Quand l’IA fait le travail des débutants, comment former les experts de demain ?

Imaginons une PME qui confiait ses premières analyses commerciales à des collaborateurs juniors. Une IA prépare désormais la synthèse des commandes, repère les variations et propose des recommandations. Le résultat arrive plus vite. Mais que deviennent les occasions de comprendre les données, de formuler une hypothèse et de découvrir pourquoi une conclusion apparemment logique peut être fausse ? Cette situation est hypothétique ; elle pose une question très réelle d’organisation.

Toutes les tâches supprimées n’étaient pas formatrices. Recopier des colonnes pendant des heures n’est pas une pédagogie. Certaines étapes obligeaient cependant à rencontrer les cas particuliers et à demander conseil. Automatiser le travail appelle donc un second chantier : reconstruire les occasions de développer les personnes capables de comprendre, corriger et faire évoluer ce que l’IA produit.

Charger le lecteur Spotify

Ouvrir ce lecteur autorise une connexion à Spotify, qui peut recevoir des informations de navigation.

Emploi des jeunes et apprentissage : deux problèmes à distinguer

L’accès à un poste et l’apprentissage dans ce poste sont deux questions différentes. Un recrutement dépend des commandes, de la visibilité économique, du budget et des choix d’organisation. L’IA peut modifier les tâches et les besoins de recrutement ; cela ne permet pas de lui attribuer l’ensemble des difficultés d’insertion.

Les indicateurs doivent aussi être lus précisément. Une baisse de la proportion de juniors peut accompagner une croissance plus rapide des effectifs seniors, sans baisse du nombre de juniors. Une observation sur l’emploi ne mesure pas, à elle seule, ce que les personnes apprennent pendant leur travail. Il faut éviter de faire porter à un chiffre une conclusion qu’il ne démontre pas.

Une entreprise peut conserver ses équipes et retirer des occasions de pratique. Inversement, une automatisation peut libérer du temps pour former davantage. Le sujet concerne également un salarié expérimenté qui découvre une technologie ou un métier : on peut être senior dans l’entreprise et débutant sur une compétence. La question utile est alors celle du parcours, au-delà de l’âge et du statut.

Réussir avec l’IA ne prouve pas que l’on a appris

Un bon livrable assisté ne démontre pas que son auteur sait expliquer le raisonnement ou diagnostiquer une erreur. L’expérience de Bastani et ses collègues, publiée dans PNAS en 2025, rend cette distinction visible. Dans un lycée turc, près de 1 000 élèves ont participé à un essai randomisé comparant un assistant généraliste, un tuteur avec garde-fous et un groupe sans IA.

L’assistant généraliste améliorait les exercices accompagnés, mais les résultats à l’examen sans aide étaient inférieurs de 17 % à ceux du contrôle. Il s’agit d’une baisse relative, pas de 17 points de pourcentage. Le tuteur fournissant notamment des indices conçus avec les enseignants éliminait essentiellement cette dégradation, sans démontrer un gain positif supplémentaire à cet examen. Le dispositif change le résultat ; cette expérience ne prédit pas tous les apprentissages professionnels.

En programmation, Shen et Tamkin étudient l’apprentissage de Python Trio. Leur étude principale analyse 52 développeurs, après une exclusion. La présentation d’Anthropic rapporte des scores moyens de compréhension de 50 % avec IA contre 67 % sans IA, soit 17 points, et aucun gain de vitesse statistiquement significatif. Les participants découvrent la bibliothèque, mais n’ont pas tous le même niveau d’expérience en programmation. Cette petite expérience mesure une compréhension immédiate ; les associations entre modes d’utilisation et apprentissage restent exploratoires. La recherche provient d’un acteur commercial de l’IA.

Pour une entreprise, le signal est opérationnel : demander « un humain a-t-il validé ? » ne suffit pas. Encore faut-il que cette personne sache quoi vérifier, reconnaisse une anomalie et puisse défendre son arbitrage. C’est le prolongement de notre analyse sur l’expertise comme filtre de l’IA. Une signature garantit une responsabilité attribuée, pas une compétence acquise.

L’IA peut aussi accélérer l’acquisition de compétences

L’assistance peut favoriser l’apprentissage lorsqu’elle rend accessibles des pratiques expertes et soutient un effort personnel. Dans Generative AI at Work, Brynjolfsson, Li et Raymond suivent le déploiement progressif d’un assistant auprès de 5 172 agents de support client. La version publiée en 2025 mesure un gain moyen de productivité de 15 %, avec des bénéfices particulièrement importants pour les moins expérimentés. Les auteurs trouvent des indices compatibles avec une diffusion des pratiques des meilleurs agents. L’étude porte sur une entreprise ; les observations pendant des pannes suggèrent un apprentissage, sans constituer sa preuve universelle.

La conception pédagogique est plus explicite dans l’essai de Kestin et ses collègues. À Harvard, 194 étudiants inclus alternent un tutorat IA structuré et un enseignement actif en classe sur deux leçons de physique. Le tutorat obtient des gains supérieurs en moins de temps. Il combine progression, échanges et feedback. Cette expérience courte ne démontre ni une supériorité sur tout un cursus, ni une rétention durable.

Au Nigeria, le programme évalué par la Banque mondiale associe six semaines de tutorat avec Copilot à des séances guidées par des enseignants. L’essai randomisé mesure un gain de 0,31 écart-type sur une évaluation combinant anglais, connaissances IA et compétences numériques. Ce résultat concerne l’intervention complète, comprenant du temps supplémentaire et un accompagnement humain. Il serait trompeur de l’attribuer au seul accès à un chatbot.

Avec Tutor CoPilot, dans sa version de novembre 2025, l’IA soutient directement le tuteur humain. L’essai implique plus de 700 tuteurs et 1 000 élèves. La probabilité de maîtriser les sujets travaillés augmente de 4 points, et de 9 points pour les élèves des tuteurs initialement les moins bien évalués. Le système encourage notamment les questions qui font raisonner. La transposition au mentorat professionnel reste à expérimenter.

Ces résultats invitent à examiner ce que l’assistance fait exercer. Une réponse finale peut clore l’effort ; un indice, une comparaison ou une question adaptée peut le relancer. L’enjeu n’est pas simplement d’interdire ou d’autoriser l’IA. Il consiste à organiser sa contribution à une progression, avec des sources métier fiables et des personnes capables d’en apprécier les effets.

Construire une progression de maîtrise quand les tâches changent

Préserver l’apprentissage exige de remplacer les occasions retirées, pas de conserver toutes les anciennes tâches. Nous proposons ici une synthèse opérationnelle à tester, et non un programme validé scientifiquement. Le premier choix consiste à distinguer les moments de production rapide des moments où une compétence nouvelle doit être travaillée. Une même équipe a besoin des deux, avec des attentes explicites.

Reprenons notre PME fictive. Avant de consulter l’analyse générée, une junior reçoit un dossier anonymisé et formule une hypothèse sur une baisse de marge. Elle précise les données nécessaires et les incertitudes. Elle compare ensuite sa proposition avec celle de l’IA. Le responsable a préparé une anomalie : des avoirs ont été classés dans la mauvaise période, ce qui fausse la comparaison.

La junior doit expliquer ce qui change après correction et défendre son arbitrage devant un senior. Celui-ci décrit les indices qui l’ont alerté et une exception rencontrée dans son métier. Un nouveau dossier, avec une autre structure de coûts, permet ensuite de vérifier si le raisonnement se transfère. L’IA peut prendre en charge la mise en forme et certains calculs ; comprendre, proposer, comparer, diagnostiquer et transférer restent des étapes à exercer.

Des simulations, des dossiers déjà résolus et des erreurs préparées peuvent ainsi remplacer une partie de la pratique perdue. Les cas doivent être choisis pour la compétence visée, avec des critères de correction. Les raisonnements des seniors gagnent à être accompagnés de sources qualifiées, de conditions d’application et de contre-exemples. Les faire reformuler par une IA ne les rend pas automatiquement fiables, comme le rappelle notre réflexion sur la différence entre réponse et connaissance.

Cette organisation demande du temps d’encadrement et des responsabilités progressives. Si la disponibilité libérée est immédiatement absorbée par davantage de production, le parcours reste théorique. Le dirigeant doit rendre possible l’essai, l’explication et la correction, sans exposer le client à des erreurs pédagogiques. Les exercices peuvent se dérouler sur des cas protégés avant une autonomie accrue sur des dossiers réels.

Mesurer les compétences futures autant que le temps gagné

Le temps économisé et la compétence développée doivent être évalués séparément. La première mesure concerne la performance avec IA : délai, qualité, corrections nécessaires. La deuxième porte sur la compréhension personnelle et le diagnostic : expliquer une hypothèse, identifier une limite, repérer une erreur. La troisième examine le transfert sur un cas nouveau, puis une réévaluation différée pour vérifier ce qui persiste.

Certains fondamentaux peuvent être testés sans IA, tandis que d’autres épreuves évaluent la collaboration avec l’outil. Savoir formuler une demande, contrôler une source et décider quand escalader un problème fait aussi partie de la compétence. Réduire l’évaluation à la mémorisation ou à l’exécution solitaire ferait manquer cette dimension. À l’inverse, noter uniquement le document final masquerait la dépendance à l’assistance.

Le premier arbitrage peut rester modeste : choisir une tâche junior automatisée, établir ce qu’elle permettait réellement d’apprendre et construire une occasion de remplacement mesurable. Comparer ensuite les résultats, ajuster les cas et l’encadrement. Un dispositif pédagogique ne crée pas, à lui seul, des emplois. Les organisations doivent aussi préserver des places pour les débutants et du temps pour la transmission. Leur capacité à renouveler l’expertise se joue dans ces choix, autant que dans la vitesse de leurs outils.