Analyse des emplois de premier niveau en IA : la génération Z perd le premier échelon

Le tableur dont personne ne voulait faisait autrefois partie du programme. Tout comme la première file de support, l’échantillon d’audit de base et le ticket de bug avec juste assez d’ambiguïté pour pousser une nouvelle recrue à poser de meilleures questions. La lecture la plus fine de la crainte liée au travail et à l’IA n’est pas que tous les travailleurs expérimentés vont être remplacés. C’est qu’une partie du travail grâce auquel les débutants apprenaient à travailler est automatisée, compressée ou confiée à des outils avant même que quelqu’un ne repense l’apprentissage autour de cela. C’est important, car les emplois juniors ne sont pas seulement une capacité bon marché. Ils permettent aux personnes d’apprendre le vocabulaire d’une entreprise, les modes de défaillance d’un flux de travail et la différence entre terminer une tâche et comprendre un système. Lorsque ces tâches disparaissent, le vieux conseil consistant à entrer quelque part et à apprendre par osmose devient moins fiable. Les apprenants ont besoin d’un autre test pour évaluer les cours, les portfolios et les premiers postes : cela m’aidera-t-il à exercer un vrai jugement, ou seulement à répéter des noms d’outils ?

Le signal apparaît au premier échelon

Selon Lawrence Lundy Bryan dans State of the Future, les économistes de Stanford Erik Brynjolfsson, Bharat Chandar et Ruyu Chen ont analysé les données de paie d’ADP, qui suivent chaque mois des millions de travailleurs aux États-Unis. Son résumé indique que les chercheurs ont combiné l’âge avec le niveau d’exposition à l’IA selon les emplois, puis ont constaté une baisse de 13 % de l’emploi chez les travailleurs âgés de 22 à 25 ans dans des rôles fortement exposés à l’IA. Les rôles cités dans le résumé incluent les développeurs logiciels, le support client et les auditeurs juniors. Cela ne prouve pas que toutes les trajectoires des diplômés s’effondrent, mais cela met sous pression le premier échelon du travail de bureau.

Dominika Borna, dans The Workforce Lens, fait une distinction plus utile. Son analyse soutient que le tableau émergent n’est pas un simple déclin, mais un changement structurel, avec certains rôles qui disparaissent et beaucoup d’autres qui évoluent vers une collaboration entre humains et IA dès le début de carrière. Cette distinction compte pour les apprenants, car la panique conduit à de mauvaises décisions de formation. Si le poste change de forme, l’objectif n’est pas de collectionner tous les badges IA disponibles, mais de comprendre quels flux de travail ont encore besoin du jugement humain et comment les outils s’y insèrent.

L’apprentissage reposait sur du travail de faible complexité

Lotis Blue Consulting décrit clairement l’ancien modèle de développement des talents juniors : pendant des décennies, les travailleurs juniors prenaient en charge des tâches de moindre complexité tout en gagnant en exposition, en pratique, en mentorat et en contexte. Dans son analyse du 5 juin 2026, Donncha Carroll affirme que l’IA modifie cette équation, car les tâches routinières sont automatisées et les organisations repensent ce que les rôles juniors devraient faire. Le mot clé n’est pas « routinier ». Le mot clé est « contexte », car le travail routinier portait souvent les premières leçons sur la manière dont une entreprise fonctionne réellement.

Lotis Blue avertit également que supprimer le travail de niveau débutant sans repenser l’ensemble du système de gestion des talents crée un risque à long terme. Le cabinet explique que les entreprises peuvent gagner en efficacité à court terme tout en affaiblissant les voies qui forment les futurs managers, experts techniques, dirigeants d’entreprise, connaissances institutionnelles et capacités. C’est la partie de l’histoire de l’IA qui ne rentre pas facilement dans un graphique d’effectifs. Une entreprise peut automatiser les tickets faciles et avoir tout de même besoin, plus tard, de personnes qui comprennent pourquoi les tickets difficiles sont difficiles.

Les cours ne peuvent pas remplacer le contexte à eux seuls

IntuitionLabs, dans son analyse mise à jour le 17/07/2026, décrit le marché du recrutement des diplômés comme étant en profonde transformation à mesure que les technologies d’IA se diffusent dans tous les secteurs. L’article indique que les études et enquêtes menées tout au long de 2024 et 2025 font état de fortes baisses des opportunités d’emploi traditionnelles de niveau débutant. Lu attentivement, ce n’est pas une liste de certificats à acheter. C’est un avertissement : les apprenants devraient juger une formation à ce qu’ils peuvent construire, expliquer et améliorer ensuite.

Un cours d’IA utile devrait vous faire pratiquer un flux de travail, pas seulement nommer un modèle. Pour un rôle de support, cela pourrait vouloir dire trier des demandes clients désordonnées, rédiger des critères d’escalade et montrer où un brouillon généré par l’IA nécessite une correction humaine. Pour un rôle d’analyste, cela pourrait vouloir dire documenter comment vous avez nettoyé les données, vérifié les résultats et décidé ce qu’il ne fallait pas automatiser. Si un programme ne rend pas clairs les coûts, le temps requis, les retours et les livrables de projet, considérez cette absence comme faisant partie du produit.

Ce que les apprenants et

les managers devraient faire ensuite The Workforce Lens note que le travail en début de carrière exige de plus en plus de nouveaux ensembles de compétences et une collaboration humain-IA dès le départ. C’est une barre plus haute pour les débutants, mais ce n’est pas la même chose que d’exiger que chaque diplômé devienne ingénieur en apprentissage automatique. La prolifération des titres rend déjà les choses plus difficiles : « AI Engineer » peut désigner l’intégration de modèles, la tuyauterie de données, l’automatisation produit ou quelque chose de plus proche d’opérations fortement basées sur les prompts. Les apprenants devraient demander dans quel système ils travailleront, quelles décisions leur appartiendront et qui évaluera leur jugement.

Lotis Blue Consulting formule le côté employeur tout aussi clairement : les talents juniors comptent toujours si les organisations veulent un vivier de talents durable. Pour les lecteurs qui choisissent où investir leur temps, le geste pratique consiste à rechercher des environnements d’apprentissage avec du mentorat, de la revue et une exposition répétée à un travail imparfait. Un portfolio devrait montrer l’avant et l’après d’un processus, pas seulement le résultat final poli. Observez le prochain cycle de recrutement pour voir si les employeurs reconstruisent les rôles juniors autour de flux de travail IA supervisés, ou s’ils continuent à demander aux débutants d’arriver déjà formés par un système qui ne les forme plus.