L'intelligence artificielle risque-t-elle de créer une génération de travailleurs sans expérience ? (chronique)

L'intelligence artificielle ne transforme pas seulement le nombre de personnes nécessaires pour accomplir un travail. Elle transforme aussi leur apprentissage. Automatiser recherches, analyses et comptes rendus fait gagner du temps. Mais cette automatisation peut supprimer, sans même qu'une entreprise s'en rende compte, un exercice sur lequel reposait jusqu'ici la formation de ses collaborateurs débutants. Les opérations les moins valorisées d'un métier ne sont pas toujours les moins utiles à son apprentissage.

Le problème dépasse les difficultés d'embauche des jeunes. Même lorsqu'ils obtiennent un poste, que reste-t-il de leur formation si une machine accomplit les opérations auxquelles ils auraient autrefois participé ? Une entreprise peut produire davantage avec moins d'interventions humaines. Il n'est pas certain qu'elle continue pour autant à développer les compétences dont elle aura besoin dans dix ans. Car savoir obtenir un résultat et savoir en apprécier la pertinence sont deux capacités différentes, même lorsqu'elles semblent aboutir au même document.

Les tâches élémentaires n'étaient pas seulement des tâches à éliminer

Le travail des débutants comporte des opérations répétitives. Préparer un dossier, rechercher des informations, mettre en forme des données ou rédiger une première version d'un document représente rarement l'activité la plus prestigieuse d'une équipe. Ces tâches remplissent pourtant une fonction moins visible : elles obligent les nouveaux arrivants à se familiariser avec le détail des situations, à repérer des incohérences et à mesurer progressivement l'écart entre une réponse théoriquement correcte et une réponse adaptée au contexte.

Un jeune juriste qui examine des pièces ne découvre pas uniquement des textes. Il apprend à reconnaître ce qui mérite d'être approfondi. Un collaborateur en communication qui prépare une revue de presse finit par distinguer une information importante d'un bruit médiatique. En informatique, la recherche d'un dysfonctionnement développe une compréhension que la lecture d'une solution achevée ne procure pas toujours. Ces expériences, rarement inscrites dans les fiches de poste, construisent l'autonomie.

L'IA peut désormais prendre en charge une grande partie de ces opérations. L'entreprise y gagne : les professionnels expérimentés récupèrent des synthèses, des analyses préparatoires et des propositions immédiatement exploitables. Mais si le débutant ne réalise plus le travail initial, sa place devient ambiguë. On peut lui demander de vérifier une réponse alors qu'il n'a pas suffisamment pratiqué pour en reconnaître les erreurs les moins évidentes. Le contrôle exige précisément une familiarité avec les problèmes que l'automatisation lui évite de rencontrer.

Il serait néanmoins absurde de défendre le maintien artificiel de tâches pénibles simplement parce qu'elles existaient auparavant. Toutes n'étaient pas formatrices, et certaines absorbaient du temps sans développer de compétence particulière. Mais une tâche médiocre du point de vue de la productivité pouvait être précieuse pour découvrir les rouages d'un métier. Il faut identifier les expériences indispensables et préserver leur fonction pédagogique autrement. Automatiser peut être excellent, sauf si disparaît aussi l'occasion d'apprendre.

Une bonne performance ne prouve pas qu'une compétence a été acquise

Une étude publiée en octobre 2026 dans Nature Human Behaviour apporte un éclairage. Dans une expérience réunissant 487 consultants confrontés à des tâches de science des données, l'accès à l'IA améliorait leurs performances sur des travaux dépassant leurs compétences habituelles. Pourtant, les chercheurs n'ont pas observé d'amélioration correspondante de leurs connaissances techniques lorsque les participants étaient ensuite évalués sans l'outil. La technologie avait augmenté leur capacité d'exécution, sans démontrer un véritable transfert de savoir.

Cela ne signifie pas que l'IA empêche nécessairement d'apprendre. Une autre expérimentation, menée auprès de 673 apprentis en informatique dans des établissements allemands, montre qu'elle peut élargir les tâches accessibles aux débutants, y compris au-delà de leur formation, sans dégrader leur compréhension immédiate. Ces résultats ne se contredisent pas : publics et compétences diffèrent. Ils invitent surtout à distinguer la réussite avec assistance, la compréhension immédiate et la capacité à reproduire ultérieurement un raisonnement de manière autonome.

La différence apparaît lorsqu'un problème inattendu survient. Un salarié peut obtenir un programme fonctionnel ou une analyse convaincante en s'appuyant largement sur l'IA. Saura-t-il expliquer pourquoi une hypothèse a été retenue plutôt qu'une autre, identifier une source trompeuse ou défendre sa décision face à un client ? Ce jugement se construit dans l'épreuve, la correction et les échanges professionnels. Une succession de livrables impeccables n'en constitue pas nécessairement la preuve.

L'entreprise risque ainsi d'évaluer la progression d'un junior à partir de résultats dont la qualité dépend largement du système utilisé. Certains paraîtront très autonomes sans avoir encore développé les réflexes nécessaires à cette autonomie. D'autres, en interrogeant les réponses de l'outil et en confrontant ses propositions à leur propre raisonnement, progresseront réellement. Le problème est de confondre ce qu'un salarié produit avec l'IA et ce qu'il apprend.

Les entreprises pourraient manquer des experts qu'elles n'auront pas formés

À court terme, l'organisation peut fonctionner remarquablement bien. Les professionnels expérimentés disposent de nouveaux outils, les délais diminuent et des équipes plus réduites assument une charge de travail importante. La difficulté peut apparaître plusieurs années plus tard, lorsque de nouvelles responsabilités doivent être confiées à des collaborateurs qui n'ont jamais rencontré les situations auparavant considérées comme formatrices. La compétence qui permet aujourd'hui de superviser les réponses automatisées provient souvent d'un apprentissage effectué avant leur généralisation.

Sont concernés les métiers où l'expérience demeure difficile à formaliser : gérer une relation commerciale tendue, interpréter un signal faible, anticiper une réaction publique ou détecter le détail qui change la portée d'un dossier. Un assistant peut contribuer à ces décisions, mais il ne remplace pas systématiquement les occasions de se tromper, de recevoir une correction et de comprendre pourquoi un professionnel aguerri aurait procédé autrement. La transmission dépend aussi des situations partagées, pas seulement de l'accès à l'information.

Le problème possède enfin une dimension collective. Chaque entreprise peut trouver avantage à réduire les tâches confiées aux débutants, tout en supposant qu'elle pourra recruter ultérieurement des professionnels déjà expérimentés. Mais si de nombreux employeurs raisonnent ainsi, qui formera ces spécialistes ? Les grandes organisations peuvent financer des parcours structurés ; les PME disposent souvent de moins de temps pour organiser le tutorat. Pourtant, elles auront elles aussi besoin de cadres capables de décider, de corriger et de prendre leurs responsabilités sans valider aveuglément des réponses générées.

Il serait prématuré d'affirmer qu'une génération entière sera privée d'expérience. Les recherches disponibles documentent des transformations et des risques, pas leur résultat définitif. Elles invitent néanmoins à observer une dimension que les indicateurs de productivité mesurent mal : la capacité des organisations à renouveler leurs compétences. L'entreprise doit se demander où ses futurs experts apprendront leur métier. Cette question concerne la qualité de son fonctionnement à long terme, bien au-delà de la gestion des effectifs.

Réinventer l'apprentissage sans renoncer aux gains de l'IA

La réponse ne consiste pas à retirer les assistants IA des postes des débutants. Ils peuvent expliquer une méthode, ouvrir l'accès à des tâches plus complexes et fournir un retour immédiat. En revanche, laisser chacun apprendre au hasard de ses conversations avec un logiciel revient à confondre disponibilité de l'information et construction d'une compétence. Un débutant pourrait préparer son diagnostic, le confronter à celui de l'IA, puis défendre ses choix devant un collègue expérimenté. L'outil approfondirait ainsi le raisonnement sans s'y substituer.

Cette organisation suppose de préserver du temps pour les professionnels expérimentés. Former quelqu'un demande de commenter ses hypothèses, d'expliquer une erreur et d'exposer des arbitrages qui ne figurent dans aucun manuel. Si les gains de productivité servent exclusivement à accroître les volumes traités, le tutorat risque d'être la première activité sacrifiée. Une partie du temps gagné grâce à l'automatisation devrait donc être réinvestie dans la transmission. Ce choix produit moins de gains immédiatement visibles, mais prépare les décisions de demain.

Il faudra également revoir les critères de progression. Lorsque l'IA intervient partout, rapidité et volume ne suffisent plus à prouver la maîtrise d'un métier. Savoir reconnaître ses limites, corriger une réponse plausible mais erronée et prendre une décision argumentée deviennent des preuves plus significatives de maturité. Le paradoxe de l'IA pourrait ainsi être la fragilisation des chemins qui mènent aux responsabilités. Les entreprises bénéficieront encore de l'expérience des générations précédentes. Mais cette réserve n'est pas inépuisable : si elles apprennent à produire sans les anciens travaux des débutants, elles devront aussi inventer une nouvelle manière de former ceux qui les remplaceront.