Les salariés sont-ils prêts pour des postes plus seniors

L’IA peut rendre un employé junior productif plus rapidement tout en rendant ce même employé plus difficile à faire évoluer. Le Baromètre des emplois liés à l’IA de PwC de juin 2026 a révélé que les postes de début de carrière fortement exposés à l’IA avaient sept fois plus de chances que les rôles moins exposés à l’IA d’exiger des compétences traditionnellement associées à des collaborateurs seniors. Plus de la moitié des compétences nouvellement apparues dans ces offres relevaient historiquement de postes plus seniors. Le poste de début de carrière évolue avant que le système de développement qui l’entoure puisse suivre le rythme.

L’IA rend le travail de début de carrière plus senior

Le comportement des employeurs montre que ce basculement a déjà atteint les décisions de recrutement. Une enquête ZipRecruiter de juin menée auprès de plus de 1 000 employeurs américains a révélé que 31 % avaient relevé les exigences d’expérience pour les postes de début de carrière à cause de l’IA. À mesure que les postes juniors deviennent plus exigeants, les employeurs recherchent des personnes qui arrivent avec davantage d’expérience.

Les conclusions de PwC et de ZipRecruiter saisissent différentes facettes de cette évolution. PwC constate que des capacités associées à des collaborateurs seniors apparaissent dans des postes de début de carrière exposés à l’IA, tandis que ZipRecruiter observe que les employeurs relèvent l’expérience requise pour accéder à ces postes. La logique business immédiate est claire : si l’IA prend en charge la production la plus simple et laisse aux personnes les décisions les plus difficiles, les employeurs ont besoin de collaborateurs capables de prendre ces décisions.

Ces exigences plus élevées créent un problème de développement, car les collaborateurs ont toujours besoin d’un moyen d’acquérir cette capacité. Les exigences d’expérience permettent de recruter un jugement déjà formé. Former ce jugement exige une exposition répétée au travail réel, et une partie du travail qui disparaît des rôles juniors fournissait justement cette exposition tout en produisant quelque chose d’utile pour l’organisation.

L’IA compresse la production plus vite qu’elle ne compresse le jugement

Le problème de développement commence par la rapidité avec laquelle l’IA peut transformer la production d’un employé junior. Un analyste junior peut atteindre plus tôt un niveau de production analytique sophistiqué grâce à l’IA. Un nouveau recruteur peut rédiger des prises de contact, résumer des entretiens et faire des recherches sur des candidats à des vitesses qui exigeaient auparavant une expérience considérable, tandis qu’un développeur peut produire du code fonctionnel bien plus tôt dans sa carrière. Ces gains avancent dans le temps une production sophistiquée.

Cette production plus précoce crée un décalage, car le jugement se développe par l’expérience des situations et de leurs conséquences. Savoir si une analyse est appropriée, quel niveau de confiance accorder à un résultat incomplet, quand une partie prenante a besoin de davantage de contexte ou quel arbitrage une décision crée exige cette expérience. Un employé peut devenir capable de produire un travail avancé avant de devenir tout aussi capable de décider quand, pourquoi et comment l’utiliser.

L’écart se creuse à mesure que les activités structurées et répétitives deviennent plus faciles à automatiser. Une fois que ces activités occupent une part moindre du poste d’un employé junior, la part humaine se déplace vers le jugement, la communication, la résolution de problèmes et les décisions prises avec des informations incomplètes. Des capacités auparavant associées à une plus grande séniorité apparaissent alors plus tôt dans le parcours professionnel, car elles sont moins entourées de travail de moindre complexité.

Cette responsabilité plus précoce change ce que les dirigeants doivent examiner lorsqu’ils repensent les postes. La distinction utile est celle entre production inefficace et répétition développementale, c’est-à-dire des expériences répétées qui permettent à quelqu’un de se forger un point de vue, d’agir en conséquence, d’observer ce qui se passe et d’améliorer la décision suivante. L’IA peut éliminer rapidement une production inefficace, et la valeur de développement intégrée autour de cette même activité peut disparaître avec elle.

Les vitesses différentes de la production et du développement expliquent pourquoi une meilleure production ne signifie pas automatiquement un jugement professionnel mûr. Un employé capable de générer une première production de meilleure qualité a gagné en capacité productive, tandis que l’expérience dépend toujours d’une pratique dans le contexte au fil du temps. Lorsque les entreprises compressent la production plus vite que le développement, elles demandent à des employés en début de carrière d’exercer des capacités que le système précédent leur laissait des années pour construire.

Le travail que l’IA supprime faisait aussi partie du système de développement

Ce problème de temporalité compte parce que le processus de développement traditionnel accumulait du contexte avant que les employés ne reçoivent des responsabilités plus importantes. Les employés juniors commençaient par des problèmes plus circonscrits, et les plus performants prenaient progressivement en charge des problèmes plus vastes. L’exposition répétée s’accumulait en expérience jusqu’à ce que cette expérience elle-même devienne une part de ce qui rendait l’employé précieux.

Ces problèmes plus circonscrits apportaient du contexte autant que des missions gérables. Les employés inexpérimentés pouvaient observer le fonctionnement d’une organisation, apprendre ce qui importait à différentes personnes et commettre des erreurs relativement peu coûteuses tant que les conséquences restaient maîtrisables. Au moment où un employé se retrouvait face à une décision plus difficile, le travail précédent lui avait fourni le contexte nécessaire pour l’interpréter.

Les décisions prolongeaient cet apprentissage en exposant les employés aux conséquences. Les employés faisaient un choix, en constataient les effets, puis devaient réagir ou réparer ce qui avait mal tourné. Ils pouvaient devoir expliquer ce choix, réparer une relation détériorée ou reconnaître qu’une hypothèse à l’origine de la décision était erronée. Reconsidérer ces hypothèses transforme l’expérience en meilleur jugement, car l’employé apprend ce qui se passe lorsqu’une conviction donnée rencontre une situation réelle.

La Dre Rachel Wood, chercheuse en cyberpsychologie et fondatrice de l’AI Mental Health Collective, soutient que supprimer l’expérience de début de carrière peut donc supprimer « une part essentielle du travail ingrat qui construit la capacité à devenir un bon dirigeant plus tard dans sa carrière. Ce que l’IA possède, c’est de la connaissance sans expérience. » La distinction faite par Wood déplace la question : il ne s’agit plus de savoir si l’IA peut fournir une réponse, mais comment une personne apprend à exercer une responsabilité. Un collaborateur développe son jugement en partie en étant responsable d’un choix et en vivant ce qui en découle.

Le point soulevé par Wood n’oblige pas les entreprises à préserver chaque activité fastidieuse. Copier des informations entre des feuilles de calcul peut consommer des heures tout en enseignant peu de choses qui méritent de survivre à l’automatisation, et les entreprises n’ont aucune raison de préserver ce type de travail simplement pour conserver un parcours de carrière familier. Les dirigeants doivent plutôt identifier ce qu’un employé apprenait autour d’une tâche supprimée et préserver cette expérience utile par un meilleur mécanisme.

Une tâche peut être une manière inefficace de produire un résultat tout en contenant des expériences qui contribuent à former un collaborateur plus compétent. Peut-être plaçait-elle un employé junior au plus près d’une décision, exposait-elle des hypothèses qui se révélaient ensuite fausses ou exigeait-elle de communiquer avec des collègues lorsqu’un problème survenait. L’automatisation peut supprimer la tâche pendant que les dirigeants préservent délibérément ces expériences ailleurs.

Préserver ces expériences est important, car le développement junior a historiquement reposé sur l’accumulation de contexte parallèlement à l’augmentation des responsabilités. Une personne rencontrait d’abord des situations limitées, puis en voyait des variantes, avant de recevoir plus tard des décisions plus importantes, en partie parce que les expériences antérieures rendaient ces décisions moins étrangères. Si l’IA réduit fortement le temps nécessaire pour atteindre une production techniquement sophistiquée, elle peut pousser un employé vers des décisions plus importantes avant qu’un volume équivalent de contexte vécu ne se soit accumulé.

Le travail de début de carrière « seniorisé » par l’IA crée donc un problème de remplacement pour le système de développement intégré dans le travail en voie de disparition. Les entreprises peuvent préserver le gain de productivité lié à l’élimination de tâches obsolètes tout en identifiant les fonctions d’apprentissage que ces tâches assuraient autrefois. Les organisations ont toujours besoin de personnes capables d’un jugement mûr, donc ces fonctions d’apprentissage doivent trouver un autre lieu où s’exercer.

Recruter des collaborateurs expérimentés déplace le déficit de développement en amont

La réponse la plus immédiate consiste à recruter quelqu’un qui possède déjà le jugement requis. Les employeurs relèvent déjà les exigences d’expérience pour les postes de début de carrière à cause de l’IA, comme le montre l’enquête ZipRecruiter. Lorsqu’un poste repensé exige des décisions plus difficiles, relever le seuil d’expérience peut rendre plus probable que la personne qui y entre ait déjà rencontré des décisions similaires.

Pour un poste vacant pris isolément, cette approche peut être parfaitement rationnelle, car l’organisation a besoin que le travail soit fait immédiatement. Un candidat qui a déjà accumulé du jugement réduit le développement nécessaire avant de recevoir des responsabilités. À l’échelle du système de développement, toutefois, cette exigence déplace le problème en amont, car chaque candidat expérimenté a d’abord besoin d’occasions de développer ce jugement.

Déplacer le problème en amont crée un obstacle particulier pour les candidats en début de carrière. Lorsque les rôles de début de carrière exigent une expérience et un jugement auparavant construits par le travail de début de carrière lui-même, les personnes qui ont eu moins d’occasions d’acquérir ou de démontrer ces qualités subissent un désavantage structurel. Les employeurs peuvent ainsi combler des écarts de capacité immédiats, tandis que le parcours qui produit les futurs candidats expérimentés se rétrécit.

Ce rétrécissement du parcours rend le sujet plus large que le simple nombre d’années indiqué dans une fiche de poste. Les évolutions du travail junior exigent que les critères de recrutement et les pratiques de développement évoluent avec lui. Les employeurs qui sélectionnent sur la base du résultat d’un ancien processus de développement ont aussi besoin d’un nouveau processus qui offre aux nouveaux entrants un moyen de construire la même capacité sous-jacente.

Le recrutement doit observer le jugement plus directement

Modifier le seuil d’expérience laisse malgré tout aux employeurs un problème de mesure : dès lors que le jugement compte plus tôt dans une carrière, ils ont besoin de preuves plus solides qu’un candidat est capable de l’exercer. Les années d’expérience et les réalisations figurant sur un CV restent des signaux, mais elles fournissent des preuves indirectes de la manière dont une personne gérera l’ambiguïté, des pressions concurrentes ou une décision sans réponse évidente. Les entretiens classiques ajoutent une couche supplémentaire d’indirection lorsque les questions invitent les candidats à construire des récits soignés d’événements passés.

Heather Krueger, Chief People Officer chez Engine, mène des entretiens avec des candidats de niveau directeur et au-dessus, et cherche de plus en plus à comprendre comment ils réfléchissent. Les questions d’entretien traditionnelles ont tendance à regarder en arrière : ce qu’un candidat a accompli, quel résultat a suivi et ce que la personne a fait. L’IA permet désormais plus facilement aux candidats de préparer des réponses convaincantes à ces questions, ce qui réduit la valeur d’une réponse bien répétée comme preuve de raisonnement.

Parce que les réponses préparées révèlent moins sur le raisonnement en direct, Krueger explore les décisions prises sous pression, les situations ambiguës et le raisonnement qui sous-tend les choix des candidats. Elle privilégie aussi les mises en situation, où les recruteurs peuvent remettre en cause une hypothèse et observer comment le candidat réagit en temps réel. L’intervieweur obtient alors des éléments sur la manière dont une personne ajuste son point de vue lorsque les conditions évoluent, tandis que la description rétrospective du candidat ne reste qu’un élément parmi d’autres.

Le raisonnement en direct devient particulièrement important lorsqu’une entreprise recrute sur le potentiel. Krueger estime que les employeurs accordent souvent trop de valeur à ce que les candidats savent déjà, alors même que la durée de vie utile de ce savoir se raccourcit. Son attention se déplace vers la curiosité, l’adaptabilité et la capacité d’une personne à assimiler quelque chose de nouveau puis à l’appliquer, autant d’éléments qui révèlent davantage la capacité du candidat à continuer de se développer.

Cette capacité influe aussi sur le niveau de responsabilité qu’un employeur peut déléguer en toute sécurité. Krueger voit dans le jugement une base pour associer davantage de liberté à davantage de responsabilité, en particulier dans des environnements de travail rapides. Un employeur capable de voir comment un candidat raisonne dispose d’une meilleure base pour décider du degré d’autonomie à lui accorder. À mesure que l’IA accroît ce que les employés peuvent produire de manière autonome, cette décision devient plus déterminante.

Le développement doit recréer délibérément l’apprentissage que l’automatisation supprime

Une sélection plus rigoureuse traite le point d’entrée, mais ce même jugement doit encore se développer après l’arrivée des employés. Les dirigeants doivent donc identifier l’apprentissage qui a disparu lorsque le travail a été automatisé et créer délibérément des expériences qui le produisent. L’objectif est de conserver la séquence utile consistant à décider, vivre les conséquences, réfléchir et ajuster, tout en laissant disparaître la production à faible valeur.

Plusieurs formes de développement peuvent fournir ces expériences : simulations, prise de décision supervisée, exposition à des échanges entre seniors, rotations, postmortems et erreurs aux conséquences réelles mais récupérables. Chacune rapproche un employé du contexte dans lequel le jugement se forme. Une décision supervisée donne à l’employé une responsabilité avec accompagnement ; un postmortem oblige à examiner les hypothèses et les résultats ; les échanges entre seniors exposent les considérations qui sous-tendent les choix que les employés juniors ne verraient autrement qu’une fois la décision prise.

Ces expériences conçues intentionnellement peuvent aussi utiliser l’IA comme partie intégrante du processus d’apprentissage. Les employés peuvent l’utiliser dans des environnements à faible risque pour répéter des conversations difficiles ou tester des décisions avant d’agir dans la situation réelle. Utilisée de cette manière, l’IA aide à créer des répétitions autour du jugement tout en éliminant les répétitions dans la production.

La règle de conception pratique découle de la fonction d’apprentissage de l’ancien travail : demandez-vous quel apprentissage une activité automatisée produisait auparavant, puis décidez comment cet apprentissage aura lieu une fois l’activité disparue. Une partie du travail supprimé aura peu de valeur de développement et pourra simplement disparaître. Lorsqu’une activité exposait les employés à un contexte utile, à des décisions, à des erreurs ou à des conséquences, les dirigeants doivent créer une autre expérience qui fournisse cet apprentissage.

Cette règle de conception relie recrutement et développement comme deux volets d’un même problème opérationnel. La sélection a besoin de meilleurs moyens d’observer le jugement lorsque les diplômes, références classiques et réponses préparées n’apportent que des preuves indirectes, tandis que le développement a besoin de moyens délibérés de créer ce jugement une fois la personne arrivée. Les organisations qui repensent les postes autour de l’IA doivent construire ces deux processus ensemble, car recruter des personnes expérimentées ne fait que déplacer l’exigence de développement à un stade plus précoce de la carrière de quelqu’un d’autre.

Points clés

• Le travail de début de carrière devient plus senior : l’IA pousse le jugement et d’autres capacités de niveau senior dans les rôles juniors, tandis que les employeurs relèvent les exigences d’expérience. Les équipes de recrutement ont besoin de critères qui reflètent ce que les postes de début de carrière repensés exigent réellement.
• La productivité progresse plus vite que le jugement : l’IA permet aux employés juniors de produire un travail sophistiqué plus tôt que l’expérience ne développe le jugement nécessaire pour bien l’utiliser. Les concepteurs de postes doivent distinguer la production inefficace de la répétition qui construit la capacité de prise de décision.
• L’automatisation peut supprimer des expériences de développement précieuses : les missions limitées donnaient historiquement aux employés juniors du contexte, des erreurs gérables et une exposition aux conséquences. Les organisations qui automatisent ces tâches doivent identifier leur valeur d’apprentissage et recréer ailleurs les expériences utiles.
• Les exigences d’expérience déplacent le déficit de développement en amont : recruter des collaborateurs expérimentés peut résoudre un écart de capacité immédiat, mais chaque candidat expérimenté a besoin quelque part d’occasions de développer ce jugement. Les employeurs qui relèvent les exigences pour les postes de début de carrière ont besoin de parcours de développement qui continuent à produire des collaborateurs expérimentés.
• Le recrutement a besoin de preuves plus solides du jugement : les réponses préparées et les années d’expérience offrent une visibilité limitée sur la manière dont les candidats raisonnent face à l’ambiguïté. Les équipes de recrutement peuvent utiliser des mises en situation, de la résolution de problèmes en direct et des relances ciblées pour observer comment les candidats prennent et révisent leurs décisions.
• Le développement a besoin de substituts délibérés au travail automatisé : simulations, décisions supervisées, rotations, postmortems et exposition à des échanges entre seniors peuvent recréer l’apprentissage qui disparaît avec le travail routinier. Les responsables des talents et des opérations doivent cartographier les tâches automatisées avec le contexte, les décisions et les conséquences que les employés apprenaient auparavant à travers elles.