Andrew Ng se lance dans l'ingénierie de l'IA
Andrew Ng, cofondateur de Google Brain et de la plateforme Coursera, relance son organisation DeepLearning.ai en la recentrant sur le domaine émergent de l'ingénierie de l'intelligence artificielle, ou "AI Engineering". Cette initiative s'appuie sur une étude approfondie menée par son équipe : l'analyse de plus de 10 000 offres d'emploi, des dizaines d'entretiens structurés avec des experts en IA, des recruteurs et des responsables du recrutement, ainsi que des sondages et la synthèse de diverses données en ligne. De ce travail, Andrew Ng tire quatre compétences jugées essentielles pour tout professionnel évoluant dans ce domaine : la capacité à construire et déployer des applications d'IA (maîtrise des grands modèles de langage, du context engineering, du RAG et des workflows agentiques, associée à des techniques statistiques pour mesurer et piloter le comportement des systèmes), la maîtrise des fondamentaux du génie logiciel, l'usage efficace des agents de codage autonomes, et enfin le sens produit permettant de driver un projet en fonction des objectifs business et des besoins clients.
Résumé et traduction réalisés par Le Fil IA à partir de Latent Space. Lire l'article original →
Ce repositionnement de DeepLearning.ai, organisation de référence dans la formation en IA depuis plusieurs années, illustre à quel point ces compétences dépassent désormais le seul intitulé de poste "AI Engineer" pour concerner l'ensemble des développeurs. Selon Andrew Ng, les modèles de langage profitent davantage aux développeurs déjà expérimentés qu'aux débutants qui se contentent de "vibecoder" sans comprendre les compromis techniques effectués par leur agent, ce qui tend à élever le plafond de performance des experts plus que le plancher des novices. La capacité à utiliser des agents de codage efficacement, à savoir quand intervenir et quand les laisser travailler seuls, à orchestrer plusieurs agents en parallèle, ou encore à éviter des erreurs coûteuses comme la corruption d'une base de données de production, devient ainsi une compétence transversale critique. Pour les entreprises, cela implique de revoir en profondeur leurs critères de recrutement et de formation technique.
Cette évolution prolonge la thèse de l'essor de l'"AI Engineer" formulée dès 2023, à une époque où GitHub Copilot représentait quasiment la seule solution de codage assisté par IA disponible. Depuis, le secteur a connu une expansion spectaculaire entre 2024 et 2026, marquée notamment par la progression de la startup Cursor, dont la valorisation a grimpé jusqu'à 60 milliards de dollars, ainsi que par la montée en puissance d'outils concurrents tels que Claude Code d'Anthropic, Codex, Cognition ou encore Cline. Andrew Ng, également professeur à Stanford et figure historique de l'apprentissage automatique, cherche avec cette initiative à structurer un champ de compétences hybride, à mi-chemin entre le machine learning engineering traditionnel et le génie logiciel classique, tout en intégrant les usages émergents liés aux agents autonomes. Reste à voir comment les entreprises et les établissements de formation s'approprieront ce référentiel de compétences dans un secteur où les meilleures pratiques évoluent à un rythme particulièrement soutenu.
Pas d'impact direct sur la France/UE