On parle beaucoup d’intelligence artificielle comme d’une révolution à venir. En réalité, elle est déjà là, et elle travaille déjà avec nous. Parfois à côté, parfois à notre place, parfois contre nous. Le marché de l’emploi commence à en porter les marques, de façon visible dans certains secteurs, plus discrète dans d’autres. La vraie question n’est plus : « l’IA va-t-elle changer le travail ? », mais plutôt : « à quelle vitesse, pour qui, et avec quelles compétences pour tenir le choc ? »
Une « nouvelle révolution industrielle » ? Oui, mais pas pour tout le monde en même temps
La comparaison avec la révolution industrielle revient souvent. Elle n’est pas totalement abusive. Comme la machine à vapeur ou l’électricité, l’IA ne remplace pas seulement des outils, elle modifie la façon d’organiser le travail, de produire de la valeur, de recruter et de licencier.
Les études commencent à s’accumuler. Selon un rapport de Goldman Sachs de 2023, environ 300 millions d’emplois dans le monde seraient « exposés » à l’automatisation par l’IA générative. Exposés ne veut pas dire supprimés, mais cela signifie que des tâches importantes de ces emplois peuvent être réalisées par une machine.
Une étude de l’OCDE, portant sur OECD Employment Outlook, estime qu’en moyenne 27 % des emplois dans les pays membres comportent un risque élevé d’automatisation, principalement parce qu’ils sont composés de tâches répétitives, prévisibles et facilement formalisables. On retrouve ici surtout des emplois :
- administratifs (saisie, traitement de dossiers, back office bancaire, RH de base)
- comptables et juridiques de niveau intermédiaire
- support client standardisé
- certains métiers de l’industrie et de la logistique
Mais ces chiffres globaux masquent un point essentiel : l’IA ne touche pas tout le monde au même moment, ni de la même façon. Dans une même entreprise, un comptable peut voir 30 % de ses tâches automatisées, pendant qu’un technicien de maintenance en industrie voit sa charge de travail augmenter parce que la production tourne plus vite… grâce à l’IA.
Autrement dit, l’IA ne « prend » pas des emplois en bloc, elle commence par mordre dans des tâches précises. Et c’est souvent là que se joue le déplacement des compétences.
L’IA ne remplace pas seulement les mains, elle commence à remplacer des cerveaux
Les précédentes vagues d’automatisation touchaient surtout les gestes physiques répétitifs. L’IA, elle, s’attaque cette fois à des tâches cognitives : lire, résumer, classer, générer du texte, analyser des images, assister à la prise de décision.
Un exemple concret : dans de nombreuses entreprises, des logiciels d’IA sont déjà utilisés pour :
- pré-trier des CV et lettres de motivation
- rédiger des premières versions de mails, de rapports ou de comptes rendus
- générer des supports de présentation ou des ébauches de campagnes marketing
- détecter des anomalies dans des flux financiers ou des images médicales
En radiologie, plusieurs études montrent que des systèmes d’IA atteignent des performances comparables à celles de spécialistes pour la détection de certains types de cancers sur des images standardisées. Cela ne rend pas le radiologue inutile, mais cela déplace le cœur de son métier : moins de temps passé à « lire » mécaniquement des images, plus de temps à interpréter, expliquer, décider avec le patient et les autres soignants.
Dans la banque, des robots conversationnels gèrent déjà une bonne partie des demandes simples de la clientèle. Les conseillers humains se retrouvent avec moins de questions basiques, mais plus de situations complexes, conflictuelles ou à forte charge émotionnelle. Là encore, le métier change de nature : on demande moins de maîtrise de procédures standard, plus de capacité à résoudre des cas particuliers et à gérer la relation humaine.
Cette évolution a une conséquence directe : les compétences les plus rapidement automatisables ne sont pas seulement les compétences « peu qualifiées ». Ce sont les compétences les plus routinières, quelle que soit la rémunération attachée au poste. Un juriste junior qui passe ses journées à vérifier des clauses types sur des contrats est plus menacé à court terme qu’un électricien en bâtiment qui s’adapte chaque jour à un chantier différent.
Les tâches qui résistent : ce que l’IA fait mal, ou pas du tout
Pour comprendre les compétences du futur, il faut d’abord identifier ce que l’IA fait encore mal. Malgré les discours marketing, les systèmes actuels ont des limites structurelles :
- ils n’ont pas de compréhension réelle du contexte social, politique, culturel
- ils peinent à gérer l’imprévu, l’ambigu, le mal formulé
- ils ne possèdent ni empathie, ni éthique, ni responsabilité juridique
- ils raisonnent à partir de données passées, pas de projets de société
Dans la pratique, cela se traduit par des zones de résistance où la présence humaine reste centrale, et le restera longtemps :
- Relation de soin et d’aide : infirmiers, aides à domicile, travailleurs sociaux, psychologues. L’IA peut assister (dossiers, rappels, suivi), mais la relation humaine est impossible à automatiser entièrement.
- Métiers manuels non standardisés : artisans, techniciens de maintenance polyvalents, métiers du bâtiment, agriculture de terrain. Les robots existent, mais déployer une automatisation complète reste coûteux et complexe.
- Coordination et arbitrage : chefs de projet, managers de proximité, médiateurs. Mettre d’accord des personnes, gérer des conflits, composer avec des contraintes réelles et politiques n’est pas un simple problème d’optimisation.
- Créativité située : non pas une « créativité » abstraite, mais la capacité à inventer des solutions nouvelles dans un contexte donné : un prof qui improvise, un designer qui négocie avec un client, un entrepreneur qui monte un projet local.
Autrement dit, ce qui reste le plus résistant à l’automatisation, ce ne sont pas nécessairement les « métiers intellectuels » en tant que tels, mais tout ce qui combine :
- contact humain direct
- variété de situations
- incertitude et non-répétitivité
- responsabilité et arbitrage
La vraie rupture avec le passé, c’est que cette description ne colle pas seulement aux jobs les plus qualifiés. Elle touche aussi des emplois intermédiaires qui ont longtemps été considérés comme « peu valorisés », mais qui se révèlent étonnamment résilients face à l’IA.
Des emplois détruits, d’autres créés : la question est « pour qui ? »
Historiquement, chaque vague technologique a détruit des emplois, mais en a aussi créé d’autres. L’IA ne fait pas exception. On voit déjà apparaître des métiers nouveaux ou renforcés :
- ingénieurs et techniciens en IA, data scientists, spécialistes en cybersécurité
- formateurs aux outils numériques et à l’IA, dans les entreprises comme dans la formation pro
- « prompt engineers » ou, plus largement, personnes capables d’orchestrer les interactions entre l’IA et les équipes
- experts en éthique de l’IA, conformité, protection des données
Le problème, c’est que les emplois détruits et les emplois créés ne concernent pas les mêmes personnes, ni les mêmes territoires. Les gagnants et les perdants ne se trouvent pas dans les mêmes bassins d’emploi, ni aux mêmes niveaux de diplôme.
Une étude du McKinsey Global Institute estime qu’en Europe, d’ici 2030, entre 20 et 25 % des travailleurs devront changer de métier ou acquérir des compétences très différentes pour rester employables. Cela ne veut pas dire qu’un comptable deviendra développeur en IA du jour au lendemain, mais que la mobilité professionnelle va devenir une norme plus qu’une exception.
Si rien n’est organisé en matière de formation, de reconversion et d’accompagnement, l’IA risque d’accentuer des fractures déjà visibles :
- entre grandes métropoles et territoires périphériques
- entre salariés très qualifiés et peu qualifiés
- entre ceux qui ont le temps et les ressources pour se former, et les autres
Autrement dit : sans politique publique et sans stratégie d’entreprise claire, l’IA ne sera pas seulement une question de productivité, mais un facteur de tensions sociales.
Les compétences clés qui montent : hybrides, transversales et évolutives
On peut résumer les tendances actuelles en trois blocs de compétences que l’IA rend particulièrement stratégiques.
1. Savoir travailler avec l’IA
On parle beaucoup de « compétences numériques », mais l’enjeu devient plus spécifique : il ne s’agit plus seulement de savoir utiliser un tableur ou un logiciel de traitement de texte, mais de savoir déléguer des tâches à une IA, vérifier ses résultats, et l’intégrer dans un processus de travail.
Concrètement, cela implique :
- savoir formuler une demande claire à un système d’IA (ce qu’on appelle parfois l’« art du prompt »)
- comprendre les limites de l’outil : biais possibles, risques d’erreur, dépendance aux données d’entraînement
- être capable de relire, corriger, contextualiser ce que produit la machine
- intégrer l’IA dans son organisation quotidienne : gain de temps, mais aussi nouvelles vérifications à prévoir
Ces compétences ne concernent pas seulement les ingénieurs. Elles deviennent pertinentes pour un journaliste, un RH, un artisan qui prépare ses devis, un professeur qui conçoit ses supports, un commerçant qui gère sa communication.
2. Renforcer les compétences profondément humaines
Plus l’IA progresse, plus certaines aptitudes humaines prennent de la valeur relative :
- empathie, écoute, capacité à comprendre un besoin non formulé clairement
- communication orale, négociation, pédagogie
- travail en équipe, coordination entre métiers différents
- gestion de conflits, médiation, diplomatie du quotidien
Ce ne sont pas des « soft skills » vaguement décoratives. Dans un environnement où les tâches techniques de base sont en partie automatisées, ces capacités deviennent le cœur de nombreux métiers, y compris ceux qui étaient historiquement très techniques.
3. Capacité d’apprentissage et d’adaptation
Enfin, une compétence devient transversale à presque tous les emplois : la capacité à apprendre rapidement et régulièrement. Pas dans l’absolu, mais en lien avec :
- de nouveaux outils
- de nouvelles formes d’organisation (télétravail, équipes hybrides, plateformes)
- de nouvelles réglementations liées au numérique et aux données
Il faut accepter une réalité : le « métier appris une fois pour toutes » recule. On se rapproche d’un modèle où la formation initiale donne surtout une capacité à apprendre, à comprendre des systèmes, à s’adapter, et où la formation continue prend un poids décisif.
Éducation, formation professionnelle, entreprise : qui doit faire quoi ?
Face à cette transformation, chacun se renvoie facilement la balle. Les entreprises attendent que l’école prépare les jeunes, l’école attend des moyens, les salariés attendent des formations, les pouvoirs publics parlent de « montée en compétences » dans des plans nationaux. Pendant ce temps, les usages de l’IA se répandent, souvent de manière informelle, sans cadre clair.
Quelques leviers concrets peuvent pourtant être identifiés.
À l’école et dans l’enseignement supérieur, il ne s’agit pas seulement d’ajouter un cours « d’IA » au programme. Les enjeux sont plus larges :
- apprendre très tôt à comprendre comment fonctionne un algorithme : ce qu’il fait, ce qu’il ne fait pas, comment il peut se tromper
- développer l’esprit critique face aux contenus générés automatiquement (textes, images, vidéos)
- utiliser l’IA comme outil pédagogique, tout en encadrant son usage pour éviter le simple copier-coller
- croiser plus systématiquement sciences, sciences humaines et réflexion éthique
Dans les entreprises, trois enjeux apparaissent rapidement :
- cartographier les tâches réellement réalisées par les salariés, pour identifier celles qui peuvent être automatisées partiellement, et celles qui demandent à être revalorisées
- associer les équipes à l’introduction de l’IA, au lieu de leur présenter le changement comme un fait accompli
- organiser des formations courtes, pratiques, centrées sur les usages concrets des IA dans le métier de chacun, plutôt que sur des discours abstraits
Du côté des politiques publiques, l’IA oblige à penser ensemble plusieurs chantiers souvent traités séparément :
- investissement massif dans la formation continue, notamment pour les salariés les moins qualifiés
- soutien aux territoires qui risquent d’être les plus touchés par l’automatisation
- cadre réglementaire sur l’usage de l’IA dans le recrutement, l’évaluation et la surveillance des salariés
- réflexion sur la protection sociale à l’heure de trajectoires professionnelles plus instables
La question est moins de savoir si l’IA va « créer plus d’emplois qu’elle n’en détruit » dans un grand bilan macroéconomique, que de savoir si la transition est socialement supportable pour celles et ceux qui sont pris au milieu du gué.
Comment un individu peut-il se préparer, dès maintenant ?
Face à ces mutations, il serait tentant de se dire qu’on n’a pas de prise, que tout se joue au niveau des grandes entreprises et des politiques. C’est vrai en partie, mais pas totalement. Chacun peut déjà agir sur trois plans.
1. Faire l’inventaire de ses propres tâches
Un exercice simple, mais rarement fait : lister, sur une semaine, les tâches réellement effectuées, puis se demander pour chacune :
- est-elle répétitive, prévisible, fondée sur des règles claires ?
- est-elle surtout relationnelle, créative, collective, ou de résolution de problème ?
- une IA disponible aujourd’hui pourrait-elle en réaliser une partie ?
Cet inventaire permet souvent de repérer des tâches « fragiles » (facilement automatisables) et des tâches « robustes » (difficiles à remplacer). L’objectif n’est pas de paniquer, mais de commencer à déplacer progressivement son temps et son énergie vers les tâches robustes.
2. Tester et apprivoiser les outils d’IA
On peut difficilement se préparer à travailler avec l’IA en restant à distance des outils. Sans se transformer en ingénieur, il est possible de :
- tester des outils d’IA générative gratuits ou peu coûteux (texte, image, son)
- les appliquer à ses propres problématiques : rédiger un mail, résumer un rapport, générer une idée de plan de projet
- apprendre à vérifier systématiquement les résultats, à recouper les informations, à corriger les erreurs
Ce contact direct permet de passer d’une peur vague à une compréhension plus précise : on voit à la fois ce que l’IA fait bien, et ce qu’elle fait mal. Et surtout, on commence à imaginer comment l’intégrer à sa pratique professionnelle, au lieu de la subir.
3. Investir dans ses compétences transférables
Enfin, chacun peut identifier quelques compétences qui restent utiles dans de nombreux contextes, avec ou sans IA :
- mieux écrire et mieux parler : la capacité à expliquer clairement un problème, un choix, une solution
- comprendre les bases de la gestion de projet : organiser, prioriser, suivre un travail collectif
- renforcer sa culture générale économique, sociale, politique : situer son métier dans un environnement plus large
- se former à un niveau minimal sur les enjeux numériques : données, sécurité, droit, éthique
Ces compétences ne sont pas spectaculaires, mais elles forment un socle. Dans un marché de l’emploi incertain, disposer d’un socle large de compétences transférables donne plus de marge pour se réorienter, négocier, ou créer son propre emploi.
L’IA ne vient pas de nulle part. Elle s’inscrit dans un mouvement plus vaste de numérisation, de plateformisation, de pression sur les temps et les coûts. Elle peut être utilisée pour intensifier encore les cadences et précariser certains emplois. Elle peut aussi, si elle est accompagnée, servir à débarrasser des tâches les plus pénibles et à redonner du sens à ce qui ne peut pas être automatisé : la relation, la décision, la création au contact du réel.
Au fond, la question n’est pas seulement : « que sait faire l’IA ? », mais : « que voulons-nous, collectivement, qu’elle fasse ou ne fasse pas ? » Et derrière cette question technique, ce sont des choix éminemment politiques qui se dessinent.
