La première génération de recrutement dans le domaine de l'IA était relativement facile à identifier. Les entreprises technologiques se disputaient les ingénieurs spécialisés dans l'apprentissage automatique, les data scientists et les chercheurs capables de développer des modèles de plus en plus performants. Ces spécialistes restent précieux, mais ils ne représentent plus l'ensemble du marché du travail dans le domaine de l'IA.

Une deuxième catégorie de profils est en train d'émerger au sein des banques, des entreprises manufacturières, des cabinets de services professionnels, des enseignes de distribution, des groupes de santé et des institutions publiques. Ces employés ne sont pas nécessairement formés à l'entraînement des modèles de base ni titulaires d'un diplôme en informatique. Leur rôle consiste plutôt à déterminer la place de l'IA au sein de l'organisation, à l'intégrer aux processus existants, à vérifier la fiabilité de ses résultats et à décider quand une personne doit garder le contrôle.

Leurs intitulés de poste varient, car le modèle opérationnel est encore en cours d'élaboration. Certaines entreprises recrutent des chefs de produit IA, des spécialistes des risques liés aux modèles, des architectes en automatisation et des ingénieurs de terrain. D'autres confient des responsabilités en matière d'IA à des juristes, des responsables de la conformité, des directeurs de la communication, des chercheurs et des responsables opérationnels, sans modifier le moins du monde leurs intitulés de poste.

Cette distinction est importante. Il est peu probable que l’avenir du travail se divise clairement entre ceux qui “ travaillent dans l’IA ” et tous les autres. Les compétences en IA s’intègrent progressivement aux professions existantes, tout comme la maîtrise du numérique, l’analyse de données et la recherche sur Internet sont désormais attendues dans des postes qui n’ont jamais été classés parmi les métiers technologiques.

Le marché du travail évolue en fonction des tâches

Les prévisions concernant l'emploi dans le domaine de l'IA oscillent souvent entre des licenciements massifs et une profusion de nouveaux métiers. Ces deux discours négligent la manière dont les organisations évoluent généralement.

Les entreprises automatisent rarement un métier en une seule étape. Elles réorganisent plutôt les tâches qui le composent.

Un responsable de la communication peut consacrer moins de temps à la compilation de la couverture médiatique et davantage à l'analyse des risques liés au discours. Un avocat peut utiliser l’IA pour comparer des clauses, mais reste responsable de ses conseils juridiques. Un analyste junior peut produire plus rapidement un premier modèle financier, tout en étant amené à remettre en question ses hypothèses plus tôt dans sa carrière. Un employé du service client peut traiter moins de demandes courantes et davantage de cas complexes impliquant un jugement, des émotions ou des conséquences financières.

L'Organisation internationale du travail estime qu'un emploi sur quatre dans le monde est, d'une manière ou d'une autre, concerné par l'IA générative. Sa conclusion la plus significative est que cette technologie entraînera davantage une transformation qu'un remplacement pur et simple, car relativement peu de métiers consistent exclusivement en des tâches que les systèmes actuels sont capables d'automatiser.

Il ne faut pas confondre « exposition » et « disparition ». Cela signifie que la composition de l'œuvre peut évoluer.

Le Forum économique mondial prévoit que la transformation du marché du travail créera 170 millions d'emplois et en supprimera 92 millions d'ici 2030, ce qui se traduira par une augmentation nette de 78 millions d'emplois selon les hypothèses de son enquête. Les emplois liés aux technologies figurent parmi ceux qui connaissent la plus forte croissance en pourcentage, mais c'est dans des secteurs tels que les soins, l'éducation, la logistique et l'agriculture que la croissance en chiffres absolus devrait être la plus importante.

L'IA est donc en train de transformer le marché de l'emploi dans un contexte marqué par des pressions démographiques, économiques et technologiques plus larges. Tous les ralentissements de l'embauche ne sont pas dus à l'automatisation, et tous les nouveaux postes ne porteront pas la mention « IA » dans leur intitulé.

Les chefs de produit IA transforment les possibilités en réalité

L'un des postes émergents les plus importants est celui de chef de produit IA.

Un chef de produit classique détermine quel problème client ou opérationnel un produit doit résoudre, coordonne les équipes techniques et commerciales, et évalue si le résultat crée de la valeur. Un chef de produit spécialisé dans l'IA remplit cette même fonction principale, mais doit également tenir compte des résultats probabilistes, des limites des modèles, de la provenance des données et de la nécessité d'un contrôle humain.

Imaginons qu’un assureur mette en place un assistant IA destiné aux gestionnaires de sinistres. L’équipe technique pourrait être en mesure de résumer les dossiers et de suggérer les prochaines étapes. Il faudra toutefois qu’une personne détermine si le système doit se contenter de récupérer des informations, de recommander une action ou de prendre une décision. La réponse à cette question a des implications en matière de risques juridiques, de traitement des clients, de conception des processus de travail et de preuves requises avant le lancement.

Le chef de produit IA n'a pas besoin d'être le meilleur développeur de modèles de l'entreprise. Ce poste exige une compréhension technique suffisante pour savoir ce qui est réalisable, ainsi qu'une excellente connaissance des utilisateurs, des opérations et des risques.

C'est pourquoi l'expertise sectorielle prend de plus en plus de valeur, et non l'inverse. Un système techniquement impressionnant peut échouer s'il ne tient pas compte de la manière dont les employés travaillent réellement, s'il introduit des retards au mauvais moment ou s'il fournit une réponse qui ne peut être justifiée auprès d'un client ou d'une autorité de régulation.

Les ingénieurs déployés sur le terrain intègrent l'IA au sein de l'organisation

L'ingénieur déployé sur le terrain est plus proche de la mise en œuvre.

Plutôt que de développer un modèle général de manière isolée, ces spécialistes travaillent directement avec les clients ou les équipes opérationnelles internes afin de relier les systèmes d'IA aux données, aux processus et aux logiciels. Ils peuvent configurer des systèmes de recherche, mettre en place des flux de travail pour les agents, intégrer des modèles aux applications d'entreprise et adapter le système à mesure que les utilisateurs réels en révèlent les faiblesses.

Ce titre est désormais étroitement associé aux entreprises spécialisées dans l'IA d'entreprise, mais la fonction qu'il recouvre est plus large. Les organisations ont besoin de personnes capables de faire le lien entre une démonstration convaincante et un système de production fiable.

Cette difficulté est souvent sous-estimée. Un chatbot qui fonctionne bien avec un exemple clair peut rencontrer des difficultés face à des documents obsolètes, des autorisations contradictoires, une terminologie spécialisée et des dossiers incomplets. Il peut également nécessiter une surveillance, des procédures de secours et un transfert vers un opérateur humain.

Un ingénieur déployé sur le terrain résout donc autant un problème organisationnel qu'un problème technique. Ce rôle implique de passer du temps avec les utilisateurs, d'observer les exceptions et d'adapter le flux de travail, plutôt que de partir du principe que la première configuration du modèle est suffisante.

Pour les petites entreprises, cela ne justifie peut-être pas la création d'un poste à temps plein. Cette expertise peut être fournie par un cabinet de conseil, un éditeur de logiciels ou un responsable des opérations maîtrisant bien les aspects techniques. Le besoin reste néanmoins le même : il faut que quelqu'un comprenne à la fois le système d'IA et l'environnement dans lequel il est mis en place.

Les opérations liées à l'IA deviendront une fonction permanente

Une fois que l'IA passe du stade expérimental à celui d'une activité récurrente, les entreprises ont besoin de personnel pour la faire fonctionner.

Les opérations d'IA, parfois appelées « opérations d'apprentissage automatique » ou « opérations d'agents », comprennent la surveillance des performances, la gestion des versions des modèles, la gestion des accès et la prise de mesures lorsque les résultats se détériorent. Elles englobent également les tâches moins prestigieuses que sont la maintenance des connexions de données, l'analyse des incidents et la documentation des modifications.

Une entreprise qui déploie des agents d'IA doit faire face à une complexité supplémentaire, car le système peut aller au-delà de la simple génération de texte. Il peut extraire le dossier d'un client, mettre à jour une base de données, rédiger une réponse et déclencher une autre action. Le gain de productivité potentiel est plus important, mais les conséquences d'une erreur le sont tout autant.

Cela crée une demande pour des professionnels capables de déterminer les autorisations accordées à un agent, la manière dont son activité est enregistrée et les cas où une validation est requise. Ces professionnels devront maîtriser les questions de sécurité et la conception des processus, mais aussi comprendre comment les utilisateurs se comportent face aux systèmes automatisés. Les employés peuvent accepter trop facilement une recommandation de l’IA, l’ignorer complètement ou inventer des solutions de contournement informelles lorsque celle-ci les ralentit.

Les meilleures équipes chargées de l'exploitation de l'IA allieront donc surveillance technique et jugement opérationnel. Leur mission ne consiste pas simplement à maintenir le modèle en état de fonctionnement, mais à veiller à ce que l'ensemble du système reste utile, maîtrisé et conforme à l'objectif pour lequel il a été approuvé.

Le risque lié aux modèles ne se limite plus aux banques

Les institutions financières font depuis longtemps appel à des spécialistes du risque lié aux modèles pour remettre en question les hypothèses, les données et les limites des systèmes quantitatifs. L'IA générative étend ces disciplines à un éventail plus large d'activités.

Une entreprise qui utilise l'IA pour trier les candidatures, hiérarchiser ses clients ou formuler des recommandations en matière d'assurance doit savoir si le système se comporte de manière cohérente pour l'ensemble des groupes concernés. Un cabinet de services professionnels doit s'assurer que les analyses générées s'appuient sur des sources validées. Une équipe de communication qui utilise l'IA pour suivre l'opinion publique doit vérifier si l'ensemble de données sous-jacent ne surreprésente pas certaines plateformes ou certains publics.

Cette mission peut être confiée à un responsable de la conformité en matière d'IA, à un validateur de modèles, à un responsable de l'IA ou à un professionnel des risques déjà en poste. Le titre importe moins que l'indépendance avec laquelle cette mission est menée.

La personne qui a développé ou commandé un système n'est pas toujours la mieux placée pour l'évaluer objectivement. Les organisations ont besoin d'un processus fiable pour tester les modes de défaillance, répertorier les limites et suspendre le déploiement lorsque les données disponibles sont insuffisantes.

Il ne faut pas confondre ce rôle avec la rédaction d'une déclaration éthique. Il s'apparente davantage à l'assurance qualité, à l'analyse des risques et à l'audit interne. Ce travail soulève des questions concrètes : quelles affirmations le système peut-il émettre ? À quelle fréquence ses résultats sont-ils erronés ? Que se passe-t-il en cas de contradiction entre les informations sources ? Un utilisateur peut-il contester le résultat ? Qui mène l'enquête en cas d'incident ?

La gouvernance de l'IA nécessite bien plus qu'un simple nouveau comité

On constate également une demande croissante de professionnels capables de traduire la réglementation et les politiques en contrôles opérationnels.

Un responsable de la gouvernance de l'IA peut tenir à jour un inventaire des systèmes, classer ceux-ci en fonction de leur niveau de risque, définir les utilisations autorisées et coordonner les équipes chargées des aspects juridiques, de la sécurité, des achats et de la conformité. Ce rôle revêt une importance particulière lorsque les employés adoptent de leur propre initiative des outils accessibles au grand public ou lorsque des fonctionnalités d'IA sont intégrées à des logiciels dont l'entreprise dispose déjà.

La loi européenne sur l’IA renforce cette nécessité. Ses exigences sont mises en œuvre par étapes, notamment les dispositions relatives aux pratiques interdites, à la culture de l’IA, aux modèles à usage général et aux systèmes à haut risque. Les organisations doivent déterminer quelles obligations s’appliquent à leurs activités, plutôt que de partir du principe que tous les outils d’IA sont soumis au même régime réglementaire.

Les professionnels de la gouvernance doivent donc disposer de connaissances juridiques suffisantes pour interpréter les exigences, ainsi que d’une compréhension opérationnelle suffisante pour les rendre applicables. Une politique stipulant que “ les résultats générés par l’IA doivent être vérifiés ” est insuffisante si l’organisation ne précise pas qui procède à cette vérification, quels éléments sont contrôlés et quelles preuves sont conservées.

Les professionnels les plus efficaces ne tenteront pas d'empêcher toutes les expérimentations. Ils établiront des règles proportionnées permettant de distinguer un assistant de rédaction présentant peu de risques d'un système ayant une incidence sur l'emploi, le crédit, les soins de santé ou l'accès aux services essentiels.

Le formateur en IA devient un expert dans son domaine

Le terme “ formateur en IA ” désignait autrefois principalement les personnes chargées d'étiqueter des données ou d'évaluer les réponses des modèles. Ce travail perdure, mais une version plus spécialisée fait son apparition au sein des entreprises.

Un assistant juridique basé sur l'IA doit apprendre à identifier les sources faisant autorité et à comprendre comment le cabinet structure ses conseils. Un système de service client a besoin d'exemples de formulation acceptable, de règles d'escalade et d'engagements interdits. Un outil de communication doit faire la distinction entre une divergence factuelle, un récit émergent et une véritable menace pour la réputation.

Les personnes chargées d'enseigner et d'évaluer ces systèmes doivent donc posséder une expertise dans le domaine concerné. Elles peuvent concevoir des exemples, examiner les réponses, établir des critères d'évaluation et identifier les erreurs récurrentes. Dans de nombreux cas, le meilleur candidat sera un collaborateur expérimenté qui maîtrise parfaitement son métier et qui acquiert des compétences supplémentaires en IA.

Cela ouvre des perspectives de carrière aux professionnels qui ne souhaitent pas devenir ingénieurs. Un responsable des sinistres expérimenté, un analyste des polices d’assurance ou un spécialiste de la communication peut se voir confier la responsabilité de la qualité du travail assisté par l’IA dans ce domaine.

Cette contribution ne se limite pas à la création de consignes. Elle consiste à traduire le jugement professionnel tacite en instructions, exemples et tests exploitables par un système.

La maîtrise de l'IA fait désormais partie des descriptions de poste courantes

Il se peut que la plus grande évolution en matière d'emploi ne concerne pas du tout de nouveaux postes.

LinkedIn a indiqué en janvier 2026 que les offres d'emploi aux États-Unis exigeant des compétences en IA avaient augmenté de 70 % par rapport à l'année précédente. Cette demande ne se limite pas aux postes techniques, car les employeurs attendent de plus en plus de leurs collaborateurs qu'ils utilisent l'IA dans le cadre de leurs fonctions habituelles.

La maîtrise de l'IA ne consiste pas à accepter toutes les réponses générées ni à connaître le vocabulaire propre à l'architecture des modèles. Concrètement, cela signifie être capable de définir une tâche, de fournir un contexte pertinent, de vérifier les sources, d'identifier les informations sensibles et de déterminer si le résultat obtenu est adapté à l'usage prévu.

Pour un responsable des affaires publiques, cela peut impliquer de comparer des projets de loi, de recenser les positions des parties prenantes et de rédiger une première note d'information, tout en vérifiant chaque affirmation importante à l'aide de sources primaires. Pour un chercheur, cela peut signifier utiliser l'IA pour organiser la littérature scientifique sans présenter la synthèse générée comme une preuve empirique. Pour un responsable, cela peut impliquer de repenser un processus de travail plutôt que de simplement demander aux employés d'accomplir le même travail plus rapidement.

Ces compétences viendront de plus en plus s'ajouter aux compétences en rédaction, en présentation et en utilisation de tableurs. Leur valeur réside dans leur application dans le cadre d'une profession, et non dans la maîtrise de l'IA en tant que telle.

Certains métiers liés à l'IA qui sont actuellement envisagés ne deviendront pas des professions à grande échelle

Tous les titres à la mode ne survivront pas.

Le terme « ingénieur en prompts » est devenu synonyme de l'idée selon laquelle les entreprises emploieraient des spécialistes dont la compétence principale consisterait à rédiger des instructions destinées aux modèles linguistiques. Certaines organisations ont encore besoin d'une expertise pointue en matière de prompts et d'évaluation, notamment lorsqu'elles mettent en place des systèmes reproductibles. Cependant, la conception de prompts s'inscrit de plus en plus comme une composante de la conception de produits, du développement logiciel et de l'utilisation professionnelle de l'IA, plutôt que comme un service à part entière.

La même prudence s'impose pour des intitulés de poste tels que « directeur de l'IA ». Une grande banque, un groupe pharmaceutique ou un fabricant multinational peut avoir besoin d'un cadre chargé de coordonner les investissements, la gouvernance et la mise en œuvre. Une organisation de plus petite taille risque, en revanche, de créer une bureaucratie inutile en nommant un responsable de l'IA avant même d'avoir identifié un cas d'utilisation pertinent.

Les entreprises devraient recruter en fonction de responsabilités durables plutôt que de labels à la mode. Elles ont besoin de personnes capables d’assumer la responsabilité des résultats, de faire fonctionner le système, d’évaluer ses risques, ainsi que d’experts dans leur domaine capables d’en juger le fonctionnement. Que ces responsabilités nécessitent la création de quatre postes ou qu’elles soient réparties entre deux fonctions existantes dépend de l’ampleur du projet et de son exposition aux risques.

Les emplois de premier échelon doivent être repensés avec soin

L'IA pose un problème particulier au début de la carrière.

De nombreux postes de débutants associent traditionnellement des tâches de routine à l'apprentissage. Un jeune consultant prépare des études, un responsable de la communication rassemble des articles de presse et un stagiaire en droit examine des documents. Ces tâches peuvent sembler peu efficaces, mais elles permettent également aux employés de se familiariser avec les éléments à partir desquels se forge le jugement professionnel.

Si l'IA supprime la composante routinière sans remplacer le mécanisme d'apprentissage, les organisations risquent de former moins de professionnels expérimentés à l'avenir. Les jeunes employés pourraient être amenés à évaluer un travail qu'ils n'ont jamais appris à réaliser.

Les entreprises doivent faire la distinction entre les tâches répétitives de faible valeur ajoutée et les expériences propices au développement. Un jeune diplômé peut recourir à l’IA pour accélérer ses recherches initiales, tout en devant continuer à vérifier ses sources, à expliquer son raisonnement et à défendre ses recommandations. Les responsables devront peut-être proposer un accompagnement plus ciblé, car l’apprentissage ne se fera plus automatiquement grâce au volume de travail.

Cela modifie également les pratiques de recrutement. Les candidats débutants capables d’allier l’utilisation de l’IA à un esprit critique peuvent contribuer plus tôt à des tâches plus complexes, mais les employeurs ne doivent pas confondre rapidité d’exécution et maturité du jugement.

Les compétences relationnelles gagnent en visibilité, sans pour autant perdre de leur importance

À mesure que l'IA prend en charge une part croissante de la rédaction, de la recherche d'informations et des analyses courantes, la contribution humaine restante devient plus facile à identifier.

Les employeurs ont toujours besoin de personnes capables de prendre des décisions à partir d'informations incomplètes, de convaincre des parties prenantes sceptiques, d'identifier les sensibilités politiques et d'assumer la responsabilité des conséquences. La capacité d'adaptation, l'esprit d'analyse, la résilience, le leadership et l'influence sociale restent des atouts majeurs dans les enquêtes menées auprès des employeurs, au même titre que les compétences en intelligence artificielle et en analyse de données.

Cela ne signifie pas pour autant que les “ compétences relationnelles ” protégeront automatiquement tous les postes. Un employé au contact agréable, exerçant une activité pouvant être entièrement standardisée, peut tout de même être soumis à des pressions. La combinaison la plus efficace repose sur la maîtrise du domaine, les capacités en matière d’IA et le jugement humain.

Pour les professionnels de la communication et des affaires publiques, cela revêt une importance particulière. L'IA peut établir une liste de parties prenantes ou simuler des questions hostiles. Elle ne peut toutefois pas répondre devant un ministre, conseiller un dirigeant en pleine crise de réputation ni interpréter de manière fiable la dynamique émotionnelle d'une réunion délicate. Ces activités exigent en effet de la crédibilité, de la retenue et une bonne compréhension du fonctionnement des institutions.

Ce que les employeurs devraient mettre en place dès maintenant

Avant de créer de nouveaux postes liés à l'IA, les dirigeants devraient identifier les tâches qui évoluent.

Quelles décisions l'IA va-t-elle influencer ? Quelles tâches sont en cours d'automatisation ? Dans quels cas un être humain doit-il valider le résultat ? Quelle expertise est nécessaire pour détecter une erreur grave ? Ces questions mettent en lumière les compétences dont l'organisation a réellement besoin.

Certaines lacunes doivent être comblées par le recrutement. D’autres sont mieux comblées en formant à nouveau des personnes qui connaissent déjà les clients, les systèmes et les risques de l’entreprise. Une personne externe dotée des compétences techniques nécessaires peut mettre des mois à acquérir des connaissances qu’un employé expérimenté possède déjà.

La formation doit donc être adaptée à chaque poste. Une introduction générale peut permettre d'établir les règles de base, mais c'est en appliquant l'IA à leur travail concret, en analysant leurs échecs et en apprenant à distinguer l'assistance de la délégation que les employés acquièrent des compétences utiles.

Cette nouvelle catégorie d'emplois liés à l'IA comprendra des ingénieurs et des spécialistes. Elle inclura également des juristes capables d'évaluer une décision automatisée, des responsables capables de repenser un processus et des professionnels de la communication sachant reconnaître quand une réponse efficace ne doit pas être publiée.

La stratégie de carrière la plus solide ne consiste pas à courir après chaque nouveau titre. Elle consiste à devenir quelqu’un qui maîtrise un domaine d’activité porteur, qui comprend comment l’IA le transforme et qui est capable d’assumer la responsabilité des résultats.