IA et l'avenir du travail : Quels rôles sont en croissance, en déclin et en transformation

L'intelligence artificielle n'est plus une considération future, c'est une force économique actuelle. Le rapport « Future of Jobs 2024 » du World Economic Forum (WEF) prévoit que l'IA et l'automatisation créeront 69 millions de nouveaux emplois tout en en supprimant 83 millions d'ici 2027, soit une réduction nette de 14 millions de rôles, ou environ 2 % de l'emploi mondial.

Les emplois en croissance

Contrairement aux idées reçues, l'IA crée plus de rôles spécialisés qu'elle n'en élimine. Les catégories d'emplois à la croissance la plus rapide d'ici 2027 (données WEF) :

1. Spécialistes de l'IA et de l'apprentissage automatique — Croissance prévue de 40 %
2. Spécialistes en développement durable — Croissance prévue de 33 %
3. Analystes en intelligence économique — Croissance prévue de 31 %
4. Analystes en sécurité de l'information — Croissance prévue de 31 %
5. Ingénieurs de données — Croissance prévue de 30 %

Le rapport « Jobs on the Rise 2024 » de LinkedIn corrobore cela, notant que le terme « IA » est apparu dans 3,6 fois plus d'offres d'emploi en 2024 comparativement à 2022.

Les emplois en déclin

Les rôles à fort contenu cognitif routinier sont les plus exposés aux bouleversements :

• Opérateurs de saisie de données — Déclin prévu de 26 % (déjà en accélération avec l'automatisation basée sur le GPT)
• Assistants administratifs — Déclin prévu de 18 %
• Comptables et agents de paie — Déclin prévu de 16 %
• Guichetiers de banque — Déclin prévu de 15 %

Goldman Sachs estime que 300 millions d'emplois à temps plein dans le monde pourraient être affectés par l'IA générative, et qu'environ les deux tiers des professions américaines comportent au moins certaines tâches susceptibles d'être automatisées.

Les emplois en transformation

La catégorie la plus importante n'est ni la croissance ni le déclin, mais la transformation. Le McKinsey Global Institute estime que 60 % de toutes les professions ont au moins 30 % de leurs activités qui pourraient être automatisées, mais moins de 5 % des professions peuvent être entièrement automatisées. Cela signifie que la grande majorité des emplois changeront, mais ne disparaîtront pas.

Exemples de transformations :

• Directeurs marketing — Passage de la création de contenu à la stratégie augmentée par l'IA, à l'ingénierie des invites et à l'optimisation des performances
• Analystes financiers — Passage de la collecte et de la modélisation de données à l'interprétation des informations et à la recommandation stratégique
• Ingénieurs logiciels — Évolution de l'écriture de code à la conception de systèmes, à la supervision de l'IA et à l'architecture
• Avocats — Transition de l'examen de documents au jugement complexe, au conseil client et à la stratégie juridique assistée par l'IA

Les compétences qui comptent

Le WEF identifie les 10 principales compétences pour 2027 :

1. Pensée analytique
2. Pensée créative
3. IA et mégadonnées
4. Leadership et influence sociale
5. Résilience, flexibilité et agilité
6. Curiosité et apprentissage tout au long de la vie
7. Compétences numériques
8. Conception et expérience utilisateur
9. Motivation et conscience de soi
10. Empathie et écoute active

Remarquez l'équilibre : la moitié sont techniques, la moitié sont profondément humaines. L'avenir appartient aux professionnels qui combinent les deux.

Ce que vous devriez faire maintenant

• Devenir alphabétisé en IA, pas dépendant de l'IA — Comprenez ce que l'IA peut et ne peut pas faire. Utilisez-la comme un outil, pas une béquille.
• Investir dans les compétences de jugement — L'IA peut générer des options ; les humains doivent les évaluer. Pratiquez la pensée critique, le raisonnement éthique et la prise de décision complexe.
• Développer un ensemble de compétences en forme de T — Une expertise approfondie dans un domaine, plus une large culture dans les domaines adjacents, vous rend irremplaçable.
• Utiliser des simulations pour explorer — Les simulations d'emploi vous permettent de tester des rôles dans des domaines en croissance avant de vous engager dans un changement de carrière.

La photographie européenne n'est pas la photographie mondiale

Les agrégats mondiaux masquent la seule chose sur laquelle un candidat européen peut agir : où se situe réellement la demande, sous quelle réglementation, et à quel prix. Trois faits structurels reconfigurent les chiffres du Forum économique mondial dès qu'on les ramène à l'Europe.

D'abord, le continent part d'une pénurie, pas d'un excédent. Eurostat dénombrait environ 9,8 millions de spécialistes des TIC dans l'Union en 2023 — soit près de 4,8 % de l'emploi total — face à l'objectif de la Décennie numérique de 20 millions en 2030. Doubler une main-d'œuvre en sept ans n'est pas un problème de destruction d'emplois : c'est un problème de sourcing. En France, la tension se concentre sur l'ingénierie de la donnée, le logiciel industriel et les opérations de sécurité, davantage que sur la recherche en modèles.

Ensuite, la réglementation crée des emplois avant de créer des produits. Le règlement européen sur l'IA est entré en vigueur le 1er août 2024 ; les obligations relatives aux modèles à usage général s'appliquent depuis le 2 août 2025, et l'essentiel des exigences pour les systèmes à haut risque à partir du 2 août 2026. Tout déployeur d'un système à haut risque doit organiser la gestion des risques, la gouvernance des données, la documentation technique, la supervision humaine et la surveillance après commercialisation. Ce sont des lignes d'effectifs : responsables conformité IA, analystes de risque modèle, ingénieurs d'évaluation, rédacteurs techniques capables de documenter un système au standard d'un auditeur. Cette catégorie existait à peine sur le marché de 2022.

Enfin, la transformation est industrielle, pas seulement numérique. France Stratégie et la DARES, dans leurs travaux de prospective des métiers, pointent une pression simultanée sur l'ingénierie, la maintenance et les métiers du soin — portée autant par les départs en retraite que par la technologie. Concrètement, les postes IA qui se pourvoient le plus vite en France en 2025-2026 ne sont pas dans les laboratoires de recherche mais chez les industriels, banques, assureurs, énergéticiens et agences publiques qui doivent industrialiser des modèles qu'ils n'ont pas construits.

Où le recrutement a réellement lieu

Lisez les flux de postes, pas les gros titres. Quatre archétypes d'employeurs absorbent l'essentiel de la demande liée à l'IA en France et dans l'Union, et chacun achète un profil différent.

• Les constructeurs de modèles (petits, visibles, très sélectifs). Mistral AI, Hugging Face, LightOn, essaimages académiques et directions de recherche des grands groupes. Ils recrutent par dizaines, attendent des publications ou une contribution open source sérieuse, et constituent la voie d'entrée la moins probable pour une reconversion.
• Les déployeurs industriels et financiers (grands, discrets, en volume). BNP Paribas, AXA, Société Générale, Schneider Electric, Airbus, EDF, SNCF, Sanofi. Ils recrutent par centaines : ingénieurs data, MLOps, ingénieurs d'intégration, product owners capables de spécifier un modèle en langage métier.
• La couche de services (le plus gros volume, l'entrée la plus rapide). Capgemini, Sopra Steria, Accenture, Onepoint, Devoteam et les cabinets spécialisés. Recrutement de sortie d'école structuré, filières d'alternance, et la porte la plus tolérante aux parcours non linéaires.
• Le secteur public et régulé (la croissance la plus rapide, depuis une base étroite). Ministères, ANSSI, CNIL, groupements hospitaliers et agences régionales recrutent désormais sur la gouvernance de l'IA, l'expertise achat et l'ingénierie de la protection des données.

Conséquence pratique : les statistiques de croissance appartiennent majoritairement aux archétypes deux, trois et quatre — ceux pour lesquels presque personne n'optimise sa candidature.

Paysage des rémunérations

Salaire annuel brut de base indicatif en France, en contrat à durée indéterminée, part variable et actions exclues. L'Île-de-France porte une prime d'environ 10 à 15 % par rapport aux packages régionaux ; le conseil ajoute du bonus mais démarre généralement plus bas sur le fixe.

Poste	0-2 ans	3-6 ans	7 ans et plus / lead
Ingénieur data	42 000-52 000 €	55 000-70 000 €	75 000-95 000 €
Ingénieur machine learning	45 000-55 000 €	60 000-80 000 €	90 000-120 000 €
Ingénieur MLOps / plateforme	44 000-54 000 €	58 000-75 000 €	85 000-105 000 €
Analyste sécurité / SOC	38 000-46 000 €	50 000-62 000 €	70 000-90 000 €
Gouvernance IA / risque modèle	40 000-48 000 €	55 000-70 000 €	80 000-100 000 €
Analyste business intelligence	36 000-44 000 €	46 000-58 000 €	62 000-78 000 €

Deux asymétries comptent davantage que les montants absolus. La prime accordée aux compétences de mise en production — pipelines, supervision, maîtrise des coûts, documentation réglementaire — a progressé plus vite que celle accordée à la modélisation, parce que c'est en production que les projets échouent. Et l'écart à l'intérieur d'un même intitulé dépasse désormais l'écart entre intitulés : deux ingénieurs ML au même titre peuvent être séparés de 35 000 € selon qu'ils portent ou non des systèmes en production.

Voies d'entrée, classées par taux de conversion réel

1. L'alternance ou l'apprentissage (conversion la plus élevée). Un à trois ans à l'intérieur de l'entreprise, avec des taux de transformation en CDI qu'aucune candidature externe n'égale. Structurellement sous-utilisée par les personnes en reconversion, qui la croient réservée aux profils de vingt ans.
2. La mobilité interne adjacente. Le chemin le mieux documenté vers un poste IA part d'un poste non-IA dans une entreprise qui déploie déjà de l'IA. La connaissance métier plus l'outillage battent l'outillage seul.
3. Le recrutement en services et conseil. Large, récurrent, tolérant aux CV atypiques, et il vous offre cinq secteurs d'exposition en trois ans.
4. La candidature latérale fondée sur des preuves. Un artefact public — un pipeline qui tourne, une évaluation reproductible, un cas documenté — surpasse l'empilement de certificats. Les simulations remplissent la même fonction : elles produisent une preuve évaluable plutôt qu'une familiarité déclarée.
5. Bootcamp ou MOOC seul (conversion la plus faible). Utile comme échafaudage, faible comme signal, car il certifie l'assiduité et non le jugement.

Deux contre-arguments à prendre au sérieux

« Cette fois-ci n'est pas différente. » L'angoisse de l'automatisation affiche deux siècles de surestimation des destructions d'emplois : les distributeurs automatiques ont coexisté avec une hausse des effectifs de guichet pendant vingt ans avant que ceux-ci ne reculent. La réfutation honnête n'est pas que l'IA serait magique, mais que sa cible est différente. Les vagues précédentes automatisaient le travail physique et l'exécution administrative routinière ; celle-ci touche la rédaction, la synthèse et l'analyse de premier niveau — les tâches qui formaient historiquement les juniors. Le risque n'est pas tant un chômage de masse qu'une échelle d'apprentissage brisée.

« Les gains de productivité financeront simplement plus d'embauches. » Parfois vrai, et les données issues des premiers déploiements en entreprise sont réellement mitigées : les gains mesurés se concentrent sur le support et le développement, et s'évaporent là où la qualité des données est faible. Mais les gains reviennent à l'entreprise, pas automatiquement au poste. Une équipe qui gagne 30 % de productivité n'est élargie que si la demande pour sa production est élastique. Posez-vous cette question sur votre propre fonction avant de supposer que le bénéfice tombera de votre côté de la table.

Trois scénarios à l'horizon 2030, et comment les lire

Prévoir un chiffre unique est une erreur de catégorie. Ce dont un professionnel a besoin, c'est d'un petit ensemble de futurs possibles et d'un signal qui indique lequel est en train d'advenir.

1. Diffusion (le plus probable). L'IA se répand inégalement dans les grandes organisations, freinée par la qualité des données et la réglementation. L'emploi net bouge peu ; le contenu des tâches change presque partout. Les gagnants sont ceux qui savent raccorder un modèle à un processus : intégration, gouvernance, conduite du changement. Signal précoce : la croissance des intitulés contenant « plateforme », « gouvernance » ou « opérations » plutôt que « recherche ».
2. Compression. Des agents performants automatisent des chaînes entières de tâches juniors dans le support, le back-office et l'analyse de base. Le premier barreau de l'échelle s'amincit, et l'apprentissage par osmose des trois premières années disparaît avec lui. Signal : une baisse des recrutements de jeunes diplômés dans les grandes entreprises de services à chiffre d'affaires stable. Dans ce monde, la preuve structurée de compétence — simulations, échantillons de travail évalués, artefacts de portfolio — devient le seul substitut crédible à une expérience que personne ne vous paiera pour acquérir.
3. Contrainte. Le coût de l'énergie, la rareté du calcul, le contentieux ou un choc de contrôle ralentissent le déploiement. La demande se concentre sur l'audit, la sécurité et la remédiation, et la prime passe de « construire » à « prouver ». Signal : une hausse des dépenses d'assurance qualité relativement au développement.

Les trois scénarios récompensent le même actif de fond : un jugement démontrable sur un processus réel. Aucun ne récompense un certificat.

Les 90 prochains jours, concrètement

• Semaines 1-2 — situez-vous. Notez vos cinq tâches les plus consommatrices de temps et qualifiez chacune d'automatisable, augmentable ou protégée. C'est cette cartographie, et non un intitulé de poste, qui détermine votre exposition.
• Semaines 3-6 — produisez un artefact. Prenez une tâche augmentable et reconstruisez-la de bout en bout avec un modèle dans la boucle, en incluant la façon dont vous la superviseriez et la documenteriez. Un artefact achevé et défendable vaut mieux que quatre formations.
• Semaines 7-10 — faites-le évaluer. Soumettez ce travail à quelqu'un qui recrute. Une simulation, une preuve de concept interne ou une contribution open source relue convertissent une compétence déclarée en compétence observée.
• Semaines 11-13 — visez le deuxième archétype. Candidatez là où se trouve le volume : déployeurs et entreprises de services, avec l'artefact en première ligne de la candidature et non en annexe.

Méthode et limites

Ce que cet article est, et ce qu'il n'est pas, pour que vous puissiez le confronter à votre situation.

• Les chiffres du Forum économique mondial sont des anticipations d'employeurs, pas des mesures. Le Future of Jobs Report agrège des enquêtes déclaratives auprès de grandes entreprises. Les projections nettes d'emplois sont directionnelles ; elles ont historiquement été révisées.
• L'exposition des tâches n'est pas une destruction d'emplois. Les estimations de Goldman Sachs et de McKinsey quantifient les tâches techniquement automatisables. L'adoption est bridée par les coûts, la réglementation, la qualité des données et l'inertie organisationnelle — c'est précisément pourquoi la catégorie « transformation » est plus large que la croissance ou le déclin.
• Les fourchettes salariales sont une synthèse, pas une enquête de rémunération. Elles sont construites à partir d'offres publiées en France, de reportings de marché de type APEC et de fourchettes de recruteurs, exprimées en brut de base hors bonus, participation et actions. Considérez-les comme des points d'ancrage de négociation, avec une marge d'erreur d'environ ±10 %.
• Périmètre géographique. Rémunérations et voies d'entrée décrivent la France et, moyennant ajustement, le Benelux et l'Europe du Sud. Les fourchettes allemandes et nordiques sont plus hautes ; celles d'Europe centrale plus basses.
• Ce qui nous ferait changer d'avis. Une baisse durable du volume d'offres liées à l'IA sur deux trimestres consécutifs, ou un report d'application du règlement européen sur l'IA, ferait passer les métiers de gouvernance de « croissance » à « statu quo ».