Après plusieurs années passées à coexister avec l’intelligence artificielle, il est clair qu’elle n’est pas une simple mode technologique passagère — elle est là pour durer et provoque des changements profonds dans notre manière de gérer et de comprendre la productivité.
Il ne s’agit pas de se demander à quoi ressembleront les emplois dans un futur lointain, mais de voir comment le travail lui-même — la manière dont nous créons, collaborons et même pensons — est en train d’être redéfini dès aujourd’hui.
L’IA au-delà de la génération de contenu
Aujourd’hui, lorsque nous parlons d’intelligence artificielle, nous pensons généralement à l’IA générative — des outils comme ChatGPT, Gemini ou Gamma, capables de créer des textes, des images, des vidéos, voire des présentations complètes.
Cependant, d’autres branches de l’IA, souvent moins médiatisées, sont tout aussi fondamentales. Elles transforment silencieusement notre société depuis plusieurs années.
On parle par exemple des algorithmes prédictifs permettant la détection précoce de maladies, des modèles financiers pour prévoir les risques d’impayés, de la vision par ordinateur qui rend possibles les voitures autonomes ou détecte les produits défectueux sur les chaînes de production, et de l’analyse en temps réel des données pour la gestion énergétique, entre autres.
Tout cela va bien au-delà de demander à ChatGPT de transformer votre chat en personnage Pixar. Dans ce contexte, non seulement les métiers traditionnels évoluent, mais de nouvelles fonctions, profils et compétences émergent. Des postes qui, il y a dix ans, auraient pu sembler de la science-fiction ou une simple blague, sont aujourd’hui bien réels.
Quels seront les métiers du futur ?
Le développement rapide de l’intelligence artificielle stimule une nouvelle économie de la connaissance, où les frontières entre technologie, créativité et stratégie sont en train d’être redessinées.
Selon les analyses de TechTarget, Salesforce, RoboticsBiz, Sacred Heart University et du Forum économique mondial, nous assistons à l’émergence d’une nouvelle génération de professionnels — des personnes qui doivent comprendre à la fois les capacités techniques des modèles d’IA et leur impact culturel, éthique et social.
Ingénieurs de prompt
Si ChatGPT nous a appris quelque chose, c’est que tout le monde peut poser une question et obtenir une réponse. Mais que se passe-t-il lorsque la réponse recherchée est très spécifique et destinée à un domaine professionnel particulier ? Dans de nombreux cas, la réponse générique fournie n’est pas suffisante.
La différence est claire :
Vous pourriez demander à ChatGPT : « Que devrais-je porter aujourd’hui ? » et lui envoyer une photo de votre garde-robe.
Ou bien vous pourriez créer un prompt détaillé comme celui-ci :
Rôle : Vous êtes un styliste professionnel spécialisé dans la mode contemporaine, avec une connaissance complète des tendances présentées à la Paris Fashion Week 2025 (effectuez des recherches en ligne pour obtenir des informations sur les principales tendances, marques et looks).
Tâche : Sur la base de vos recherches et de vos connaissances internes, créez un plan de tenues sur trois jours comprenant deux looks par jour, en veillant à ce qu’un vêtement puisse tenir dans un sac de taille moyenne. Sélectionnez les accessoires en accord avec les tendances de 2025.
Format d’entrée : Vous recevrez des photos des vêtements disponibles à combiner, ainsi que ces instructions.
Format de sortie : Fournissez un plan de tenues pour trois jours, chaque sélection étant justifiée par des références (incluez les liens des sources utilisées). Chaque look doit suivre cette structure :
Haut : pièce – justification – sources
Bas : pièce – justification – sources
Chaussures : pièce – justification – sources
Accessoires : pièce – justification – sources
Justification générale du look : cinq phrases, environ 200 mots
Ton : Vous êtes un styliste professionnel ; adoptez un ton cohérent avec ce rôle, utilisant un langage technique mais accessible. La sortie doit être concise, sans introduction, mais se terminer par une conclusion réfléchie.
Il est évident que le résultat ne sera pas le même — et c’est là que réside la valeur de l’ingénierie de prompt.
Un ingénieur de prompt est quelqu’un qui sait comment communiquer efficacement avec les systèmes d’IA. Il fait le lien entre l’intention humaine et la compréhension machine, combinant des connaissances en psychologie, linguistique informatique et informatique pour obtenir les réponses les plus pertinentes des modèles de langage.
Spécialistes en IA et droit
Tout comme les capacités de l’intelligence artificielle évoluent à grande vitesse, les enjeux juridiques et réglementaires liés à l’IA progressent tout aussi rapidement. Cela crée un nouveau besoin : des professionnels capables de s’assurer que l’IA est utilisée de manière responsable, non seulement sur le plan éthique, mais aussi sur le plan juridique.
Est-il légal qu’une intelligence artificielle génère des personnages pouvant avoir des droits à l’image ou des droits d’auteur ?
Prenons l’exemple des deepfakes : des reproductions générées par l’IA de personnes réelles, créées à des fins variées — de l’humour à la fraude, voire le contenu explicite.
Si une IA rédige un article académique et que je le signe, suis-je l’auteur ?
Et si une œuvre d’art est générée par une IA, à qui appartiennent les droits ?
De plus, lorsque les entreprises utilisent des modèles commerciaux basés sur l’IA :
Quelles données ces systèmes collectent-ils sur nous ?
Comment sont-elles utilisées et quels droits conservons-nous ou cédons-nous dans le processus ?
Ce ne sont là que quelques-unes des questions complexes qui se posent lorsque l’on travaille avec l’IA. Elles nécessitent des réponses basées sur un cadre légal solide, qui combine expertise en droit et compréhension de l’IA.
À mesure que l’IA s’intègre dans nos environnements professionnels et créatifs, les spécialistes en IA et droit joueront un rôle clé pour garantir que l’innovation et la régulation coexistent harmonieusement.
Ingénieurs de données
Aujourd’hui, posséder des modèles d’intelligence artificielle propriétaires est devenu un atout majeur. Les entreprises ne se contentent plus d’utiliser des modèles existants ; elles développent leurs propres algorithmes à partir de leurs données internes pour créer des projets de machine learning à fort impact prédictif et stratégique.
Les professionnels derrière ces projets forment des équipes de données aux rôles spécialisés :
Ingénieurs de données, qui collectent, stockent et rendent les données accessibles.
Data scientists, qui construisent et entraînent les modèles.
Ingénieurs en machine learning, qui transforment les modèles en systèmes prêts pour la production.
Spécialistes MLOps, qui supervisent, déploient et améliorent en continu le cycle de vie des modèles.
Ces experts travaillent en étroite collaboration, chacun ayant un rôle spécifique mais interdépendant. Ils sont essentiels pour transformer les données brutes en informations exploitables, garantissant que l’IA apporte une réelle valeur ajoutée plutôt que de la complexité inutile.
Concepteurs ou architectes de solutions en IA
Dans un environnement professionnel, l’utilisation stratégique de l’intelligence artificielle peut faire la différence et augmenter la productivité, tout en libérant du temps pour que les employés se concentrent sur des tâches à forte valeur ajoutée.
Mais passer d’un environnement de travail pré-IA à un environnement où l’IA est intégrée de manière active et productive ne se fait pas du jour au lendemain. Cela nécessite une stratégie claire d’exécution et des profils capables de guider cette transition.
Le quotidien étant souvent très chargé, il est difficile de prendre le temps de se poser la question : Comment faire réellement ? La tentation est d’adopter les outils au hasard, au gré des besoins. C’est pourquoi il est crucial de disposer d’un concepteur ou architecte de solutions IA capable de créer une culture IA au sein de l’entreprise, et de travailler avec les équipes pour identifier :
Les besoins réels du quotidien
La répartition des charges de travail
Les tâches automatisables
Les informations sensibles
Les goulots d’étranglement dans les flux de travail
Les besoins en reporting
À partir de là, il définira les flux à mettre en place, comment les implémenter, avec quels outils, le budget nécessaire, le retour sur investissement attendu, ainsi que la formation que chaque équipe devra suivre — quand, comment et à quel degré.
Ce n’est pas un processus magique. Mais avoir des professionnels capables de guider cette transformation fait la différence entre une entreprise leader et une entreprise qui prend du retard.
S’adapter pour survivre
De nombreuses autres professions émergent également avec la transformation du travail due à l’IA : marketers AI-first, spécialistes de la post-production audiovisuelle assistée par IA, designers d’agents IA, créateurs de solutions logicielles pilotées par IA, réviseurs de codes générés par IA, et bien d’autres.
Nous vivons une période de transformation profonde, qui va bien au-delà des mots à la mode. Ces changements sont tangibles dans notre quotidien et se déroulent parallèlement à des évolutions mondiales, apportant à la fois risques et opportunités.
Dans ce contexte, il ne suffit pas de s’adapter passivement aux changements. Il faut devenir un acteur actif de la transformation, et cette approche s’applique autant aux individus qu’aux organisations qui redéfinissent la manière dont elles travaillent, créent et innovent à l’ère de l’IA.
