L’IA va-t-elle prendre votre emploi ? Ce que disent les rapports 2025

Autrement dit, la réponse n’est ni un grand « oui », ni un grand « non ». Pour la plupart des actifs, la stratégie la plus réaliste consiste à repérer les tâches répétitives, standardisées, centrées sur du texte, des tableaux ou des synthèses, puis à apprendre à les améliorer avec l’IA, la donnée et l’automatisation. Le tout sans abandonner ce qui reste profondément humain : juger, arbitrer, communiquer, comprendre le contexte et assumer la responsabilité d’une décision.

Trois signaux à retenir pour 2025

1. Les besoins montent clairement dans la tech, la donnée et la fintech

Selon le Forum économique mondial, les trois métiers qui progressent le plus vite en pourcentage sont les spécialistes du big data, les ingénieurs fintech et les spécialistes de l’IA et du machine learning. Une synthèse d’ARISA du même rapport souligne aussi la demande pour le big data, la fintech, l’IA et le machine learning, ainsi que le développement logiciel et applicatif. Côté compétences, AI and Big Data ressort comme l’ensemble le plus dynamique, suivi par Networks and Cybersecurity et la culture technologique générale.

Cela ne veut pas dire que tout le monde doit devenir ingénieur. Mais cela signifie que presque tous les métiers auront intérêt à mieux comprendre l’IA, la donnée et les processus numériques.

2. Les opportunités ne concernent pas seulement les profils techniques

Le Forum économique mondial indique aussi que les rôles de première ligne et les secteurs essentiels comme le soin et l’éducation devraient connaître la plus forte croissance de l’emploi d’ici 2030.

Il n’y a donc pas une seule trajectoire possible, du type « tout quitter pour devenir développeur IA ». Une autre voie, souvent plus accessible, consiste à rester dans son domaine — éducation, santé, service, marketing, finance, administration, opérations — tout en devenant la personne qui sait utiliser les outils d’IA et les méthodes numériques pour mieux travailler.

3. Le risque se mesure par tâche, pas seulement par intitulé de poste

La mise à jour 2025 de l’OIT insiste justement sur une analyse au niveau des tâches pour évaluer l’exposition des professions à l’IA générative. C’est essentiel : un même métier peut contenir à la fois des tâches faciles à accélérer par l’IA — résumer, classer, reformuler, produire une première version — et des tâches qui exigent encore du jugement, de la relation humaine ou une compréhension fine du contexte.

Le Forum économique mondial note également que l’IA et d’autres évolutions technologiques redessinent le marché : elles stimulent la demande pour de nombreux rôles techniques ou spécialisés, tout en pouvant faire reculer certains métiers, par exemple les graphic designers. Cela ne signifie pas que toute activité de design disparaît. Mais les profils très dépendants de productions standardisées ont intérêt à monter vers la stratégie, la marque, l’analyse du contexte et le contrôle qualité.

Commencez par auditer vos tâches

Voici une grille simple, inspirée de l’approche par tâches mise en avant par l’OIT.

Les 5 compétences à prioriser en 2025

1. Culture IA et machine learning

Les spécialistes de l’IA et du machine learning figurent parmi les métiers qui progressent le plus vite en pourcentage selon le Forum économique mondial.

Pour la majorité des non-ingénieurs, la première étape n’est pas d’entraîner un modèle. Il s’agit plutôt de comprendre ce que l’IA peut faire, ce qu’elle ne sait pas garantir, quand une vérification humaine est indispensable, et comment l’utiliser pour rechercher, résumer, rédiger une première version, organiser des informations ou produire une analyse exploratoire.

L’objectif pratique : construire un flux de travail fiable. Des entrées claires, un format de sortie défini, des critères de vérification, et des règles sur les données à ne pas envoyer dans n’importe quel outil externe.

2. Analyse de données et big data

Les spécialistes du big data font eux aussi partie des métiers qui progressent le plus vite en pourcentage selon le Forum économique mondial. ARISA souligne également que l’association AI and Big Data ressort comme l’un des ensembles de compétences les plus importants.

Si vous ne devez choisir qu’une compétence technique pour commencer, vous pouvez partir d’un tableur avancé, de SQL, de la visualisation de données ou de bases en Python. Le but n’est pas d’accumuler les outils sur un CV, mais de transformer des données en éléments vérifiables, compréhensibles et utiles à la décision.

3. Développement logiciel, applications et réflexe d’automatisation

ARISA cite Software and Application Development parmi les domaines professionnels où la demande est notable.

Même sans viser un poste de développeur à temps plein, il devient utile de comprendre les bases d’un produit numérique : comment circulent les données, ce qu’est une API, à quoi servent les scripts, quand utiliser un outil no-code ou low-code, et comment documenter un processus.

L’IA crée rarement sa pleine valeur dans un usage isolé. Elle devient plus puissante lorsqu’elle est intégrée à un processus répétable, traçable et maintenable.

4. Réseaux et cybersécurité

ARISA indique que Networks and Cybersecurity arrive juste après AI and Big Data parmi les ensembles de compétences importants.

Plus les organisations numérisent leurs processus, moins la cybersécurité peut rester uniquement l’affaire du service informatique. Tout professionnel devrait comprendre les bases : droits d’accès, données sensibles, informations que l’on peut ou non téléverser dans un outil, conservation des traces, validation des sorties produites par l’IA.

Savoir utiliser un outil est une première étape. Savoir l’utiliser sans exposer l’entreprise, les clients ou les collègues est une compétence plus durable.

5. Culture technologique générale

ARISA cite aussi la general technological literacy comme compétence importante.

C’est souvent la compétence la plus sous-estimée par les profils non techniques. Il ne s’agit pas de coder toute la journée, mais de comprendre comment les outils se connectent, d’où viennent les données, comment vérifier un résultat et à quel moment faire appel à un spécialiste.

Cette culture technologique facilite la collaboration avec les équipes data, produit, ingénierie ou cybersécurité. Elle permet aussi de passer d’un usage gadget de l’IA à une amélioration réelle du travail produit.

Par où commencer selon votre métier ?

Transformez l’apprentissage en preuves visibles

1. Auditez vos tâches avant de paniquer sur votre intitulé de poste. Notez ce que vous faites chaque semaine. Repérez ce qui est répétitif, standardisé, fondé sur du texte, des tableaux ou des synthèses. Cette logique rejoint l’approche par tâches utilisée par l’OIT pour analyser l’impact de l’IA générative.
2. Choisissez un cas d’usage concret. Par exemple : compte rendu de réunion, réponse client, nettoyage de données, veille concurrentielle, rapport hebdomadaire. Définissez les données d’entrée, les consignes, le format de sortie et le contrôle humain.
3. Ajoutez une compétence technique liée à votre métier. SQL, Python, visualisation de données, automatisation ou bases de cybersécurité : choisissez en fonction de vos tâches réelles, pas d’une tendance abstraite.
4. Documentez vos résultats. Ne dites pas seulement « je sais utiliser l’IA ». Montrez le processus, les critères de vérification, les gains obtenus et les limites identifiées.
5. Gardez le jugement humain au centre. L’IA peut classer, résumer, proposer et générer. Mais les objectifs, les arbitrages, la responsabilité et la décision finale doivent rester assumés par des personnes.

Conclusion : ne vous contentez pas d’apprendre des mots-clés IA

Les signaux 2025 du Forum économique mondial et de l’OIT suggèrent moins une disparition massive et uniforme des emplois qu’une redistribution des tâches et des compétences. Le Forum économique mondial voit à la fois de nouvelles opportunités d’emploi et une forte pression à la montée en compétence ; l’OIT, elle, analyse l’effet de l’IA générative au niveau des tâches.

Si votre travail repose sur des productions répétitives et standardisées, commencez par l’IA, la donnée et l’automatisation. Si votre valeur vient surtout du jugement, de l’expertise métier, de la relation humaine et du contexte, apprenez à utiliser l’IA pour amplifier votre recherche, votre analyse, votre communication et votre capacité de livraison.

Les profils les plus solides ne seront pas forcément ceux qui récitent le mieux le vocabulaire de l’IA. Ce seront ceux qui savent transformer l’IA en résultats vérifiables, utiles et responsables.