Après une pénétration rapide de l’IA générative dans le monde du travail, les premiers à ressentir le froid ne sont peut-être pas les travailleurs seniors qui ont déjà bien pris leur place, mais plutôt les nouveaux arrivants, ceux qui s’apprêtent à entrer dans la vie professionnelle. Du parcours de carrière d’autrefois « d’abord faire des tâches de niveau débutant, puis monter progressivement », à présent, les entreprises ont davantage tendance à recruter directement des profils expérimentés, capables de s’y mettre immédiatement. L’IA ne réécrit pas seulement le contenu du travail : elle transforme aussi la « zone d’entraînement » sur laquelle les jeunes comptaient pour progresser.
Dans 《商谈不废话》, l’animatrice Linga et Bradley, qui possède une formation médicale à l’université de Taïwan (NTU), un diplôme de santé publique de Harvard et un parcours chez McKinsey, et qui a occupé des postes de haut niveau chez 乐天医药 et Appier, abordent ce phénomène. Les deux tentent de répondre à une question de plus en plus lancinante : l’IA va-t-elle ne pas commencer par remplacer les employés seniors, mais plutôt priver les débutants de toute chance de monter sur le terrain ?
Après avoir trouvé des recherches liées à Harvard et à Stanford, l’émission constate qu’après le lancement de ChatGPT, les postes de niveau débutant ont effectivement connu une baisse nette, surtout dans les métiers où l’exposition à l’IA est plus élevée. Des secteurs comme l’administratif, le secrétariat, les ventes de débutant, le marketing, etc., sont particulièrement directement touchés.
AI + collègues seniors, ça suffit, pourquoi former des nouveaux ?
Après avoir cité une recherche liée à Harvard et à Stanford, l’émission constate qu’après le lancement de ChatGPT, les postes de niveau débutant ont effectivement connu une baisse nette, surtout dans les métiers où l’exposition à l’IA est plus élevée. Des secteurs comme l’administratif, le secrétariat, les ventes de débutant, le marketing, etc., sont particulièrement directement touchés. Cela signifie que les entreprises ne cessent pas de recruter de façon générale : elles commencent plutôt à revaloriser. Puisqu’un employé avec un peu d’expérience, associé à des outils d’IA, peut produire une sortie qui, auparavant, nécessitait deux ou trois personnes, pourquoi utiliser le même budget pour former plusieurs nouveaux arrivants ?
Bradley affirme sans détour que cette transformation est déjà très visible sur le terrain. Dans le passé, les entreprises étaient disposées à laisser aux nouveaux une période de six mois ou d’un an pour la formation, les rotations, et pour se familiariser avec l’industrie ; mais aujourd’hui, cette patience se réduit rapidement. Pour les responsables, les comptes deviennent très directs : faut-il embaucher deux ou trois employés débutants, tout en organisant pour des collègues seniors l’encadrement des nouveaux et en investissant des ressources de formation ; ou bien embaucher carrément une personne expérimentée, puis la faire entrer sur le champ de bataille avec les meilleurs outils d’IA ? Dans la majorité des entreprises orientées vers l’efficacité et la capacité à être opérationnel rapidement, la réponse ne fait presque aucun doute.
C’est pourquoi la disparition des postes débutants ne se limite pas à « quelques opportunités de travail en moins » : c’est tout le modèle d’apprentissage qui commence à se désorganiser.
Parce que, pour beaucoup de nouveaux, les missions qu’ils utilisaient auparavant pour s’entraîner étaient précisément de celles que l’IA sait le mieux traiter : chercher des informations, organiser des résumés, traduire, écrire des programmes de base, réaliser des analyses initiales. Même si, dans le passé, ces tâches étaient répétitives et fastidieuses, elles constituaient le point de départ pour qu’un débutant développe la bonne sensation, comprenne les standards de qualité et observe comment les aînés jugent les choses. Désormais, ces tâches peuvent être réalisées en quelques minutes par l’IA : les nouveaux perdent non seulement une « aire d’entraînement », mais aussi la possibilité de rester à côté et de voir comment le responsable corrige, réfléchit et juge.
À l’ère de l’IA, sait-on vraiment ce qui compte comme du « bon » ?
Linga mentionne aussi que ce changement se reflète déjà dans l’écart de compétences entre les étudiants et les early professionals. Dans le passé, pour la génération qui n’avait pas d’outils d’IA, faire un rapport consistait à partir de zéro : chercher soi-même des informations, vérifier les sources, formuler des hypothèses, et passer d’une page blanche à un rapport prêt à être présenté sur scène. Ces personnes sont peut-être plus lentes, mais elles savent généralement mieux comment aller de 0 à 100.
À l’inverse, la nouvelle vague d’étudiants a déjà vécu, dès l’époque de l’université, dans le monde de ChatGPT, Grok et Gemini : ils ont l’habitude de poser la même question à différents IA, puis de assembler rapidement les productions dans une présentation ou un tableau. Même si cela semble plus efficace, c’est aussi beaucoup plus facile de rendre les réponses de l’IA à 60 points ou 80 points, sans jugement, juste pour faire l’affaire.
(L’IA peut faire 80 points ; ceux qui ne peuvent pas faire 100 points sont voués à être éliminés ! Conseils de McKinsey, d’anciens élèves de Harvard pour que les nouveaux arrivants fassent ça)
Cela met alors les responsables face à un nouveau dilemme. Bradley donne un exemple : dans le travail de conseil, auparavant, on faisait écrire par un junior un email demandant des informations au client. Cela semblait n’être qu’un travail de texte, mais en réalité c’était un processus crucial pour apprendre à faire comprendre au destinataire le contexte du client, à maîtriser le rythme de la communication et la mesure des mots à utiliser pour juger. Mais aujourd’hui, la situation devient souvent que, lorsqu’un responsable lit la lettre, il sait soit qu’elle n’est pas assez mûre, soit qu’elle a clairement été générée par une IA, et qu’elle est encore à distance d’être vraiment exploitable.
Un conseil aux jeunes : comprendre activement les standards dans la tête des responsables
Cependant, les deux ne se sont pas arrêtés à l’anxiété elle-même : ils discutent plus loin de la façon dont les jeunes doivent construire eux-mêmes une nouvelle « aire d’entraînement » quand la première marche est en train de disparaître.
Linga estime que la première chose est de comprendre activement les standards qui existent dans la tête des responsables. Car, pour beaucoup de « pointures » au travail, s’ils font mieux que les autres, ce n’est pas seulement parce qu’ils travaillent plus dur : c’est parce qu’ils ont tout un ensemble de critères de jugement (checklist) dans leur esprit : faut-il recouper et vérifier les sources des informations ? faut-il vérifier le parcours de l’auteur/de la personne qui a fait la recherche ? faut-il préciser les limites des conclusions ? comment organiser la logique du rapport ? Dans le passé, ces standards pouvaient être dissimulés dans des modifications répétées et des instructions orales.
Mais à l’ère de l’IA, beaucoup d’entre eux sont déjà transformés par les responsables en prompts et en contraintes. Pour les jeunes travailleurs, l’important n’est donc pas de savoir ou non suivre l’outil, mais d’avoir la capacité de clarifier d’abord « ce que signifie faire du bon ».
Le sens de la structure et le jugement : la partie que l’IA ne peut pas remplacer
Deuxièmement, il faut, à l’époque de la surabondance d’informations, réentraîner sa capacité de lecture et d’intégration. L’IA peut t’aider à parcourir simultanément 25 rapports et te fournir rapidement un résumé, mais cela peut aussi facilement te faire croire que tu as déjà compris le problème. Linga pense que, plus on est dans ce monde, plus il faut forcer sa propre sélection de contenus vraiment de haute qualité, y consacrer du temps et approfondir : voir comment l’auteur définit le problème, comment il décompose l’industrie, comment il conçoit la méthode, comment il vérifie les hypothèses, puis finalement comment il fait des jugements à partir de l’expérience.
Ce cheminement du sens de la structure et du jugement, c’est précisément la partie que l’IA ne peut pas intérioriser directement pour toi.
Bradley rappelle aussi que, si les jeunes veulent se rapprocher des postes plus avancés, la première étape est toujours « d’acheter son billet avec des résultats ». Ce n’est pas seulement terminer les tâches : c’est faire en sorte que le responsable puisse être rassuré et qu’il soit prêt à te confier des choses plus complexes. En plus de cela, il faut apprendre à se placer proactivement en renfort (compléter là où il manque). Car, sur le lieu de travail, beaucoup de tâches à un niveau plus élevé, plus proches du cœur de la prise de décision, ne manquent pas d’opportunités : il manque juste des gens pour les faire.
Par exemple, une mission qui ressemble, à première vue, à une simple analyse du taux de conversion : la clé n’est souvent pas le chiffre lui-même, mais ce que cette analyse doit soutenir comme décision. Si le responsable veut savoir dans quels segments de clients investir davantage le budget marketing à l’étape suivante, alors tu ne devrais pas seulement livrer le taux de conversion : il faut aller une étape en amont, compléter avec les coûts d’acquisition, le Lifetime Value, le ROI, voire proposer plus loin un langage de décision du type « si le budget augmente de 20 %, de combien les revenus pourraient augmenter ». Cette capacité à transformer une analyse en recommandation fait partie de ce qui vaut le plus de l’argent à l’ère de l’IA.
À quoi ressembleront les personnes que les entreprises voudront : avancer dans l’ambigu, et savoir ce que signifie « bien »
Quand on parle du type de personnes que les entreprises doivent vraiment chercher, Bradley donne aussi une réponse assez claire. Premièrement : ce sont des personnes capables d’avancer dans le flou. Parce que, à l’ère de l’IA, le changement va trop vite : dans trois mois, le contenu de ton travail pourrait être totalement différent. Si quelqu’un doit attendre que tout soit défini clairement avant d’agir, non seulement il souffrira lui-même, mais cela signifie aussi que très probablement son poste sera remplacé par l’IA tôt ou tard.
Deuxièmement : est-ce qu’on sait juger les sorties de l’IA ? sait-on quel type de résultat compte comme « bon » ? Aujourd’hui, « savoir utiliser l’IA » est déjà un niveau de base ; ce qui creuse vraiment l’écart, c’est : après avoir lu l’analyse de marché générée par l’IA, est-ce que tu as ton propre point de vue ? sais-tu quelles parties doivent être vérifiées ? quelles parties ne doivent pas être acceptées telles quelles ? Parce qu’à l’heure actuelle, les données ne sont plus rares ; ce qui est vraiment rare, ce sont les points de vue.
Les recherches d’emploi des nouveaux deviennent plus difficiles, et les postes débutants commencent à se restructurer
Troisièmement : est-ce qu’on sait se mettre à niveau soi-même ? Face à un environnement en changement rapide, les entreprises préfèrent une personne qui n’a pas encore autant de compétences aujourd’hui, mais qui apprend vite, plutôt qu’une personne qui a beaucoup de compétences, mais s’arrête là.
C’est aussi pour cela que les deux pensent que, plutôt que « disparaître », les postes débutants d’aujourd’hui sont en train d’être redéfinis. Les entreprises n’ont pas complètement besoin des jeunes ; simplement, elles ne veulent plus seulement des personnes capables d’exécuter des tâches répétitives. La nouvelle ligne de départ devient : est-ce que tu comprends l’IA ? as-tu des points de vue ? sais-tu apprendre rapidement de façon proactive ? es-tu capable de transformer l’outil en levier à toi ? Pour beaucoup d’entreprises, les jeunes ne sont plus seulement des personnes à former : ils deviennent aussi des acteurs qui apportent dans l’organisation l’intuition de l’IA, les habitudes d’outils et le rythme du monde nouveau.
À la fin de l’émission, on donne aussi une recommandation assez concrète : si, à l’heure actuelle, tu es en train de chercher un emploi, la manière la plus efficace de te préparer n’est peut-être pas de lire encore un diplôme en IA, mais de faire toi-même un projet side AI pour l’industrie dans laquelle tu veux entrer. Par exemple, si tu veux entrer dans le département marketing de Google, alors essaie d’exécuter avec les outils d’IA un processus complet de travail marketing, de la recherche du problème à la conception de la solution, jusqu’à la présentation effective d’une démo aboutissant à des résultats. Ainsi, lors de l’entretien, tu ne te contentes plus de dire « je suis très intéressé par l’IA » : tu peux présenter directement un projet end-to-end et prouver aux recruteurs que tu sais résoudre de vrais problèmes avec des outils.
Pour les nouveaux qui font face à l’anxiété liée au recrutement après l’obtention du diplôme, la réalité la plus cruelle est peut-être la suivante : l’échelle de carrière qui semblait autrefois aller de soi est bel et bien en train d’être démontée en partie par l’IA.
Mais comme l’a dit Bradley, la carrière n’a peut-être jamais été seulement une affaire d’escalader une échelle : c’est plutôt comme nager. Avant, les chemins étaient tout tracés ; aujourd’hui, il faut soi-même trouver une direction et avancer en nageant. Quand la première marche devient moins stable, ce qui compte vraiment, ce n’est peut-être pas de continuer à regarder si l’échelle est encore là, mais si tu as la capacité de trouver, de façon proactive, le prochain mouvement qui te permettra de flotter.
Cet article 毕业求职焦慮？研究顯示 AI 直接影響初階職缺，麥肯錫顧問建議新鮮人這樣做 apparaît pour la première fois dans 鏈新聞 ABMedia.
