Quatre enseignements qui nous guideront vers l'avenir
À partir des idées et des discussions de la soirée, on peut dégager quatre thèses qui continueront à nous occuper bien au-delà de cet événement :
Thèse n° 1 : La compétence clé pour l’avenir, c’est le discernement – pas le « prompting ».
Le « prompting » s’apprend assez vite et évolue à chaque nouvelle génération de modèles. En revanche, la capacité à évaluer de manière critique les résultats de l’IA, à les replacer dans leur contexte et à en assumer la responsabilité reste une compétence essentielle pour l’avenir. Si tu ne la possèdes pas, non seulement tu délègues du travail à l’IA, mais tu risques aussi de perdre le contrôle sur tes décisions.
Thèse n° 2 : la perte de compétences est un risque au moins aussi grave que la perte d’emploi.
Les chiffres du Forum économique mondial prévoient une augmentation nette du nombre d’emplois à l’échelle mondiale. Mais outre l’évolution des métiers, il existe un danger moins visible : celui de perdre, à force d’utiliser l’IA en permanence, les compétences dont on a besoin pour notre travail – et de ne s’en rendre compte que lorsqu’on devra les utiliser à nouveau nous-mêmes.
Thèse n° 3 : l'IA ne favorise l'apprentissage que dans la mesure où elle est bien conçue.
Un même outil peut soit remplacer les étapes de réflexion, soit les stimuler. C'est pas au moment d'acheter l'outil qu'on décide si l'IA va renforcer ou affaiblir les compétences au travail, mais lors de la conception des processus qui l'entourent. Mettre en place l'IA, ça ne suffit pas pour avoir une stratégie.
Thèse n° 4 : L'agilité l'emporte sur la perfection.
Dans un monde du travail où les rôles, les missions et les compétences requises changent sans cesse, ce n'est pas celui qui a le plan parfait qui gagne, mais celui qui sait se réorganiser et évoluer rapidement. La capacité d'adaptation devient une compétence clé pour l'avenir, tant pour les organisations que pour les collaborateurs.
Les intervenants ont montré, à l'aide d'exemples concrets et de données scientifiques, ce que recouvrent ces quatre thèses et quelles en sont les conséquences pour l'éducation et le monde du travail.
Le monde du travail en 2030 : les métiers évoluent, et avec eux les exigences
Comment on va bosser en 2030 ? Quelles tâches l'IA va-t-elle prendre en charge ? Et de quelles compétences on va avoir besoin pour suivre le rythme de cette évolution ?
Dans son « lightning talk », le Dr Sarah Genner a montré que les avancées technologiques ne se contentent pas de transformer les métiers existants, mais qu’elles donnent aussi naissance à de nouvelles activités et à de nouvelles formes de collaboration.
Le rapport « Future of Jobs Report 2025 » du Forum économique mondial prévoit, d'ici 2030, la création d'environ 170 millions d'emplois et la suppression de 92 millions d'emplois à l'échelle mondiale. Au final, on s'attend à un solde positif de 78 millions d'emplois. En même temps, environ 22 % des emplois actuels sont touchés par des changements structurels.
Ces chiffres ne sont pas une raison de baisser la garde. En effet, les nouveaux postes créés ne requièrent pas forcément les mêmes compétences que ceux qui disparaissent. Le défi consiste donc à préparer les gens à ces nouvelles exigences et à leur donner la possibilité de continuer à évoluer.
La technologie ne change pas seulement ce qu’on fait au boulot, mais aussi la façon dont on travaille ensemble. De nouvelles formes d’organisation, des rôles plus flexibles et des processus décisionnels qui évoluent exigent des entreprises et des employés qu’ils soient prêts à remettre sans cesse en question ce qui est établi.
Pourquoi les compétences humaines prennent de plus en plus d'importance
Plus les systèmes d'IA deviennent performants, plus la question de savoir quelles compétences on doit posséder soi-même prend de l'importance.
Aujourd'hui, l'IA est capable de faire des recherches, de rédiger des textes, de structurer des informations et d'aider à analyser des questions complexes. Mais les résultats doivent toujours être replacés dans leur contexte, examinés d'un œil critique et assumés.
L'IA peut nous aider à prendre des décisions. Mais c'est toujours l'humain qui assume la responsabilité de ces décisions.
Pour ça, il faut des connaissances spécialisées solides. Car seul celui qui comprend les bases d'un sujet peut juger si une réponse générée par l'IA est plausible, complète et adaptée au contexte en question.
En même temps, les compétences transversales prennent de plus en plus d'importance. Sarah Genner a évoqué des aptitudes comme la réflexion analytique, la créativité, la résilience, la volonté d'apprendre et l'intelligence sociale. Ce sont des compétences qui nous aident à gérer l'incertitude, à adopter de nouvelles perspectives et à trouver des solutions ensemble.
La question centrale n'est donc pas seulement de savoir comment on apprend à utiliser l'IA, mais aussi comment on renforce ces capacités humaines qui permettent justement d'utiliser l'IA de manière judicieuse.
Quand l'IA prend le relais de la réflexion : les risques sous-estimés
L'IA promet de réaliser les tâches plus rapidement et plus efficacement. Mais que se passera-t-il si on délègue à la technologie non seulement notre travail, mais aussi, de plus en plus, notre façon de penser ?
Dans son exposé sur l'IA dans l'enseignement primaire, Paolo R. Dettwiler a mis en évidence quatre conséquences possibles sur l'apprentissage : le « skill-skipping », le « de-skilling », l'« upskilling » et le « newskilling ».
Deux d'entre eux mettent en évidence les risques liés à une utilisation irréfléchie de l'IA.
Skill-Skipping : quand on saute des étapes d'apprentissage
Quand on laisse l'IA résoudre directement un problème, on peut obtenir un résultat convaincant sans avoir soi-même suivi les étapes de réflexion et de résolution nécessaires.
Le processus d'apprentissage est raccourci, voire totalement absent. Les compétences qui devraient se développer grâce à la pratique et à la compréhension personnelles ne sont pas suffisamment acquises.
La perte de compétences : quand on perd les compétences qu'on a déjà
Si tu confies durablement à l'IA l'analyse, la formulation ou la résolution de problèmes, tu risques de moins en moins d'exercer certaines compétences. À long terme, ça peut entraîner une perte des compétences que tu as déjà.
Le professeur Joël Krapf a abordé cette problématique dans son exposé et a décrit un cercle vicieux possible : on délègue des tâches à l'IA, on se fie de plus en plus à ses résultats et on fait de moins en moins appel à notre propre réflexion. Du coup, on risque de perdre petit à petit nos compétences, tandis que notre dépendance vis-à-vis de l'IA ne cesse de croître.
Ça va devenir particulièrement problématique quand, à un moment donné, on ne pourra plus évaluer nous-mêmes la qualité des résultats générés par l'IA.
Une expression marquante tirée de la conférence de Dettwiler résume bien le défi : « la compétence de compensation de l'incompétence ». Elle fait référence au risque que les gens apprennent à compenser leur manque de connaissances spécialisées à l'aide de l'IA, sans avoir d'abord acquis les bases techniques nécessaires.
Ça ne veut pas dire que l'IA entraîne systématiquement une perte de compétences. Ça montre plutôt pourquoi on doit choisir en toute conscience quelles tâches on délègue et quelles compétences on veut continuer à développer et à entraîner nous-mêmes.
L'IA comme partenaire d'apprentissage : comment transformer les risques en opportunités
La même technologie qui permet de raccourcir les processus d'apprentissage ouvre aussi de nouvelles possibilités pour développer des compétences de manière ciblée.
Dettwiler a distingué deux évolutions positives :
Le perfectionnement professionnel, c'est approfondir et élargir les compétences existantes. L'IA peut, par exemple, aider à faire des recherches, donner des retours personnalisés ou ouvrir de nouvelles perspectives. L'analyse et l'évaluation techniques restent toutefois du ressort de l'humain.
Le « newskilling » désigne le développement de nouvelles compétences en interaction avec l'IA. Ça inclut notamment la formulation ciblée de requêtes, l'analyse critique des résultats fournis par l'IA, la résolution itérative de problèmes et la réflexion consciente sur son propre processus d'apprentissage.
Ce qui compte, ce n'est donc pas seulement de savoir si on utilise l'IA, mais comment on l'utilise.
Le professeur Joël Krapf a montré à quel point cette différence pouvait être importante, en s'appuyant sur des études scientifiques portant sur l'utilisation de tuteurs basés sur l'IA.
Dans une expérience menée auprès de lycéens et lycéennes en cours de maths, l'utilisation d'un tuteur IA classique n'a pas automatiquement conduit à de meilleurs résultats d'apprentissage. Une version adaptée sur le plan didactique a permis de compenser cet inconvénient.
Une autre étude menée auprès d'étudiants suivant un cours de physique a montré qu'un tuteur IA conçu spécialement selon les principes d'apprentissage pouvait même permettre d'obtenir de meilleurs résultats en moins de temps.
Ces études ont porté sur différents contextes d'apprentissage. Elles mettent toutefois en évidence un point important : il ne suffit pas de mettre l'IA à disposition. C'est la manière dont on organise son utilisation qui détermine si elle favorise réellement l'apprentissage.
Apprendre avec l'IA : il faut que le travail personnel reste visible
Qu'est-ce que ça veut dire concrètement pour les écoles, la formation professionnelle, la formation continue et le quotidien au travail ?
Paolo Dettwiler a clairement expliqué qu'à l'ère de l'IA, une activité favorisant l'apprentissage ne doit pas forcément être exempte d'IA. Ce qui compte bien plus, c'est qu'elle reste exigeante et axée sur les compétences, et qu'elle mette en évidence le travail de réflexion de chacun.
Un exemple : les apprenants peuvent utiliser l'IA pour trouver des idées ou obtenir des retours sur un texte. Mais ils doivent quand même pouvoir expliquer eux-mêmes pourquoi ils ont choisi certains arguments, retenu certains résultats ou écarté certaines propositions.
Pour ça, il faut des exercices qui permettent de réfléchir, ainsi que des règles claires pour l'utilisation de l'IA.
Le rôle des enseignants et des responsables de formation évolue lui aussi. Ils créent des environnements d'apprentissage où l'IA est utilisée à bon escient, sans pour autant que l'étude proprement dite de la matière soit négligée.
Ce principe peut se résumer simplement :
Toutes les tâches ne doivent pas forcément être résolues sans IA. Mais les apprenants doivent pouvoir montrer ce qu'ils ont compris et réalisé par eux-mêmes.
Cette idée s'applique directement au quotidien professionnel. Là aussi, ce qui devrait compter, ce n'est pas seulement la rapidité avec laquelle on obtient un résultat, mais aussi la capacité des collaborateurs à comprendre les enjeux sous-jacents, à justifier leurs décisions et à assumer leurs responsabilités.
« Aujourd’hui, les ateliers d’IA, c’est une question de facilité – demain, ce sera la conséquence d’une perte de compétences dont on est soi-même responsable. »
Prof. Dr Joël Krapf, Haute école spécialisée de Berne, Institut New Work
Ce que les entreprises peuvent faire dès maintenant
Comment éviter que l'IA affaiblisse les compétences à long terme, au lieu de les renforcer ?
Le professeur Joël Krapf a mis en avant trois axes d'action qui peuvent aussi s'appliquer à la pratique en entreprise.
1. Utiliser l'IA de manière réfléchie
L'IA ne doit pas être considérée uniquement comme un « pilote automatique » qui prend en charge les tâches de manière aussi complète que possible.
En tant que partenaire de réflexion, elle peut aider à remettre en question les idées, à examiner les arguments et à trouver de nouvelles solutions. Ce qui est essentiel, c'est que les collaborateurs analysent les résultats d'un œil critique et apportent activement leur propre expertise.
2. Concevoir des outils d'IA qui favorisent l'apprentissage
La conception des outils et des processus de travail joue aussi un rôle.
Les applications d'IA peuvent, par exemple, inciter à vérifier les résultats, à consigner ses propres réflexions ou à rendre transparente l'origine des contenus.
Le but n'est pas d'éviter toute automatisation. Il s'agit plutôt de faire appel de manière réfléchie à la réflexion humaine là où elle reste essentielle pour la qualité, le développement des compétences et la prise de décisions responsables.
3. Promouvoir une culture de la responsabilité
Les entreprises ont besoin d'une culture où les résultats de l'IA peuvent être remis en question de manière critique et où les erreurs peuvent être abordées ouvertement.
Krapf a utilisé pour ça le terme « AI Workslop » : des contenus générés par l'IA qui, même s'ils sont produits rapidement, occasionnent du travail supplémentaire à d'autres, car ils ne sont pas suffisamment vérifiés ou peu réfléchis.
C'est pourquoi il est d'autant plus important d'avoir des responsabilités bien définies, une vision commune de la qualité et la volonté d'essayer de nouvelles méthodes de travail et d'en tirer des enseignements.
En effet, une utilisation de l'IA qui favorise l'apprentissage n'est pas seulement une question de capacités individuelles. C'est aussi un enjeu de gestion et d'organisation.
Le changement, c'est pas un projet avec une date de fin
Le débat sur les compétences de demain et l'IA soulève une question fondamentale : comment accompagner les gens dans un monde du travail en constante évolution ?
Une réponse possible réside dans une approche qui ne considère pas l'apprentissage comme une étape achevée, mais comme un processus continu.
Trois questions peuvent t'aider à t'y retrouver :
- Qu'est-ce que je sais déjà faire ?
- Qu'est-ce qui me manque encore ?
- Comment je fais pour apprendre ça ?
Ce qui semble simple demande de l'introspection, de la curiosité, l'envie d'apprendre et le courage de remettre en question les habitudes.
Apprendre aujourd'hui. Façonner demain.
La soirée au Kraftwerk de Zurich l'a montré : le monde du travail de 2030 ne sera pas uniquement façonné par les possibilités technologiques. Ce qui sera déterminant, c'est la manière dont on donnera aux gens les moyens d'utiliser ces possibilités avec compétence, esprit critique et sens des responsabilités.
L'IA peut nous soulager d'une partie de notre travail, nous ouvrir de nouvelles perspectives et faciliter l'apprentissage. Mais elle peut aussi nous inciter à sauter des étapes de réflexion importantes.
Le défi, ce n'est donc pas d'utiliser le plus ou le moins possible l'IA. C'est plutôt de l'utiliser de manière à préserver nos capacités, à les développer et à acquérir de nouvelles compétences.
Un grand merci à l'hôtesse de la maison d'édition SKV et à son nouvel univers d'apprentissage LERN:GALAXIE, à tous les intervenants, aux animateurs et aux invités pour cette soirée inspirante. On a hâte de poursuivre ce dialogue sous toutes sortes de formats et dans toutes sortes de configurations. Car une chose est sûre : les compétences du futur, l'IA et le monde du travail de demain vont nous mettre au défi et nous tenir bien occupés.
Photo : Michelle Alexis Reber
Référence :
- Documents de présentation des intervenants : Dr Sarah Genner, Paolo R. Dettwiler et le prof. Dr Joël Krapf
- Forum économique mondial, Rapport sur l'avenir de l'emploi 2025
Foire aux questions
Au final, l'IA va-t-elle détruire des emplois dans le quotidien professionnel ?
D'après le rapport « Future of Jobs Report 2025 » du Forum économique mondial (WEF), d'ici 2030, il y aura dans le monde environ 78 millions d'emplois de plus que de suppressions. Le problème, c'est donc moins le nombre d'emplois que leur évolution : ce sont d'autres métiers qui exigent d'autres compétences. Ce qui compte, c'est de savoir si on arrive à suivre le rythme en se reconvertissant.
Est-ce que l'utilisation constante de l'IA nous rend plus bêtes ?
Ce n'est pas inévitable, mais le risque est bien réel. Si tu délègues en permanence à l'IA les étapes de réflexion et d'entraînement (skill-skipping, de-skilling), tu ne développes pas tes compétences, voire tu les perds. En revanche, si tu utilises l'IA comme un partenaire d'entraînement qui stimule ta réflexion au lieu de la remplacer, elle peut même favoriser l'apprentissage. La différence réside dans la façon dont tu l'utilises, pas dans l'outil lui-même.
Quelle est la compétence la plus importante pour l'avenir ?
Capacité de jugement. On apprend vite à formuler des prompts, mais ça devient vite obsolète à chaque changement de modèle. En revanche, la capacité à replacer les résultats de l'IA dans leur contexte, à les examiner d'un œil critique et à en assumer la responsabilité reste une compétence toujours recherchée et nécessite des connaissances spécialisées.
Comment on peut intégrer l'IA dans l'équipe sans que ça nuise aux compétences ?
Avec une approche réfléchie à trois niveaux : comment on utilise l’IA (comme deuxième avis, pas comme pilote automatique), comment on conçoit les outils d’IA (exiger une réflexion, définir clairement les résultats) et comment on intègre l’IA dans le contexte social (aborder l’« AI Workshop », attribuer clairement les responsabilités). Il ne suffit pas de mettre l’IA à disposition. Tout dépend de la façon dont elle est intégrée dans les processus.
