IA et emploi des jeunes : qui formera les experts de demain ?
L'intelligence artificielle peut faire en quelques secondes ce que les débutants mettaient autrefois des heures à réaliser. Mais si l'on supprime les premières tâches d'un métier, comment les jeunes apprendront-ils à le maîtriser ?
Une révolution qui commence par les premiers emplois
L'IA promet d'accélérer la production de documents, d'analyses, de logiciels et de connaissances. Pourtant, l'un de ses effets possibles est beaucoup moins visible : elle transforme les conditions dans lesquelles un jeune entre dans un métier.
Dans une entreprise, le stagiaire prépare une première synthèse. L'alternant effectue des recherches. Le développeur débutant corrige une anomalie. Le jeune consultant rassemble des données.
Ces activités semblent répétitives. Mais elles sont aussi des expériences fondatrices : elles permettent de découvrir le métier, de rencontrer ses difficultés, d'apprendre à faire des erreurs et de les corriger.
Les portes d'entrée vers l'emploi se rétrécissent-elles ?
Les systèmes d'IA générative peuvent déjà contribuer aux recherches documentaires, aux premiers textes, à certaines analyses, au code informatique et au support client.
Or, ces activités représentaient une part importante des missions confiées aux jeunes recrues. L'automatisation pourrait donc modifier la demande de profils débutants, même lorsque les entreprises continuent d'employer des professionnels expérimentés.
Écart relatif d'emploi observé chez les 22–25 ans dans les métiers américains fortement exposés à l'IA, comparativement à une trajectoire suivant les jeunes des métiers moins exposés, selon l'étude Stanford actualisée en août 2026.
Il ne s'agit ni d'une baisse générale de 19 % des recrutements, ni d'une mesure française, ni d'une preuve que l'IA explique à elle seule cet écart.
La recherche relève que l'écart semble passer davantage par une baisse relative des embauches que par des licenciements. Les chercheurs soulignent cependant des facteurs économiques complémentaires et des limites méthodologiques.
Lire les résultats du Stanford Digital Economy Lab (2026) .
Le paradoxe de la seniorisation
Pour superviser des systèmes puissants, les entreprises peuvent rechercher des personnes sachant déjà interpréter les résultats, identifier les erreurs et prendre des décisions.
Mais un professionnel expérimenté a lui-même été débutant. Une entreprise qui cesse d'investir dans les premières expériences risque de fragiliser ses compétences futures.
Et en France : peut-on tirer les mêmes conclusions ?
Non, pas directement. Le marché français possède ses propres mécanismes : alternance, stages, diplômes, conventions collectives et pratiques sectorielles de recrutement.
Les données américaines constituent un signal à examiner, pas une mesure du chômage des jeunes en France. Il faut distinguer l'effet propre de l'IA, la conjoncture économique et les décisions d'embauche propres à chaque secteur.
Quand l'IA casse l'escalier de l'apprentissage
Devenir compétent ne consiste pas simplement à accumuler des informations. C'est apprendre à reconnaître des situations, interpréter des indices, comprendre les conséquences d'une décision et agir malgré l'incertitude.
Une partie de ce savoir est tacite : on l'acquiert par l'expérience, l'observation, les corrections et la coopération.
Lorsque l'IA accomplit immédiatement la première étape, le jeune peut accéder plus rapidement à un résultat. Mais a-t-il acquis les connaissances qui permettent de comprendre comment ce résultat a été obtenu ?
C'est le risque du trou de discernement, ou judgment gap : la distance entre ce qu'une personne peut produire avec l'IA et ce qu'elle est capable de comprendre, de justifier et de corriger par elle-même.
En entreprise, cela pose aussi une question de management des connaissances : comment préserver les occasions de transmission entre collaborateurs ?
Explorer le dossier EVALIR sur la jeunesse et l'intelligence vivante .
Résultat brillant, compréhension fragile : sauriez-vous faire la différence ?
Une jeune recrue présente une analyse réalisée avec l'IA.
Le document est bien rédigé, convaincant, avec des tableaux et des recommandations. Son responsable souhaite évaluer la compétence réellement acquise.
Quelle démarche privilégier ?
L'exercice met en évidence un principe pédagogique : évaluer à la fois le livrable et la capacité de la personne à le comprendre.
L'illusion de maîtrise : produire n'est pas comprendre
Un jeune peut obtenir en quelques minutes un rapport, un programme, un support commercial ou une analyse qui ressemble à un travail expérimenté.
C'est une possibilité formidable. Mais elle peut masquer la fragilité des compétences lorsque l'on confond la qualité apparente du résultat avec la maîtrise de sa fabrication.
Une étude publiée à la conférence CHI 2025 par Microsoft Research et ses partenaires, fondée sur les déclarations de 319 professionnels, montre notamment une association entre confiance accordée à l'IA et moindre effort de pensée critique. Ce résultat ne démontre pas que l'IA provoque automatiquement une perte de capacité intellectuelle.
Consulter l'étude Microsoft Research .
Comment former autrement ?
Préserver les fondamentaux
Logique, maîtrise du langage, raisonnement, mathématiques selon les métiers, compréhension des processus et connaissances disciplinaires.
Apprendre à vérifier
Rechercher des sources, confronter des hypothèses, détecter les erreurs, documenter les limites et justifier un choix.
Développer les expériences réelles
Rencontrer les clients, observer le terrain, participer aux arbitrages et travailler sur des cas incomplets ou ambigus.
Renforcer les compétences humaines
Écoute, coopération, expression, créativité, sens des responsabilités et capacité à expliquer une décision.
L'OCDE souligne en 2026 que les besoins liés à l'IA dépassent largement les seules compétences techniques : analyse, interprétation des données, créativité, management et formation continue deviennent essentiels.
Mentorat inversé : quand les générations apprennent ensemble
Une nouvelle organisation des apprentissages peut émerger : le junior apporte ses expérimentations et parfois sa familiarité avec les outils, tandis que le professionnel expérimenté apporte des repères métiers et sa connaissance des situations complexes.
Mais cette complémentarité n'est pas automatique. Tous les jeunes ne maîtrisent pas l'IA et tous les professionnels expérimentés ne sont pas moins à l'aise avec elle.
Il faut créer les conditions du dialogue : respect mutuel, temps partagé, expérimentations et droit à l'erreur.
Ce que le junior peut apporter
Exploration des outils, nouvelles méthodes, questions inattendues, rapidité d'expérimentation et remise en cause de certaines habitudes.
Ce que le senior peut apporter
Connaissance du terrain, mémoire des situations, contextualisation, arbitrages, contrôle qualité et transmission des savoirs tacites.
Votre entreprise protège-t-elle la formation des juniors ?
Répondez à ces six questions. Ce test pédagogique permet de repérer les pratiques favorables à la transmission des compétences.
1. Des juniors participent-ils réellement aux projets IA ?
2. Conservent-ils des occasions de réaliser certaines tâches sans IA ?
3. Les livrables sont-ils discutés et justifiés, au-delà de leur apparence ?
4. Chaque junior dispose-t-il d'un accompagnement humain identifié ?
5. Des échanges de compétences ont-ils lieu entre générations ?
6. L'entreprise évalue-t-elle l'acquisition des compétences, pas seulement la productivité ?
Autodiagnostic pédagogique non certifiant. Les réponses sont traitées localement.
Comment construire un parcours junior à l'ère de l'IA ?
Il ne suffit plus d'apprendre à utiliser les outils. L'entreprise doit organiser une progression pédagogique cohérente avec les compétences qu'elle souhaite développer à long terme.
Phase 1 — Comprendre le métier
Observer des situations concrètes, manipuler les données, travailler sans automatisation sur des exercices ciblés et comprendre les critères de qualité.
Phase 2 — Expérimenter avec l'IA
Comparer un travail manuel et un travail assisté. Rechercher les erreurs, vérifier les informations et identifier les gains réels.
Phase 3 — Apprendre à arbitrer
Traiter des cas ambigus, expliquer les choix, rencontrer les acteurs du terrain et comprendre les conséquences des décisions.
Phase 4 — Transmettre à son tour
Partager des découvertes, documenter des pratiques, contribuer à la formation des collègues et enrichir les connaissances de l'organisation.
Un exercice simple pour les managers
Lors de la prochaine intégration d'un jeune, choisissez une tâche habituellement confiée à l'IA. Demandez-lui de la réaliser une première fois sans assistance, puis avec l'outil. Organisez ensuite un entretien de vingt minutes :
Afficher les cinq questions de débriefing
- Qu'as-tu compris du problème ?
- Qu'est-ce que l'IA a amélioré ?
- Qu'a-t-elle ignoré ou mal interprété ?
- Quelles décisions relèvent encore de ton jugement ?
- Que ferais-tu différemment la prochaine fois ?
Former les juniors, c'est aussi préparer l'entreprise de demain
Les dirigeants peuvent regarder l'IA sous l'angle immédiat de la productivité. Pourtant, une organisation a besoin de renouveler ses connaissances, ses compétences et ses futurs responsables.
Ne pas recruter ou former aujourd'hui peut créer demain un déficit de professionnels capables d'exercer un jugement autonome.
Le défi n'est donc pas de protéger artificiellement toutes les tâches anciennes. Il est de concevoir de nouvelles expériences d'apprentissage, adaptées à un monde où les machines produisent déjà une partie du travail intellectuel.
C'est une question de performance, de formation, de transmission, mais aussi de responsabilité intergénérationnelle.
Avec EVALIR : transformer l'IA en occasion d'apprendre
EVALIR accompagne les entreprises, les organisations et les acteurs de la formation pour comprendre l'IA, expérimenter ses usages et développer des compétences durables.
Ateliers, conférences, formations et accompagnements permettent d'articuler maîtrise des outils, esprit critique, travail réel et intelligence collective.
À poursuivre sur EVALIR
Sources et études
- Stanford Digital Economy Lab (2026), Canaries in the Coal Mine — actualisation d'août 2026 .
- OCDE (2026), AI and Skills: What We Know So Far .
- OCDE (2025), Bridging the AI Skills Gap .
- Microsoft Research (2025), The Impact of Generative AI on Critical Thinking .
- OCDE (2025), Generative AI and the SME Workforce .
Dossier EVALIR, octobre 2026. Les chiffres internationaux sont présentés dans leur périmètre d'étude. Les exercices et propositions organisationnelles constituent des outils pédagogiques.
