Chaque plan de gestion des talents rédigé ces deux dernières années comporte une section IA. La plupart décrivent le recrutement d'ingénieurs en apprentissage automatique.
Les données du marché de l'emploi ne confirment pas que ce soit là l'essentiel, et c'est dans cet écart entre le plan et les données que les budgets se gaspillent.
Deux chiffres qui pointent dans des directions différentes
D'après le Future of Jobs Report 2025 du Forum économique mondial : 86 % des employeurs attendent une transformation de leur activité par l'IA et les technologies de traitement de l'information d'ici 2030, et l'IA et le big data arrivent en tête du classement des compétences à la croissance la plus rapide jusqu'en 2030. Les réseaux et la cybersécurité arrivent en deuxième position.
D'après le Bureau of Labor Statistics des États-Unis : l'emploi d'analystes en sécurité de l'information devrait croître de 29 % entre 2024 et 2034, bien plus vite que la moyenne de l'ensemble des métiers.
Le premier chiffre relève de l'anticipation. Le second est une projection de l'emploi réel dans un métier réel, rattachée à un intitulé de poste précis.
Les employeurs s'attendent à ce que l'IA change tout. Le métier dont les projections montrent la plus forte croissance dans ce domaine est celui qui le sécurise.
Ce n'est pas une contradiction. C'est une description de la façon dont l'adoption technologique crée de l'emploi, rarement là où se trouve l'enthousiasme.
Pourquoi la demande atterrit vraiment sur la sécurité
Le mécanisme est simple une fois énoncé.
Adopter l'IA, c'est déplacer plus de données vers plus de systèmes, connecter davantage de choses entre elles, exposer davantage d'interfaces, et dépendre de davantage de prestataires externes. Chacun de ces éléments élargit la surface d'attaque.
Ajoutez les problèmes spécifiques introduits par la technologie. Des modèles entraînés sur des données qui ne doivent pas fuiter. Des systèmes qu'on peut manipuler par leurs entrées. Des sorties qui semblent autoritaires et peuvent être fausses. Des chaînes d'approvisionnement de modèles et de composants dont la provenance est difficile à vérifier.
Et ajoutez la réalité organisationnelle : l'adoption de l'IA met de la puissance entre les mains de collaborateurs de toute l'entreprise qui ne sont pas formés à la sécurité, rapidement, souvent via des outils achetés en dehors de la DSI.
Une vague d'adoption de l'IA produit donc une vague de travail de sécurité, et ce travail de sécurité est mesurable en effectifs d'une façon que le travail d'IA ne l'est souvent pas.
Pour un plan de gestion des talents, l'implication est inconfortable mais utile : si une organisation dote un programme d'IA en ressources sans doter proportionnellement la sécurité, elle construit la chose sans construire ce qui la protège.
Les trois couches de capacité en IA dont une organisation a besoin
La plupart des plans confondent ces couches, alors qu'elles ont des effectifs, des profils de compétences et des parcours de formation totalement différents.
| Couche | Ce qu'elle fait | Effectifs requis |
|---|---|---|
| Construction | Développer et entraîner des modèles, faire de la recherche | Très peu, et seulement dans certaines organisations |
| Application et intégration | Déployer, intégrer, exploiter, surveiller, sécuriser | Conséquents |
| Usage et évaluation | Travailler avec les systèmes, juger la qualité des sorties, connaître les limites | Très nombreux, quasiment tout le monde |
La première ligne concentre l'attention du recrutement, et c'est la plus réduite. La plupart des organisations n'ont pas besoin d'entraîner des modèles. Elles ont besoin d'utiliser, de façon sûre et correcte, des modèles construits par d'autres.
La deuxième ligne relève de l'ingénierie véritable, et ce n'est pas la même chose que la première. Déployer un système, surveiller sa dégradation, gérer les modes de défaillance, maîtriser les coûts et le sécuriser sont des compétences d'infrastructure et d'exploitation, pas des compétences de recherche.
La troisième ligne est la plus large et la moins traitée.
La couche que presque personne ne dote
L'évaluation mérite sa propre section, car c'est la compétence dont l'absence cause le plus de dégâts, et elle ne figure dans presque aucun plan de gestion des talents.
Ces systèmes produisent des réponses fluides et confiantes qui sont parfois fausses. Cette erreur n'est pas signalée. Elle ressemble exactement à la bonne réponse.
Ce qui signifie que la valeur du système dépend entièrement de la capacité de quelqu'un à faire la différence, et que cette personne doit comprendre le métier, pas le modèle.
Un modèle qui rédige une procédure de maintenance est utile si un ingénieur compétent la vérifie, et dangereux si personne ne le fait. Un système qui résume la littérature clinique est utile à quelqu'un qui aurait pu lire cette littérature lui-même. Le jugement est le mécanisme de sécurité, et le jugement vit dans l'expertise métier.
Cela produit la conclusion la plus importante de cet article en matière d'effectifs.
Un expert métier doté d'une bonne culture IA est généralement plus précieux qu'un spécialiste de l'IA sans connaissance du métier. L'expert métier sait dire quand la réponse est fausse. Le spécialiste ne le peut pas, et la validera.
Ce qui reformule la question de la formation. Plutôt que de recruter des spécialistes en apprentissage automatique, rares et coûteux, formez le métallurgiste, l'ingénieur process, le clinicien et l'analyste que vous employez déjà à travailler avec ces systèmes avec compétence et scepticisme. Cette population est large, déjà en poste, et détient ce qui ne peut pas se former rapidement.
Le domaine IA, données et informatique
Le premier domaine d'Astra Trainer couvre huit directions : informatique fondamentale, ingénierie logicielle, intelligence artificielle et apprentissage automatique, science des données et analytique, cybersécurité, cloud computing et DevOps, systèmes informatiques et réseaux, et blockchain et systèmes distribués.
La cybersécurité et le cloud côtoient délibérément la direction IA, car ce sont ces couches supérieures qu'une organisation doit véritablement doter ensemble. Les parcours vont des fondamentaux aux applications, si bien que le même catalogue sert un expert métier acquérant une culture générale et un ingénieur évoluant vers la sécurité. Vous pouvez découvrir les huit directions ici.
Qui peut être formé pour cela, et qui ne peut pas
Vers la sécurité, qui connaît la pénurie la plus aiguë. Les administrateurs réseau et systèmes sont la voie la plus courte et la plus évidente, puisqu'ils comprennent déjà l'infrastructure à défendre. Les ingénieurs logiciels évoluent facilement vers la sécurité applicative. Les professionnels de la conformité, de l'audit et du risque apportent la moitié gouvernance et ont besoin de la moitié technique. Le support et le help desk, souvent négligés, connaissent le parc, les utilisateurs et la façon dont les choses cassent réellement, ce qui est un véritable avantage.
Vers la couche application et intégration. Les ingénieurs logiciels et les ingénieurs data sont proches. Tout comme les équipes infrastructure et exploitation, car exploiter un système d'IA en production est largement un problème d'exploitation habillé d'un vocabulaire nouveau.
Vers la couche usage et évaluation. Presque tout expert métier, et c'est la formation au meilleur retour dans la plupart des organisations, car la population est vaste et la distance est courte. Ce dont ils ont besoin, ce n'est pas l'architecture des modèles. C'est de savoir ce que font ces systèmes, où ils échouent, comment interroger une sortie, ce qu'il ne faut pas y saisir, et quand remonter le sujet.
Vers la construction. Concrètement, des personnes avec un solide bagage quantitatif, et c'est un long parcours. Pour la plupart des organisations, ce n'est pas la bonne chose à faire.
Sur la certification en sécurité et le risque spécifique à l'IA. De nombreux postes de sécurité s'accompagnent de certifications reconnues, et certains secteurs exigent des habilitations précises. La formation développe la compétence et prépare à ces parcours sans s'y substituer. Par ailleurs, un programme de culture IA qui apprend à utiliser ces outils sans enseigner ce qu'il ne faut jamais y saisir, ni ce sur quoi on ne peut pas compter en sortie, a dégradé le profil de risque de l'organisation au lieu de l'améliorer. Les limites relèvent de la première leçon, pas d'une annexe.
Pourquoi la formation en IA se périme plus vite que tout le reste
Un problème pratique propre à ce domaine.
Les outils, les interfaces et les capacités changent à l'échelle de quelques mois. Une formation construite autour d'un produit particulier se périme vite, et un programme conçu comme un événement ponctuel enseignera quelque chose d'obsolète en moins d'un an.
Deux réponses de conception.
Enseignez la couche durable. Ce que sont fondamentalement ces systèmes, pourquoi ils échouent comme ils échouent, quelles sont les implications sur les données et la vie privée, comment évaluer une sortie. Cela survit à un cycle produit. L'emplacement des boutons, non.
Rendez-la continue plutôt qu'événementielle. C'est le domaine où l'apprentissage court et continu surpasse véritablement un cours, parce que le terrain évolue plus vite que les cycles de révision des cours. Une équipe qui fait quelques minutes par jour reste à peu près à jour. Une équipe qui a suivi un cours de deux jours en 2025 ne l'est plus.
Cela s'applique avec encore plus de force à la sécurité, où le paysage des menaces est par nature adverse et change en continu.
Ce qu'il faut retenir
Les employeurs attendent que l'IA transforme leur activité, et le métier dont les projections montrent la plus forte croissance dans ce domaine est analyste en sécurité de l'information, à 29 %.
Séparez les trois couches. Presque personne n'a besoin de construire des modèles. Tout le monde a besoin de personnes capables de les appliquer, de les intégrer, de les sécuriser et de les évaluer.
L'évaluation est la couche la moins dotée et la plus critique, et elle exige une connaissance du métier plutôt qu'une connaissance des modèles.
Formez les experts métier que vous employez déjà. Un métallurgiste doté d'une culture IA bat un spécialiste de l'IA sans connaissance de la métallurgie, parce que lui seul peut dire quand la réponse est fausse.
Et construisez le programme autour de la couche durable, en continu, car tout ce qui s'enseigne autour d'un outil précis a une durée de vie qui se compte en mois.
Quel est le plus grand déficit de compétences en IA ?
Dans les projections d'emploi, c'est la sécurité. L'emploi d'analyste en sécurité de l'information devrait croître de 29 % entre 2024 et 2034. L'adoption de l'IA élargit la surface d'attaque plus vite que les organisations ne se dotent pour y faire face.
Faut-il recruter des ingénieurs en apprentissage automatique ?
La plupart des organisations ont besoin de très peu de personnes qui construisent des modèles et de beaucoup de personnes capables d'appliquer, d'intégrer, de sécuriser et d'évaluer des systèmes construits par d'autres. Les plans qui dotent la première catégorie et négligent les autres constituent l'échec le plus fréquent.
Qui est le mieux placé pour évoluer vers la cybersécurité ?
Les administrateurs réseau et systèmes sont la voie la plus courte, suivis des ingénieurs logiciels vers la sécurité applicative et des professionnels de la conformité ou de l'audit qui ont besoin de la moitié technique. Le personnel de support est souvent négligé alors qu'il connaît bien le parc.
Faut-il former les experts métier à l'IA, ou recruter des spécialistes de l'IA ?
Pour la couche évaluation, formez les experts métier. Savoir qu'une sortie est fausse suppose de connaître le domaine, et la fluidité de ces systèmes fait qu'un relecteur non qualifié laissera passer des erreurs.
Comment maintenir une formation IA à jour ?
Enseignez la couche durable plutôt qu'une interface produit, et rendez-la continue plutôt qu'événementielle. Le domaine IA, données et informatique d'Astra Trainer couvre huit directions, dont la cybersécurité et le cloud, et vous pouvez les découvrir ici.