Le progr\u00e8s technique acc\u00e9l\u00e8re les mutations structurelles dans l\u2019\u00e9conomie. La r\u00e9volution num\u00e9rique et la robotisation modifient de fond en comble la production tant des biens que des services. De plus en plus d\u2019activit\u00e9s peuvent \u00eatre automatis\u00e9es. Que l\u2019on pense par exemple aux camions autopilot\u00e9s.
\n
\nL\u2019acc\u00e9l\u00e9ration des mutations risque de faire dispara\u00eetre de nombreuses activit\u00e9s \u00e0 relativement br\u00e8ve \u00e9ch\u00e9ance. Dans une \u00e9tude tr\u00e8s remarqu\u00e9e parue en 2013, Carl Benedikt Frey et Michael Osborne, de l\u2019universit\u00e9 d\u2019Oxford, ont cherch\u00e9 \u00e0 savoir quels emplois \u00e9taient menac\u00e9s par le num\u00e9rique. Pour cela, ils ont estim\u00e9 qu\u2019aux \u00c9tats-Unis, quelque 700 professions pourraient \u00eatre informatis\u00e9es et donc robotis\u00e9es ces vingt prochaines ann\u00e9es. Selon leurs pr\u00e9visions, 47\u00a0% des emplois du pays seraient menac\u00e9s.
\n
\nCompar\u00e9 \u00e0 d\u2019autres travaux, ce chiffre est plut\u00f4t \u00e9lev\u00e9. Il n\u2019en demeure pas moins que si 20\u00a0% ou 50\u00a0% seulement des emplois disparaissaient, la r\u00e9alit\u00e9 serait la m\u00eame. Les mutations qui s\u2019annoncent obligeront les actifs occup\u00e9s \u00e0 \u00e9voluer et \u00e0 s\u2019adapter. La question est d\u2019autant plus pr\u00e9occupante que nul ne sait encore \u00e0 quelles professions la r\u00e9volution num\u00e9rique donnera le jour, ni combien d\u2019emplois elle cr\u00e9era.
\n
\nOutre les emplois potentiellement menac\u00e9s, il faut aussi s\u2019int\u00e9resser \u00e0 leur r\u00e9partition g\u00e9ographique. Dans une \u00e9tude en cours, un groupe de chercheurs de la Haute \u00e9cole de Lucerne analysent l\u2019impact des mutations structurelles sur les diverses r\u00e9gions suisses. Pour ce faire, ils utilisent les informations figurant dans l\u2019Enqu\u00eate suisse sur la population active de 2015, men\u00e9e par l\u2019Office f\u00e9d\u00e9ral de la statistique (OFS) aupr\u00e8s de plus de 40\u00a0000 actifs occup\u00e9s. En appliquant les taux de probabilit\u00e9 de Frey et Osborne \u00e0 ces donn\u00e9es, on peut \u00e9valuer l\u2019intensit\u00e9 des mutations structurelles dans les diff\u00e9rentes r\u00e9gions du pays.
<\/p>\n
\nLes emplois menac\u00e9s ne se r\u00e9partissent pas de la m\u00eame mani\u00e8re entre la ville et la campagne. Les habitants des r\u00e9gions peu urbanis\u00e9es ont plus de risque de perdre leur emploi (57\u00a0%) que ceux qui vivent en ville (46\u00a0%). La moyenne nationale s\u2019\u00e9l\u00e8ve \u00e0 51\u00a0%.
\n
\nCet \u00e9cart ville-campagne s\u2019explique principalement par les diff\u00e9rences de formation (voir illustration 1<\/em>). Le ph\u00e9nom\u00e8ne est particuli\u00e8rement marqu\u00e9 pour les dipl\u00f4mes universitaires\u00a0: en zone urbaine, pr\u00e8s de 40\u00a0% des actifs occup\u00e9s en ont un, contre seulement 17\u00a0% \u00e0 la campagne. En revanche, la formation professionnelle est plus fortement repr\u00e9sent\u00e9e en r\u00e9gion rurale\u00a0: elle y est de 20 points plus \u00e9lev\u00e9e qu\u2019en ville.
<\/p>\nIll. 1. Niveaux de formation selon le degr\u00e9 d\u2019urbanisation<\/strong><\/h3>\n
\n