Qui formera les experts de demain si l’IA fait le travail des débutants ?
Il y a encore quelques années, entrer dans la vie professionnelle signifiait souvent accepter une règle tacite : avant de pouvoir décider, conseiller ou diriger, il fallait chercher, observer, reproduire, corriger et recommencer.
Le jeune consultant préparait une première analyse, le développeur débutant corrigeait des erreurs dans un code qu’il ne maîtrisait pas encore totalement, le jeune juriste dépouillait des documents avant qu’un professionnel plus expérimenté ne reprenne son travail. Ces tâches pouvaient paraître répétitives, parfois ingrates, mais elles avaient une fonction essentielle : elles permettaient d’apprendre un métier au contact du réel.
Puis l’intelligence artificielle est arrivée, avec une promesse particulièrement séduisante : gagner du temps, alléger les tâches répétitives et se concentrer davantage sur ce qui demande du jugement.
Aujourd’hui, une IA peut produire une synthèse, parcourir un document volumineux, préparer une présentation, proposer du code ou comparer plusieurs sources en quelques secondes. Le gain de productivité est évident.
Mais derrière cette efficacité se cache une question beaucoup moins confortable : si nous automatisons les tâches grâce auxquelles les débutants apprenaient leur métier, comment formerons-nous les experts de demain ?
L’expérience ne se télécharge pas
Nous avons tendance à imaginer la compétence comme une accumulation de connaissances. Pourtant, l’expérience professionnelle se construit surtout dans des situations que les manuels décrivent mal : le dossier qui dérape, la négociation que l’on pensait maîtriser, l’erreur que l’on n’avait pas vue, le client dont on avait mal compris la demande.
C’est ainsi que se développe peu à peu le discernement.
Un professionnel expérimenté ne sait pas seulement davantage de choses qu’un débutant. Il repère plus vite ce qui semble incohérent, comprend mieux les situations ambiguës et reconnaît parfois un problème avant même de pouvoir l’expliquer clairement.
Cette forme d’intelligence se construit lentement, par la pratique, les erreurs, les corrections et l’observation.
Or l’IA pourrait précisément raccourcir ce chemin.
Quand les tâches simples disparaissent
Prenons l’exemple d’une équipe de conseil.
Il y a encore peu, un responsable pouvait confier à un junior une recherche documentaire. Celui-ci explorait plusieurs sources, tentait de comprendre un secteur qu’il connaissait mal puis rédigeait une première synthèse.
Son supérieur reprenait ensuite le travail en expliquant pourquoi une source était fragile, pourquoi une conclusion allait trop vite ou pourquoi une donnée spectaculaire devait être replacée dans son contexte.
Ce processus prenait du temps, mais il produisait autre chose qu’un document : il produisait de la compétence.
Aujourd’hui, ce même responsable peut effectuer lui-même une grande partie du travail à l’aide d’une intelligence artificielle, obtenir rapidement une première analyse puis l’affiner.
L’entreprise gagne en efficacité, mais le junior risque alors de devenir moins nécessaire au processus de production précisément au moment où il aurait besoin d’y participer pour apprendre.
C’est là que se trouve le paradoxe : plus l’organisation devient efficace à court terme, plus elle peut fragiliser la construction de ses compétences futures.
Des juniors à qui l’on demande déjà d’être expérimentés
Cette évolution commence à apparaître dans les études consacrées au marché du travail.
Le Global AI Jobs Barometer 2026 de PwC montre notamment que, dans les métiers juniors les plus exposés à l’intelligence artificielle, les employeurs demandent davantage de compétences que l’on associait autrefois à des professionnels expérimentés : jugement, créativité, leadership ou réflexion stratégique.
Autrement dit, les entreprises semblent attendre des débutants qu’ils possèdent plus rapidement les qualités que leurs prédécesseurs avaient acquises progressivement.
Le paradoxe devient alors évident : nous réduisons les occasions d’acquérir de l’expérience tout en exigeant qu’elle soit présente plus tôt.
La question ne consiste donc plus seulement à savoir quels emplois l’IA va supprimer ou transformer. Il faut aussi se demander comment on progresse dans un métier lorsque la technologie prend en charge une partie des situations qui permettaient justement de l’apprendre.
Toutes les difficultés ne sont pas du temps perdu
Notre époque valorise naturellement l’efficacité. Lorsqu’une technologie nous permet de supprimer une tâche pénible ou répétitive, nous considérons généralement qu’il s’agit d’un progrès.
Mais tous les efforts ne sont pas inutiles.
Un étudiant qui cherche avant de consulter la solution découvre ce qu’il ne comprend pas. Un jeune professionnel qui tente de résoudre un problème avant de demander de l’aide apprend parfois davantage pendant cette période d’hésitation que s’il recevait immédiatement une réponse parfaite.
Des chercheurs parlent à ce propos de productive struggle, que l’on pourrait traduire par une difficulté féconde.
L’idée mérite d’être retenue : certaines difficultés ne ralentissent pas l’apprentissage, elles en constituent la matière.
Lorsqu’une intelligence artificielle nous fournit immédiatement une solution correcte, elle peut éviter une erreur, mais elle peut aussi supprimer une partie du chemin qui nous aurait permis de comprendre cette erreur.
L’IA peut aussi devenir un formidable professeur
Il serait pourtant excessif d’en conclure que l’intelligence artificielle appauvrit nécessairement les compétences.
Utilisée autrement, elle peut au contraire accélérer l’apprentissage. Un développeur peut lui demander pourquoi une solution est préférable à une autre, un étudiant peut confronter son raisonnement à plusieurs objections, un commercial peut simuler une négociation et un manager débutant explorer différentes manières de réagir à un conflit.
La différence tient alors à la façon dont on utilise l’outil.
Il existe un monde entre demander : « Fais ce travail à ma place » et dire : « Voici mon travail. Cherche les failles, contredis-moi et explique-moi ce que je n’ai pas vu ».
Dans le premier cas, l’IA remplace une partie de l’effort. Dans le second, elle peut devenir un partenaire d’apprentissage.
Le piège de l’entreprise trop efficace
Pour une organisation, la tentation de privilégier la productivité restera cependant très forte.
Pourquoi laisser un débutant consacrer deux heures à une analyse lorsqu’un collaborateur expérimenté équipé d’une IA peut obtenir un résultat satisfaisant beaucoup plus rapidement ?
À court terme, le raisonnement est cohérent.
Mais quelques années plus tard, lorsque les professionnels expérimentés quitteront l’entreprise ou changeront de fonction, qui prendra leur place si les générations suivantes ont eu moins d’occasions d’apprendre ?
Une entreprise peut décider qu’elle a besoin de moins de juniors parce que l’IA permet à une équipe réduite de produire davantage. Mais si toutes les organisations suivent cette logique, elles pourraient découvrir qu’elles manquent ensuite précisément des profils expérimentés qu’elles souhaitent recruter.
Les seniors ne naissent pas seniors. Ils ont d’abord été débutants quelque part.
Une entreprise ne peut donc pas durablement vouloir recruter de l’expérience tout en refusant collectivement de contribuer à sa fabrication.
Former devra signifier autre chose
Cette évolution oblige également à repenser la formation.
Lorsque l’IA peut rédiger, analyser, synthétiser ou produire une première recommandation, la tentation pourrait être de considérer que certaines compétences deviennent inutiles.
Ce serait confondre produire et comprendre.
Pour reconnaître une mauvaise analyse, il faut savoir ce qu’est une bonne analyse. Pour repérer une réponse approximative de l’IA, il faut posséder suffisamment de connaissances pour la mettre en doute.
Le parallèle avec le GPS est assez parlant. Nous pouvons parfaitement nous déplacer sans savoir lire une carte, tant que le système fonctionne correctement. Mais lorsqu’il propose un itinéraire absurde, nous ne pouvons le comprendre que si nous possédons encore suffisamment de repères.
Avec l’intelligence artificielle, il en ira probablement de même.
Plus les outils deviennent performants, plus notre capacité à détecter leurs limites prend de la valeur.
Il faudra peut-être préserver le droit de se tromper
Cela peut sembler paradoxal dans un monde obsédé par la productivité, mais les entreprises devront peut-être préserver certains espaces dans lesquels les débutants pourront encore chercher, hésiter et se tromper.
Non pas parce que l’erreur serait souhaitable en elle-même, mais parce qu’elle constitue parfois une étape nécessaire vers la maîtrise.
On pourrait ainsi demander à un jeune collaborateur de construire son analyse avant de consulter celle de l’IA, de défendre son raisonnement puis de le confronter aux suggestions de l’outil.
Sous une forme très moderne, cela ressemble finalement à quelque chose de très ancien : le compagnonnage.
On apprend un métier auprès de quelqu’un qui le maîtrise déjà, en observant, en essayant, en échouant parfois, puis en recommençant avec une meilleure compréhension.
L’intelligence artificielle ne remet pas nécessairement cette logique en cause. Elle nous oblige plutôt à mieux distinguer ce que nous voulons automatiser de ce que nous devons continuer à apprendre.
L’école est confrontée au même dilemme
Cette réflexion dépasse largement l’entreprise.
Que signifie aujourd’hui demander à un étudiant de rédiger une dissertation, une analyse stratégique ou un rapport lorsqu’une intelligence artificielle peut produire une première version crédible en quelques secondes ?
Interdire systématiquement l’outil paraît difficilement tenable. L’accepter sans modifier les méthodes pédagogiques le serait tout autant.
Il faudra probablement accorder davantage de valeur au raisonnement qu’au simple résultat.
Pourquoi avez-vous fait ce choix ? Comment avez-vous vérifié vos sources ? Qu’avez-vous écarté ? À quel moment avez-vous décidé de ne pas suivre la recommandation de l’IA ?
Lorsque produire devient plus facile, expliquer, justifier et critiquer deviennent plus précieux.
Le véritable risque est peut-être ailleurs
Depuis l’arrivée de l’intelligence artificielle générative, une grande partie du débat s’est concentrée sur une opposition entre l’homme et la machine.
Quels métiers vont disparaître ? Qui sera plus rapide ? Qui écrira mieux ?
Ces questions sont légitimes, mais elles pourraient masquer une transformation plus profonde.
La véritable différence ne se fera peut-être pas entre ceux qui utilisent l’IA et ceux qui ne l’utilisent pas, mais entre ceux qui s’en servent pour éviter de réfléchir et ceux qui l’utilisent pour réfléchir davantage.
Lorsque la situation sera nouvelle, ambiguë ou incertaine, cette différence deviendra beaucoup plus visible.
Car une intelligence artificielle peut suggérer, comparer, rédiger et analyser. Mais lorsqu’il faut décider, assumer les conséquences d’un choix et comprendre ce que la machine n’a pas compris, il faut encore quelqu’un qui sache penser au-delà de la réponse proposée.
Ce qu’il faut en retenir
L’intelligence artificielle ne transforme pas seulement les emplois. Elle transforme également la manière dont nous apprenons à les exercer.
En automatisant les tâches répétitives, elle offre des gains de temps considérables. Pourtant, certaines de ces tâches servaient aussi de terrain d’apprentissage aux débutants, en leur permettant d’expérimenter, de se tromper et de transformer progressivement leurs connaissances en expérience.
Le défi ne consiste donc pas à choisir entre l’humain et la machine, mais à déterminer ce qu’il est pertinent de déléguer sans supprimer les occasions dont l’humain a besoin pour progresser.
Les entreprises devront continuer à fabriquer les compétences qu’elles voudront recruter demain, tandis que les écoles devront davantage évaluer la compréhension, le jugement et la capacité à argumenter.
Car nous pouvons déléguer beaucoup de choses aux machines.
Mais si nous leur abandonnons aussi le chemin qui transforme un débutant en expert, nous risquons un jour de découvrir que nous avons parfaitement optimisé le travail du présent en oubliant de préparer ceux qui devront savoir le faire demain.
#IA
#TransmissionDesCompétences
#FormationProfessionnelle
#AvenirDuTravail




