L'impact de l'Ia sur l'emploi 3/5
Les métiers de demain ne ressemblent pas à ce qu'on vous promet
On vous dit que l'IA va créer des emplois. C'est vrai. Mais pas de la manière dont on vous le raconte.
Les discours optimistes sur "les métiers de demain" donnent souvent l'impression qu'il suffira de suivre une formation de six mois pour devenir "ingénieur IA" et décrocher un salaire à six chiffres. La réalité est plus nuancée, plus exigeante, et quelque part, plus intéressante.
Ce qui est en train de se passer sur le marché du travail n'est pas une simple substitution de postes anciens par des postes nouveaux. C'est une transformation de la valeur elle-même : ce qui vaut quelque chose dans votre travail, ce qui ne vaut plus rien, et ce qui va valoir très cher dans les cinq ans à venir.Je travaille dans le recrutement depuis vingt ans. J'ai vu arriver Internet, les réseaux sociaux, les outils de sourcing automatisé. À chaque fois, le marché s'est reconfiguré. À chaque fois, certains ont su lire les signaux et se repositionner. D'autres ont attendu que ça passe. Ça n'est jamais passé.
Ce que l'histoire nous dit, et ce qu'elle ne nous dit pas
L'argument favori des optimistes : l'arrivée d'Internet dans les années 1990 avait provoqué exactement les mêmes peurs. Pourtant, qui aurait pu prédire en 1995 qu'il existerait un jour des "community managers", des "UX designers" ou des "data analysts" ? Ces métiers n'existaient pas. Ils ont émergé, porté des générations entières de travailleurs, et généré des milliers d'entreprises.
L'argument est solide. Mais il comporte un angle mort qu'on évite soigneusement de mentionner : la transition n'a pas été douce pour tout le monde. Certains secteurs se sont effondrés. Des millions de personnes ont dû se reconvertir dans des conditions difficiles, sans filet, sans accompagnement. Le bilan global est positif, oui. Mais le bilan individuel, lui, dépend de l'endroit où vous étiez quand la vague est arrivée, et de ce que vous avez décidé de faire.
L'IA, c'est la même dynamique, à une vitesse supérieure. Les nouveaux métiers arrivent, mais ils n'attendent pas.
Le "prompt engineer" : un vrai métier ou un effet de mode ?
Commençons par le plus médiatisé des nouveaux rôles, celui qui a fait les grands titres en 2023 avec des offres d'emploi à 300 000 dollars aux États-Unis. L'ingénieur en prompt, c'est celui dont le travail consiste à formuler les instructions données à une intelligence artificielle pour en obtenir les meilleurs résultats possibles.
Ça peut sembler trivial. Ce ne l'est pas.
Prenez une entreprise qui déploie un assistant IA pour traiter les demandes clients d'un service après-vente. Si les instructions données au modèle sont mal construites, l'outil va produire des réponses imprécises, trop génériques, parfois carrément fausses. Si elles sont bien construites, le même outil devient un levier de productivité réel. La différence entre les deux, c'est souvent la qualité du travail en amont sur les prompts.
Ce professionnel n'est pas uniquement un technicien. Il doit comprendre comment les grands modèles de langage fonctionnent, connaître leurs limites, maîtriser le domaine dans lequel il intervient, et avoir une rigueur analytique pour tester, mesurer, ajuster. Un prompt engineer qui travaille pour un cabinet médical ne fait pas le même travail que celui qui intervient dans une régie publicitaire.
Est-ce que ce métier va durer tel quel ? Probablement pas. Les outils évoluent vite, et certaines tâches de "prompt engineering" vont s'automatiser à leur tour. Mais la compétence sous-jacente, c'est-à-dire savoir dialoguer avec une IA pour en tirer le meilleur, va devenir une attente de base dans des dizaines de postes. Comme savoir utiliser Excel n'est plus une spécialité mais un prérequis.
L'ingénieur en machine learning : celui qui construit vraiment
Derrière chaque outil d'IA qui fonctionne, il y a un ingénieur en machine learning. C'est lui qui conçoit, entraîne et déploie les modèles. Pas le chercheur qui formule des hypothèses en laboratoire, pas le consultant qui présente des slides sur la transformation digitale. Lui, il construit ce qui tourne en production.
On confond souvent ce rôle avec celui du data scientist. La distinction est pourtant nette. Le data scientist explore les données, teste des modèles, produit des analyses. C'est un expérimentateur. L'ingénieur en machine learning prend le relais pour rendre ces modèles opérationnels, les intégrer dans les systèmes existants, assurer leur stabilité et les maintenir dans le temps. C'est un bâtisseur.
Sans lui, pas d'IA en production. Les beaux modèles restent des prototypes sur des ordinateurs de chercheurs, et les budgets investis ne génèrent aucun retour concret. C'est pourquoi ce profil est, de loin, le plus recherché et le mieux rémunéré du secteur. Les entreprises se les arrachent, et l'offre reste très inférieure à la demande.
Si vous êtes en reconversion et que vous avez un profil scientifique ou technique, c'est probablement le pari le plus solide que vous puissiez faire aujourd'hui. L'accès est exigeant, la montée en compétence prend du temps, mais le débouché est réel.
L'expert en éthique de l'IA : le métier que personne n'anticipait
Voilà un rôle qui, il y a cinq ans encore, n'existait presque nulle part. Aujourd'hui, les grandes entreprises tech, les cabinets de conseil, et les institutions publiques recrutent activement des experts en éthique de l'IA.
Pourquoi ? Parce que l'IA peut se tromper, discriminer, biaiser. Un algorithme de recrutement entraîné sur des données historiques peut systématiquement pénaliser les candidatures féminines, non pas parce que quelqu'un l'a décidé, mais parce que les données reflètent les biais du passé. Un système de notation de crédit peut défavoriser certains codes postaux pour des raisons qui n'ont rien de financier. Un outil de détection de fraude peut cibler de manière disproportionnée certaines communautés.
Ces dérives ne sont pas hypothétiques. Elles se produisent, elles ont fait l'objet de scandales médiatiques, et elles coûtent très cher aux organisations qui les vivent.
Trois forces convergent pour rendre ce métier indispensable. La pression réglementaire, d'abord : l'AI Act européen impose des obligations précises aux entreprises qui déploient des systèmes à haut risque, avec des sanctions potentiellement lourdes. La pression sociétale ensuite : le grand public est de plus en plus attentif à la manière dont les décisions automatisées affectent sa vie. La pression économique enfin : une IA biaisée ou opaque peut ruiner une réputation que des années de communication ont construit.
Ce profil est hybride par nature. Il faut comprendre les mécanismes techniques de l'IA, les cadres juridiques, les enjeux sociaux, et avoir la capacité de dialoguer aussi bien avec des ingénieurs qu'avec des dirigeants. C'est exactement ce type de combinaison qui est rare et qui se paie bien.
Les métiers hybrides : là où se jouent vraiment les opportunités
Soyons directs : les métiers "natifs" de l'IA comme le prompt engineer ou le ML engineer représentent une minorité des emplois créés. La vraie transformation, celle qui va toucher le plus grand nombre, c'est l'hybridation des métiers existants.
Un juriste qui sait lire un audit d'algorithme et comprendre les implications de l'AI Act pour ses clients, c'est un juriste qui vaut beaucoup plus cher qu'un juriste qui ne sait pas. Un responsable marketing qui sait exploiter un outil de personnalisation à grande échelle pour ses campagnes, sans dépendre d'une équipe technique pour chaque décision, c'est un profil qui surclasse ses homologues sur le marché.
J'ai vu récemment le profil d'une chargée de recrutement en région parisienne qui avait intégré dans ses pratiques l'utilisation d'outils IA pour l'analyse de CV et la structuration des entretiens. Elle était capable de traiter deux fois plus de dossiers avec le même niveau de qualité, et produisait des synthèses candidats nettement plus riches. Elle a reçu trois propositions en deux semaines après avoir rendu ces compétences visibles sur son profil LinkedIn. Pas parce qu'elle est devenue ingénieure IA. Parce qu'elle a augmenté son métier sans le trahir.
C'est ça, l'hybridation. Ce n'est pas apprendre à coder de zéro. C'est comprendre ce que l'IA peut faire dans votre domaine, savoir l'utiliser, et savoir l'évaluer de manière critique.
Ce que le marché français dit vraiment
Le marché du travail français a ses spécificités qu'il faut prendre en compte. La tension sur les profils IA est réelle, mais elle se concentre d'abord sur quelques pôles : Paris et la région Île-de-France, quelques métropoles comme Lyon, Bordeaux, Toulouse. Les opportunités existent aussi dans d'autres territoires, mais elles sont moins denses et souvent liées à des secteurs spécifiques (industrie, santé, agriculture de précision).
Par ailleurs, le marché français reste plus prudent que les marchés américain ou britannique dans ses recrutements IA. Les entreprises cherchent des profils qui combinent compétences techniques et connaissance métier, mais elles hésitent encore à créer des postes dédiés à temps plein sur des fonctions nouvelles. Ce que j'observe, c'est davantage une montée en compétence attendue des salariés en poste qu'une vague de recrutements massifs sur des titres de poste inédits.
Concrètement, cela signifie que si vous cherchez un emploi aujourd'hui, la question n'est pas "comment devenir ingénieur IA" mais "comment rendre visible ma capacité à travailler avec l'IA dans mon domaine". C'est une nuance qui change tout dans la manière dont vous rédigez votre CV, dont vous préparez vos entretiens, et dont vous ciblez vos candidatures.
La fracture qui vient
Il y a quelque chose qu'on évite de dire parce que c'est inconfortable : l'IA ne crée pas seulement de nouveaux métiers. Elle crée une nouvelle hiérarchie professionnelle.
D'un côté, ceux qui maîtrisent ces outils, qui savent les intégrer à leur pratique, qui sont capables de s'adapter à leur évolution rapide. De l'autre, ceux qui les subissent, dont les tâches sont progressivement absorbées par des systèmes automatisés, sans que leur valeur sur le marché ne soit compensée par d'autres compétences.
Cette fracture ne repose pas uniquement sur le niveau d'études ou sur l'accès à la formation. Elle repose aussi sur la posture. Ceux qui traitent l'IA comme une menace à éviter ou comme un phénomène passager vont se retrouver en difficulté. Ceux qui la traitent comme un outil à maîtriser, avec le même pragmatisme qu'on a mis à apprendre à utiliser un logiciel de comptabilité ou un outil de gestion de projet, vont s'en sortir.
La bonne nouvelle, c'est que la posture se choisit.
Ce n'est pas une question de génération
Une dernière chose avant de terminer. J'entends souvent, dans les accompagnements que je mène, des personnes de 45 ou 50 ans qui se disent que tout ça n'est pas pour elles. Que les métiers de l'IA, c'est pour les jeunes diplômés de grandes écoles qui sortent avec des compétences fraîches et un réseau déjà constitué.
C'est faux.
Ce qui manque le plus sur le marché actuellement, ce ne sont pas les jeunes techniciens. Ce sont des gens avec une expertise métier solide, une compréhension fine des organisations, et une capacité à contextualiser les outils dans des réalités concrètes. Un ingénieur de 50 ans avec vingt ans d'expérience dans l'industrie pharmaceutique qui apprend à utiliser des outils IA dans son domaine a une valeur que n'a pas un data scientist de 25 ans sorti d'école sans jamais avoir mis les pieds dans un laboratoire.
L'IA amplifie les compétences. Elle n'en crée pas à partir de rien.
La vraie question n'est pas de savoir quels métiers vont exister dans dix ans. C'est de savoir ce que vous allez faire dès maintenant avec ce que vous savez déjà faire.
Faites la différence avec un Portfolio : Le Portfolio Gagnant
