « peuples autochtones du Canada » dans la Loi constitutionnelle de 1982, paragraphe 35(2)..

Les travailleurs autochtones, en particulier, font face à une probabilité moyenne supérieure d'automatisation, à l'exception de ceux exerçant une profession dans l'extraction des ressources naturelles, l'agriculture, les métiers ou le transport (tableau 5). Les travailleurs appartenant à une minorité visible qui exercent dans l'éducation, les services communautaires, gouvernementaux et juridiques, les métiers et le transport sont plus vulnérables à l'automatisation que la moyenne observée pour ces professions. Les résultats d'une analyse au niveau des professions, selon une méthode sous-jacente différente pour le calcul de la probabilité d'automatisation, montrent que les travailleurs issus d'une minorité visible, les Autochtones, les femmes et les jeunes sont surreprésentés dans les professions à haut risque d'automatisation (Gresch, 2020). La surreprésentation de ces groupes dans de telles professions s'avère probablement l'un des principaux facteurs expliquant les différents profils de risque entre les groupes à l'échelle agrégée illustrée ici.

Le profil de risque relatif à l'emploi des immigrants est très semblable à la moyenne canadienne, même si leur profil d'emploi donne un léger avantage aux professions dans les sciences naturelles et appliquées, et un léger désavantage aux professions dans les secteurs de l'éducation, du droit et des services communautaires et gouvernementaux.

Si la moyenne du risque d’automatisation est similaire chez les hommes et chez les femmes²⁵25 La terminologie sexospécifique est interchangeable ici avec le sexe biologique. Si cet emploi peut sembler exclure les personnes transsexuelles et non binaires, l’auteure ne peut déterminer avec certitude la proportion de personnes ayant répondu à l’enquête qui ont choisi d’indiquer leur sexe biologique ou leur identité sexuelle. Dans le cadre de cette discussion, le terme « hommes » désigne tous les répondants s’étant déclarés de sexe « masculin »., l'emploi féminin est davantage polarisé : la proportion de femmes exerçant des professions à haut risque comme à faible risque est plus importante par rapport aux hommes. Les femmes travaillant dans les affaires, la finance, l’administration, la fabrication et les services publics sont, en moyenne, plus vulnérables à l'automatisation. En parallèle, les hommes exerçant dans les affaires, la finance et l'administration ont 8 p. 100 moins de chances d'être victimes de l'automatisation que la moyenne observée pour ces professions.

Discussion et incidences politiques

Environ un actif sur cinq au Canada (22 p. 100) occupe un emploi susceptible, en théorie, d'être automatisé. D'après les projections à 2028, la perte de seulement 90 000 emplois sera à déplorer dans ces professions. Dans le même temps, les postes quelque peu vulnérables à l'automatisation (risque moyen) représentent environ 40 p. 100 de l'emploi actuel. Cette proportion devrait diminuer légèrement d'ici à 2028, pour s'établir autour de 37 p. 100. Ces projections sont dans la fourchette des estimations calculées par le passé et indiquent que le rythme des changements technologiques a peu de chances d'occasionner un chômage technologique de masse dans un avenir proche. De plus, elles indiquent que le marché du travail s'adapte au fur et à mesure aux changements technologiques, et continuera probablement à suivre ce cap.

La crise sanitaire de la COVID-19, cependant, a récemment engendré d'importantes perturbations de l'économie et du marché du travail, en raison des restrictions nécessaires pour lutter contre la pandémie. Ce choc affectera probablement les dynamiques d'adoption technologique et les répercussions connexes sur le marché du travail, au moins à court terme (voir l'encadré 3).

L'analyse de vulnérabilité à l'automatisation en fonction des caractéristiques individuelles indique que la part des personnes noires et autochtones exerçant des professions à haut risque d'automatisation au Canada est plus élevée que la moyenne nationale. D'autres travaux de recherche ont constaté que les personnes autochtones et appartenant à une minorité visible²⁶26 La classification des minorités visibles n’inclut pas les Autochtones ni les personnes n’appartenant pas à un groupe de minorité visible. Les groupes de minorité visible sont la communauté sud-asiatique, les Chinois, les Noirs, les Philippins, la communauté sud-américaine, les Arabes, les personnes originaires du sud-est de l’Asie et de l’ouest de l’Asie, les Coréens, les Japonais, les minorités visibles multiples et les minorités visibles non incluses par ailleurs (par exemple, les Tibétains, les Guyaniens, les Polynésiens, etc.). perçoivent des salaires inférieurs à ceux des hommes blancs canadiens (Schirle et Sogaolu, 2020). Les Autochtones sont déjà défavorisés au regard des compétences et du rendement scolaire, comparativement à la population canadienne non autochtone (Mahboubi, 2019).

Cette vulnérabilité relativement supérieure est probablement liée aux moins bons résultats moyens en matière d'emploi observés chez les personnes noires et autochtones par rapport à la moyenne canadienne.

Les hommes, les femmes et les immigrants sont toutefois exposés à un risque moyen similaire d'automatisation. De manière générale, les différences ne sont pas suffisamment importantes pour justifier l'instauration de politiques ciblées visant à prévenir spécifiquement le chômage technologique de groupes donnés. En revanche, il est possible d'influer indirectement sur les effets d'inégalité découlant de l'automatisation en axant plus généralement les politiques d'éducation et d'emploi sur la lutte contre les inégalités. Le risque d'automatisation plus élevé auquel sont exposés la population noire et les peuples autochtones au Canada est plus probablement lié aux écarts généraux sur le marché du travail qu'aux technologies d'automatisation en particulier. Les résultats suggèrent toutefois que les changements technologiques sont susceptibles d'affecter l'emploi des Autochtones et des personnes noires, en particulier dans les secteurs des ventes, des services à la clientèle, du droit, de l'éducation et des services sociaux, communautaires et gouvernementaux.

D'après des travaux de recherche antérieurs, la technologie pourrait être un élément moteur des inégalités de salaire croissantes. Toutefois, le risque d'automatisation n'est pas corrélé aux salaires médians au Canada. Malgré tout, certaines données probantes montrent que les changements technologiques risquent d'accentuer les inégalités en modifiant la composition du marché du travail. Ces résultats suggèrent que l'éducation est un facteur crucial pour éliminer le risque relatif de chômage attribuable à l'automatisation chez les groupes de population les plus vulnérables.

Dans l'ensemble, ces conclusions indiquent que le marché du travail au Canada s'adapte au fur et à mesure aux changements technologiques et devrait poursuivre sur cette lancée à l'avenir. Cela fait quelques années que l'on nous prédit un chômage technologique de masse au cours de la prochaine décennie. La présente analyse ne met en évidence aucune incidence négative de l'accélération des changements technologiques sur le marché du travail. En outre, la probabilité d'un chômage technologique de masse à brève échéance reste faible.

Par conséquent, la présente analyse suggère au gouvernement de modérer les répercussions négatives des changements technologiques sur les personnes concernées à court terme. Les politiques existantes de formation professionnelle et de soutien du revenu en faveur des personnes au chômage et à faible revenu font barrage aux préjudices économiques (qu'ils soient ou non induits par la technologie). Cependant, au vu de la croissance des emplois atypiques, les politiques traditionnelles de soutien à l'emploi risquent de ne pas couvrir l'ensemble des travailleurs touchés par l'automatisation. La Prestation canadienne d'urgence (PCU), un programme d'urgence en matière de soutien du revenu à l'attention des personnes touchées par la pandémie de COVID-19, a été créée en partie pour combler les lacunes de couverture de l'assurance-emploi. Suite à la crise actuelle, le gouvernement devrait analyser les effets de la PCU et tirer les conclusions de cette expérience grandeur nature, malheureusement nécessaire, pour moderniser l'assuranceemploi et combler les lacunes en matière de soutien du revenu et de soutien à l'emploi.

BIBLIOGRAPHIE

Acemoglu, Daron et Pascual Restrepo. The Race Between Machine and Man: Implications of Technology for Growth, Factor Shares, and Employment. Document de travail 22252 du NBER. Cambridge, MA : National Bureau of Economic Research. Mai 2016.

________Artificial Intelligence, Automation and Work. Document de travail 24196 du NBER. Cambridge, MA : National Bureau of Economic Research. Janvier 2018.

_______Demographics and Automation. Document de travail 24421 du NBER. Cambridge, MA : National Bureau of Economic Research. Mars 2019.

Andrews, Dan, Chiara Criscuolo et Peter N. Gal. Entreprises en pointe, diffusion des technologies et politiques publiques : microdonnées des pays de l'OCDE. The Future of Productivity: Main Background Papers. OCDE. 2015.

Arntz, Melanie, Terry Gregory et Ulrich Zierahn. The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis. Document de travail de l’OCDE sur les questions sociales, l’emploi et les migrations no 189. OCDE. Juin 2016.

Autor, David H. et David Dorn. « The Growth of LowSkill Service Jobs and the Polarization of the US Labour Market ». American Economic Review. Vol. 103, no 5, août 2013, pp. 1553-97.

Autor, David, Frank Levy et Richard Murnane. « The Skill-Content of Recent Technological Change: An Empirical Investigation ». Quarterly Journal of Economics. 118:1279-1333. 2003.

Autor, David et Anna Salomons. Is Automation Labor-Share Displacing: Productivity Growth, Employment, and the Labor Share. Brookings Papers on Economic Activity. Printemps 2018 : 1-63.

Bessen, James. Automation and Jobs: When Technology Boosts Employment. Law and Economics Paper no 17-09. Boston University School of Law. Mars 2018.

Brynjolfsson, Erik et Andrew McAfee. The Second Machine Age: Work Progress and Prosperity in a Time of Brilliant Technologies. New York : W.W. Norton. 2014.

Bughin, Jacques, James Manyika et Jonathan Woetzel. Jobs lost, jobs gained: Workforce transitions in a time of automation. McKinsey & Co. Décembre 2017. Disponible à l'adresse : https://www.mckinsey.com/~/media/mckinsey/featured%20insights/Future%20of%20Organizations/What%20the%20future%20of%20work%20will%20mean%20for%20jobs%20skills%20and%20wages/MGIJobs-Lost-Jobs-Gained-Report-December-6-2017.ashx.

Campa, Riccardo. « Technological Growth and Unemployment: A Global Scenario Analysis ». Journal of Evolution and Technology 24 (1): 86–103. 2014.

Cheremukhin, Anton. « Middle-Skill Jobs Lost in U.S. Labor Market Polarization ». Dallas Fed Economic Letter 9 (5): 1–4. 2014.

Cowen, Tyler. « Who will prosper in the new world? » New York Times. 31 août 2013.

Frenette, Marc et Kristyn Frank. Les diplômés de l’enseignement postsecondaire obtiennent-ils des emplois hautement qualifiés? Documents de recherche de la Direction des études analytiques, no 388. Ottawa : Statistique Canada. 2017.

_______Les emplois canadiens sont-ils plus ou moins spécialisés que les emplois américains? Documents de recherche de la Direction des études analytiques, no 406. Ottawa : Statistique Canada. 2018.

______. The Demographics of Automation in Canada: Who’s at Risk? No 77. IRPP. Juin 2020.

Frey, Carl Benedikt et Michael A. Osborne. The Future of Employment: How Susceptible Are Jobs to Computerisation? Oxford : Oxford University, Oxford Martin School. Programme on the Impacts of Future Technology. Septembre 2013.

Graetz, George et Guy Michaels. Robots at Work. CEP Discussion Paper 1335. Londres : Centre for Economic Performance. 2015.

Green, David et Benjamin Sand. « Has the Canadian Labour Market Polarized? » Canadian Journal of Economics. 48 (2): 612–46. 2015.

Gresch, Darren. L'adaptation à l'automatisation : Jusqu'où le marché du travail canadien peut-il s'adapter? Présentation des enjeux, mai 2020. Conference Board du Canada.

Howitt, Peter. Mushrooms and Yeast: The Implications of Technological Progress for Canada’s Economic Growth. Commentaire 433. Toronto : Institut C.D. Howe. Septembre 2015.

International Federation of Robotics. Conférence de presse. Shanghai. Septembre 2019.

Jaimovich, Nir et Henry Siu. High-Skilled Immigration, STEM Employment, and Non- Routine-Biased Technical Change. 2017. Disponible à l'adresse : https://faculty.arts.ubc.ca/hsiu/pubs/immigration20170427.pdf.

Josten, Cecily et Grace Lordan. Robots at Work: Automatable and Non Automatable Jobs. IZQ DP 12520 Bonn : IZA – Institute of Labor Economics. Juillet 2019.

Kaltenberg, Mary et Neil Foster-McGregor. The impact of automation on inequality across Europe (no 009). UN University. Maastricht Economic and Social Research Institute on Innovation and Technology (MERIT). 2020.

Karatzoglou, Alexandros, Alex Smola et Kurt Hornik. Kernel-Based Machine Learning Lab. Version 0.9-29. Comprehensive R Archive Network. 2019. Disponible à l'adresse : https://cran.r-project.org/package=kernlab.

Krugman, Paul. « Sympathy for the Luddites ». New York Times. 14 juin 2013.

Lamb, Creig. The Talented Mr. Robot: The Impact of Automation on Canada’s Workforce. Toronto : Brookfield Institute for Innovation + Entrepreneurship. Juin 2016.

Levy, Frank et Richard Murnane. The New Division of Labor: How Computers are Creating the Next Job Market. Princeton, NJ : Princeton University Press. 2004.

Lewis, Ethan. « Immigration, Skill Mix, and Capital Skill Complementarity ». The Quarterly Journal of Economics 126(2): 1029–1069. 2011.

Lindert, Peter et Jeffrey Williamson. The Economic History Review New Series. Vol. 36, no 1. Février 1983. pp. 1-25. Disponible à l'adresse : https://www.jstor.org/stable/2598895?seq=1.

Mahboubi, Parisa. Bad Fits: The Causes, Extent and Costs of Job Skills Mismatch in Canada. Commentaire 552. Toronto : Institut C.D. Howe. Septembre 2019.

Mahboubi, Parisa et Colin Busby. Closing the Divide: Progress and Challenges in Adult Skills Development among Indigenous Peoples. Cyberbulletin. Toronto : Institut C.D. Howe. Septembre 2017.

OCDE. « Stock de capital productif, volume, croissance moyenne annuelle ». Perspectives économiques de l'OCDE no 106. Édition 2019/2. Disponible à l'adresse : https://www.oecd-ilibrary.org/fr/economics/data/perspectiveseconomiques-de-l-ocde-statistiques-et-projections/perspectives-economiques-de-l-ocde-no-106-edition2019-2_3ad11b35-fr.

OCDE. Emploi par activité (indicateur). 2020 Doi : 10.1787/6b2fff89-fr

Oschinski, Matthias et Rosalie Wyonch. Le choc du futur? Les répercussions de l’automatisation sur le marché du travail au Canada. Commentaire 472. Toronto : Institut C.D. Howe. Mars 2017.

Rasmussen, Carl et Christopher Williams. Gaussian Processes for Machine Learning. Cambridge, MA : MIT Press. 2006.

Schirle, Tammy et Sogaolu Moyosoreoluwa. A Work in Progress: Measuring Wage Gaps for Women and Minorities in the Canadian Labour Market. Commentaire 561. Toronto : Institut C.D. Howe. Janvier 2020.

Seeger, Matthias. « Gaussian Processes for Machine Learning ». International Journal of Neural Systems. 14 (2): 69-106. 2004.

Sirkin, Harold, Michael Zinser et Douglas Hohner. Made in America, Again: Why Manufacturing Will Return to the U.S. Boston Consulting Group. Août 2011.

Organisation des Nations Unies pour le développement industriel. Rapport sur le développement industriel 2020 : L'industrialisation à l'ère numérique. ONUDI : Vienne. 2019.

Woirol, Gregory R. The Technological Unemployment and Structural Unemployment Debates. Westport, CT : Greenwood Press. 1996.