L’impact de l’IA sur la main-d’œuvre est aussi un problème de définition des postes
Une entreprise peut revoir ses effectifs techniques avant d’avoir clairement défini le travail qu’elle attend de ses équipes. Lorsque les décisions sur la main-d’œuvre commencent par des suppressions de postes, l’évolution des responsabilités peut recevoir moins d’attention. L’analyse d’Andela sur les descriptions de postes techniques met en évidence ce problème : des intitulés familiers regroupent désormais des combinaisons de responsabilités que les employeurs peinent à décrire.
Pour comprendre ces évolutions, Hymel, en commentant les conclusions d’Andela, s’est demandé ce qui se passait au sein même des postes. « Il y a énormément de discussions sur le fait que l’IA supprime des emplois, que l’IA transforme les emplois, mais cela reste assez vague et anecdotique », a-t-il déclaré. Il a ensuite posé la question suivante : « Si ces emplois évoluent, quels sont ceux qui évoluent ? Et quels sont les changements de compétences sous-jacents qui provoquent ces tensions sur le marché ? »
Ces questions concernent aussi un marché qu’Andela sert. Son activité met en relation des employeurs avec des talents techniques, elle bénéficie donc du fait que les entreprises cherchent de l’aide pour trouver des personnes adaptées à des rôles en évolution. Son analyse montre aux employeurs comment les exigences de recrutement évoluent, tandis que l’interprétation de Hymel explique comment ces évolutions pourraient affecter la conception des postes.
Des intitulés techniques familiers recouvrent désormais des exigences plus larges
L’examen des descriptions de postes par Andela a révélé des exigences changeantes et qui se chevauchent pour les chefs de produit, les ingénieurs front-end et back-end, les développeurs et les postes associés. Un intitulé familier peut donc désormais s’accompagner de nouvelles attentes sur ce qu’une personne doit savoir et sur les décisions qu’elle doit prendre. Les responsables du recrutement doivent expliquer comment ces responsabilités s’articulent entre elles.
Les ingénieurs en machine learning illustrent cette extension. Andela a constaté que les employeurs leur demandaient des compétences généralement associées aux architectes logiciels ou aux ingénieurs back-end, combinant l’expertise en machine learning avec des capacités issues de rôles voisins. Une équipe de recrutement doit expliquer comment ces capacités seront utilisées ensemble afin que les candidats comprennent le périmètre du poste.
Ce chevauchement apparaît aussi dans le DevOps, qui relie le développement logiciel à l’exploitation et à la maintenance des logiciels. Dans les descriptions examinées par Andela, les rôles DevOps exigeaient désormais des connaissances en cloud engineering. Les employeurs peuvent traiter ces domaines comme des spécialités distinctes ; les combiner modifie donc à la fois le travail confié à un poste vacant et les qualifications utilisées pour évaluer les candidats.
L’ingénierie front-end étend ce chevauchement aux décisions produit. Les ingénieurs front-end construisent les parties du logiciel avec lesquelles les utilisateurs interagissent, mais Hymel a expliqué que les employeurs leur demandaient aussi d’aider à décider ce que ces parties devaient faire. « Les entreprises poussent les ingénieurs front-end à avoir de meilleures soft skills et à être capables de définir et de développer des fonctionnalités », a-t-il déclaré.
Aider à définir une fonctionnalité ajoute la responsabilité de décider quoi construire, en plus de sa mise en œuvre. Hymel a formulé ce lien explicitement : « Ils veulent que les ingénieurs front-end mettent un pied dans le rôle de chef de produit. » De meilleures compétences relationnelles soutiennent ce rôle élargi, car la définition des fonctionnalités exige de travailler avec des personnes de différentes fonctions. Lorsqu’un responsable du recrutement demande ces compétences, il doit donc expliquer quelles décisions produit l’ingénieur contribuera à prendre.
Hymel appelle ces exigences qui se chevauchent des « skill bleeds ». Dans les exemples du machine learning, du DevOps et du front-end, les employeurs combinent des capacités auparavant associées à des rôles voisins. L’évolution du front-end modifie aussi les personnes qui contribuent à définir le travail, de sorte que la question de la conception des postes va au-delà de l’acquisition de connaissances en IA.
Un projet en tête ?
Planifiez un appel de 30 minutes avec nous.
Des experts senior pour vous aider à avancer plus vite : produit, tech, cloud & IA.
De nouvelles définitions de rôles donnent une forme plus claire au travail émergent
Lorsque les responsabilités traversent les catégories de postes établies, les employeurs peuvent reconnaître le travail qu’ils doivent faire réaliser tout en ayant du mal à décrire le poste chargé de l’assumer. Hymel a décrit directement cette difficulté : « Ce que nous avons observé dans les données ici, c’est qu’il existe en réalité un besoin, du côté des entreprises, pour de nouveaux domaines de travail qu’elles ont du mal à exprimer ou à formaliser dans des offres d’emploi. »
Pour décrire ces besoins, l’équipe de Hymel s’est appuyée sur l’analyse des descriptions de postes d’Andela afin de formuler des rôles émergents. L’équipe a examiné l’évolution des exigences, identifié les chevauchements et construit des définitions de rôles autour de ceux-ci. Ces définitions proposées donnent aux employeurs un moyen de parler de combinaisons de travail qui s’intègrent difficilement dans les catégories existantes.
Parmi les intitulés proposés figurent DevSecOps security engineer, docs-as-code engineer et lakehouse analytics engineer. DevSecOps intègre la sécurité au développement et aux opérations logicielles ; docs-as-code applique aux documents des méthodes de développement logiciel ; et un lakehouse combine un stockage de données flexible avec une analyse structurée des données. Chaque intitulé désigne une combinaison émergente de responsabilités. Un employeur qui envisage l’une de ces définitions doit encore décider comment ses responsabilités s’articuleraient dans un poste et de quoi cette personne serait responsable.
Une autre proposition, FinOps reliability engineer, rend cette combinaison concrète. Le FinOps concerne la gestion financière des opérations technologiques ; ce rôle combinerait le suivi des coûts d’infrastructure cloud, la budgétisation de la consommation de tokens et la prévision ainsi que la modélisation des coûts des systèmes d’IA. Les tokens sont les unités de texte ou d’autres données qu’un modèle d’IA traite ou produit ; budgétiser leur consommation ajoute donc au rôle un coût d’usage spécifique à l’IA.
Ensemble, ces missions donneraient à un même poste la responsabilité des dépenses d’infrastructure, des budgets d’usage de l’IA et des estimations des futures dépenses liées à l’IA. Formeraient-elles un périmètre de responsabilité cohérent ? Un dirigeant chargé de définir le poste devrait en décider, et le rôle proposé facilite cette discussion en présentant ces missions comme un ensemble de travail connecté.
L’obsolescence des compétences et les besoins de travail non satisfaits peuvent coexister
De nouvelles combinaisons de responsabilités peuvent émerger tandis que des compétences existantes perdent de leur valeur. Hymel a indiqué que les entreprises recrutaient auparavant des personnes dotées de talents censés rester utiles tout au long d’une carrière, tandis que l’IA rend certaines compétences obsolètes. Un employeur peut donc avoir moins besoin d’une capacité tout en ayant besoin d’une combinaison différente de compétences.
Lorsque les exigences évoluent rapidement, l’écart entre les compétences disponibles et le travail requis peut se creuser. Hymel appelle cela la dette de talents : un décalage qui se construit entre les capacités dont disposent les employeurs et celles qu’exige leur travail. « Le rythme auquel la technologie et les compétences requises mûrissent est si rapide que les employeurs commencent à accumuler une dette de talents d’une manière qu’ils n’avaient jamais eu à gérer auparavant, et cela se traduit évidemment ensuite par des changements de poste », a-t-il déclaré.
Pour les employeurs confrontés à ce décalage, identifier une compétence obsolète n’est qu’un aspect de la définition de la main-d’œuvre dont ils ont besoin. Ils doivent aussi décider quelles responsabilités chaque poste doit porter. Les chevauchements mis en évidence dans l’analyse d’Andela en font une tâche concrète de conception des postes : les dirigeants doivent déterminer comment les capacités s’articulent entre elles avant de juger comment les rôles existants se rapportent au travail transformé.
Parce que la baisse de valeur de certaines compétences peut coexister avec des besoins d’entreprise non satisfaits, Hymel conseille aux entreprises d’éviter les réponses réflexes telles que les licenciements massifs. Les employeurs peuvent encore avoir du mal à décrire le travail dont ils ont besoin dans un poste vacant ; décider des effectifs à ce stade revient donc à reporter un problème non résolu de conception des postes dans la décision organisationnelle ou de recrutement suivante. Définir le travail donne aux dirigeants une base plus claire pour choisir les capacités dont ils ont besoin et la manière de les organiser.
Les candidats à l’emploi font face aux mêmes évolutions, mais de l’autre côté. Une personne dont l’expérience correspond à un intitulé familier peut trouver des offres qui conservent cet intitulé tout en demandant une combinaison plus large de capacités. L’évolution des intitulés ajoute une autre difficulté : les travailleurs doivent comprendre à la fois comment le travail a changé et quelles descriptions correspondent désormais à leur expérience.
Ces évolutions peuvent désavantager les travailleurs dont les qualifications correspondent étroitement à d’anciennes définitions de rôles, d’autant plus que les personnes n’ont pas toutes les mêmes possibilités ni les mêmes ressources pour s’adapter. Passer à un rôle nouvellement défini peut être difficile pour un travailleur concerné, car les responsabilités émergentes peuvent exiger des capacités différentes de celles qui perdent de la valeur. Les employeurs peuvent avoir des besoins non satisfaits tandis que les candidats restent exposés à la perte d’emploi ou à la baisse de la demande pour leurs compétences.
Points clés à retenir pour les décideurs
- Définir le travail avant de décider des effectifs : Les employeurs qui évaluent l’impact de l’IA sur la main-d’œuvre ont besoin de descriptions claires des responsabilités et des capacités exigées par leur activité. Répondre à ces questions donne une base plus solide aux décisions de recrutement et de restructuration.
- Rendre explicites les responsabilités élargies : Les intitulés techniques combinent de plus en plus des spécialités voisines, notamment le machine learning avec l’ingénierie back-end et le développement front-end avec la gestion de produit. Les responsables du recrutement doivent préciser comment ces compétences s’articulent et quelles décisions relèvent de chaque rôle.
- Tester la cohérence du périmètre de responsabilité des rôles émergents : Les rôles proposés par Andela donnent aux employeurs un point de départ pour organiser de nouvelles combinaisons de travail. Un FinOps reliability engineer proposé, par exemple, réunit les dépenses cloud, les budgets de tokens d’IA et les prévisions de coûts ; les employeurs doivent encore établir si ces missions relèvent bien d’un seul poste.
- Traiter la dette de talents en parallèle de l’obsolescence des compétences : La baisse de la demande pour des compétences existantes peut coexister avec des besoins non satisfaits en nouvelles capacités. Les planificateurs de la main-d’œuvre doivent évaluer les deux écarts et tenir compte des possibilités inégales qu’ont les travailleurs de s’adapter.
Un projet en tête ?
Planifiez un appel de 30 minutes avec nous.
Des experts senior pour vous aider à avancer plus vite : produit, tech, cloud & IA.
