Devenir un expert de la data en 2026 : ce que l’IA a vraiment changé, et ce qui reste fondamental

Pour Krajnc, le vrai changement de paradigme réside dans la capacité à challenger les résultats produits par l'IA. Les modèles génératifs peuvent automatiser des tâches autrefois chronophages, nettoyage de données, écriture de code, exploration exploratoire, mais cela exige en contrepartie un regard critique plus affûté. Un professionnel incapable d'évaluer la pertinence d'une sortie de modèle devient dépendant d'un outil qu'il ne maîtrise pas.

Les compétences qui restent incontournables en 2026 sont celles que l'IA ne peut pas substituer : la compréhension des mathématiques et statistiques sous-jacentes, la capacité à formuler les bonnes questions métier, et l'aptitude à communiquer des insights complexes à des interlocuteurs non techniques. Jedha insiste notamment sur l'importance de former des profils capables de travailler avec l'IA comme amplificateur, et non de la subir comme un outil opaque.

Dans un marché du travail où les offres pour data analysts et data scientists continuent de progresser malgré l'automatisation, Krajnc voit une opportunité pour ceux qui combinent rigueur technique et agilité face aux nouveaux outils. La formation continue et la capacité d'adaptation rapide s'imposent comme les véritables différenciateurs pour faire carrière dans la data en 2026.