Pourquoi les compétences humaines restent cruciales face à l’IA

L’IA relève le seuil auquel les jeunes sont confrontés lorsqu’ils entrent dans la vie active, même si les compétences de fond que les employeurs valorisent restent familières. La communication, le jugement, la résilience et le travail d’équipe restent importants, tandis que la maîtrise de l’IA s’ajoute à cet ensemble d’exigences déjà existant. La difficulté tient au fait que certaines de ces compétences durables se développent par le travail lui-même, alors même que l’IA met sous pression certaines tâches et certains rôles juniors par lesquels les jeunes acquièrent une expérience du monde du travail.

Cette tension est apparue lors d’une réunion d’une commission sur l’éducation consacrée à l’IA et à l’EdTech dans l’enseignement. Rose Luckin, professeure émérite à l’University College London, a formulé ce changement en des termes plus larges : « Il est parfaitement clair que la nature du travail change et que nous devons aider les jeunes à s’y préparer, mais comme auparavant, il ne s’agit pas seulement de les aider à utiliser la technologie », a-t-elle déclaré. Pour les employeurs, les éducateurs et les décideurs publics, être prêt pour un marché du travail façonné par l’IA implique donc à la fois des compétences technologiques et le processus établi par lequel les individus deviennent des travailleurs efficaces.

L’IA élargit le seuil de compétences à l’entrée

Le défi immédiat pour la main-d’œuvre est un ensemble d’attentes plus large. Les jeunes ont toujours besoin des compétences qui rendaient quelqu’un employable avant l’adoption généralisée de l’IA, et ils ont de plus en plus intérêt à savoir utiliser et évaluer l’IA. Cela accroît la préparation requise pour entrer sur le marché du travail, d’autant plus que l’accès à l’éducation, à la technologie et à l’expérience professionnelle varie fortement. La maîtrise de l’IA n’aura pas non plus la même importance selon les métiers, tandis que les employeurs peuvent continuer à développer les connaissances techniques propres à un poste après l’arrivée d’une personne dans l’organisation.

Le socle de préparation existant se compose de capacités dont les employeurs ont besoin depuis longtemps. La communication orale, la confiance en soi, la résilience, la pensée créative, l’organisation, la planification et le travail d’équipe ont tous été identifiés comme précieux pour les jeunes qui entrent dans l’emploi. Josh Hillman, directeur de l’éducation à la Nuffield Foundation, les décrit comme des « compétences d’employabilité » et comme des « compétences transférables qui se développent en partie dans le système éducatif puis en partie grâce à leur mise en œuvre au travail ». Sa description est importante, car elle situe une partie du développement de l’employabilité au sein même de l’emploi.

Cette répartition entre éducation et travail détermine ce que chacun peut raisonnablement apporter. L’éducation peut développer la communication, l’organisation et la capacité d’apprendre, tandis que l’emploi offre aux jeunes un autre environnement dans lequel développer leur jugement et appliquer ces capacités à de vraies responsabilités. Les employeurs peuvent ensuite enseigner les compétences techniques propres au poste, en formant les salariés autour des systèmes et des exigences de leur organisation. L’IA ajoute une couche supplémentaire à cette répartition des responsabilités.

Cette couche supplémentaire comprend la maîtrise de l’IA, une compétence numérique et technique plus large, ainsi que ce que Hillman appelle des « connaissances fondamentales et du jugement en matière d’IA ». Il soutient que l’éducation doit « évoluer dans une certaine mesure » à mesure que ces exigences se développent. Les étudiants ont donc besoin de connaissances suffisantes pour prendre des décisions éclairées impliquant l’IA, tout en conservant une base utile à mesure que les technologies et les métiers évoluent. Cette distinction est importante, car la préparation à l’usage de l’IA est plus large qu’une formation à un outil actuel ou à une profession donnée.

Prévoir avec précision les exigences de chaque métier rendrait cette préparation fragile car, comme l’a dit Hillman, « [l’éducation] ne peut pas prédire ce dont l’avenir aura besoin ». Luckin arrive à une conclusion similaire par le biais de la capacité d’apprendre : « Nous ne pouvons pas prédire exactement à quoi ressembleront leurs emplois, mais ce que nous pouvons prédire, c’est qu’ils devront être vraiment bons pour apprendre. » La rapidité du changement technologique rend l’adaptabilité et le jugement fondamental utiles dans différents futurs possibles. Ces capacités donnent aux employeurs une base sur laquelle ajouter les exigences d’un rôle particulier.

Le rôle de l’employeur se poursuit après l’embauche, car les compétences professionnelles évoluent avec le poste. Une personne dotée de solides compétences transférables peut apprendre au travail les technologies propres à son emploi, tandis que des connaissances fondamentales en IA peuvent l’aider à comprendre quand et comment un système d’IA doit être utilisé. Les employeurs conservent donc un rôle de formation, car les compétences nécessaires à un poste donné « évoluent dans une certaine mesure » ; l’éducation ne peut pas achever ce processus avant le début de l’emploi. Le problème est que les opportunités d’emploi elles-mêmes évoluent aussi.

Le paradoxe de l’entrée de carrière : les jeunes ont besoin d’expérience alors que l’IA met sous pression les rôles qui permettent de la construire

Le seuil de compétences devient plus difficile à atteindre lorsque les changements dans le travail junior affectent la voie par laquelle les individus acquièrent ces compétences. Le travail administratif couramment confié aux profils juniors peut de plus en plus être automatisé par l’IA, ce qui met sous pression certaines tâches historiquement accessibles aux travailleurs inexpérimentés. Ces tâches ont une valeur au-delà de leur production immédiate, car le travail est l’un des environnements dans lesquels les individus acquièrent des compétences transférables et deviennent prêts à assumer davantage de responsabilités. Supprimer ou transformer une tâche peut donc affecter la voie de développement autant que le travail lui-même.

L’incertitude en matière de recrutement crée une deuxième pression même lorsqu’une tâche demeure. Hillman décrit les emplois de début de carrière comme « exposés » parce que les entreprises confrontées à des conditions incertaines peuvent hésiter à s’engager dans des recrutements, et cette hésitation « touche d’abord les rôles d’entrée de carrière ». L’IA peut affecter les opportunités juniors en transformant les tâches, tandis que l’incertitude autour d’un environnement en mutation peut déterminer si les employeurs recrutent ou non. Ensemble, ces mécanismes rendent les voies d’entrée plus fragiles, sans pour autant impliquer que chaque métier junior évolue de la même manière.

Le résultat est un décalage entre les attentes et les opportunités. On demande aux jeunes d’arriver avec une base de préparation plus large alors que le travail reste un lieu important pour la développer. Kester Brewin, directeur associé à l’Institute for the Future of Work, résume directement le côté de la demande : « L’éventail de compétences qu’on demande aux jeunes d’apporter à un premier emploi s’est élargi. » Cet éventail plus large déplace davantage de préparation vers la période précédant le premier emploi.

Brewin explicite cette charge : « La demande est plus forte pour eux, ce qui fait peser une énorme responsabilité sur les jeunes », a-t-il déclaré. Pour un employeur, un niveau de base attendu plus élevé peut sembler logique lorsque les candidats arrivent capables d’utiliser les outils actuels. À l’échelle du marché du travail, cependant, ce niveau de base soulève une question pratique : comment une personne sans expérience préalable du monde du travail acquiert-elle les capacités nécessaires pour obtenir cette expérience ? Une exposition préalable à l’IA dans le cadre éducatif peut ici faire une différence significative.

Certains diplômés peuvent entrer sur le marché dans une position plus forte parce qu’ils utilisent déjà l’IA pendant leurs études. Hillman a déclaré : « Les diplômés ont probablement en moyenne davantage d’expérience de l’usage de l’IA dans le cadre de leur formation, ils acquièrent donc une partie de la maîtrise de l’IA, ce qui signifie que lorsqu’ils entrent dans ces rôles, ils sont probablement mieux à même d’en appliquer immédiatement certains usages sur le lieu de travail de manière sophistiquée. » L’exposition éducative peut donc devenir un avantage sur le marché du travail avant même qu’un employeur ne fournisse une formation. Cet avantage rend les écarts de préparation plus visibles entre les candidats.

Un diplômé qui a appris à appliquer l’IA de manière appropriée peut potentiellement contribuer immédiatement grâce à elle, tandis qu’un autre jeune peut être censé acquérir des connaissances similaires de manière autonome. La différence devient particulièrement importante lorsque l’accès à l’expérience professionnelle, à la technologie et à une éducation intégrant l’IA est déjà inégal. Ces différences influencent aussi la manière dont les familles et les jeunes interprètent l’évolution du marché. Les effets de l’IA se font donc sentir avant même qu’une candidature n’arrive chez un employeur.

Les parents commencent à modifier les conseils d’orientation qu’ils donnent à leurs enfants à cause de l’IA, tandis que les jeunes eux-mêmes pensent que cette technologie rendra l’accès à l’emploi plus difficile. Will Akrigg, responsable des affaires publiques au Royaume-Uni chez The King’s Trust, affirme que l’IA « change la donne » pour l’emploi des jeunes et a un « impact massif sur le marché du travail en général ». Ces perceptions sont importantes, car elles influencent les décisions de préparation et les trajectoires professionnelles avant que les jeunes n’arrivent au recrutement. Le processus de recrutement peut ensuite renforcer ce même sentiment de changement.

Cette inquiétude s’inscrit dans un contexte de hausse du nombre de personnes au Royaume-Uni qui sont NEET, c’est-à-dire ni en études, ni en emploi, ni en formation, même si l’IA n’est qu’un facteur parmi d’autres dans un contexte plus large du marché du travail. Le recrutement ajoute une difficulté supplémentaire, car l’IA est largement utilisée dans les processus d’embauche, ce qui a été décrit comme « décourageant » pour les jeunes en recherche d’emploi. L’IA atteint donc les candidats en début de carrière à travers les compétences attendues d’eux, le travail disponible pour les salariés juniors et le processus utilisé pour les sélectionner. Chacun de ces points peut affecter l’accès à l’expérience à partir de laquelle se développent ensuite d’autres compétences.

L’ampleur de ces effets dépend fortement du métier et du secteur. Hillman soutient que « Nous surestimons probablement les changements qui se produisent à court terme et sous-estimons les changements à long terme, mais la direction prise est assez claire : l’IA transforme le travail dans un large éventail de métiers et de secteurs, de manière inégale. » Cette inégalité déplace la question de la main-d’œuvre vers l’identification des tâches qui changent et des endroits où les travailleurs inexpérimentés peuvent encore apprendre par l’emploi. L’orientation professionnelle comme la planification des employeurs dépendent toutes deux de cette vision plus précise de l’évolution du travail.

L’éducation et les employeurs sont mal alignés alors que la cible évolue plus vite

L’évolution des tâches crée un problème de coordination parce que les écoles et les employeurs contrôlent des parties différentes du parcours vers la préparation au travail. Les écoles ne peuvent pas fournir toutes les compétences professionnelles pour tous les emplois possibles, tandis que les entreprises forment les nouveaux salariés comme les salariés en poste mais attendent aussi des entrants qu’ils disposent de certaines connaissances préalables. Les exigences du monde du travail doivent également parvenir aux établissements d’enseignement qui préparent ces entrants. L’IA rend cette transmission plus difficile parce que les connaissances et les pratiques requises évoluent rapidement.

Le système de compétences existant peine à suivre ce rythme. Patrick Milnes, responsable des politiques publiques pour les personnes et le travail à la British Chambers of Commerce, a déclaré : « Le système de compétences n’est pas aligné sur le rythme du changement que nous observons actuellement, il est donc urgent d’élaborer un plan sérieux pour une maîtrise de l’IA à long terme — et pas seulement dans l’éducation, mais dans une réforme continue de la manière dont les individus peuvent s’adapter à mesure que la technologie évolue. » Du point de vue des employeurs représentés par la British Chambers of Commerce, l’IA aggrave le problème de coordination parce qu’elle avance plus vite que les précédentes réformes technologiques et que les pratiques permettant de l’utiliser sont moins bien comprises. Cela rend également important le langage utilisé par l’éducation et les employeurs.

Milnes décrit un écart dans ce langage commun : « Les établissements d’enseignement et les employeurs pensent aux compétences, pas seulement aux compétences en IA mais à toutes les compétences, de manière assez différente, et cela peut rendre la jonction entre les deux groupes assez difficile lorsqu’il s’agit de préparer les jeunes au monde du travail », a-t-il déclaré. L’orientation qu’il propose reflète les intérêts des employeurs représentés par la British Chambers of Commerce : « Nous aimerions voir davantage d’engagement avec les employeurs sur tous ces sujets. » Un engagement accru peut clarifier les exigences, mais il ne peut pas rendre les métiers futurs entièrement prévisibles. Les jeunes ont donc aussi besoin d’informations actuelles pour prendre leurs propres décisions.

Hillman appelle à une orientation professionnelle fondée sur des informations actuelles du marché du travail : « Les jeunes ont besoin d’informations précises sur le marché du travail concernant les emplois qui changent, les tâches qui changent au sein de ces emplois ; ils doivent voir les domaines émergents vers lesquels ces emplois se dirigent — doivent-ils déménager, doivent-ils réfléchir aux pratiques de recrutement ? » Cette approche concentre l’orientation sur l’évolution des tâches, la mobilité géographique et les pratiques de recrutement, car un intitulé de poste ne suffit pas à lui seul à rendre compte de l’évolution du travail. Les systèmes d’orientation peuvent aussi rendre plus faciles à trouver des voies d’entrée viables à mesure que ces voies changent. Ce rôle devient plus important à mesure que les écoles font face à des exigences qui dépassent les connaissances académiques conventionnelles.

Brewin décrit le modèle scolaire conventionnel comme des enseignants transmettant des connaissances aux élèves et des examens et notes mesurant « dans quelle mesure ce transfert a eu lieu ». Pourtant, « on demande aux écoles d’en faire tellement plus », soutient-il, alors que les attentes autour de la technologie et de l’emploi continuent de s’élargir. Le seuil croissant de compétences soulève donc une question sur ce que les écoles sont censées fournir dans le cadre de ce modèle. L’IA met en discussion la finalité même du modèle.

Pour Brewin, « l’IA et d’autres technologies changent fondamentalement cela, donc les écoles doivent repenser leur raison d’être ». L’implication pour la main-d’œuvre est importante, car ajouter un sujet technique supplémentaire à un programme déjà surchargé ne règle pas la question de savoir qui doit développer l’employabilité, le jugement en matière d’IA ou la compétence professionnelle. Les écoles, les employeurs et les systèmes d’orientation contrôlent chacun une partie différente de ce processus, de sorte que leur alignement devient un élément de la préparation de la main-d’œuvre. L’inégalité d’accès à ces différentes composantes rend le problème de coordination plus lourd de conséquences.

La préparation à l’IA peut devenir un multiplicateur d’inégalités

Le problème de coordination devient plus grave lorsque les jeunes partent de positions très différentes. Hillman soutient que l’IA « réduit clairement le nombre d’opportunités pour ces jeunes, et elle change aussi la nature de ces emplois, mais je pense que cela va être particulièrement difficile pour les jeunes qui ont des qualifications de niveau inférieur, ou qui ont eu du mal à obtenir une expérience professionnelle et une préparation au travail dans leur parcours ». Comme l’expérience aide à construire l’employabilité, un accès plus faible à l’expérience peut aggraver un accès déjà plus faible à des compétences techniques en évolution. L’accès au numérique crée une autre ligne de fracture dans ce même processus.

La situation socioéconomique, le handicap et la géographie affectent tous l’accès à la technologie à travers le Royaume-Uni, tandis qu’un usage efficace de l’IA dépend d’une infrastructure de base fiable. Comme l’a dit Milnes : « Si vous ne pouvez même pas disposer d’un internet fiable, vous ne pourrez évidemment pas utiliser l’IA de la même manière transformatrice. » La connectivité fait donc partie du parcours vers la préparation à l’IA plutôt que d’être une question d’infrastructure distincte. L’investissement public tente d’élargir l’accès et les capacités.

Le Digital Inclusion Innovation Fund du Royaume-Uni représente un total de 11,7 millions de livres investis dans 80 programmes de compétences numériques, tandis qu’un fonds distinct de 200 millions de livres vise à faire monter les entreprises en compétences et à soutenir l’adoption et le déploiement à grande échelle de l’IA. Ces deux interventions ciblent des parties différentes de l’environnement des compétences. Le Digital Inclusion Innovation Fund élargit les efforts d’inclusion numérique, tandis que le fonds de 200 millions de livres renforce les capacités des employeurs qui façonneront de plus en plus la manière dont les travailleurs rencontreront l’IA. L’accès éducatif ajoute une autre dimension à cet environnement.

Le gouvernement britannique travaille également sur des outils de tutorat par IA gratuits pour les écoles de tout le pays. L’objectif est de rendre les ressources éducatives plus accessibles, y compris pour les élèves qui n’ont pas de technologie à la maison ou dont les familles ne peuvent pas se permettre des cours particuliers. Un accès plus large à des ressources éducatives soutenues par l’IA pourrait réduire un écart entre les élèves, tandis que les conditions dans lesquelles les élèves utilisent ces ressources continuent de déterminer ce qu’ils en retirent. Cette distinction relie l’accès au cadre social plus large de l’apprentissage.

Brewin décrit cela comme une approche « socio-technique », ce qui signifie que les capacités technologiques et leur contexte social doivent être considérés ensemble. Il craint que les essais d’IA dans les écoles se concentrent fortement sur ce que les systèmes peuvent faire tout en accordant une attention insuffisante aux relations à travers lesquelles l’éducation se déroule. « [Un] ensemble de technologies extrêmement puissantes pourrait être introduit [dans les écoles] sans vraiment réfléchir aux implications sociales sur l’écosystème de relations fondamentalement important et si précieux dans les écoles pour l’apprentissage », a déclaré Brewin. Sa préoccupation place les relations au même niveau que l’infrastructure et les outils dans l’accès effectif.

Neil Selwyn, professeur à la Monash University, explicite cette limite pour les apprenants défavorisés. « Je crains qu’il y ait une tendance à voir l’IA comme une solution rapide pour les élèves qui rencontrent des difficultés à l’école », a-t-il déclaré. Un système de tutorat peut élargir l’accès à une ressource éducative particulière, tandis que les désavantages qui entourent un apprenant peuvent aussi impliquer des besoins qui exigent un soutien humain et institutionnel durable. Ces besoins déterminent le rôle que la technologie peut jouer de manière réaliste.

Selwyn place donc les personnes et les capacités au centre de toute intervention : « Il n’existe pas de solution rapide pour les apprenants issus de milieux socialement défavorisés et cumulant plusieurs désavantages ; je pense que nous devons investir dans les personnes, les ressources et le temps », a-t-il déclaré. Sa limite quant au rôle de l’IA est tout aussi claire : « La technologie peut faire partie de cela en arrière-plan, mais je ne pense pas que la technologie sera jamais la solution à quelque problème de désavantage social que ce soit. » Pour les décideurs publics et les responsables de l’éducation, l’inclusion numérique couvre donc les conditions dans lesquelles la technologie est utilisée autant que sa disponibilité. Ces conditions incluent les opportunités et le soutien humain à travers lesquels le jugement se développe.

L’expérience de Luckin donne une dernière dimension à ce risque. « Pendant la majeure partie de ma vie universitaire, j’ai cru que l’IA serait un excellent outil pour faire tomber les barrières, pour une plus grande inclusion, et ce n’est pas ainsi qu’elle se déploie pour le moment, et nous devons vraiment être prudents à ce sujet. » La fracture pertinente est plus large que l’accès à un outil d’IA : elle inclut la connectivité, le soutien éducatif, les occasions de pratiquer, l’expérience professionnelle et les personnes disponibles pour aider les jeunes à transformer l’accès en jugement utile. À mesure que le seuil d’entrée s’élève, la planification de la main-d’œuvre doit tenir compte de ces conditions, car elles déterminent qui dispose d’une voie crédible pour l’atteindre.

Points clés à retenir pour les dirigeants

• Renforcer la préparation aux compétences d’entrée de carrière : la maîtrise de l’IA rejoint la communication, le jugement, la résilience et le travail d’équipe comme base du travail. Les employeurs peuvent centrer le recrutement sur des capacités durables et développer par la formation les compétences techniques propres au rôle.
• Préserver les voies d’accès à l’expérience professionnelle : l’IA automatise certaines tâches juniors au moment même où les employeurs attendent des nouveaux entrants qu’ils arrivent avec des compétences plus larges. Les équipes en charge de la main-d’œuvre peuvent identifier les cas où l’automatisation supprime des opportunités de développement et créer des parcours alternatifs permettant aux salariés en début de carrière de développer leur jugement et leur expérience.
• Aligner l’éducation sur l’évolution du travail : l’IA transforme les tâches plus vite que les systèmes d’éducation et de compétences ne peuvent les suivre. Les employeurs peuvent donner aux établissements d’enseignement des signaux plus clairs sur les exigences émergentes tout en investissant dans la formation et dans des informations précises sur le marché du travail.
• Traiter la préparation à l’IA comme une question d’accès : la connectivité, l’accès à la technologie, le soutien éducatif et l’expérience professionnelle déterminent qui peut développer des compétences utiles en IA. Les décideurs publics, les éducateurs et les employeurs peuvent associer l’investissement dans l’IA à un soutien humain et à des opportunités concrètes afin d’éviter que les désavantages existants ne se creusent.