Si l’IA fait le travail des débutants, comment former les experts de demain ?

Rédiger une première réponse à un client, préparer une synthèse, comparer des documents : ces tâches prennent du temps. Elles servent aussi à apprendre. Le débutant y découvre les exceptions, comprend ce qui compte et construit peu à peu son jugement. Lorsqu’une IA produit le premier résultat, une question se pose au manager : quelle place reste-t-il pour cet apprentissage ?

Il n’est pas nécessaire de renoncer à automatiser. En revanche, déléguer une tâche à un outil sans revoir la manière de former peut laisser un salarié capable d’obtenir une réponse, mais mal préparé à reconnaître une erreur.

Un signal sur les recrutements, pas une preuve de remplacement

Une étude du Laboratoire de l’Innovation et du Futur du Travail d’HEC Paris observe une baisse des embauches de jeunes dans les métiers les plus exposés à l’IA générative. Entre novembre 2022 et mars 2026, les recrutements en CDI des 21–29 ans y reculent de 28,3 %, contre 7,5 % dans les métiers les moins exposés.

Ces résultats portent sur des entrées dans l’emploi, pas sur le nombre total de postes occupés. Les auteurs constatent aussi un recul des départs : le marché semble ralentir dans les deux sens. Ils ne concluent pas à une destruction d’emplois causée par l’IA.

La prudence est importante. Le ralentissement économique, la correction du secteur numérique après les recrutements post-Covid, le télétravail et le développement de l’apprentissage peuvent expliquer une partie des écarts. L’exposition d’un métier ne mesure pas l’usage réel de l’IA dans chaque entreprise. Une corrélation ne suffit donc pas à établir une causalité.

Ce travail soulève néanmoins une question utile pour toute entreprise qui automatise : comment les professionnels acquerront-ils l’expérience nécessaire si les premières occasions de pratiquer se raréfient ? Les auteurs invitent à préserver la formation en poste et à repenser les missions confiées aux débutants.

Distinguer ce qui prend du temps de ce qui fait apprendre

Avant d’automatiser une activité, le manager peut demander au salarié de la décrire. Que faut-il comprendre pour la réussir ? Quelles erreurs sont fréquentes ? Dans quels cas faut-il demander de l’aide ?

Prenons un exemple fictif : la préparation d’une réponse à une réclamation client. L’IA peut proposer un texte. Mais le collaborateur doit encore vérifier les faits, repérer un engagement que l’entreprise ne peut pas tenir et décider si la situation exige l’intervention d’un responsable. Si seul le texte final est évalué, ces compétences restent invisibles.

Une organisation plus formatrice consiste à faire préciser au salarié son diagnostic avant de consulter la proposition de l’outil. Il compare ensuite les deux raisonnements, explique les corrections retenues et fait valider les points sensibles. Le travail est assisté, sans supprimer toute occasion de réfléchir.

Former à vérifier suppose de connaître le métier

Demander de « vérifier la réponse de l’IA » ne suffit pas. Encore faut-il savoir ce qu’une réponse correcte doit contenir et disposer de sources fiables pour la contrôler.

Le tuteur peut préparer quelques situations représentatives, puis introduire progressivement des cas atypiques. Le salarié doit expliquer sa décision, retrouver l’information qui la justifie et reconnaître les limites de son autonomie. Un résultat juste obtenu par hasard n’apporte pas la même preuve de compétence qu’un raisonnement expliqué.

Cette approche demande un temps de transmission explicite. Il faut le prévoir dans l’organisation, plutôt que supposer que les minutes économisées grâce à l’outil deviendront spontanément du temps de formation. Le responsable de la validation doit également être identifié : la présence d’une IA ne transfère pas la responsabilité du travail.

Mesurer le gain sans perdre de vue l’autonomie

Un essai limité à une activité permet de comparer le temps total avant et après, en incluant les vérifications et les reprises. La rapidité de production du premier brouillon n’est qu’une partie du bilan.

Il faut aussi regarder les erreurs détectées, la qualité finale et la capacité du salarié à traiter un cas nouveau. Sait-il expliquer ce qu’il a fait ? Repère-t-il une information manquante ? Peut-il transmettre la méthode à un collègue ? Ces observations donnent au manager des éléments pour décider de poursuivre, d’adapter ou de suspendre l’automatisation.

Automatiser peut dégager du temps pour apprendre. Cela suppose de choisir à quoi ce temps sera consacré et qui accompagnera la progression. La question de formation se traite alors en même temps que celle de l’outil, et non une fois le processus installé.

Vous souhaitez faire le point sur les compétences à préserver ou à développer dans vos équipes ? Échangeons avec Maîtrise Avenir à partir d’une situation de travail concrète.

Source : Antonin Bergeaud, Antoine Bertheau, Simon Bunel, Oscar Degos et Marco Guido Palladino, IA générative : un gel des embauches de jeunes dans les métiers exposés, LIFT Policy Paper 2026-02, octobre 2026. Lire l’étude. Les pistes d’organisation proposées ici sont notre analyse ; elles ne constituent pas une validation commerciale par les auteurs ou HEC Paris.