Comment ne pas perdre son emploi à cause de l’IA
Environ la moitié des gens craignent de perdre leur emploi à cause de l’IA.a Et ils ont raison de s’inquiéter : l’IA est désormais capable d’effectuer des tâches de codage réelles sur GitHub, de générer des vidéos photoréalistes, de conduire un taxi de manière plus sûre que les humains et d’établir des diagnostics médicaux précis.b Et au cours des cinq prochaines années, elle devrait continuer à s’améliorer rapidement. À terme, l’automatisation de masse et la baisse des salaires sont une possibilité réelle.
Mais ce que l’on perçoit moins, c’est que si l’IA dévalorise les compétences qu’elle peut réaliser, elle revalorise celles qu’elle ne peut pas réaliser. Les salaires (en moyenne) augmenteront avant de baisser, car l’automatisation génère une énorme richesse et les tâches restantes deviendront les goulots d’étranglement de la croissance future. Comme je vais l’expliquer, les distributeurs automatiques de billets ont en fait augmenté le nombre d’employés de banque, jusqu’à ce que les services bancaires en ligne automatisent encore davantage leur travail.
Votre meilleure stratégie consiste à acquérir les compétences que l’IA rendra plus précieuses, en essayant de surfer sur la vague de l’automatisation. Quelles sont donc ces compétences ? En voici un aperçu :
| COMPÉTENCE | POURQUOI ELLE EST PRÉCIEUSE | COMMENT COMMENCER |
|---|---|---|
| Utiliser l’IA pour résoudre des problèmes concrets | À mesure que l’IA s’améliore, elle augmente la capacité d’action de ceux qui savent la diriger. Les aspects plus complexes que l’IA ne peut pas traiter deviennent des goulots d’étranglement. | • Utilisez des outils d’IA de pointe dans votre travail actuel• Travaillez dans une start-up spécialisée dans les applications de l’IA ou dans une autre organisation utilisant l’IA pour résoudre un problème concret |
| Efficacité personnelle | La productivité, les compétences sociales et l’apprentissage rapide sont utiles dans tous les emplois et renforcent la valeur de vos autres compétences. | • Utilisez des tuteurs IA pour acquérir rapidement de nouvelles compétences • Travaillez avec des personnes qui possèdent ces compétences • Développez des habitudes pertinentes |
| Compétences en leadership | La gestion, la stratégie et le flair pour la recherche sont des tâches complexes qui sont difficiles pour l’IA, mais l’IA donne aux leaders plus d’influence qu’auparavant. | • Recherchez un mentorat • Travaillez dans de petites organisations en pleine croissance et recherchez des postes de gestion à petite échelle. Sinon, lancez des projets parallèles • Étudiez et appliquez les meilleures pratiques (liens dans l’article complet) |
| Communication et goût | La création de contenu s’automatise, mais le discernement et une relation de confiance avec votre public deviennent plus précieux. | • Concentrez-vous sur un contenu axé sur la personnalité • Établissez un lien réel avec votre public • Travaillez avec des personnes qui ont du goût |
| Faire avancer les choses au sein du gouvernement | Les citoyens veulent que les décisions soient prises par de vraies personnes, il reste donc crucial de savoir comment faire avancer les choses au sein du gouvernement (même si de nombreux postes de la fonction publique disparaissent). | • Suivez les voies classiques pour accéder à la politique : postes de collaborateur, stages, bourses, postes au sein du gouvernement et autres postes aux côtés d’acteurs performants |
| Compétences physiques complexes | La robotique est en retard par rapport au travail intellectuel, en particulier pour les travaux spécialisés dans des environnements imprévisibles. | • Recherchez des apprentissages dans des domaines en pleine croissance (par exemple, la construction de centres de données) • Obtenez un emploi de débutant et gravissez les échelons |
Ces compétences sont particulièrement précieuses lorsqu’elles sont associées à des connaissances dans des domaines nécessaires à l’IA, notamment l’apprentissage automatique, la cybersécurité et la sécurité de l’information, la construction de centres de données et de centrales électriques, le développement et la maintenance en robotique, et, dans une moindre mesure, des domaines qui pourraient connaître une forte expansion grâce à la croissance économique.
En revanche, l’avenir de ces compétences semble beaucoup plus incertain :
Il est difficile de dire quel effet cela aura sur le marché du travail dans son ensemble, ou à quelle vitesse cela se produira. Si je devais spéculer, je dirais que dans les emplois de col blanc tels que la finance, la technologie, le droit, l’administration, la santé et les services professionnels, les postes de débutants vont connaître des difficultés, au profit d’une classe élargie de managers supervisant des agents d’IA. (Même si, à court terme, les salaires des postes de débutants pourraient augmenter.) Les petites équipes et les individus seront capables d’accomplir bien plus qu’auparavant. Les emplois qui nécessitent une présence physique (par exemple, policier, ouvrier du bâtiment, enseignant, chirurgien) seront relativement peu affectés (les revenus suivant à peu près le rythme du PIB), du moins jusqu’à ce que la robotique rattrape son retard.
Si je devais ne retenir qu’un seul conseil pratique, ce serait d’apprendre à déployer l’IA pour résoudre des problèmes concrets. Vous pouvez probablement le faire dans votre emploi actuel, mais une option à envisager particulièrement pour votre capital professionnel est de travailler dans une start-up d’applications de l’IA en pleine croissance. Cela vous permettra non seulement de vous familiariser avec l’IA, mais aussi d’acquérir relativement rapidement des compétences générales en productivité et en leadership.
Dans la suite de cet article, je vais :
Au milieu des années 1990, les distributeurs automatiques de billets ont fait leur apparition dans les banques. À l’époque, on s’attendait à ce que cela mette de nombreux caissiers au chômage.c
Et en effet, le nombre de guichetiers par agence est passé de 21 à 13.
Cependant, cela a également rendu l’exploitation d’une agence bancaire beaucoup moins coûteuse. En réponse, les banques ont ouvert beaucoup plus d’agences. L’emploi total des guichetiers a en fait augmenté pendant deux décennies, mais ces derniers passaient désormais leur temps à discuter avec les clients plutôt qu’à compter l’argent.
Ainsi, bien que l’on suppose généralement que l’automatisation réduit les salaires et l’emploi, cet exemple illustre deux manières dont cette idée reçue peut être fausse :
Mais voici un dernier rebondissement dans cette histoire : aujourd’hui, l’emploi des guichetiers est en déclin.
Ainsi, alors que l’automatisation partielle a augmenté l’emploi, l’automatisation plus poussée rendue possible par les services bancaires en ligne l’a effectivement réduit. C’est également un schéma courant.
En effet, deux forces s’opposent : les outils IA rendent les travailleurs humains plus productifs, ce qui augmente généralement l’emploi, mais si l’IA commence à remplacer l’intégralité de leurs tâches, cela le diminue. Avec un niveau d’automatisation moyen, il est difficile de prédire quelle force l’emportera. Mais avec une automatisation généralisée, c’est généralement la seconde qui l’emporte.
En Grande-Bretagne, pendant la révolution industrielle, la production textile a été largement automatisée. Mais cela a rendu l’industrie tellement plus productive que l’emploi dans le secteur textile a considérablement augmenté, pour ne décliner à nouveau que plusieurs générations plus tard.
Aujourd’hui, l’emploi des secrétaires, des employés administratifs, des agents de centres d’appels, des caissiers, des télévendeurs, des artistes d’effets spéciaux et des animateurs est déjà en forte baisse, l’IA contribuant peut-être à la poursuite de ces tendances à long terme.
L’emploi dans le domaine de la science des données a néanmoins augmenté de 20 % en 2023, malgré la grande efficacité de l’IA en matière d’analyse statistique rapide et de visualisation.d Jusqu’à présent, l’IA a peut-être rendu les scientifiques des données plus utiles, plutôt que de les remplacer. (Reste à voir combien de temps cela durera.)
Une analyse a révélé que si l’IA a bien réduit la demande de traducteurs, l’emploi dans ce secteur reste néanmoins en hausse nette. Cela pourrait s’expliquer par le fait que le déclin dû à l’IA n’a pas été suffisamment important pour compenser l’augmentation liée à la croissance économique générale (jusqu’à présent).
La troisième raison pour laquelle l’automatisation peut être bénéfique à l’emploi est que l’automatisation d’un poste crée souvent de nouveaux types d’emplois et augmente les salaires dans leur ensemble, car la société s’enrichit.
Historiquement, la plupart des gens travaillaient dans l’agriculture. Mais aujourd’hui, dans les pays riches, cela ne concerne plus que quelques pour cent de la population, on pourrait donc dire que la majorité des emplois dans l’économie ont déjà été automatisés ! Cependant, les revenus sont aujourd’hui environ 100 fois plus élevés qu’à l’époque, ce qui montre que, dans l’ensemble, les gens ont accédé à des emplois beaucoup mieux rémunérés. Dans certains pays, comme la Corée du Sud, une grande partie de cette transition s’est accomplie en une seule génération.
Une situation similaire pourrait se produire si de nombreux emplois à distance étaient automatisés. Epoch AI est un groupe de recherche qui se concentre sur l’interaction entre l’IAG et l’économie. Il a estimé qu’environ un tiers des tâches professionnelles peuvent être effectuées à distance et que si toutes ces tâches étaient automatisées, le PIB serait multiplié par deux à dix. Dans ce scénario, les salaires pour toutes les tâches non réalisables à distance augmenteraient probablement aussi d’environ deux à dix fois. Il est même possible que l’emploi des cols blancs augmente, mais leur rôle se concentrerait entièrement sur les goulots d’étranglement restants, qui tiennent à l’intervention humaine et au travail en présentiel.
Cela ne signifie pas pour autant que l’automatisation ne peut pas avoir un impact très perturbateur pour les travailleurs dont les emplois sont automatisés. C’est simplement pour dire qu’elle peut aussi parfois augmenter leurs salaires, et bénéficier aux travailleurs d’autres secteurs.
C’est l’une des raisons pour lesquelles je préfère me concentrer sur les compétences qui vont gagner ou perdre en valeur, plutôt que sur des intitulés de poste particuliers.
Mais qu’en serait-il si l’IA, combinée à la robotique polyvalente, pouvait automatiser presque tous les emplois ? Les salaires ne baisseraient-ils pas alors ?
Tout comme l’automatisation partielle des guichetiers a augmenté l’emploi, tandis qu’une automatisation plus intensive l’a réduit, peut-être que la même chose pourrait se produire pour l’ensemble des travailleurs humains ?
L’IA, combinée à la robotique, pourrait être différente de toutes les technologies précédentes, car elle pourrait effectuer presque toutes les tâches économiquement productives mieux que les humains.
Bien que de nombreux économistes rejettent cette possibilité, les experts de la technologie elle-même la croient possible.
Et si cela se produit, de nombreux modèles économiques suggèrent que cela pourrait faire baisser les salaires, peut-être même en dessous du niveau de subsistance – dans un premier temps, parce qu’un bassin de « travailleurs numériques » en pleine expansion augmenterait massivement l’offre de main-d’œuvre, et à terme, parce qu’ils peuvent convertir l’énergie et les ressources en sorties bien plus efficacement que les humains.
Je ne dis pas que c’est ce qui va se passer, mais c’est un scénario possible. Epoch a également élaboré un modèle intégré de la manière dont l’automatisation complète pourrait se déployer dans l’ensemble de l’économie. Selon leurs hypothèses par défaut, les salaires augmenteraient initialement d’environ 10 fois, avant de chuter à la fin des années 2030, une fois les derniers goulots d’étranglement humains éliminés.
Si, au contraire, les humains restent nécessaires pour une petite fraction des tâches, disons 1 %, alors le même modèle montre que les salaires augmentent indéfiniment — chaque humain effectuant désormais ce 1 % restant.e La différence entre une automatisation à 100 % et une automatisation à 99 % est énorme ! (Pour en savoir plus sur les effets ambigus de l’automatisation complète sur les salaires.)
Cependant, je pense que l’automatisation complète et la baisse des salaires représentent une possibilité que nous devons prendre au sérieux.
Si l’automatisation complète devait finalement advenir, que devriez-vous faire ?
Eh bien, l’automatisation complète passe d’abord par une automatisation partielle. Et pour les raisons évoquées ci-dessus, cela augmentera les salaires et vous donnera plus d’effet de levier pendant un temps.
Vos prochaines étapes devraient donc être les mêmes dans les deux cas : acquérir les compétences les plus susceptibles de prendre de la valeur dans un avenir proche, afin de maximiser votre contribution (et votre salaire) d’ici à l’automatisation complète.
(On pourrait aussi avancer qu’il est bon d’épargner davantage, afin de moins dépendre de la redistribution par l’État. Pour en savoir plus, consultez comment se préparer personnellement à l’IAG.)
Les années à venir pourraient être très perturbantes pour beaucoup de gens, et il est probable que la richesse se concentre davantage. Cet article ne traite pas de la manière dont nous devrions réagir en tant que société, mais plutôt de la meilleure façon de vous positionner en tant qu’individu, notamment pour mieux aider la société à relever ces défis.
Mon objectif ici est de vous donner les outils nécessaires pour réfléchir aux compétences qui sont les plus susceptibles de prendre de la valeur ou d’en perdre, compte tenu de votre situation particulière et de la grande diversité des emplois.
Il s’agit clairement d’une cible mouvante, mais je la décompose en quatre catégories clés de compétences susceptibles de prendre de la valeur :
(Parenthèse économique : il s’agit pour l’essentiel de faible substituabilité, de complémentarité, de forte élasticité de la demande pour la production et d’une offre de main-d’œuvre inélastique.)
La meilleure façon de développer vos intuitions sur ce que l’IA peut faire est d’essayer d’effectuer un travail réel en utilisant des outils IA de pointe (et non les modèles gratuits de qualité inférieure). Mais j’aimerais fournir quelques bases théoriques sur ce que l’IA sera capable de faire et de ne pas faire, en me basant sur la compréhension de la manière dont l’IA est entraînée.
Les LLM sont créés en les entraînant à prédire les données d’Internet (voir une introduction rapide). Ce qui les rend très performants pour les tâches basées sur la reconnaissance de schémas et la récupération de données sur Internet.
Cela couvre beaucoup de choses. En 2015, Frey et Osbourne ont supposé que les compétences sociales résisteraient à l’automatisation. Aujourd’hui, les chatbots thérapeutiques font partie des applications d’IA les plus populaires.
De nombreuses compétences difficiles à acquérir pour les humains, notamment une grande partie de la thérapie, du diagnostic médical et du codage, peuvent être assez bien réalisées par des systèmes de « reconnaissance de schémas ».
Les LLM peuvent aussi, de toute évidence, faire de nouvelles généralisations. Par exemple, vous pouvez demander à GPT-4 : « Si la tour penchée de Pise et la cathédrale Saint-Paul échangeaient leurs emplacements, et que je me tenais sur le Millennium Bridge de Londres en regardant vers le nord, que pourrais-je voir ? » et il saura y répondre, même pour des combinaisons de lieux inédites.
Cependant, les LLM restent peu performants pour de nombreuses tâches, et il s’agit généralement de tâches absentes de leurs données d’entraînement.
Le contrôle de la robotique en est un exemple. Alors qu’Internet contient une quantité énorme de données linguistiques, il n’existe pas de corpus de données équivalent décrivant les mouvements physiques.
L’absence de ces données de mouvement n’est pas non plus une mince affaire, car il est difficile de créer des environnements virtuels réalistes qui pourraient être utilisés pour les générer à moindre coût. La seule option consiste à créer un grand nombre de robots réels et à les faire se déplacer, ce qui est coûteux. L’IA reste donc beaucoup moins performante dans ses interactions avec le monde physique.
À l’inverse, les données sur la manière d’effectuer de nombreux emplois de bureau sont déjà disponibles sur Internet, et il sera facile d’en recueillir de bien meilleures, car ces emplois s’effectuent principalement sur des ordinateurs, qui peuvent en suivre chaque étape.
Frey et Osbourne avaient également prédit que l’IA serait mauvaise dans les tâches « créatives », mais cette prédiction semble aujourd’hui trop simpliste. En 2025, les LLM sont doués pour le brainstorming, l’écriture dans une grande variété de styles (y compris des combinaisons inédites), la création de vers rimés, etc. Cependant, ils ne sont toujours pas très performants pour générer des intuitions conceptuelles inédites. Cela s’explique probablement par le fait que le premier type de tâche créative s’apparente davantage à la reconnaissance de schémas au sein des données d’entraînement, tandis que le second exige un plus grand saut conceptuel.
La nouvelle génération de systèmes d’IA, tels que o1, utilise les LLM comme modèle de base, puis est entraînée à raisonner et à poursuivre des objectifs grâce à l’apprentissage par renforcement.
Cela s’apparente un peu à l’apprentissage par essais et erreurs. Les systèmes d’IA essaient d’accomplir une tâche, puis leur précision est évaluée, et enfin ils sont ajustés de manière à augmenter leur précision (voir un guide d’introduction).
En 2024, ce nouveau paradigme a permis des progrès spectaculaires en mathématiques, en codage, et pour répondre à des questions scientifiques connues.
En effet, ces domaines ont des réponses objectives qui peuvent être immédiatement vérifiées de manière purement virtuelle, ce qui les rend très adaptés à l’apprentissage par renforcement.
En revanche, prenons une compétence telle que la création d’une entreprise. Cela implique de nombreuses décisions sans réponse correcte évidente et le succès se mesure sur plusieurs années. Il est donc beaucoup plus difficile d’appliquer l’apprentissage par renforcement à ce type de compétence. (Il n’existe pas non plus d’ensembles de données massifs montrant toutes les étapes qu’un entrepreneur suivrait pour créer une entreprise.)
D’autres exemples pourraient être de lancer un mouvement culturel, de diriger un projet de recherche novateur ou de définir une stratégie organisationnelle ou politique.
Ces compétences sont les suivantes :
C’est pourquoi, malgré ses capacités quasi surhumaines pour certains problèmes de mathématiques et de codage, l’IA reste moins performante que la plupart des enfants de sept ans pour jouer à Pokémon.
Elle est également encore très mauvaise pour de nombreuses tâches relativement simples comme « installer des étagères dans le bureau » — car elles impliquent de planifier, d’interpréter visuellement, d’embaucher quelqu’un et de vérifier que le travail est bien fait.
Les modèles peuvent exécuter efficacement des tâches courtes et bien définies, mais ils perdent leur cohérence et se retrouvent bloqués dans des boucles sur de plus longues périodes.
Cela explique pourquoi nous avons vu si peu d’automatisation de l’IA à ce jour. Même là où l’IA est la plus performante — l’ingénierie logicielle — elle ne peut effectuer que des tâches d’environ une heure, alors que la plupart des emplois en ingénierie logicielle consistent en des projets qui durent au moins plusieurs jours, exigent une coordination avec une équipe et la compréhension d’une vaste base de code.
Il est également vrai que l’IA s’améliore rapidement, même pour les tâches mal définies et à horizon long. Et si les progrès de l’IA sont suffisamment rapides, ou si l’apprentissage par renforcement se généralise bien, il est possible que l’IA dépasse la plupart des humains sur ce type de compétences assez rapidement. Il est également vrai que l’IA pourrait commencer à apporter des contributions intellectuelles novatrices via la génération d’idées par force brute.
Cependant, les tâches peu structurées et à horizon long sont très probablement ce qui posera le plus de difficultés à l’IA, et il est possible qu’elle ne maîtrise pas les compétences les moins structurées et avec l’horizon le plus long avant des décennies.
Ces remarques pourraient être invalidées si un nouveau paradigme d’IA était créé avec des forces et des faiblesses très différentes de celles des systèmes d’IA actuels, ou si les progrès de l’IA s’accéléraient, mais je pense que c’est la meilleure évaluation que nous puissions faire aujourd’hui.
Même si une IA peut techniquement accomplir une tâche, elle pourrait ne pas être autorisée à le faire, car les gens veulent souvent qu’un humain reste dans la boucle. Voici les principales catégories, selon les économistes, où cela pourrait être le cas (par exemple, voir cette interview avec Mike Webb) :
| Situation | Raisonnement | Exemple |
|---|---|---|
| Responsabilité juridique | Une personne doit être tenue légalement responsable de certaines décisions importantes. | Ingénieur agréé, avocat plaidant. |
| Haute fiabilité requise | Les systèmes d’IA ont des hallucinations et commettent des erreurs étranges, c’est pourquoi les gens voudront que des experts humains vérifient leurs réponses et assurent une supervision. | Un historien humain vérifie les recherches de l’IA pour détecter les erreurs. |
| Les syndicats et les groupes d’intérêt professionnels sont impliqués | Les lobbyistes chercheront à introduire des normes et des réglementations pour protéger les emplois. | Les médecins et les avocats contrôlent les certifications professionnelles et constituent un lobby puissant, ils pourraient donc bloquer les applications de l’IA dans leurs secteurs. |
| Il existe une forte préférence pour le contact humain | Beaucoup de gens préféreront de loin que certains services soient fournis par des humains, peut-être comme un luxe. | Nounous, artistes avec une histoire ou une marque captivante, leaders religieux |
| La présence physique est nécessaire | De nombreux rôles nécessitent la présence physique d’une personne pour superviser la situation. Même lorsque les robots deviendront efficaces, les gens pourraient hésiter à s’en remettre à eux. | Police, enseignants, infirmières. |
| Inertie institutionnelle | De nombreuses organisations seront lentes à adopter les outils IA, ce qui signifie que les humains conserveront des emplois importants. (Bien qu’une véritable IA de type « travailleur à distance ponctuel » puisse s’intégrer dans les flux de travail existants et être déployée beaucoup plus rapidement que les précédentes vagues technologiques.) | Peut-être de nombreux emplois dans la fonction publique, les grandes entreprises avec de solides avantages concurrentiels. |
| Alignement des intentions | Même les systèmes d’IA très puissants et précis devront encore savoir ce que les humains attendent d’eux. Il est possible que de plus en plus de rôles impliquent de spécifier des préférences aux systèmes d’IA. | Efforts financés par le gouvernement pour recueillir les préférences (?) |
Ces facteurs pourraient rester des goulots d’étranglement beaucoup plus longtemps que les deux premiers, car certains pourraient s’appliquer même avec des systèmes d’IA extrêmement performants. D’autre part, nous ignorons encore l’ampleur de l’obstacle qu’ils représenteront pour l’utilisation de l’IA.
Par exemple, on joue souvent de la musique classique lors des cérémonies de mariage, et la plupart des gens préféreraient un musicien. Cependant, la majorité finissent par utiliser un enregistrement, car c’est beaucoup moins cher et plus pratique.
De même, même si les gens préfèrent les produits de fabrication humaine et que les produits issus de l’IA restent inférieurs à certains égards, ils pourraient être tellement meilleurs sur d’autres plans qu’ils en viendraient à être utilisés de manière prépondérante.f
Il reste également à voir si la demande pour ces emplois avec intervention humaine sera suffisante, par rapport au nombre de personnes capables de les exercer, pour maintenir des salaires élevés. Même si les gens continuent de vouloir de l’art créé par des humains, tout le monde ne peut pas être artiste.
Supposons que les robots à usage général commencent à fonctionner parfaitement dès demain. Combien de temps faudrait-il pour automatiser les emplois manuels ?
Probablement un certain temps. La production de robots se chiffre aujourd’hui en millions. Il faudrait du temps pour construire le milliard de robots nécessaires à l’automatisation de tous les emplois manuels (même si cela pourrait être plus rapide que beaucoup le pensent).
La production relativement lente de robots et le manque de données sur les tâches physiques entraîneront une période pendant laquelle leur automatisation sera en retard par rapport aux tâches cognitives.
Même le déploiement de l’IA pour les tâches cognitives sera quelque peu freiné par la puissance de calcul disponible, en particulier si les premiers systèmes utilisent beaucoup de puissance de calcul de test. Cela signifie que l’automatisation initiale de l’IA pourrait se concentrer sur les tâches à plus forte valeur ajoutée (par exemple dans la R&D), retardant quelque peu l’automatisation des emplois moins rémunérés.
En 2025, avoir accès à une IA de pointe, c’est déjà un peu comme disposer d’un accès 24/7 à une équipe de conseillers et de tuteurs experts sur n’importe quel sujet, d’une capacité de codage illimitée pour des projets ponctuels et de travailleurs à distance en nombre illimité capables d’effectuer de courtes tâches administratives.
Ces outils donnent aux travailleurs individuels bien plus de pouvoir pour faire bouger les choses que jamais auparavant. Nous pouvons déjà le constater au sein de l’accélérateur de start-ups le plus prospère au monde, Y Combinator, qui affirme que sa promotion actuelle est à 70 % axée sur l’IA et se développe plusieurs fois plus vite que les startups similaires il y a dix ans.
(Et il y a dix ans, les startups elles-mêmes connaissaient une croissance plus rapide que les entreprises des décennies précédentes. L’effet de l’IA s’inscrit dans une tendance à plus long terme.)
Aujourd’hui, cet effet est particulièrement visible dans le monde virtuel et sans contraintes des start-ups logicielles, mais les possibilités s’élargissent. Il n’est pas nécessaire de travailler dans une start-up technologique pour utiliser l’IA afin d’acquérir plus rapidement de nouvelles compétences, d’obtenir des conseils, de réviser son travail, de créer des logiciels, etc.
Et les véritables « travailleurs virtuels » augmenteraient encore considérablement cet effet de levier. Cela créera probablement une période pendant laquelle la compétence de diriger ces travailleurs de l’IA deviendra extrêmement précieuse.
Ces compétences pourraient être les suivantes :
(Bon nombre de ces compétences sont similaires à celles requises pour gérer des êtres humains. D’ailleurs, il existe déjà des preuves que les managers humains compétents sont plus aptes à gérer des équipes d’IA.)
Ces types de compétences ne sont pas seulement des tâches peu structurées et à horizon long que l’IA trouve relativement difficiles, mais elles sont également complémentaires à l’IA : à mesure que l’IA s’améliore, elles deviennent plus nécessaires. Ces deux effets se combinent pour multiplier leur valeur.
En revanche, être un artisan confectionnant des costumes napolitains sur mesure (issu d’une longue lignée de tailleurs) n’est pas une activité que l’IA pourra facilement reproduire, et elle n’y est pas non plus complémentaire. Cela signifie que la valeur marchande de cette compétence évoluera probablement au même rythme que les revenus mondiaux, plutôt que de les dépasser.
D’autres compétences pourraient être complémentaires au déploiement de l’IA, notamment celles impliquées dans d’autres domaines nécessaires à l’amplification de l’IA, telles que :
Je ne dois remplir ma déclaration d’impôts qu’une fois par an. Si l’IA réduit de moitié le coût de ma déclaration, je ne la remplirai toujours qu’une seule fois (et j’économiserai l’argent pour autre chose).
En revanche, après qu’Uber a rendu les taxis moins chers et plus pratiques, les gens ont commencé à les utiliser beaucoup plus souvent, dépensant dans certains cas plus qu’auparavant. Le marché des taxis s’est considérablement développé au cours des dix ou vingt dernières années.
Il pourrait en être de même pour les soins de santé, de meilleurs logements, des divertissements de meilleure qualité, les produits de luxe, le développement personnel, la recherche et bien d’autres choses que je consomme.
En revanche, les emplois nécessaires pour satisfaire aux exigences légales (par exemple, les licences) et les secteurs où la demande est principalement fixée par le gouvernement pourraient avoir une demande plus fixe (par exemple, les salaires dans le secteur de la santé au Royaume-Uni ont baissé en termes réels au cours de la dernière décennie, malgré l’augmentation générale de la demande de soins de santé avec le PIB).
Plus largement, vous pouvez réfléchir aux secteurs susceptibles de croître plus rapidement que le reste de l’économie dans un monde d’automatisation par l’IA.
Par exemple, l’automatisation par l’IA créerait une énorme richesse, probablement concentrée au sein du 1 % qui détient la majeure partie du capital. L’augmentation des inégalités de revenus ferait grimper la demande de produits de luxe. Une activité telle que l’organisation d’événements de dégustation de thé sur mesure à San Francisco serait à la fois difficile à réaliser pour l’IA et connaîtrait une demande croissante.
Prenons l’exemple d’un métier tel que celui de serveur dans un restaurant chic. Je m’attends à ce que les gens mangent davantage au restaurant à mesure qu’ils s’enrichissent, et il s’agit d’un travail physique qui exige de grandes compétences sociales, où les gens pourraient conserver une forte préférence pour le contact humain.
Je m’attends donc à ce que de nombreux emplois dans le secteur des services manuels et de la vente au détail connaissent une augmentation de l’emploi et que leurs salaires augmentent globalement au même rythme que le reste de l’économie.
Cependant, ces emplois pourraient ne pas connaître d’augmentation exceptionnelle des salaires, car ils sont accessibles avec relativement peu de formation. Si beaucoup d’autres personnes peuvent acquérir une compétence, cela limite l’augmentation des salaires qui y sont liés.
Les compétences qui verront leur valeur augmenter le plus sont celles où le marché du travail mettra longtemps à répondre à la demande accrue.
Par exemple, si vous êtes ouvrier dans le bâtiment, vous pourriez apprendre un métier plus spécialisé, comme celui d’électricien, en vous concentrant sur des domaines où la demande devrait augmenter, comme les centres de données. Les personnes possédant ces compétences plus spécialisées sont plus susceptibles de constituer un goulot d’étranglement en période de croissance rapide.
Appliquons ce que nous avons vu pour essayer de deviner quelles seront les compétences professionnelles les plus précieuses. Nous cherchons des compétences qui répondent à au moins deux des catégories ci-dessus, et idéalement aux quatre. Je me suis concentré sur des compétences transférables relativement larges.
Quoi : Compétences requises pour le déploiement de l’IA qui sont difficiles à automatiser : comprendre les forces et les faiblesses des systèmes d’IA, concevoir des systèmes d’IA et les interfacer avec le reste du monde, donner des instructions spécifiques aux systèmes d’IA, l’UX pour les utilisateurs de ces systèmes.
Pourquoi : À mesure que l’IA devient plus compétente, les personnes qui dirigent ces systèmes deviennent des multiplicateurs de force. Le travail de coordination complexe que l’IA ne peut pas faire et la supervision requise deviennent le goulot d’étranglement. À terme, une grande partie de l’économie pourrait consister à déterminer les instructions à donner aux systèmes d’IA.
Comment apprendre : Tout le monde peut développer cette compétence en utilisant les derniers outils d’IA pour obtenir des résultats concrets au travail. Vous pouvez le faire dans votre emploi actuel ou dans le cadre de projets parallèles. Si vous souhaitez changer d’emploi pour un poste qui pourrait accélérer l’apprentissage de cette compétence, essayez de travailler dans une start-up spécialisée dans les applications de l’IA ou une autre organisation en pleine croissance qui tente d’utiliser l’IA pour résoudre un problème concret (ou tout autre endroit où d’autres personnes possèdent déjà cette compétence). Dans ce type de rôle, vous développerez cette compétence ainsi que l’entrepreneuriat, la gestion et la productivité en général. Veillez à utiliser les modèles de pointe et à réfléchir également à ce qui pourrait devenir possible au cours des une à deux prochaines générations.
Quoi : Se fixer des objectifs, disposer d’un système pour suivre les tâches et respecter les délais, apprendre à se motiver et à se concentrer, adopter de bonnes habitudes professionnelles comme la gestion de réunions, et assurer une gestion émotionnelle de base.
Pourquoi : Ces compétences sont utiles dans n’importe quel emploi ; même avec une forte automatisation, elles resteront donc probablement utiles, y compris pour le déploiement de l’IA. Elles sont également liées à la capacité d’initiative et à la responsabilité de mener les choses à bien de bout en bout, ce qui est un point faible pour l’IA. De plus, elles démultiplient la valeur de vos autres compétences.
Comment apprendre : Il existe de nombreuses manières concrètes d’améliorer votre productivité générale, que nous listons ici. Consultez également : comment avoir plus d’initiative.
Quoi : Établir des relations, bien se coordonner avec les autres, comprendre les émotions d’autrui.
Pourquoi : Bien que l’IA soit déjà souvent considérée comme plus empathique que les humains, il y aura des cas où les gens voudront une relation avec une personne réelle (au moins comme un luxe). De plus, à mesure que les tâches routinières seront automatisées, une plus grande partie du travail restant pourrait consister en la coordination entre des équipes humaines (par exemple, imaginez trois fondateurs gérant une grande équipe d’agents d’IA et devant se synchroniser rapidement, ou un ingénieur logiciel qui doit rendre compte à son patron des sorties de 10 IA). Les compétences sociales sont également une composante importante de nombreuses autres compétences énumérées, comme la gestion.
Comment apprendre : C’est difficile à apprendre, mais essayez de vous mettre dans des situations où vous pourrez énormément vous entraîner. Passez du temps avec des personnes qui ont de bonnes compétences sociales et consultez ces notes pour plus d’idées.
Quoi : S’approprier rapidement de nouvelles connaissances et compétences.
Pourquoi : Si le monde change plus rapidement et de manière plus imprévisible, la capacité à se former rapidement à une nouvelle compétence devient plus précieuse. Parallèlement, l’IA vous permet de bénéficier d’un tutorat personnalisé et peu coûteux dans presque tous les domaines, ce qui, pour beaucoup de personnes, permet d’apprendre beaucoup plus rapidement qu’auparavant. Cette aptitude peut également vous aider à acquérir les autres compétences de cette liste.
Comment apprendre : L’IA a considérablement accéléré l’apprentissage de nombreuses compétences, car vous pouvez bénéficier d’un coaching personnalisé 24 heures sur 24 et 7 jours sur 7 sur presque tous les sujets. Savoir tirer parti de cette technologie est en soi une compétence extrêmement précieuse. Consultez également la section pertinente de notre précédent article sur la manière de mieux réussir.
Il existe un ensemble de compétences en matière de gestion, d’entrepreneuriat et de stratégie qui semblent difficiles à maîtriser pour une IA, qui bénéficient de l’effet de levier croissant offert par celle-ci, dont nous pourrions faire un bien plus grand usage et dont l’offre est limitée. Elles peuvent également être difficiles à acquérir, mais je suggère quelques moyens de les mettre en pratique à plus petite échelle, ce qui pourrait vous aider à évoluer plus rapidement dans des emplois à temps plein requérant ces compétences.
Quoi : repérer des idées de nouveaux projets, élaborer une stratégie, coordonner de manière proactive les personnes et les ressources pour leur mise en œuvre, et savoir gérer le risque.
Pourquoi : Une petite équipe de fondateurs humains peut déjà accomplir plus qu’auparavant et pourrait bientôt être en mesure de mobiliser instantanément de grandes équipes de travailleurs IA.
Comment apprendre : Tout le monde peut mettre en pratique ses compétences entrepreneuriales en menant un projet parallèle ou une nouvelle initiative au travail (par exemple, aider à lancer un nouveau produit, organiser une nouvelle conférence, gérer une boutique en ligne). L’IA va permettre à ce type de projets d’avancer beaucoup plus rapidement qu’auparavant. Si vous souhaitez vous concentrer sur une carrière entrepreneuriale, consultez notre profil sur la fondation d’organisations. Rejoindre une nouvelle organisation en pleine croissance est également un excellent moyen d’acquérir ces compétences.
Quoi : Gestion du personnel, gestion de produit, gestion de projets.
Pourquoi : Une partie de la gestion est une tâche complexe et à long terme où les gens voudront qu’un humain dans la boucle assume la responsabilité. Nous verrons probablement les organisations renforcer leurs échelons supérieurs, avec un plus grand nombre de managers humains supervisant des équipes plus petites améliorées par l’IA et, à terme, de grandes équipes d’IA. L’emploi dans le domaine de la gestion connaît aujourd’hui une croissance rapide. (Bien que certains postes de cadres intermédiaires puissent être rationalisés par les outils IA.) Les compétences en gestion du personnel vous aident également à gérer les systèmes d’IA.
Comment apprendre : Documentez-vous sur les meilleures pratiques en matière de gestion (voir cette liste de lecture), puis commencez à manager à petite échelle (par exemple, en gérant un sous-traitant ou des bénévoles dans le cadre d’un projet amateur). Essayez de travailler sous la direction de quelqu’un qui excelle en gestion. À partir de là, tentez d’évoluer vers des postes d’encadrement. Continuez à appliquer les meilleures pratiques et à rechercher un mentorat, tout en recueillant les commentaires des personnes que vous encadrez.
Quoi : définir la vision, la mission et les indicateurs d’une organisation, identifier les priorités, prendre des décisions à haut risque.
Pourquoi : À mesure que l’IA facilite l’accomplissement des tâches, la question clé devient de décider quoi faire avant tout. Il s’agit également d’une tâche mal définie et à horizon long, pour laquelle l’IA sera probablement à la traîne. L’IA pourrait bientôt devenir plus performante que la plupart des humains pour certains types de prévision et de prise de décision, mais les humains devront quand même rester dans la boucle pour superviser les décisions.
Comment apprendre : Essayez de travailler avec quelqu’un qui possède cette compétence. Concentrez-vous sur la recherche d’un domaine (même petit) où vous pouvez vous entraîner à élaborer une stratégie. Apprenez ensuite à appliquer les meilleures pratiques dans ce domaine. Voici les cadres de priorisation les plus courants, un livre populaire sur la stratégie et notre article sur la prise de décision. Pratiquez la prévision comme passe-temps et suivez vos résultats. Apprenez à utiliser les outils IA et les plateformes de prédiction comme aides à la décision. L’écriture est de plus en plus automatisée, mais elle reste l’un des meilleurs outils d’aide à la réflexion, ce qui justifie de l’apprendre.
Quoi : Avoir une expertise dans un domaine important, du flair pour la recherche, la capacité de développer des idées conceptuelles novatrices et de résoudre des problèmes complexes.
Pourquoi : Des experts seront requis pour superviser les systèmes d’IA et les décisions clés, et seront donc complémentaires à ces derniers. De plus, une bonne intuition conceptuelle et un bon jugement en matière de recherche figureront parmi les aptitudes les plus difficiles à automatiser, car ce sont par excellence des tâches peu structurées, pauvres en données et à horizon long (même si l’IA peut être douée pour la créativité brute). Ces compétences sont également difficiles à acquérir pour la plupart des gens.
L’expertise sera particulièrement précieuse dans les secteurs susceptibles de connaître une forte croissance, tels que le déploiement et le développement de l’IA, la robotique, le matériel informatique, la cybersécurité et la production d’électricité, ainsi que dans des domaines cruciaux de la politique gouvernementale (par exemple, les relations entre les États-Unis et la Chine, la réglementation de l’IA, la défense).
D’autre part, la « barre » pour une véritable expertise ne cessera de s’élever au fil du temps, à mesure que l’IA s’améliorera. Vous ne devriez choisir cette option que si vous pouvez rapidement atteindre et maintenir un haut niveau.
Comment apprendre : Trouvez un mentor parmi les meilleurs praticiens, pratiquez intensément et suivez les formations standards du domaine.
Quoi : Avoir un bon jugement en matière de design, d’esthétique et de ce qui plaira ; avoir de la personnalité, une histoire, une image de marque unique et un lien personnel avec son public ; une stratégie de communication, de relations publiques et de marque.
Pourquoi : Bien qu’une grande partie de la création de contenu et du marketing semble en voie d’automatisation, les gens continueront de vouloir des relations avec des personnes réelles et intéressantes. À mesure qu’il devient plus facile de créer de grands volumes de contenu ou de design, la compétence de sélectionner ce qui est bon (le goût) gagne en valeur, tout comme les aspects stratégiques de ce qu’il faut créer au départ.
Comment apprendre : Il est assez difficile d’apprendre à « être cool », mais vous pouvez essayer de développer une relation profonde avec un public spécifique (par exemple, via une chaîne YouTube). Entraînez-vous à utiliser l’IA pour vous aider à créer du contenu et affinez votre goût en observant ce qui fonctionne au fil du temps. Concentrez-vous sur un contenu et une narration plus personnels (plutôt que sur le type de contenu que l’on peut facilement obtenir de GPT).
Quoi : La compétence de savoir à qui s’adresser et comment formuler les choses correctement pour faire adopter ou mettre en œuvre de nouvelles politiques ; la stratégie politique et la prise de décision gouvernementale.
Pourquoi : Même si une grande partie du travail intellectuel routinier au sein du gouvernement est automatisée, le secteur public suivra probablement au minimum le rythme de la croissance économique. Les gens voudront que les décideurs soient de vraies personnes. Cela signifie que les compétences nébuleuses et à horizon long permettant de faire avancer les choses au sein du gouvernement resteront précieuses, en particulier d’un point de vue social. En effet, le gouvernement pourrait même gagner en importance à mesure que le travail s’automatisera. De plus, le gouvernement est lent à adopter ces technologies et n’est pas confronté à une concurrence de marché aussi forte.
Comment apprendre : Travaillez pour une personne qui possède cette compétence, par exemple en devenant l’assistant parlementaire d’un membre du Congrès ou en envisageant les autres voies d’accès habituelles à la politique si vous pensez pouvoir aller au-delà des postes de débutant et d’analyse routinière.
Quoi : la capacité à effectuer des tâches physiques précises, en particulier dans des environnements imprévisibles, à enjeux élevés et à la demande croissante — par exemple, la supervision d’opérations chirurgicales, les métiers d’électricien et de la construction pour les centres de données, ou de technicien en semi-conducteurs.
Pourquoi : le déploiement de la robotique risque de prendre du retard, ce qui créera d’importants goulots d’étranglement pour les tâches manuelles, en particulier celles qui sont nécessaires au déploiement de l’IA et qui sont les plus difficiles à réaliser pour les robots (ou d’autres personnes).
Comment apprendre : apprentissage dans le parcours standard du domaine.
Voici quelques compétences dont la valeur risque davantage de diminuer. C’est très difficile à prévoir — car, comme nous l’avons noté, l’automatisation partielle fait souvent augmenter la demande pour un métier dans un premier temps, pour ensuite baisser.
Pratiquement toutes les études sur les emplois les plus susceptibles d’être affectés par la vague actuelle d’IA s’accordent à dire que les emplois de cols blancs situés entre le 70e et le 90e centile de revenus (environ 100 000 à 200 000 dollars aux États-Unis) seront les plus touchés.g
L’IA est déjà très utile pour ce type de tâches, car les ensembles de données contiennent de nombreux exemples, et celles-ci impliquent la reconnaissance de motifs ou la récupération d’informations. À l’avenir, il sera plus facile de collecter encore plus de données, et bon nombre de ces tâches sont suffisamment courtes et claires pour que l’apprentissage par renforcement puisse fonctionner. Plus précisément, cela pourrait inclure des compétences telles que :
Dans chaque organisation, bon nombre de ces emplois pourraient être remplacés par un nombre plus restreint de personnes supervisant un grand nombre d’agents d’IA (ou d’humains assistés par l’IA), ce qui rendrait les organisations plus lourdes au sommet. Luke Drago a appelé cela le « remplacement pyramidal ».
Cela dit, avec la croissance économique, le nombre total d’organisations augmente à mesure que de nouveaux créneaux deviennent rentables. Ainsi, même si chaque organisation requiert moins de personnel pour effectuer ce type de tâches, l’emploi total pourrait ne pas diminuer avant un certain temps.
Ces rôles pourraient également évoluer pour que plus de temps soit consacré aux lacunes de l’IA, par exemple :
S’il y a beaucoup de lacunes, l’emploi pourrait ne pas changer beaucoup. Sans oublier que chaque travailleur aurait la production de plusieurs personnes auparavant, ce qui pourrait encore accroître la demande.
De nombreuses organisations seront également lentes à adopter les outils d’IA, de sorte que ces emplois perdureront plus longtemps.
Tout cela signifie qu’il est difficile de dire quel sera, au final, l’impact de ces changements sur l’emploi dans les professions intellectuelles. Voici toutefois quelques pures spéculations sur les perspectives à moyen terme de certaines professions :
Il y a dix ans, chez 80.000 Hours, nous avons conseillé aux gens d’apprendre à coder et de se lancer dans la science des données — juste avant que la demande n’explose.
Cependant, les perspectives pour ces compétences sont aujourd’hui beaucoup plus incertaines.
Le codage est ce que l’IA fait de mieux actuellement, et c’est le domaine dans lequel elle progresse le plus rapidement. La programmation étant virtuelle et offrant des boucles de rétroaction rapides, elle se prête relativement bien à l’apprentissage par renforcement. L’emploi des développeurs de logiciels est resté stable en 2024, après de nombreuses années de croissance.i
D’un autre côté, beaucoup de gens nous ont dit que les outils IA leur ont permis d’apprendre à coder beaucoup plus rapidement et que l’éventail des possibilités s’est élargi.
La demande de logiciels pourrait également augmenter à mesure que leur production devient moins coûteuse, ce qui signifie que des projets qui n’étaient pas rentables auparavant deviennent viables.
Il est plausible que la valeur de passer un ou deux mois à apprendre à coder ait même augmenté (même si la valeur de passer des années à apprendre a peut-être diminué). Vous pourriez atteindre beaucoup plus rapidement un niveau de compréhension du codage suffisant pour compléter vos autres compétences, telles que l’entrepreneuriat ou le design.
Pour l’instant, il n’est donc pas certain que la valeur de cette compétence ait diminué, mais nous devons également prendre en compte ce qui se passera au cours des cinq prochaines années. Durant cette période, il est probable que l’IA commencera à surpasser nettement les humains en matière de codage, même pour des projets plus longs et plus complexes.
Si cela se produit, les développeurs de logiciels pourraient évoluer vers des postes davantage axés sur la gestion des systèmes d’IA, en utilisant leurs connaissances en codage et en les combinant avec d’autres compétences. Cependant, certains pourraient avoir du mal à faire cette transition.
La situation des scientifiques des données semble similaire, même si jusqu’à présent, l’emploi dans ce domaine a continué de croître rapidement. Si vous envisagez de vous lancer dans ce domaine aujourd’hui, concentrez-vous sur l’acquisition rapide d’une compréhension conceptuelle de l’analyse de données, plutôt que sur la mise en œuvre d’analyses de base.
Nous pourrions faire des remarques similaires concernant les compétences en mathématiques et en STIM appliquées, en particulier celles qui impliquent l’application de connaissances préexistantes. L’IA est déjà au-delà du niveau d’un doctorat pour répondre à des questions scientifiques ou mathématiques bien définies.
L’IA est déjà performante dans la génération d’images, et elle est sur le point de maîtriser la vidéo photoréaliste. Elle a encore du mal à maintenir la cohérence et à suivre des instructions visuelles détaillées, ce qui signifie qu’une supervision humaine reste très nécessaire, mais cela pourrait être corrigé dans les années à venir, à mesure que son autonomie et sa multimodalité s’amélioreront.
Comme indiqué, il y a eu d’importants licenciements d’artistes spécialisés dans les effets spéciaux et d’animateurs en 2024, tandis que l’emploi des graphistes est resté stable.
D’autre part, certains créateurs pourront utiliser des outils IA pour produire considérablement plus qu’ils ne le pouvaient auparavant.
Après de nombreuses années de prédictions, les taxis autonomes sont enfin déployés et connaissent une croissance extrêmement rapide. Il est difficile de savoir combien de temps prendra leur déploiement dans toutes les grandes villes, mais il ne serait pas surprenant d’assister à une vague massive de licenciements parmi les chauffeurs au cours des cinq prochaines années.
En général, les robots trouveront plus facile d’effectuer des tâches dans des environnements prévisibles, plus simples et à faibles enjeux. Par exemple, les robots occupent déjà de nombreux emplois en entrepôt. Cela n’a pas encore entraîné de baisse de l’emploi dans ce secteur (peut-être parce que la demande en entrepôts a augmenté encore plus rapidement avec le commerce en ligne), mais les prochaines générations de robotique pourraient atteindre un point de basculement.
Compte tenu de ces évolutions, comment aborder les prochaines étapes de votre carrière ?
À mesure que l’IA augmente la valeur des compétences en leadership, elle diminue celle des emplois débutants qui constituaient auparavant une voie de formation vers ces compétences.
Alors, en tant que jeune diplômé entrant sur le marché du travail et espérant obtenir l’un de ces emplois, que devriez-vous faire ?
L’idéal serait de trouver un poste qui vous permette d’acquérir immédiatement des compétences en leadership (par exemple, n’importe quel poste où vous pouvez travailler avec un bon mentor), mais que faire si vous n’y parvenez pas ?
Tout d’abord, vous pouvez commencer à acquérir des compétences en déploiement d’IA et en efficacité personnelle dans n’importe quel emploi, et celles-ci figurent également en tête de ma liste.
Deuxièmement, vous pourriez trouver un moyen de commencer à mettre en pratique vos compétences en leadership ou en communication dans votre poste actuel, peut-être à petite échelle (par exemple, en gérant un sous-traitant, en aidant à lancer un nouveau produit).
Sinon, vous pourriez vous lancer dans un projet parallèle ou un passe-temps sérieux, comme diriger un projet communautaire bénévole, tenir un blog ou avoir une activité secondaire. Cela vous permettra de mettre en pratique vos compétences en leadership et, grâce aux outils IA, vous pourrez accomplir davantage plus rapidement qu’auparavant.
En termes d’emplois à temps plein, les postes dans les petites organisations en pleine croissance semblent plus attrayants, car ils vous permettent de développer plus rapidement ce type de compétences.
En revanche, dans les grandes entreprises, la spécialisation est plus poussée, ce qui signifie que les postes de premier échelon impliquent souvent un travail plus routinier.
Si vous en avez la possibilité, les postes dans les startups technologiques qui appliquent l’IA à un problème réel semblent particulièrement attrayants, car ils permettent de se former simultanément au déploiement de l’IA et à l’entrepreneuriat, tout en apprenant, de manière générale, à faire avancer les choses. Voici un article sur les arguments en faveur des projets ambitieux.
Si vous n’êtes pas en mesure de court-circuiter la voie des cols blancs, une autre option consiste à vous concentrer sur les secteurs où la performance repose sur des compétences physiques complexes, une présence physique et des compétences sociales (par exemple, médiateur, organisateur d’événements, tourisme de luxe).
L’automatisation par l’IA progresse déjà plus rapidement que les vagues technologiques précédentes,j pourrait s’accélérer, et a des effets difficiles à prévoir, ce qui rend les longues périodes de formation moins attrayantes.
Cela ne veut pas dire que vous ne devriez pas passer 1 à 2 ans en formation, ni même que vous ne devriez jamais commencer de longs programmes de formation. Par exemple, les études supérieures pourraient encore s’avérer utiles pour plusieurs raisons : (i) la valeur d’une véritable expertise augmente, (ii) vous pouvez effectuer un travail utile pendant vos études, (iii) vous pensez que les progrès de l’IA seront plus lents, (iv) vous manquez d’autres options. Mais cela vaut la peine de réfléchir davantage aux alternatives.
Faut-il terminer ses études universitaires ? Pour la plupart des gens, cela en vaut toujours la peine, car cela améliore considérablement l’employabilité. Cependant, l’argument en faveur de l’abandon des études semble plus solide qu’auparavant (surtout si votre université ne vous autorise pas à utiliser des outils d’IA). Je déconseille généralement d’abandonner ses études, à moins d’avoir déjà une offre d’emploi rémunéré. Cependant, vous pourriez essayer (i) de vous mettre en position de recevoir une telle offre plus rapidement (par exemple, grâce à des projets d’été) ou (ii) de finir vos études plus vite.
Une façon de faire face à des changements rapides et imprévisibles est d’acquérir des compétences en matière d’efficacité personnelle utiles dans tous les emplois. Mais vous pouvez également réfléchir à des manières d’organiser votre vie pour la rendre plus flexible et résiliente :
L’objectif n’est pas de trouver un seul emploi qui résistera pour toujours à l’automatisation, mais plutôt de garder une ou deux longueurs d’avance sur celle-ci.
Cela signifie se tenir au courant des capacités de l’IA, suivre des personnes aux analyses pertinentes sur la situation, et s’adapter en permanence aux principaux goulots d’étranglement.
Merci à Carl Shulman et Mike Webb pour les discussions qui ont nourri cet article, à Ethan Heppner pour ses données et commentaires, ainsi qu’à Arden Koehler et Ozy Brennan pour leurs remarques.