Les programmeurs de plus de 55 ans quittent aujourd'hui le marché du travail à un taux prédit supérieur de plus de 25 % à celui d'avant ChatGPT. Les peintres en bâtiment — dernier rang du même indice d'exposition — n'ont bougé que d'environ 2 % (Sanzenbacher, CRR Issue Brief 26-13, 2026).
Voilà la fuite d'expérience, et elle va dans le sens inverse de tous les récits sur l'automatisation qu'on vous a servis. Plus la rémunération est élevée, plus la compétence est rare, plus la sortie est rapide.
La plupart des équipes Operations du mid-market ont passé dix-huit mois à s'inquiéter de la porte d'entrée junior — l'IA dévore-t-elle le poste d'analyste débutant, le recruté de 22 ans a-t-il encore une trajectoire. Cette inquiétude est bien documentée. Elle ne concerne qu'une extrémité d'un pipeline qui fuit désormais des deux côtés.
Ce que l'étude du Boston College a réellement mesuré
L'Issue Brief de juin 2026 du Center for Retirement Research du Boston College, signé par l'économiste Geoffrey T. Sanzenbacher, a apparié les données longitudinales de la Current Population Survey à l'indice d'exposition à l'IA de Tufts Digital Planet, puis comparé les comportements de sortie d'emploi des travailleurs de 55 ans et plus avant et après la généralisation de l'IA générative en novembre 2022 (Center for Retirement Research at Boston College, 2026).
Deux choix méthodologiques méritent votre attention.
D'abord, l'étude s'appuie sur des transitions observées hors de l'emploi, et non sur des intentions déclarées de départ à la retraite. Les enquêtes sur les seniors et l'IA mesurent l'anxiété. Celle-ci mesure le départ.
Ensuite, elle classe les métiers selon une exposition mesurée plutôt que sur l'intuition de ce qui « semble » automatisable (Digital Planet, Tufts University, 2026). Programmeurs, comptables et analystes sont en haut. Les peintres en bas. Le gradient est le résultat.
Pour les métiers de bureau les plus exposés, la probabilité prédite de sortie d'emploi est passée d'environ 8,7 % à 11,1 % — une hausse relative supérieure à 25 %. À l'extrémité faiblement exposée, le même calcul donne environ 2 %. L'effet est le plus fort dans les emplois les mieux payés, ce qui inverse le schéma suivi par l'automatisation depuis quarante ans.
L'avantage de longévité qui vient de s'inverser
Voici le chiffre qui devrait recadrer votre plan de main-d'œuvre.
Sur l'ensemble de la période étudiée, les travailleurs seniors fortement exposés affichaient historiquement des taux de sortie inférieurs à ceux de leurs pairs faiblement exposés : 11,7 % contre 14,1 % (Sanzenbacher, CRR Issue Brief 26-13, 2026). Le travail qualifié de bureau était précisément ce qui permettait de continuer à travailler. Le comptable restait ; le couvreur lâchait physiquement.
Cet avantage s'érode, et l'étude note qu'une part significative du changement tient au chômage plutôt qu'à un départ volontaire. Ce n'est pas une vague de gens tranquilles qui choisissent de partir tôt. C'est un groupe dont la carrière était la plus durable qui le devient moins.
À lire avec le tableau d'adoption sous-jacent : seuls 18 % environ des 50–64 ans déclarent utiliser l'IA générative. L'exposition frappe le segment le moins susceptible d'utiliser l'outil qui la crée.
Pour un dirigeant Operations, cette combinaison — forte exposition, faible adoption, sorties involontaires en hausse — est une situation précise et traitable. Ce n'est pas une fatalité démographique.
Il faut aussi être précis sur ce que « sortie » signifie ici. Une transition hors de l'emploi à 58 ans n'est pas le même événement qu'à 28 ans. Le travailleur senior revient rarement au même niveau ; le cadrage du CRR est celui de carrières écourtées, non mises en pause (Sanzenbacher, CRR, 2026). De votre côté de la table, cela signifie que cette personne ne reviendra pas sur le marché pour que vous la réembauchiez dans deux trimestres, quand le pilote IA aura sous-performé. La connaissance quitte le secteur, pas seulement la masse salariale.
La fuite d'expérience frappe les postes que vous remplacez le plus lentement
Placez le résultat du Boston College à côté des meilleures données sur l'autre extrémité de la pyramide des âges.
Le Digital Economy Lab de Stanford, à partir de données de paie à haute fréquence couvrant des millions de salariés américains, a constaté une baisse relative de l'emploi d'environ 13 % chez les 22–25 ans dans les métiers les plus exposés à l'IA après l'adoption de l'IA générative, l'emploi des travailleurs plus âgés dans ces mêmes métiers se maintenant ou progressant (Stanford Digital Economy Lab, 2025).
Lus naïvement, les deux résultats se contredisent. Ce n'est pas le cas. Stanford mesure les effectifs du métier ; le Boston College mesure les transitions individuelles hors de l'emploi pour la cohorte 55+. L'un est un signal d'embauche, l'autre un signal de sortie — et les deux peuvent être vrais simultanément. Le métier peut conserver ses effectifs agrégés pendant que les personnes situées à son extrémité senior partent plus vite.
La conséquence opérationnelle est ce qui compte, et elle dérange : moins de juniors entrant dans l'entonnoir, des départs seniors plus rapides, et entre les deux la couche la plus mince du mid-market. Une entreprise de 20 000 personnes absorbe cela. Elle a un vivier, un programme de rotation et trois personnes capables de reprendre n'importe quel poste.
À 200 personnes, celui qui sait pourquoi la logique de rapprochement comporte cette exception est une seule personne.
Ce qui franchit la porte avec eux
Le coût d'un départ senior n'est pas la ligne de salaire que vous cessez de payer. Ce sont deux choses qui n'ont jamais figuré sur une ligne.
La première est la connaissance tacite des processus — les raisons non documentées pour lesquelles un système est configuré ainsi. Toute entreprise mid-market repose sur cette couche, et elle reste invisible exactement jusqu'au départ de celui qui la détient. C'est l'exception dans la logique de reconnaissance du revenu due à un contrat de 2019, le fournisseur qu'il faut appeler et non écrire, la requête qui semble redondante et ne l'est pas. Rien de tout cela n'est dans le manuel. L'essentiel n'est dans la tête que d'une seule personne.
Il en existe une version de second ordre que l'IA rend plus aiguë, pas plus douce. Les assistants de documentation et de code savent décrire ce que fait un système. Ils savent mal restituer pourquoi il a été construit ainsi, car ce raisonnement n'a jamais été écrit. L'outillage qui augmente votre exposition ne comble pas l'écart qu'il ouvre.
La seconde est mesurable, et c'est celle que la plupart des plans opérationnels ignorent. Travailler aux côtés de collègues plus compétents produit de véritables gains de capital humain pour le moins expérimenté — des effets assez importants pour apparaître dans les salaires ultérieurs, et cohérents entre équipes de recherche indépendantes (Herkenhoff, Lise, Menzio & Phillips, Econometrica, 2024). Vos seniors ne produisent pas seulement du résultat. Ils sont un intrant de formation pour tous ceux qui travaillent à proximité.
Perdez cet intrant tout en recrutant moins de juniors, et la composition joue à l'envers. Il ne vous manque pas seulement une tête. Vous avez réduit la vitesse à laquelle le reste de l'équipe progresse.
Où l'exposition se concentre
Programmeurs, comptables, analystes financiers et rédacteurs techniques constituent le profil le plus touché — ce qui, dans une entreprise de 50 à 500 salariés, signifie la finance, l'ingénierie et la petite fonction systèmes internes qui tient la stack. Ce sont aussi, et ce n'est pas un hasard, les postes dont le time-to-productivity d'un remplaçant est le plus long.
Où cet argument pourrait être faux
Trois réserves, énoncées clairement, car l'auteur les formule lui-même.
Il s'agit d'une analyse précoce d'une inflexion récente. La fenêtre post-ChatGPT est courte, et les estimations sur fenêtre courte sont fragiles.
Des facteurs de confusion existent et sont nommés dans l'étude : les coupes dans les dépenses publiques de R&D et les dynamiques d'embauche atypiques des startups nativement IA pourraient toutes deux biaiser les estimations, précisément pour les métiers fortement exposés analysés (Center for Retirement Research at Boston College, 2026). Une partie des sorties mesurées pourrait relever de ces forces plutôt que d'un remplacement par l'IA.
Et l'exposition n'est pas le remplacement. Un score élevé sur un indice d'exposition signifie que les tâches d'un poste recoupent les capacités du modèle. Il n'établit pas qu'un modèle ait fait le travail.
Ce qui survit aux trois réserves : c'est la direction qui porte l'argument, pas la décimale. Un avantage de longévité pour les seniors très qualifiés, stable depuis des décennies, se resserre — et il se resserre le plus vite là où l'exposition est la plus forte. Même une version fortement atténuée de ce résultat oriente votre risque vers le même segment.
Ce qui change dans une entreprise de 50 à 500 salariés
Trois actions. Aucune ne demande d'approbation budgétaire.
Faites une fois un croisement exposition × ancienneté. Prenez vos effectifs, étiquetez chaque poste en exposition IA forte ou faible à partir des catégories professionnelles de l'étude, puis croisez avec l'âge ou l'ancienneté. Vous cherchez un seul chiffre : quelle part de votre travail le plus exposé est détenue par des personnes dans la dernière décennie de leur carrière. La plupart des dirigeants Operations ne l'ont jamais calculé et sont surpris du résultat.
Convertissez la proximité en documentation avant que ce soit urgent. L'effet d'apprentissage entre collègues est réel mais suppose la présence (Herkenhoff, Lise, Menzio & Phillips, Econometrica, 2024). Là où votre croisement signale une concentration, financez l'extraction maintenant — un runbook documenté, une démonstration enregistrée, une deuxième personne nommée sur le processus. C'est peu coûteux tant que la personne est encore employée, et impossible ensuite.
Corrigez l'écart d'adoption dans cette cohorte précise. Avec environ 18 % d'usage de l'IA générative chez les 50–64 ans, le groupe qui porte le plus d'exposition est le moins à l'aise avec l'outil qui la produit. Un accompagnement ciblé pour vos techniciens seniors est cette rare intervention qui réduit le risque de déplacement tout en augmentant la production — et qui coûte nettement moins cher que de les remplacer.
Une décision à prendre ce trimestre
Regardez votre organigramme et repérez les postes à la fois fortement exposés et occupés par quelqu'un à moins de cinq ans de la retraite. Puis répondez honnêtement à une question : si cette personne démissionnait vendredi, combien de temps avant qu'une autre puisse faire le travail — pas les tâches, le travail ?
Si la réponse se compte en trimestres, vous portez un passif non valorisé, et les données du Boston College disent que la probabilité qui s'y attache vient d'augmenter.
Tous les plans IA rédigés cette année dans le mid-market protègent la porte d'entrée. Presque aucun ne protège la porte de sortie. La fuite d'expérience n'est pas un problème de retraites que les RH régleront en 2030 — c'est un problème d'Operations, et il a commencé en 2023.
Budgétez le départ que vous n'attendez pas, de la personne que vous ne pouvez pas remplacer.
