La tech creuse l’écart sur les salaires au deuxième trimestre

Plus de 600 000 postes tech ouverts témoignent d’une demande soutenue

Les offres d’emploi ouvertes pour des postes technologiques ont dépassé 600 000 en juin pour le deuxième mois consécutif, selon CompTIA. Dans le même temps, le chômage parmi les professionnels de l’IT est passé sous la barre des 3 % pour la première fois cette année. Ces chiffres indiquent une demande continue de compétences technologiques, même si le marché global du recrutement reste irrégulier.

L’évolution de fond ne correspond pas simplement à un retour à des recrutements tech généralisés. Les entreprises modifient la combinaison de compétences dont elles ont besoin à mesure qu’elles déploient des stratégies IA. La demande augmente dans les domaines qui soutiennent ces plans, tandis que d’autres catégories reculent. La principale contrainte est de plus en plus l’accès aux bonnes compétences.

La dynamique salariale confirme cette tendance. La technologie a devancé tous les autres secteurs en matière de croissance des salaires au deuxième trimestre, même si aucun taux de croissance précis n’est fourni. Combiné à plus de 600 000 postes vacants et à un chômage IT inférieur à 3 %, cela suggère que les entreprises font toujours face à une concurrence réelle pour attirer des talents technologiques de valeur.

Pour les dirigeants, les chiffres agrégés du recrutement peuvent donc être trompeurs. Une entreprise peut réduire ses effectifs dans une fonction technologique tout en payant davantage pour recruter ou retenir des spécialistes ailleurs. L’IA peut automatiser certaines tâches sans réduire la demande pour les personnes nécessaires à la conception des systèmes, à l’intégration des outils, à la gestion de technologies complexes et au pilotage de la transformation.

Cela change la question de la main-d’œuvre pour la direction générale. La priorité ne devrait pas être de savoir s’il faut augmenter ou réduire les effectifs technologiques de manière générale. Les dirigeants doivent identifier quelles capacités techniques soutiennent directement leurs plans IA, déterminer où ces compétences sont rares et allouer en conséquence les budgets de rémunération et de recrutement.

À court terme, les perspectives sont favorables pour les personnes dont les compétences sont alignées sur ces priorités. Les entreprises continuent de recruter à grande échelle. Mais les bénéfices ne seront pas répartis uniformément entre les métiers de la technologie. La position la plus solide revient aux organisations capables de définir les capacités dont elles ont besoin avant que la concurrence pour ces compétences ne fasse encore monter les coûts.

L’IA change les rôles tech que les entreprises valorisent

La restructuration portée par l’IA exerce davantage de pression sur les postes technologiques de niveau inférieur tout en augmentant la valeur des professionnels expérimentés. Les entreprises peuvent automatiser les rôles les plus juniors tout en mieux rémunérant les postes qui exigent davantage d’expérience et d’ancienneté.

Cela ne signifie pas que l’IA remplace simplement les personnes. Au contraire, l’automatisation transforme le travail confié aux équipes. Les tâches répétitives, standardisées et plus faciles à spécifier peuvent de plus en plus être transférées à des systèmes d’IA. Le travail qui exige du jugement, du contexte métier, une supervision technique ou la responsabilité de résultats complexes reste plus difficile à automatiser.

Ce basculement a une conséquence importante sur la structure de la main-d’œuvre. Les postes technologiques juniors apportent souvent aux employés l’expérience nécessaire pour développer des compétences avancées. Si les entreprises suppriment trop de tâches et de postes d’entrée de gamme, elles peuvent fragiliser le parcours interne qui forme les futurs collaborateurs seniors. Les gains d’efficacité immédiats peuvent donc créer un problème de talents à plus long terme.

Les dirigeants devraient distinguer les tâches des postes lorsqu’ils prennent des décisions d’automatisation. Un rôle peut inclure des activités que l’IA peut exécuter aux côtés d’autres qui exigent encore un jugement humain. Automatiser certaines tâches peut accroître la productivité sans faire disparaître l’ensemble du poste. Cela peut aussi donner aux employés plus de temps pour un travail à plus forte valeur ajoutée, à condition que l’entreprise investisse dans les compétences nécessaires à cette transition.

La question la plus utile pour la direction générale est de savoir quelles capacités prennent plus de valeur après l’automatisation. Les employés expérimentés capables de valider les résultats de l’IA, de gérer les exceptions, de relier les décisions techniques aux exigences métier et d’assumer la responsabilité des résultats peuvent devenir encore plus importants à mesure que l’usage de l’IA s’étend. Les stratégies de rémunération et de rétention devraient refléter ce changement.

Les entreprises doivent aussi protéger leur futur vivier de travailleurs qualifiés. Cela signifie repenser les rôles juniors plutôt que de les supprimer automatiquement. Les employés débutants peuvent apprendre à superviser des processus assistés par l’IA, à vérifier les résultats, à traiter des tâches moins standardisées et à développer des connaissances techniques plus approfondies. Bien menée, l’automatisation réduit le travail à faible valeur ajoutée tout en accélérant le développement des compétences.

L’IA modifie donc la composition des équipes technologiques, sans créer un simple choix entre humains et machines.

Le code généré par l’IA pourrait coûter plus cher que le code écrit par des humains d’ici 2028

Gartner prévoit que le développement logiciel assisté par l’IA deviendra plus coûteux que le code écrit par des humains d’ici 2028. Cette prévision remet en cause une hypothèse centrale derrière de nombreux investissements dans l’IA : automatiser davantage le travail de développement ne réduira pas nécessairement les coûts totaux des logiciels.

Les outils de coding IA peuvent aider les développeurs à générer, modifier, tester et documenter des logiciels plus rapidement. Mais le code généré nécessite toujours une revue, des contrôles de sécurité, des tests, de l’intégration, de la maintenance et de la gouvernance. Une création de code plus rapide peut aussi augmenter le volume de logiciels qu’une organisation doit gérer.

C’est important parce que les coûts logiciels se poursuivent après l’écriture du code. Les applications doivent rester sécurisées, fiables, conformes et compatibles avec des systèmes en évolution. Les résultats générés par l’IA peuvent exiger des collaborateurs expérimentés pour vérifier que le code se comporte comme prévu et respecte les standards de l’entreprise. Les gains de productivité au stade du développement ont une valeur limitée s’ils créent du travail supplémentaire par la suite.

La projection de Gartner donne aussi aux dirigeants une raison de remettre en question les modèles simples de ROI pour le développement assisté par l’IA. Des mesures comme le nombre de lignes de code produites ou le temps de développement économisé ne montrent pas si l’IA réduit le coût de livraison et de maintenance d’un système opérationnel. Les DSI et les DAF devraient mesurer l’ensemble du cycle de vie : coûts des outils et des modèles, temps des développeurs, tests, sécurité, infrastructure, intégration, maintenance et remédiation.

Cette prévision n’établit pas que chaque projet de développement IA coûtera plus cher qu’un développement conventionnel. Les résultats varieront selon l’application, les pratiques d’ingénierie, les outils d’IA et le niveau de supervision humaine requis. Elle montre en revanche pourquoi les dirigeants ne devraient pas supposer qu’une automatisation accrue produit automatiquement des coûts plus faibles.

Le meilleur objectif est d’utiliser l’IA là où elle améliore des résultats métier mesurables. Pour certaines tâches de développement, cela peut signifier une livraison plus rapide. Pour d’autres, le code écrit par des humains peut rester plus économique une fois la qualité et la maintenance prises en compte.

Cela renforce aussi la valeur des talents techniques expérimentés. À mesure que l’IA produit davantage de logiciels, les entreprises ont toujours besoin de personnes capables d’évaluer l’architecture, de valider les résultats, de gérer les risques de sécurité et d’assumer la responsabilité des systèmes en production. L’IA peut changer la manière dont la capacité de développement est utilisée, mais elle ne supprime pas le besoin de jugement d’ingénierie.

Pour la direction générale, le critère d’investissement doit être clair. Évaluez le développement logiciel assisté par l’IA à l’aune du coût total sur le cycle de vie, de la qualité logicielle, de la vitesse de livraison et de la valeur métier. La projection de Gartner pour 2028 suggère que les entreprises qui se concentrent uniquement sur la productivité de coding à court terme risquent de passer à côté des implications de coût plus larges.

La planification des effectifs liés à l’IA exige désormais une responsabilité conjointe des DSI et des RH

L’IA modifie les compétences dont les entreprises ont besoin plus vite que les plans de recrutement traditionnels ne peuvent s’adapter. Cela fait de la conception de la main-d’œuvre un élément central de la stratégie technologique. Les DSI ne peuvent pas prendre ces décisions seuls. Ils ont besoin d’impliquer les RH et les responsables des talents lorsqu’il s’agit de décider quelles compétences développer en interne, quelles personnes recruter et quel travail automatiser.

Les DSI doivent travailler avec les RH et les responsables des talents pour identifier où les talents sont nécessaires, où les compétences vont évoluer et quelles capacités l’entreprise devra posséder à l’avenir. L’objectif est un plan précis pour des compétences et des postes spécifiques plutôt qu’une cible générale d’effectifs technologiques.

La première tâche consiste à traduire la stratégie IA en besoins de main-d’œuvre. Les dirigeants doivent identifier les processus métier que l’IA va transformer, puis déterminer ce que les employés devront être capables de faire après ce changement. Certaines compétences existantes deviendront moins importantes. D’autres devront être développées. De nouveaux rôles pourront être nécessaires là où l’entreprise manque d’expertise dans des domaines comme la mise en œuvre de l’IA, la supervision technique, la sécurité, les données ou la gouvernance.

Cette analyse doit se faire au niveau des compétences et des tâches. L’IA peut automatiser une partie de la charge de travail d’un employé sans supprimer le rôle. Dans d’autres cas, plusieurs responsabilités peuvent évoluer suffisamment pour justifier une refonte du poste. Ce niveau de détail aide les RH à décider si la reconversion des compétences, les mobilités internes, le recrutement externe ou les changements de rôle constituent la meilleure réponse.

La principale contrainte est l’exécution. Une entreprise peut approuver une stratégie IA et acheter la technologie requise relativement rapidement. Développer des profils expérimentés prend plus de temps. Le recrutement externe peut aussi devenir coûteux lorsque de nombreux employeurs recherchent les mêmes compétences rares. La planification des effectifs doit donc commencer en parallèle de la planification technologique.

Une répartition claire des responsabilités est également importante. Les DSI comprennent les capacités techniques et les changements opérationnels requis. Les responsables RH comprennent l’offre de main-d’œuvre, la rémunération, le recrutement, le développement de carrière et la rétention. Combiner ces points de vue donne au management une base plus solide pour décider où recruter et où développer les employés existants.

Les dirigeants devraient aussi éviter de traiter la planification des effectifs liés à l’IA comme un exercice ponctuel de restructuration. Les compétences requises continueront d’évoluer à mesure que les outils s’améliorent et que les employés apprennent à les utiliser. Les organisations doivent suivre quelles tâches sont réellement automatisées, où la productivité augmente, quelles compétences restent difficiles à trouver et où de nouveaux écarts de capacités apparaissent.

L’objectif n’est ni l’automatisation maximale ni des effectifs minimaux. Il s’agit de disposer des bonnes capacités pour le modèle opérationnel de l’entreprise. Les DSI et les responsables RH qui relient l’investissement dans l’IA à une planification détaillée des effectifs peuvent orienter les budgets de recrutement et de formation vers les rôles qui comptent le plus tout en offrant aux employés existants des parcours plus clairs pour développer les compétences dont l’entreprise aura besoin ensuite.

Points clés à retenir pour les dirigeants

• Les talents tech restent très disputés : Les offres d’emploi tech ont dépassé 600 000 pendant deux mois consécutifs tandis que le chômage IT est tombé sous les 3 %. Les dirigeants devraient cibler le recrutement et la rémunération sur les compétences directement liées à l’IA et aux priorités métier plutôt que d’élargir largement les effectifs tech.
• L’IA déplace la valeur des compétences : L’automatisation exerce davantage de pression sur les tâches de niveau inférieur tout en augmentant la demande pour les professionnels expérimentés. Automatisez au niveau des tâches tout en préservant les parcours qui font évoluer les employés juniors vers de futurs talents seniors.
• Mesurez le développement IA à son coût total : Gartner prévoit que le développement logiciel assisté par l’IA coûtera plus cher que le code écrit par des humains d’ici 2028. Les DSI et les DAF devraient évaluer les coûts sur l’ensemble du cycle de vie, la qualité, la sécurité, la maintenance et la valeur métier plutôt que la seule vitesse de coding.
• Faites de la planification des effectifs liés à l’IA un mandat conjoint : Les DSI et les responsables RH devraient traduire les plans IA en besoins précis de compétences et de rôles. Décidez tôt quelles capacités développer en interne, recruter à l’externe ou repenser via l’automatisation.