TL;DR. Un outil d’IA a augmenté votre production, et le réflexe est de demander une augmentation équivalente. Les données montrent que cet argument échoue et indiquent lequel fonctionne. Les études contrôlées mesurent des gains réels sur des tâches : 15 % de problèmes clients résolus en plus par heure, 26,08 % de tâches de programmation achevées en plus, une tâche de rédaction terminée 40 % plus vite. Mais une vaste étude reliée à des registres administratifs, portant sur environ 25 000 travailleurs au Danemark, ne constate aucun effet de l’usage des chatbots sur les revenus et exclut des effets supérieurs à 2 % ; 97,7 % des adoptants déclarent que ces outils n’ont pas changé ce qu’ils gagnent. La recherche sur le partage de la rente aide à comprendre pourquoi : une hausse de 10 % de la valeur ajoutée par travailleur d’une entreprise a généralement relevé les salaires de 0,5 % à 1,5 %, et dans une vaste étude américaine les travailleurs ont capté environ 30 cents de chaque dollar de surplus nouveau, une part à peu près deux fois plus élevée revenant aux salariés en place qui étaient coûteux à remplacer. La croissance annuelle ordinaire des salaires se situe entre 3,2 % et 3,4 % dans les données américaines actuelles. Le geste du CEO : cesser de vendre de la vitesse et présenter un dossier économique chiffré, construit sur la part du gain qui partirait avec vous. Le geste de l’étudiant : continuer à développer et à documenter le jugement, la vérification et la conception de flux de travail qui font que le gain est le vôtre plutôt que celui de la licence.
Cet article ramène l’écart entre les gains individuels liés à l’IA et les résultats des entreprises à l’échelle d’une seule conversation sur la rémunération. Les indépendants se posent la même question sous la forme d’un problème de tarification, traité dans le guide de revalorisation pour augmenter ses tarifs. Ce que vous apportez à l’une ou l’autre de ces conversations est abordé dans le capital carrière à l’ère de l’IA.
Quelle est l’ampleur réelle des gains de production mesurés avec l’IA ?
« L’IA a multiplié ma production » est une affirmation qui porte sur un chiffre ; commencez donc par ce qui a été mesuré dans des conditions contrôlées.
Tableau 1. Effets mesurés de l’assistance par IA sur la productivité (chiffres tels qu’imprimés dans chaque source)
| Étude | Cadre et échantillon | Effet mesuré | Qui a le plus gagné, ou là où l’outil a échoué |
|---|---|---|---|
| Brynjolfsson, Li et Raymond (Quarterly Journal of Economics, 2025) | Support client dans une entreprise de logiciels, 5 172 agents | Problèmes résolus par heure en hausse de 15 % en moyenne | Agents moins qualifiés et moins expérimentés : une hausse d’environ 30 % ; effet minime sur les plus expérimentés |
| Cui et co-auteurs (document de travail, février 2025) | Trois expériences de terrain, 4 867 développeurs chez Microsoft, Accenture et une entreprise du Fortune 100 | 26,08 % de tâches achevées en plus (erreur type 10,3 %) | Développeurs moins expérimentés |
| Peng et co-auteurs (2023) | 95 programmeurs recrutés sur une plateforme de freelances, une tâche en JavaScript | Tâche achevée 55,8 % plus vite (intervalle de confiance à 95 % : 21-89 %) : 71,17 contre 160,89 minutes | Développeurs ayant moins d’expérience en programmation |
| Noy et Zhang (Science, 2023) | 453 professionnels diplômés de l’enseignement supérieur, tâches de rédaction assorties d’incitations | Temps passé en baisse de 40 %, qualité de la production en hausse de 18 % | Les inégalités entre travailleurs ont diminué |
| Dell’Acqua et co-auteurs (document de travail de la Harvard Business School, 2023) | 758 travailleurs du savoir, expérience menée avec le Boston Consulting Group, 18 tâches | 12,2 % de tâches achevées en plus, 25,1 % plus rapidement | Sur une tâche choisie pour se situer hors des capacités de l’outil, les utilisateurs de l’IA étaient 19 % moins susceptibles de produire des solutions correctes |
Sources : les articles cités. La version document de travail de 2023 de la première étude indiquait 14 % sur 5 179 agents et 34 % pour les travailleurs novices et peu qualifiés ; le tableau 1 utilise le résumé de la revue et la révision de novembre 2024.
Trois éléments comptent pour une conversation sur la rémunération. Chaque gain est mesuré sur une tâche ou sur un seul indicateur de production, pas sur un poste entier : même 55,8 % plus vite signifie 2,26 fois la vitesse sur un seul exercice de programmation. Les gains se concentrent chez les travailleurs moins expérimentés, de sorte que l’outil réduit la distance entre vous et la personne suivante, soit l’inverse de la rareté. Et sur la mauvaise tâche, l’outil a rendu les personnes moins précises.
Une partie de ce gain se retrouve-t-elle dans la rémunération ?
La plupart des argumentaires d’augmentation supposent que la réponse est oui. Les meilleures données disponibles à ce jour disent : pas par défaut.
Anders Humlum et Emilie Vestergaard ont relié de vastes enquêtes sur l’usage des chatbots d’IA dans 11 professions exposées au Danemark, parmi lesquelles les développeurs de logiciels, les professionnels du marketing et les comptables, à des registres administratifs de revenus et d’heures de travail. La dernière vague couvre environ 25 000 travailleurs répartis dans 7 000 lieux de travail. Leur révision de mars 2026 fait état d’« effets nuls précis sur les revenus et les heures enregistrées », excluant des effets supérieurs à 2 % deux ans après le lancement de ChatGPT. Ce résultat nul vaut pour les utilisateurs quotidiens, pour les travailleurs qui déclarent gagner plus d’une heure par jour et dans les entreprises qui encouragent ces outils. Il vaut aussi bien pour les enseignants, dont les salaires sont négociés de manière centralisée, que pour les développeurs de logiciels et les professionnels du marketing, qui négocient individuellement, dans des professions où la plupart des travailleurs négocient chaque année avec leur employeur.
Interrogés directement, 97,7 % des adoptants ont déclaré que les chatbots d’IA n’avaient pas eu d’effet sur leurs revenus du travail. La plupart des utilisateurs (85 %) ont indiqué avoir réaffecté le temps gagné à d’autres tâches de leur poste. Les versions antérieures de l’article, datées de 2025, chiffraient la déperdition : les gains de temps représentaient en moyenne 2,8 % des heures de travail, et les auteurs estimaient, à partir des déclarations des travailleurs eux-mêmes, que seuls 3-7 % de ces gains se traduisaient par des revenus plus élevés.
La première étude du tableau 1 ajoute un détail. Ses auteurs précisent que leurs données « ne nous permettent pas d’observer les variations de salaires », mais décrivent le système de rémunération : des primes liées à des objectifs tels que le nombre de conversations par heure, estimées à 20 à 40 % de la rémunération nette. Lorsque la rémunération est contractuellement liée à un indicateur de production, une partie du gain se répercute automatiquement. La plupart des emplois salariés du savoir n’ont pas de lien de ce type, de sorte que rien ne bouge tant que personne ne négocie.
Quelle part d’un gain les employeurs partagent-ils habituellement ?
Les économistes étudient cette question sous le nom de partage de la rente : lorsqu’une entreprise devient plus productive ou plus rentable, quelle part revient à ses travailleurs ?
Une revue de littérature de David Card, Ana Rute Cardoso, Joerg Heining et Patrick Kline conclut que les études qui tiennent compte de qui travaille où constatent généralement qu’« une hausse de 10 % de la valeur ajoutée par travailleur entraîne une hausse des salaires comprise entre 0,5 % et 1,5 % », soit une élasticité de 0,05-0,15. Patrick Kline, Neviana Petkova, Heidi Williams et Owen Zidar ont suivi des entreprises américaines dont des demandes de brevets de valeur avaient été acceptées et ont constaté que les travailleurs captaient environ 30 cents de chaque dollar du surplus qui en résultait. La part était environ deux fois plus élevée pour les travailleurs déjà présents dans l’entreprise : ceux qui sont restés ont capté environ 61 cents. Les auteurs n’ont pu détecter aucune réaction des salaires d’embauche.
Tableau 2. Du gain de production à la rémunération : ce que mesure chaque niveau de preuve (analyse CEOtudent des études citées)
| Niveau | Source | Ce qui a bougé | Ce qui est arrivé jusqu’à la rémunération |
|---|---|---|---|
| Production sur une tâche avec l’IA | Études du tableau 1 | 12,2 % à 26,08 % de production en plus ; tâches réalisées 25,1 % à 55,8 % plus vite, selon la définition de chaque étude | Non mesuré |
| Revenus des utilisateurs de l’IA | Humlum et Vestergaard, mars 2026 | Gains de temps et nouvelles tâches pour les adoptants de chatbots dans 11 professions, Danemark | Aucun effet ; effets supérieurs à 2 % exclus ; 97,7 % des adoptants ne déclarent aucun impact sur leurs revenus |
| Déclarations des travailleurs | Même étude, versions de 2025 | Gains de temps représentant en moyenne 2,8 % des heures de travail | 3-7 % des gains de temps (estimation des auteurs), ce qui implique 0,08 % à 0,20 % des revenus |
| Productivité de l’entreprise | Revue de Card, Cardoso, Heining et Kline | Une hausse de 10 % de la valeur ajoutée par travailleur | 0,5 % à 1,5 % sur les salaires |
| Surplus de l’entreprise tiré d’un brevet de valeur | Kline, Petkova, Williams et Zidar | Un dollar de surplus nouveau par travailleur | Environ 30 cents en moyenne ; 61 cents pour ceux qui sont restés ; aucune réaction détectable des salaires d’embauche |
| Calcul illustratif | Lignes 1 et 4 combinées | Un gain de 15 % à 26,08 %, s’il s’agissait de valeur ajoutée à l’échelle de l’entreprise | 0,75 % à 3,91 %, ce n’est pas une prévision |
Analyse CEOtudent ; les cellules dérivées sont recalculées à partir des chiffres imprimés. Les lignes ne sont pas suffisamment comparables pour donner un taux de répercussion unique : elles mêlent des tâches et des postes entiers, des expériences et des registres administratifs, le Danemark et les États-Unis, des gains individuels et des gains à l’échelle de l’entreprise. Ce qu’elles ont en commun, c’est l’ordre de grandeur : des gains de production en dizaines de pour cent, des effets sur la rémunération de quelques pour cent, ou moins.
L’étude sur les brevets explique aussi qui obtient la part la plus importante. Ses auteurs interprètent la réaction des revenus comme « la captation de rentes économiques par les travailleurs les plus anciens, qui sont les plus coûteux à remplacer pour les entreprises innovantes », et notent que les entreprises partagent avec les salariés en place pour augmenter leurs chances de les garder. Au vu de ces données, la rémunération suit le coût de remplacement davantage que la production. Un gain que n’importe quel détenteur de licence peut reproduire n’augmente le coût de remplacement de personne.
À qui appartient le gain : à vous ou à l’outil ?
L’attribution devient donc la question centrale. Une expérience montre comment le dossier peut se retourner contre vous : dans la version document de travail de l’étude sur la rédaction, 68 % des participants du groupe traité ont déclaré avoir remis la production initiale du chatbot sans la modifier, et les auteurs n’ont trouvé aucun élément indiquant que la retouche humaine améliorait cette production. Dans ce cadre, le gain appartenait à l’outil.
Tableau 3. Le test d’attribution « À qui appartient le gain ? » (cadre éditorial CEOtudent)
| Test | Question à laquelle répondre honnêtement | C’est le gain de l’outil si | C’est votre gain si | Éléments à apporter |
|---|---|---|---|---|
| 1. Licence | Un collègue compétent disposant de la même licence et de deux semaines de pratique obtiendrait-il le même résultat ? | Oui | Votre résultat se situe nettement au-dessus de la moyenne de l’équipe avec le même outil | Vos chiffres comparés à la référence de l’équipe |
| 2. Retouche | Le travail est-il livré en grande partie tel que généré ? | Essentiellement non retouché | Votre structure, vos coupes et vos décisions changent le résultat | Exemples avant et après |
| 3. Frontière | Savez-vous où l’outil échoue, et repérez-vous ses erreurs ? | Les erreurs parviennent aux relecteurs ou aux clients | Vous les arrêtez avant | Un journal des productions corrigées et de ce que chaque erreur aurait coûté |
| 4. Flux de travail | Qui a conçu les prompts, les contrôles et les modèles ? | Vous utilisez ceux de quelqu’un d’autre | Vos collègues utilisent les vôtres | Nombre de réutilisations, documentation interne |
| 5. Périmètre | Qu’est devenu le temps gagné ? | Davantage des mêmes tâches | Des responsabilités nommées qui n’existaient pas il y a un an | Une liste datée de ce qui a été ajouté |
| 6. Remplacement | Que coûterait de vous remplacer et de reconstruire tout cela ? | Une licence et une courte montée en compétence | Des mois de capacité et de contexte perdus | Une estimation sobre, utilisée en privé pour fixer votre point de rupture |
Cadre éditorial CEOtudent, nourri par les études ci-dessus ; un outil de préparation, pas un résultat de ces études.
Comptez les tests pour lesquels la réponse honnête est « le vôtre ». De zéro à deux, ne mettez pas l’IA en avant : demandez l’augmentation de référence présentée ci-dessous et consacrez deux trimestres à changer les réponses. Avec trois ou quatre, vous disposez d’un dossier d’augmentation situé au milieu de la fourchette de la fiche de calcul. Avec cinq ou six, vous défendez l’idée que le poste a changé de niveau. Le même inventaire, vu du côté de l’employeur, figure dans comment auditer votre emploi face au risque de remplacement par l’IA.
Quels sont les repères officiels de rémunération en ce moment ?
Une demande d’augmentation est jugée à l’aune de ce que les salaires font de toute façon. Trois séries officielles américaines répondent à cette question ; de nombreux instituts nationaux de statistique et banques centrales publient des équivalents.
Tableau 4. Repères officiels américains de rémunération et de productivité, dernières éditions en date d’octobre 2026
| Repère | Dernier chiffre | Source et édition |
|---|---|---|
| Salaires et traitements, ensemble des travailleurs civils, sur 12 mois | +3,2 % | BLS Employment Cost Index, juin 2026, publié le 31 juillet 2026 |
| Salaires et traitements, secteur privé, sur 12 mois | +3,1 %, et -0,4 % après inflation | Même publication |
| Croissance médiane des salaires, personnes restées dans leur emploi | 3,4 % | Federal Reserve Bank of Atlanta Wage Growth Tracker, septembre 2026, moyenne sur trois mois |
| Croissance médiane des salaires, personnes ayant changé d’emploi | 4,7 % | Idem |
| Croissance médiane des salaires, ensemble | 3,9 % | Idem |
| Productivité du travail, secteur des entreprises non agricoles, sur un an | +2,2 % | BLS Productivity and Costs, deuxième trimestre 2026, révisé, publié le 3 septembre 2026 |
| Rémunération horaire réelle, quatre derniers trimestres | -0,1 % | Même publication |
| Part du travail dans la production | 52,8 %, le niveau le plus bas d’une série qui commence en 1947 | Même publication |
Sources : US Bureau of Labor Statistics et Federal Reserve Bank of Atlanta, chiffres tels que publiés. La prochaine publication de l’Employment Cost Index est prévue pour le 30 octobre 2026.
Lisez ce tableau comme un plancher. Une offre de 3 % à 3,5 % ne récompense rien ; c’est le marché qui bouge, et dans le secteur privé une hausse nominale de 3,1 % correspondait à une baisse de 0,4 % après inflation. Les trois dernières lignes montrent la situation par défaut : productivité en hausse, rémunération réelle stable, part du travail à un plus bas historique. Votre contribution commence au-dessus du plancher.
Pour le niveau de rémunération plutôt que pour son évolution, la source publique américaine est le programme Occupational Employment and Wage Statistics du BLS. Ses estimations de mai 2025, publiées le 15 mai 2026, couvrent environ 830 professions pour le pays, les États et environ 530 zones, avec les salaires aux 10e, 25e, 50e, 75e et 90e centiles, hors primes non liées à la production et hors avantages sociaux. Les fourchettes sont larges : dans le tableau illustratif que le BLS utilise pour expliquer les centiles, le 75e centile se situe 20 % au-dessus de la médiane. Monter d’une fourchette est une conversation plus vaste qu’une augmentation annuelle.
Dans l’Union européenne, la directive (UE) 2023/970 donne aux travailleurs le droit de demander et de recevoir par écrit leur niveau de rémunération individuel et les niveaux de rémunération moyens, ventilés par sexe, pour les catégories de travailleurs accomplissant le même travail ou un travail de même valeur, la réponse devant être fournie dans un délai de deux mois. Elle interdit aux employeurs d’interroger les candidats sur leur historique de rémunération. Les États membres devaient la transposer au plus tard le 7 juin 2026 ; la manière dont elle s’applique à vous dépend du droit national. Les sites commerciaux de salaires reposent sur des données autodéclarées : utilisez-les comme recoupement, jamais comme pièce principale.
Comment transformer un gain de production en chiffre ?
La fiche de calcul convertit un gain de production en demande en sept étapes. Chaque chiffre de la colonne d’exemple est illustratif, ce ne sont pas des données. Les taux de partage de l’étape 4 proviennent des études sur le partage de la rente citées plus haut ; ce sont des points d’ancrage, pas un droit acquis.
Tableau 5. Fiche de calcul du dossier d’augmentation avec des chiffres illustratifs (cadre éditorial CEOtudent)
| Étape | Ce que vous faites | Exemple ILLUSTRATIF |
|---|---|---|
| 1. Mesurer le gain brut | Même unité, même niveau d’exigence de qualité, six à douze mois avant et après | De 20 à 28 livrables par mois : +40 % |
| 2. Soustraire la référence de la licence | Utilisez le gain moyen de l’équipe avec le même outil | Équipe +15 %, donc votre marge est de 1,40 / 1,15 – 1 = 21,7 % |
| 3. Valoriser la marge | Évaluez la capacité supplémentaire à votre propre taux de rémunération, une approximation prudente | 21,7 % d’un salaire de 60 000 = 13 043 par an |
| 4. Appliquer une fourchette de partage | Bas 5 % et milieu 15 % (la fourchette de la revue), haut 30 % (la moyenne de l’étude sur les brevets) | 652 / 1 957 / 3 913, soit 1,1 % / 3,3 % / 6,5 % de la rémunération |
| 5. Ajouter le plancher du marché | Le repère salarial sur 12 mois, ici +3,2 % | 4,3 % / 6,5 % / 9,7 % |
| 6. Fixer trois chiffres avant la réunion | Demande d’ouverture, objectif, et seuil en dessous duquel vous passez à la solution de repli | Ouverture à 9,7 % (65 833), objectif 6,5 % (63 877), repli en dessous de 4,3 % (62 572) |
| 7. Vérifier le niveau | Comparez le résultat avec la fourchette officielle de centiles pour la profession et la zone | Si l’objectif reste en dessous de la médiane, soulevez aussi la question du niveau |
Cadre éditorial CEOtudent. Le salaire, les volumes de production et la référence de l’équipe sont inventés à titre d’illustration ; le plancher de 3,2 % est le chiffre du BLS figurant dans le tableau 4. Information générale, pas un conseil individuel.
La leçon : dans cet exemple, un gain de production de 40 % justifie une demande d’environ 6 % à 10 %, pas de 40 %. Demander la totalité des 40 % reviendrait à réclamer 24 000, soit 1,84 fois la valeur monétaire totale de votre marge par rapport à vos collègues. Un manager n’a pas besoin de la recherche pour sentir que la demande réclame plus que le gain.
Que dire concrètement ?
Les scripts supposent une réunion planifiée et une synthèse d’une page : l’indicateur, la référence de l’équipe, votre marge, les trois éléments qui la produisent, et le chiffre.
1. La demande d’ouverture
« J’aimerais parler de ma rémunération et de mon niveau. Au cours des douze derniers mois, ma production sur [indicateur] est passée de [X] à [Y] avec le même niveau d’exigence de qualité. La moyenne de l’équipe avec les mêmes outils a évolué de [Z], la différence ne vient donc pas de la licence. Elle vient de trois choses que j’ai construites : [étape de vérification], [flux de travail que l’équipe utilise désormais], [nouvelle responsabilité]. Sur cette base et au vu des repères salariaux actuels, je demande [chiffre d’ouverture]. Les chiffres figurent sur cette page. Que vous faudrait-il voir pour soutenir cette demande, et comment les décisions de rémunération sont-elles prises pour ce poste ? »
2. L’objection « c’était l’outil, pas vous »
« Une partie vient de l’outil, et j’ai retiré cette partie. Tout le monde dans l’équipe a la même licence, et le gain de l’équipe est de [Z]. Le mien est de [Y]. L’écart est ce que je vous demande de valoriser : les erreurs que je repère avant la livraison, le flux de travail sur lequel l’équipe fonctionne désormais, et le travail que j’ai pris en charge avec le temps gagné. Si je me trompe sur cet écart, quel chiffre retiendriez-vous à la place ? »
3. L’objection « pas de budget »
« Je comprends que le budget est fixé pour ce cycle. Pouvons-nous séparer la décision du calendrier ? Si vous convenez que le dossier est solide, j’aimerais que cela soit confirmé par écrit, avec une date de réexamen et les critères qui permettront de trancher. En attendant, lesquels de ces éléments peuvent être décidés sans budget salarial : le périmètre, l’intitulé de poste, une prime ponctuelle ou un budget de formation ? »
4. La solution de repli non salariale
« Si le salaire de base ne peut pas évoluer maintenant, voici ce qui rendrait la situation équitable, par ordre de priorité. Premièrement, un intitulé de poste et un périmètre qui correspondent au travail que je fais déjà : [élément précis]. Deuxièmement, une prime ponctuelle liée à [résultat]. Troisièmement, [montant ou jours] de formation en [compétence], ce qui augmente ce que je peux apporter ici. Et un réexamen du salaire daté au plus tard de [mois]. »
5. Le suivi écrit, envoyé le jour même
« Merci pour l’échange d’aujourd’hui. Pour confirmer : j’ai demandé [chiffre], sur la base de [indicateur, de X à Y, référence de l’équipe Z] et des responsabilités que j’ai ajoutées : [liste]. Vous avez dit [résumé]. Nous sommes convenus que [prochaine étape] aura lieu d’ici le [date] et que la décision reposera sur [critères]. La synthèse d’une page est jointe. Merci de corriger tout ce que j’aurais consigné de manière inexacte. »
Trois choix sous-tendent ces formulations. L’ouverture demande comment les décisions de rémunération sont prises, car l’ambiguïté dissuade de demander : dans une expérience de terrain menée auprès de 2 422 demandeurs d’emploi, 9,4 % des candidats ont négocié lorsque le salaire n’était pas explicitement annoncé comme négociable et 23,1 % lorsqu’il l’était. L’objection liée à l’outil est concédée avant d’être contestée, ce qui ne fonctionne que si l’étape 2 de la fiche de calcul est réelle. La solution de repli place l’intitulé de poste et le périmètre en premier parce qu’un niveau vous suit ; le parcours est décrit dans le cadre de transition du spécialiste à l’orchestrateur. Répétez les cinq à voix haute grâce à l’entraînement avec l’IA.
Qui demande, et que se passe-t-il alors ?
Tableau 6. Ce que rapportent les études sur les demandes de rémunération (chiffres tels qu’imprimés)
| Source | Échantillon | Résultat |
|---|---|---|
| Pew Research Center, 2023 | 5 188 adultes américains en emploi, interrogés sur leur dernière embauche | 32 % des hommes et 28 % des femmes ont demandé plus que la première offre. Parmi ceux qui ont demandé, 28 % ont obtenu ce qu’ils demandaient, 38 % ont obtenu plus que l’offre mais moins que leur demande, 35 % seulement la première offre |
| Marks et Harold, 2011 | 149 salariés nouvellement embauchés | Ceux qui ont choisi de négocier ont augmenté leur salaire de départ de 5000 dollars en moyenne |
| Artz, Goodall et Oswald, 2018 | Environ 4 600 travailleurs dans 840 lieux de travail australiens | 75 % des hommes et 66 % des femmes avaient demandé une augmentation ; le taux moyen de personnes ayant obtenu une meilleure rémunération en négociant, sans changer de poste, était de 0,16 |
| Exley, Niederle et Vesterlund, 2020 | Expérience de laboratoire avec une pénalité en cas d’échec de la négociation | Lorsque la négociation était obligatoire, 51 % des négociations se sont soldées par des gains pour les travailleurs et 29 % par des pertes ; obliger les femmes à négocier a fait passer leur fréquence de pertes de 9 % à 33 % |
Sources : les publications citées. Les deux premières lignes concernent le salaire de départ à l’embauche, pas les augmentations dans un emploi existant.
Demander est généralement payant : dans l’enquête Pew, 66 % de ceux qui ont demandé ont obtenu plus que la première offre. Mais toutes les demandes ne sont pas sans coût. La plupart des travailleurs australiens avaient demandé à un moment ou à un autre, et ils étaient bien moins nombreux à déclarer avoir réussi dans le même poste. En laboratoire, les femmes qui pouvaient choisir le moment de négocier y gagnaient presque toujours, tandis que celles qui étaient contraintes à chaque négociation subissaient davantage de pertes, sans gains supplémentaires.
Quand ne pas demander, et quand changer d’employeur est-il le meilleur choix ?
Reportez la demande lorsque le test d’attribution donne deux ou moins, lorsque vous n’avez aucun relevé avant et après, ou lorsque l’employeur réduit ses coûts (demandez alors un périmètre et un réexamen daté). Là où la rémunération suit une grille fixe, la cible est l’échelon, pas le taux.
Changer d’employeur est l’alternative habituelle, et elle paraît meilleure qu’elle ne l’est. En septembre 2026, l’indicateur de la Fed d’Atlanta situait la croissance médiane des salaires à 4,7 % pour les personnes ayant changé d’emploi et à 3,4 % pour celles qui étaient restées, soit un écart de 1,3 point, ou 780 par an sur les 60 000 illustratifs de la fiche de calcul. L’écart est cyclique : il a atteint 2,7 points en novembre 2022 (8,2 % contre 5,5 %) et était négatif en août 2009 (1,7 % contre 2,8 %). L’indicateur compte aussi comme ayant changé d’emploi toute personne dont la profession, le secteur, l’employeur ou les fonctions ont changé, de sorte qu’une partie de cette prime est obtenue en changeant de rôle sans partir.
Ce que les données étayent, c’est de bouger pour un rôle différent. Dans l’étude danoise, le changement de profession était le seul résultat administratif qui évoluait avec l’adoption des chatbots, et les adoptants qui ont changé de profession ont vu leurs revenus croître de 12 points de pourcentage plus vite entre novembre 2022 et décembre 2024 que les autres travailleurs danois en emploi au cours de ces deux mois. Il s’agit d’une association, pas d’un effet démontré. Elle suggère une règle : restez et négociez lorsque votre valeur est liée au contexte de cet employeur ; partez lorsque votre niveau n’est pas le bon, qu’un réexamen daté est passé sans changement et que le marché recrute pour le rôle plus large. Pour lire ce marché, voyez quels postes ont rebondi dans les données de licenciements 2023-2026.
Quels sont le geste du CEO et le geste de l’étudiant ?
Le geste du CEO consiste à assumer le dossier économique et le chiffre : une page, trois chiffres fixés avant la réunion, une décision datée. Un refus est une information : soit le dossier a besoin de deux trimestres de preuves supplémentaires, soit l’employeur ne valorise pas ce type de contribution.
Le geste de l’étudiant consiste à faire en sorte que le gain reste le vôtre. Un gain fourni par l’outil se fond dans la référence commune dès que les collègues rattrapent leur retard ; le jugement qui l’entoure, non. Tenez un journal des erreurs repérées et des décisions prises, réalisez certains travaux exigeants sans l’outil pour que la compétence de vérification reste aiguisée, apprenez la couche suivante (évaluation, conception de flux de travail, profondeur du domaine) et enseignez votre flux de travail, car la réutilisation par d’autres est la preuve la plus solide du tableau 3.
Que ne signifient pas ces données ?
Elles ne signifient pas que les gains liés à l’IA sont sans valeur pour la personne qui les produit ; ils procurent du périmètre et de la mobilité avant de procurer de la rémunération. Les résultats danois portent sur un seul pays et sur les deux premières années suivant le lancement de ChatGPT. Le tableau 4 décrit les États-Unis. Les estimations du partage de la rente sont des moyennes entre entreprises, pas des règles applicables aux individus, et les taux de partage de la fiche de calcul sont des points d’ancrage. La plupart des données sur le fait de demander concernent le salaire de départ. Rien ici ne constitue un conseil juridique ou financier ; les règles de rémunération varient selon le pays et le contrat.
Questions fréquentes
Mon augmentation doit-elle correspondre au pourcentage de hausse de ma production ?
Non. Dans l’exemple de la fiche de calcul, un gain de production de 40 % justifie une demande d’environ 6 % à 10 % : le plancher du marché de 3,2 % à 3,4 %, plus une part de la valeur monétaire de votre marge. La recherche sur le partage de la rente constate qu’un gain de productivité de 10 % à l’échelle de l’entreprise a généralement fait bouger les salaires de 0,5 % à 1,5 %.
Le gain est-il le mien ou celui de l’outil ?
Soustrayez ce qu’obtiennent les collègues disposant de la même licence. Ce qui reste, et qui peut être rattaché à vos vérifications, à votre conception de flux de travail et à vos responsabilités ajoutées, est à vous. Le tableau 3 propose six tests.
Et si mon manager dit que n’importe qui pourrait faire cela avec l’outil ?
Concédez la part de l’outil, montrez la référence de l’équipe et demandez au manager de valoriser l’écart. S’il n’y a pas d’écart, le manager a raison, et le travail consiste à en créer un.
Vaut-il mieux demander ou changer d’emploi ?
En septembre 2026, les personnes ayant changé d’emploi aux États-Unis obtenaient 1,3 point de croissance médiane des salaires de plus que celles qui étaient restées, et cette prime a été négative lorsque le marché du travail était faible. Partir rapporte le plus lorsque le départ s’accompagne d’un rôle plus large.
Demander, est-ce que cela fonctionne ?
Souvent. Dans une enquête Pew de 2023, 66 % des travailleurs américains qui avaient demandé plus que la première offre à l’embauche ont obtenu davantage. Le moment compte : dans une expérience de laboratoire, être contraint à chaque négociation augmentait les pertes.
Sources
- Brynjolfsson, E., Li, D. et Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889-942 (révision de novembre 2024 et NBER Working Paper 31161 de 2023 consultés).
- Cui, K. Z., Demirer, M., Jaffe, S., Musolff, L., Peng, S. et Salz, T. (2025). The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers. Document de travail, février 2025.
- Peng, S., Kalliamvakou, E., Cihon, P. et Demirer, M. (2023). The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv 2302.06590.
- Noy, S. et Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187-192 (résumé), et le document de travail du MIT du 2 mars 2023.
- Dell’Acqua, F. et co-auteurs (2023). Navigating the Jagged Technological Frontier. Harvard Business School Working Paper 24-013 (résumé).
- Humlum, A. et Vestergaard, E. (2026). Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. NBER Working Paper 33777, révisé en mars 2026 (version des auteurs du 13 mars 2026). Versions antérieures, intitulées Large Language Models, Small Labor Market Effects : Becker Friedman Institute Working Paper 2025-56, avril et septembre 2025.
- Card, D., Cardoso, A. R., Heining, J. et Kline, P. (2018). Firms and Labor Market Inequality: Evidence and Some Theory. Journal of Labor Economics, 36(S1), S13-S70 (NBER Working Paper 22850 consulté).
- Kline, P., Petkova, N., Williams, H. et Zidar, O. (2019). Who Profits from Patents? Rent-Sharing at Innovative Firms. The Quarterly Journal of Economics, 134(3), 1343-1404 (NBER Working Paper 25245 consulté).
- US Bureau of Labor Statistics. Employment Cost Index, June 2026. Communiqué USDL-26-1270, 31 juillet 2026.
- Federal Reserve Bank of Atlanta. Wage Growth Tracker, données jusqu’à septembre 2026, mise à jour du 8 octobre 2026.
- US Bureau of Labor Statistics. Productivity and Costs, Second Quarter 2026, Revised. Communiqué USDL 26-1434, 3 septembre 2026.
- US Bureau of Labor Statistics. Occupational Employment and Wages, May 2025. Communiqué USDL-26-0725, 15 mai 2026, avec les pages Frequently Asked Questions et Percentile Wages du programme.
- Directive (UE) 2023/970 du Parlement européen et du Conseil du 10 mai 2023 relative à la transparence des rémunérations et aux mécanismes d’application. Journal officiel de l’Union européenne, L 132, 17 mai 2023.
- Parker, K. (2023). When negotiating starting salaries, most U.S. women and men don’t ask for higher pay. Pew Research Center, 5 avril 2023.
- Marks, M. et Harold, C. (2011). Who asks and who receives in salary negotiation. Journal of Organizational Behavior, 32(3), 371-394 (résumé).
- Leibbrandt, A. et List, J. A. (2015). Do Women Avoid Salary Negotiations? Evidence from a Large-Scale Natural Field Experiment. Management Science, 61(9), 2016-2024 (NBER Working Paper 18511 consulté).
- Artz, B., Goodall, A. H. et Oswald, A. J. (2018). Do Women Ask? Industrial Relations, 57(4), 611-636 (IZA Discussion Paper 10183 consulté).
- Exley, C. L., Niederle, M. et Vesterlund, L. (2020). Knowing When to Ask: The Cost of Leaning In. Journal of Political Economy, 128(3), 816-854 (NBER Working Paper 22961 consulté).
Les tableaux 1, 4 et 6 reprennent les chiffres tels qu’imprimés dans les sources citées. Le tableau 2 est une analyse CEOtudent de ces sources ; les tableaux 3 et 5 sont des cadres éditoriaux CEOtudent, et les chiffres de salaire, de production et d’équipe de la fiche de calcul sont illustratifs, ce ne sont pas des données. Délibérément non utilisés : les chiffres de prime salariale pour les compétences en IA issus de rapports commerciaux sur les offres d’emploi, qui n’ont pas pu être ouverts dans l’original ; les chiffres de sites commerciaux de salaires autodéclarés ; le chiffre de qualité souvent cité pour l’expérience menée dans le conseil, absent du résumé consulté ; et toute valeur de la négociation sur l’ensemble d’une carrière, introuvable dans un texte primaire. CEOtudent n’a mené aucune enquête pour cet article.
Ce contenu a été compilé avec le soutien de l’IA à la suite d’une recherche approfondie, puis rédigé et préparé pour publication par l’équipe éditoriale de CEOtudent.
This post is also available in:
