L'efficacité de l'IA pourrait nous priver de la prochaine génération d'experts
Il y a un peu plus de dix ans, un ingénieur américain a dirigé la conception des systèmes de contrôle d'une centrale nucléaire de nouvelle génération, entièrement numérique et conçue pour fonctionner de façon quasi autonome, les opérateurs se contentant de la superviser. Son équipe a alors pris une décision qui semblait aller à contre-courant de l'efficacité : conserver volontairement des étapes manuelles dans des séquences que le système aurait pu exécuter seul, afin que les opérateurs ne perdent jamais la main. Le projet a finalement été abandonné pour des raisons politiques et économiques propres au nucléaire américain, mais l'idée a survécu et nourrit aujourd'hui un débat plus large sur l'intelligence artificielle en entreprise. Une étude de l'université Harvard portant sur environ 65 millions de travailleurs dans plus de 280 000 entreprises américaines montre que l'emploi junior a chuté d'environ 9 % en six trimestres après l'adoption de l'IA générative, tandis que l'emploi senior a continué de progresser. Une analyse de Stanford, fondée sur les données de paie ADP, aboutit à un constat similaire : les jeunes travailleurs des métiers les plus exposés à l'IA ont perdu du terrain depuis fin 2022, contrairement à leurs collègues plus expérimentés. Les chercheurs de la Réserve fédérale de New York, eux, attribuent plutôt la hausse du chômage chez les jeunes diplômés au télétravail, les entreprises hésitant à embaucher des profils inexpérimentés qu'elles ne peuvent former à distance.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de IEEE Spectrum AI. Lire l'article original →
Que la cause principale soit l'IA elle-même ou l'érosion du mentorat à distance, le résultat converge vers le même problème : le canal traditionnel de transmission de l'expertise, des seniors vers les juniors, se grippe. Dans de nombreux secteurs, le poste « débutant » exige désormais trois ans d'expérience. Le raisonnement de fond est simple mais lourd de conséquences : on ne devient pas ingénieur senior sans être d'abord passé par le stade junior, et l'expertise ne se télécharge pas, elle s'acquiert par les échecs, les sessions de débogage interminables et les moments où l'on comprend enfin pourquoi une solution a fonctionné. Si l'IA absorbe systématiquement ce travail formateur, elle risque de produire une génération d'ingénieurs capables de superviser un modèle sur le papier, mais dépourvus de l'instinct nécessaire pour détecter le moment où ce modèle se trompe avec assurance.
L'auteur puise sa réflexion dans sa propre carrière, débutée à la fin des années 1980 sur la vérification et la validation du logiciel d'un contrôleur numérique de moteur d'avion de chasse, chargé de réagir plus vite qu'aucun pilote humain. Ce paradoxe de l'automatisation, où la machine excelle dans les cas courants mais où l'humain reste indispensable dans l'imprévu, est bien connu de l'aéronautique et d'autres secteurs à sécurité critique, qui ont développé depuis des décennies des méthodes pour préserver les compétences humaines face à des systèmes de plus en plus autonomes. Ces leçons, selon l'auteur, offrent une piste concrète pour l'ingénierie logicielle actuelle, où la discussion reste souvent cantonnée à un diagnostic économique sans déboucher sur des solutions pratiques pour continuer à former la prochaine génération d'experts.
Le phénomène pourrait aussi toucher les entreprises tech françaises et européennes, où l'adoption de l'IA générative risquerait de fragiliser la formation et l'embauche des jeunes ingénieurs.