Thèse: Les nouvelles technologies bénéficient souvent à certaines professions (par exemple, les techniciens en robotique) tout en en défavorisant d'autres (par exemple, les caissiers). En principe, leur impact négatif pourrait être atténué si les travailleurs déplacés se réaffectaient vers des professions en expansion. Cependant, l'absence de transférabilité des compétences entre professions limite souvent cette mobilité, entraînant des périodes de chômage prolongées. Dans cette thèse, j'étudie comment les frictions de compétences influencent la vitesse de réallocation des travailleurs entre professions. Ma contribution principale consiste à représenter la structure de ces frictions sous la forme d'un réseau de métiers, où les connexions représentent des transitions réalisables sur la base de la similarité en compétences. Cette approche en réseau révèle le rôle crucial de certains métiers "ponts" dans la vitesse de réallocation. Premièrement, je construis le réseau des professions à l'aide de données d'experts sur les compétences et montre qu'il est divisé en clusters de professions similaires, reliés par un nombre limité de métiers "ponts" (comme les techniciens en logistique ou les assistants commerciaux). En exploitant des données administratives françaises, je montre que les travailleurs passant par ces métiers "ponts" accèdent à des professions éloignées, offrant des salaires plus élevés et un taux de chômage plus faible. Deuxièmement, je développe une nouvelle théorie de la recherche d'emploi dans des marchés du travail connectés en réseau. Mon principal résultat montre que le taux de retour à l'emploi dans les professions ponts —indiquant leur accessibilité locale— a un impact significatif sur la vitesse globale de réallocation. Intuitivement, ces métiers ponts agissent comme des hubs, facilitant les transitions entre clusters de compétences. En outre, je montre que la lenteur de la transition peut entraîner d'importantes pertes de bien-être. Troisièmement, j'enrichis le modèle avec des extensions quantitatives, en utilisant des méthodes de type "hat-algebra" pour résoudre des contrefactuels sans avoir à estimer un grand nombre de paramètres. Calibré sur des données françaises, le modèle prédit que l'adoption des robots entraîne une réallocation lente, sur environ 40 trimestres, et que cette lenteur réduit les gains de bien-être d'environ 40 % — un ordre de grandeur supérieur aux estimations précédentes. De plus, des politiques ciblant les métiers ponts peuvent accélérer la réallocation bien plus efficacement que celles ciblant directement les métiers en tension. Ces résultats mettent en lumière le rôle essentiel du réseau des professions dans les dynamiques de réallocation et apportent de nouveaux éclairages pour la conception des politiques du marché du travail.