Les travailleurs sont-ils prêts pour des emplois de niveau supérieur ?
![[OPT 2] IMG PMP – Editorial – Are Workers Ready for Seniorized Jobs_ -69868](https://peoplemanagingpeople.com/cdn-cgi/image/format=auto,quality=82,onerror=redirect,width=792,height=446,fit=crop/wp-content/uploads/sites/3/2026/09/OPT-2-IMG-PMP-–-Editorial-–-Are-Workers-Ready-for-Seniorized-Jobs_-69868.jpg)
Des exigences accrues: L’IA oriente les postes débutants vers le discernement, la communication et la résolution de problèmes, auparavant associés aux fonctions seniors.
Une pratique perdue: L’automatisation des tâches routinières peut supprimer les erreurs, l’observation et le contexte qui aident les employés en début de carrière à développer leur discernement.
Évolution du recrutement: Les employeurs évaluent de plus en plus le raisonnement, l’adaptabilité et la vitesse d’apprentissage au lieu de s’appuyer sur les diplômes ou les réussites apprises par cœur.
Une nouvelle progression: L’IA accélère la production, mais les entreprises doivent créer délibérément des occasions de pratique encadrée avant d’accorder aux employés une responsabilité plus large.
Une conception pratique: Les simulations, les rotations, les analyses rétrospectives et les erreurs sans conséquences irréversibles peuvent remplacer l’apprentissage formatif que le travail routinier offrait autrefois.
Le travail de début de carrière commence à ressembler de moins en moins à du travail de début de carrière.
Le Baromètre des emplois liés à l’IA de PwC, publié en juin 2026, a constaté que les emplois de début de carrière fortement exposés à l’IA ont sept fois plus de chances d’exiger des compétences traditionnellement associées aux travailleurs expérimentés que les postes moins exposés à l’IA. Plus de la moitié des compétences nouvellement apparues dans ces offres étaient historiquement associées à des postes plus seniors.
Cette évolution est intuitive. L’IA est de plus en plus capable de prendre en charge le travail structuré et répétitif qui occupait autrefois une grande partie de la journée d’un salarié en début de carrière. Ce qui reste exige davantage de jugement, de communication, de résolution de problèmes et de décisions prises avec des informations incomplètes.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Mais ce gain d’efficacité pose un problème.
Ces tâches plus simples ne servaient pas uniquement à produire des résultats. Elles donnaient aussi aux travailleurs inexpérimentés le temps d’observer le fonctionnement des organisations, de commettre des erreurs relativement peu coûteuses et d’accumuler progressivement le contexte nécessaire pour prendre des décisions plus difficiles.
Dr Rachel Wood, chercheuse en cyberpsychologie et fondatrice de l’AI Mental Health Collective, estime que cette fonction négligée du travail de début de carrière est importante.
Imaginez un salarié qui entre dans un secteur et effectue un travail qui semble périphérique au poste lui-même. En accomplissant ces tâches, ce salarié assimile également la manière dont les dirigeants prennent leurs décisions, dont les collègues interagissent et dont l’entreprise fonctionne réellement.
Supprimez entièrement cette expérience, et la conclusion logique est que les employeurs risquent de supprimer ce que Wood décrit comme « une partie essentielle des tâches ingrates qui développent la capacité à devenir un bon dirigeant plus tard dans sa carrière. L’IA possède des connaissances, mais pas d’expérience. »
Cela ne signifie pas que les entreprises devraient préserver le travail à faible valeur par nostalgie. Peu de salariés ont besoin d’heures formatrices passées à copier des informations d’un tableur à l’autre.
Cela signifie en revanche que les organisations devront peut-être distinguer le travail qui est simplement inefficace de celui qui offre des répétitions formatrices.
Les êtres humains développent leur jugement en partie parce que les décisions ont des conséquences. Ils se trompent, en assument les résultats et s’adaptent. Ils doivent parfois s’expliquer, réparer une relation ou reconnaître qu’une hypothèse qu’ils avaient formulée avant de prendre une décision était erronée.
Ces expériences sont difficiles à automatiser, car leur valeur réside en partie dans le fait de les avoir vécues.
Recruter pour le jugement crée un autre problème
Les employeurs réagissent déjà à l’évolution du travail junior en relevant le niveau d’exigence.
Une étude de ZipRecruiter menée en juin auprès de plus de 1 000 employeurs américains a révélé que 31 % d’entre eux avaient renforcé les exigences en matière d’expérience pour les postes de début de carrière en raison de l’IA. Cette réponse résout un problème tout en risquant d’en créer un autre. Les entreprises peuvent simplement recruter des personnes qui possèdent déjà le jugement requis par leurs postes repensés.
Mais, tôt ou tard, quelqu’un doit le développer.
Cela rend également les signaux traditionnels du recrutement moins utiles. Si l’on attend d’un salarié en début de carrière qu’il sache gérer l’ambiguïté, gérer les parties prenantes et faire preuve de jugement, les années d’expérience et un CV soigné n’offrent qu’une preuve indirecte de ses capacités.
Heather Krueger, qui interroge des candidats à des postes de directeur et de niveau supérieur dans le cadre de son travail de directrice des ressources humaines chez Engine, a déclaré qu’elle cherchait de plus en plus à aller au-delà de ce que les candidats ont fait pour comprendre comment ils réfléchissent.
La plupart des questions d’entretien restent tournées vers le passé : Qu’avez-vous accompli ? Quel a été le résultat ? Qu’avez-vous fait ?
L’IA facilite plus que jamais la préparation de réponses convaincantes à ces questions.
En conséquence, Krueger se concentre davantage sur les décisions prises sous pression, les situations sans réponse évidente et le raisonnement qui sous-tend les choix d’un candidat. Elle privilégie également les mises en situation qui permettent aux recruteurs de remettre en question les hypothèses et d’observer la réaction des candidats en temps réel.
Cette distinction devient particulièrement importante lorsque les employeurs recrutent sur le potentiel.
Krueger a déclaré que les entreprises accordaient souvent trop d’importance à ce que les candidats savent déjà, alors même que la durée de validité de ces connaissances se raccourcit. Elle recherche plutôt la curiosité, l’adaptabilité et la capacité à assimiler quelque chose de nouveau et à l’appliquer.
La vitesse d’apprentissage compte davantage que les diplômes.
Le jugement doit également figurer sur cette liste. Krueger l’a décrit comme une capacité qui donne aux organisations la confiance nécessaire pour associer davantage de liberté à davantage de responsabilité, en particulier lorsque le travail avance rapidement.
L’échelle des carrières doit être remplacée
Pendant des décennies, les organisations ont suivi un modèle de développement relativement simple.
Les employés débutants s’occupaient de problèmes plus circonscrits. Les personnes performantes se voyaient confier des responsabilités plus importantes. Avec le temps, l’expérience elle-même devenait une partie de la valeur qu’elles apportaient à leur poste.
L’IA complique cette progression, car elle peut réduire la distance entre la première et la deuxième étape.
Un analyste débutant n’a peut-être plus besoin de plusieurs années pour être capable de produire des analyses sophistiquées. Un nouveau recruteur peut utiliser l’IA pour rédiger des messages de prise de contact, résumer des entretiens ou rechercher des candidats à une vitesse qui nécessitait auparavant une expérience considérable. Un développeur peut produire du code fonctionnel bien plus tôt dans sa carrière.
Mais produire plus vite ne signifie pas faire preuve de discernement plus rapidement.
Si les entreprises veulent que les salariés en début de carrière évoluent à un niveau de complexité supérieur, elles devront peut-être créer délibérément les expériences qui découlaient autrefois naturellement de l’exercice du métier.
Cela pourrait passer par des simulations, une prise de décision encadrée, une exposition structurée aux échanges avec des cadres expérimentés, des rotations, des retours d’expérience après incident et des occasions de commettre des erreurs lourdes de conséquences, mais réversibles.
L’IA elle-même pourrait même être utile en créant des environnements à faible risque dans lesquels les employés peuvent répéter des conversations difficiles ou tester des décisions avant de les prendre dans la réalité.
L’objectif ne devrait pas être de recréer chaque tâche fastidieuse que la technologie élimine.
Il devrait être d’identifier ce que les employés apprenaient en accomplissant ces tâches et de veiller à ce que cet apprentissage se poursuive.
