Les métiers de l'IA
cartographie d'un monde qui naît

Il faut commencer par regarder les chiffres en face, car ils dessinent un paysage plus nuancé que les gros titres. Selon le Future of Jobs Report 2025 du Forum économique mondial, qui a interrogé plus de mille grands employeurs représentant plus de quatorze millions de salariés à travers cinquante-cinq économies, la décennie verra disparaître environ 92 millions d'emplois et en apparaître environ 170 millions — soit un gain net de 78 millions, l'équivalent de 14 % de l'emploi mondial actuel^[1]. La bascule n'est donc pas une saignée, mais une redistribution massive : des métiers s'effacent, d'autres surgissent, et la ligne de faille passe entre ceux qui suivent le mouvement et ceux qui le subissent.

Fait souvent ignoré : les emplois qui croissent le plus vite en nombre absolu ne sont pas des métiers technologiques. En tête de liste figurent les ouvriers agricoles, les livreurs, les métiers du soin — poussés par la transition écologique et le vieillissement démographique^[1]. Mais en rythme de croissance, ce sont bien les rôles liés à l'IA qui explosent : spécialistes du big data, ingénieurs fintech, spécialistes de l'IA et du machine learning caracolent en tête des professions dont la demande grimpe le plus vite^[2]. C'est cette famille de métiers, encore jeune et mal connue, que nous allons cartographier.

Trois familles de métiers émergents

Pour s'y retrouver, il est utile de ranger cette faune nouvelle en trois grandes familles, selon leur rapport à la machine. Ceux qui la construisent, ceux qui la font parler et la déploient, et ceux qui la surveillent et l'encadrent. Chacune répond à un besoin distinct, et chacune ouvre des portes à des profils très différents.

Famille 1 — Ceux qui construisent la machine

C'est la famille la plus ancienne et la plus technique. On y trouve l'ingénieur en machine learning, qui conçoit et entraîne les modèles ; le data scientist, qui extrait du sens des données ; le spécialiste du big data, qui bâtit les infrastructures capables d'ingérer des volumes colossaux d'information. Ces rôles existaient avant la vague des IA génératives, mais celle-ci les a propulsés en tête des recrutements. Le rapport annuel de l'AI Index de Stanford confirme une demande de compétences en IA qui grimpe rapidement chez les employeurs, données de marché du travail à l'appui^[3].

Un métier plus récent complète cette famille : le MLOps engineer (pour Machine Learning Operations), sorte de mécanicien de l'IA en production. Car entraîner un modèle est une chose ; le faire tourner de façon fiable, surveillée et économe dans une entreprise en est une autre, souvent plus difficile. Ce rôle, à la croisée du développement et de l'exploitation, figure parmi les mieux rémunérés du secteur^[4].

Famille 2 — Ceux qui font parler et déploient la machine

C'est ici que se logent les métiers les plus emblématiques de l'ère générative — et les plus accessibles à des profils non purement techniques. Le plus médiatisé est l'ingénieur de prompts (prompt engineer), spécialiste de l'art de formuler les requêtes qui tirent le meilleur d'un modèle. Sa rémunération a fait couler beaucoup d'encre : aux États-Unis, les fourchettes annoncées par les grandes entreprises technologiques s'échelonnent souvent entre 110 000 et 250 000 dollars par an^[5].

Un mot de lucidité s'impose toutefois sur ce métier précis, car c'est le plus sujet aux effets de mode. Plusieurs voix du secteur estiment que le « prompt engineering » comme fonction autonome pourrait se diluer à mesure que les modèles deviennent plus intuitifs et que savoir bien les solliciter devient une compétence transversale, attendue de tous, plutôt qu'un métier séparé. La compétence, elle, restera précieuse ; le titre de poste, peut-être moins. Ce qui prend le relais, on l'a vu ailleurs sur ce blog, c'est le context engineering — l'art plus profond de composer tout l'environnement d'information du modèle.

À côté du prompt engineer prospèrent des rôles plus durables : l'architecte de solutions IA, qui conçoit comment intégrer l'IA dans les systèmes d'une entreprise ; le chef de produit IA, qui traduit les besoins métier en fonctionnalités ; et surtout, montant en puissance, l'architecte de systèmes multi-agents, qui orchestre plusieurs IA spécialisées travaillant de concert. Enfin, un rôle stratégique s'impose dans les grandes organisations : le Chief AI Officer, directeur de l'IA, chargé de piloter la transformation à l'échelle de toute l'entreprise.

Famille 3 — Ceux qui surveillent et encadrent la machine

C'est la famille la plus jeune, et sans doute la plus révélatrice de la maturité du secteur. À mesure que l'IA prend des décisions qui affectent des vies — un prêt accordé ou refusé, un CV retenu ou écarté —, le besoin de la contrôler devient impératif. Émergent alors le spécialiste de l'éthique de l'IA, chargé de traquer les biais et de veiller à un usage équitable ; le spécialiste de la gouvernance et de la conformité IA, qui s'assure du respect des réglementations comme l'AI Act européen ; et l'auditeur d'algorithmes, qui vérifie qu'un système fait bien ce qu'il prétend faire, sans dérive cachée^[6].

Ces métiers de la confiance ne sont pas un luxe : ils sont la condition même de l'adoption de l'IA dans les secteurs sensibles. Une entreprise ne déploiera une IA dans la santé, la finance ou le recrutement que si elle peut en répondre. Le gardien devient aussi important que le bâtisseur.

La vraie compétence recherchée n'est pas celle qu'on croit

On pourrait déduire de tout cela qu'il faut, pour avoir un avenir, devenir ingénieur. Ce serait une lecture trompeuse. Le même rapport du Forum économique mondial révèle un basculement plus subtil : si les compétences technologiques — IA, big data, cybersécurité — croissent effectivement le plus vite, elles arrivent accompagnées de compétences résolument humaines. La pensée créative, la résilience et l'adaptabilité, la curiosité et l'apprentissage tout au long de la vie figurent en haut de la liste des compétences en hausse^[7].

Autrement dit : plus la machine devient puissante, plus ce qui reste rare et précieux, c'est ce qu'elle ne sait pas faire. Juger, relier, imaginer, décider dans l'incertitude. Une étude de Stanford confirme d'ailleurs que l'IA, loin de seulement remplacer, tend le plus souvent à augmenter la productivité et à réduire les écarts de compétence au sein de la main-d'œuvre — les moins expérimentés progressant souvent plus vite grâce à elle^[3].

Ce dernier point mérite qu'on s'y arrête, car il est porteur d'espoir. Que le taux de compétences bouleversées recule de 44 % à 39 % ne signifie pas que le changement ralentit — il signifie que les organisations qui investissent dans la formation continue reprennent la main sur la vague, au lieu de la subir. La compétence la plus stratégique de la décennie n'est peut-être aucune des neuf que nous avons listées. C'est la capacité, individuelle et collective, à en apprendre de nouvelles.

Et pour un territoire comme le nôtre ?

Il serait tentant de croire que ces métiers se concentrent exclusivement dans les métropoles et les grands laboratoires. C'est de moins en moins vrai. La plupart de ces rôles s'exercent au moins en partie à distance, et surtout, leur demande dépasse largement l'offre de profils formés — un déséquilibre qui bénéficie aux territoires capables de former leurs propres talents. Rappelons ce constat, cité dans nos autres dossiers : une large part des entreprises peine à trouver les compétences IA dont elle a besoin^[8]. La rareté crée l'opportunité.

Pour une ville moyenne, l'enjeu n'est donc pas de rivaliser avec la Silicon Valley sur l'ingénierie de pointe, mais de former les profils intermédiaires dont chaque PME aura besoin : ceux qui savent déployer l'IA dans une entreprise réelle, l'encadrer, l'expliquer, la relier aux métiers. C'est précisément là que se situe le gisement d'emplois le plus accessible — et le plus utile au tissu économique local.