Quelles études choisir à l’ère de l’intelligence artificielle ?

La meilleure réponse à l’incertitude liée à l’intelligence artificielle n’est pas une liste de métiers présumés invulnérables. Aucune source sérieuse ne permet aujourd’hui d’établir une telle liste. Une orientation solide doit plutôt examiner ce qu’une formation apprend à comprendre, à produire et à vérifier, ainsi que les premières fonctions auxquelles elle conduit.

Les outils savent déjà rédiger, programmer, analyser des données ou synthétiser des documents. Cette évolution ne rend pas tous les diplômes obsolètes ; elle oblige à regarder plus précisément les tâches et les compétences. Les études disponibles permettent d’éclairer cette comparaison, à condition d’en conserver les limites.

Une grille pour comparer les formations

La meilleure protection contre l’incertitude est probablement une capacité durable à comprendre, vérifier et apprendre. Elle repose sur une expertise réelle, l’usage pertinent des outils et la possibilité de continuer à progresser lorsqu’ils changent.

Cette lecture complète les autres critères présentés dans Comment choisir ses études après le bac ?. Pour un candidat en terminale, elle doit ensuite se traduire en une stratégie de vœux Parcoursup. Humanitas intègre l’analyse des diplômes, des débouchés et des transformations liées à l’IA dans ses accompagnements en orientation.

Faut-il choisir une formation spécialisée en intelligence artificielle ?

Pas nécessairement : la majorité des étudiants doit surtout apprendre à utiliser l’IA intelligemment dans son domaine. Devenir spécialiste de ces technologies et acquérir une culture suffisante pour en comprendre les usages sont deux objectifs distincts.

Le Centre commun de recherche de la Commission européenne, le JRC, constate en 2025 que l’offre européenne de formation en IA reste concentrée dans l’informatique, même si elle apparaît aussi en ingénierie, en gestion, en administration et en droit.

Un cursus de finance intégrant sérieusement les données et l’IA peut donc être plus pertinent qu’un programme « AI Business » au contenu superficiel. Le même raisonnement vaut en droit, en marketing ou en sciences sociales : c’est la réalité du programme, non son étiquette, qui doit être analysée.

La robustesse dépend du contenu, pas d’un classement général des filières

Aucun classement global ne permet de désigner les études définitivement protégées de l’IA. Des principes de comparaison apparaissent néanmoins dans plusieurs domaines, sans constituer des prédictions certaines.

Informatique, données et ingénierie

Ces disciplines restent centrales, mais la seule production de code standard devient moins différenciante. Les systèmes, l’architecture, la sécurité, les données, les mathématiques, la compréhension du produit et la résolution de problèmes offrent des dimensions complémentaires à examiner dans un programme.

Finance, économie et management

L’exposition aux outils d’analyse et de production documentaire ne rend pas ces domaines obsolètes. Une formation associant expertise financière ou économique, compétences quantitatives, données, IA et jugement peut apporter une préparation plus complète. La qualité de cette combinaison doit être vérifiée dans les enseignements.

Droit

L’automatisation d’une partie du travail documentaire et rédactionnel renforce l’intérêt d’une expertise juridique approfondie. L’interprétation, la stratégie, la négociation, la responsabilité et la relation avec le client restent des dimensions importantes de l’activité, que le cursus doit permettre de comprendre.

Sciences humaines et sociales

L’accès facilité à une production textuelle standard accroît l’intérêt de la profondeur conceptuelle et de la méthode. L’esprit critique, l’enquête, l’expression orale et la compréhension des personnes et des institutions peuvent différencier un profil. Les compétences quantitatives comptent également lorsqu’elles sont pertinentes pour la discipline.

Santé et métiers relationnels

La présence humaine et la responsabilité professionnelle limitent certaines formes de substitution, sans supprimer les transformations. Le diagnostic, les tâches administratives, la documentation et la recherche peuvent eux-mêmes être fortement assistés. Ces domaines ne doivent donc pas être considérés comme immuables.

Sept critères pour évaluer la préparation d’une formation à l’IA

Des fondamentaux qui dépassent les outils du moment

Une formation robuste enseigne les concepts nécessaires pour comprendre plusieurs générations d’outils. Les mathématiques, les statistiques, l’économie, le droit, les sciences et le raisonnement logique évoluent moins vite qu’un logiciel. Un cursus centré sur un produit précis peut donc vieillir rapidement, tandis que des bases disciplinaires solides permettent de s’adapter.

Une intégration réelle de l’IA au programme

La présence du mot « IA » dans une brochure ne prouve pas la qualité de son enseignement. Les cours identifiés, leur volume, les enseignants, les projets et les outils utilisés donnent des indications plus concrètes. L’articulation avec les autres matières permet de voir si ces apprentissages sont réellement intégrés au cursus.

Des méthodes explicites de vérification

Une formation sérieuse doit enseigner qu’un résultat peut être convaincant et faux. Le contrôle des sources, l’explicitation du raisonnement et la confrontation des résultats doivent donc accompagner l’usage des outils, plutôt que rester des précautions abstraites.

Une expertise métier qui permet d’exercer son jugement

La maîtrise d’un domaine aide à reconnaître une réponse inadaptée ou erronée. Utiliser l’IA sans comprendre le sujet traité expose à des erreurs que l’utilisateur ne sait pas identifier. L’enjeu est donc d’associer expertise et outils, non de substituer l’un à l’autre.

Une compréhension suffisante des données

Tous les cursus n’ont pas besoin de devenir fortement mathématiques. Comprendre la provenance des données, leurs limites et leur interprétation constitue néanmoins un atout dans de nombreuses professions. Le niveau attendu doit être apprécié en fonction du domaine.

Des réalisations qui attestent les apprentissages

Les projets, la recherche, les stages et les cas pratiques permettent de montrer ce qu’un étudiant sait faire. Ils doivent être examinés comme des preuves possibles de compétence, au-delà de la seule présence en cours.

Une préparation concrète au premier emploi

Les postes obtenus et les tâches confiées aux débutants doivent faire partie de l’évaluation. Il faut regarder la progression vers des responsabilités et les compétences mobilisées, notamment celles qui permettent de compléter ou de superviser l’automatisation. Cette lecture rend les débouchés plus concrets qu’une liste d’intitulés.

Les premiers emplois constituent un point de vigilance

Une formation doit être évaluée sur la première étape de carrière qu’elle rend accessible, autant que sur le métier visé à terme. Plusieurs tâches traditionnellement confiées aux débutants figurent parmi celles que les outils assistent désormais : recherche documentaire, synthèse, analyse descriptive, rédaction, préparation de présentations, code standard et reporting.

Un document de recherche du Stanford Digital Economy Lab publié en 2026 observe, dans les données de paie américaines, un décrochage relatif de l’emploi des 22-25 ans dans certaines professions fortement exposées à l’IA. Les auteurs ne constatent pas de destruction massive de l’emploi à l’échelle de l’économie, mais une évolution moins favorable pour ces jeunes travailleurs que pour des profils plus expérimentés ou des professions moins exposées.

Ce résultat reste exploratoire : il porte sur les États-Unis, dans une période de diffusion encore récente de l’IA, et ne peut être généralisé à toutes les professions ni à l’Europe. Il justifie néanmoins une question précise : que fait réellement un diplômé au cours de ses deux ou trois premières années de carrière ?

Un cursus permettant d’accéder rapidement à des tâches associant analyse, responsabilité, relation humaine, expertise et décision mérite d’être étudié sous cet angle. Cela ne garantit pas son avenir, mais précise la trajectoire proposée.

Une brochure convaincante ne remplace pas un programme précis

Un discours omniprésent sur l’IA mérite d’être confronté à des éléments concrets. Un programme vague, centré sur quelques outils plutôt que sur des fondamentaux, ne suffit pas à démontrer une préparation solide.

L’absence de projets visibles, de réflexion sur l’évaluation ou d’exposition des enseignants aux nouveaux usages appelle également un examen approfondi. Il faut enfin regarder si les premiers métiers annoncés reposent largement sur une production standardisée. À l’inverse, un cursus traditionnel peut être bien préparé s’il a réellement fait évoluer ses pratiques.

Savoir vérifier l’IA importe autant que savoir l’utiliser

Une formation doit apprendre à reconnaître les situations dans lesquelles l’outil peut se tromper. Produire une réponse convaincante n’est pas la même chose que produire une réponse juste.

Une expérience menée avec des consultants de BCG met en évidence une « frontière technologique irrégulière ». Sur les tâches situées à l’intérieur des capacités de l’IA, les consultants équipés réalisent davantage de travail, plus rapidement et avec une meilleure qualité. Sur une tâche complexe située en dehors de cette frontière, ils sont en revanche 19 % moins susceptibles de produire la bonne réponse que ceux travaillant sans l’outil.

La compétence ne consiste donc pas seulement à formuler une demande. Elle suppose d’évaluer les capacités probables de l’IA, de vérifier ses hypothèses et ses sources, de repérer les informations manquantes et de savoir reprendre le raisonnement. La puissance de l’outil ne dispense pas du jugement ; elle rend son exercice plus important.

Le diplôme gagne à être accompagné de preuves de compétences

Le développement du recrutement par compétences ne signifie pas que les diplômes ont perdu toute valeur. Il invite plutôt à examiner les réalisations qui permettent d’attester les apprentissages.

Une étude publiée en 2025, portant sur environ 11 millions d’offres d’emploi au Royaume-Uni, observe dans les métiers liés à l’IA une diminution des exigences explicites de diplôme et une prime salariale associée aux compétences IA. Son périmètre reste limité à des métiers précis et à un marché national ; la conclusion ne doit pas être étendue à l’ensemble de l’emploi.

Les projets, les stages, les travaux de recherche, un portfolio, les expériences associatives exigeantes et les réalisations techniques peuvent donner une expression concrète aux compétences d’un diplômé. Leur présence dans le cursus constitue donc un critère de comparaison. Elle ne dispense pas de vérifier le statut du diplôme, comme l’explique notre guide RNCP, visa, grade de master : comment s’y retrouver ?.

Être exposé à l’IA ne signifie pas être remplacé

L’analyse doit porter sur les tâches d’un métier, pas uniquement sur son nom. L’OCDE souligne en 2026 que les professions très qualifiées peuvent être fortement exposées aux capacités de l’IA parce qu’elles comportent de nombreuses activités cognitives et numériques. Cette exposition ne signifie pas qu’elles soient intégralement automatisables.

Ces professions mobilisent aussi du jugement, de l’expertise, des interactions humaines et de la responsabilité. La coordination et la résolution de situations nouvelles ne se réduisent pas à une production standardisée. L’IA peut donc automatiser certaines tâches, en créer d’autres et accroître la productivité humaine au sein d’une même activité.

Un juriste produisant principalement des documents standardisés et un juriste arbitrant une opération complexe n’occupent pas la même position face aux outils. La même distinction vaut en finance, en conseil ou dans le logiciel. Dire qu’un domaine entier serait « remplacé » ou « protégé » masque ces différences.

La culture IA devient utile au-delà des métiers technologiques

Comprendre l’IA n’est plus une question réservée aux futurs informaticiens. En France, l’Apec constate en 2026 que la moitié des cadres l’utilisent au moins une fois par semaine, proportion qui atteint 62 % parmi les plus jeunes cadres. Deux tiers des cadres interrogés estiment que la maîtrise de ces outils deviendra une compétence importante ; 53 % des grandes entreprises prévoient d’accorder davantage de poids aux compétences IA dans leurs futurs recrutements de cadres.

La finance, le marketing, le droit, le management, le conseil, l’ingénierie, la recherche et la communication sont donc également concernés. La pertinence de cette culture dépend des usages propres au domaine, non de son appartenance au secteur technologique.

Une étude de 2025 consacrée à des étudiants britanniques hors des disciplines scientifiques et technologiques observe qu’un module structuré de douze semaines consacré à l’IA augmente leur « capital IA ». Celui-ci est associé à de meilleurs résultats académiques et à de meilleurs résultats d’emploi six mois après le diplôme. Les auteurs restent prudents sur la causalité de ce dernier lien ; le résultat constitue un signal pédagogique, non une garantie d’insertion.

Les gains de productivité ne suppriment pas le besoin d’expertise

Lorsque l’IA facilite la production, la capacité à cadrer et à contrôler le travail conserve de la valeur. Les gains observés dans plusieurs études ne permettent donc pas de conclure que l’apprentissage serait devenu inutile.

Trois expériences randomisées menées auprès de 4 867 développeurs chez Microsoft, Accenture et une entreprise du Fortune 100 constatent qu’un assistant de programmation fondé sur l’IA augmente d’environ 26 % le nombre de tâches réalisées. Les développeurs moins expérimentés utilisent particulièrement l’outil et bénéficient de gains plus élevés. Une autre étude, publiée dans le Quarterly Journal of Economics et menée auprès de 5 172 agents de support, observe une hausse moyenne de productivité d’environ 15 %, avec des bénéfices particulièrement importants pour les salariés moins expérimentés.

Ces résultats invitent à distinguer la production du résultat et la responsabilité de sa qualité. Le cadrage du problème, l’architecture, la vérification, l’interprétation et la compréhension du contexte restent déterminants. En informatique, un cursus associant programmation, systèmes, données, tests, sécurité et résolution de problèmes est ainsi plus complet qu’un apprentissage limité à la syntaxe d’un langage.

FAQ - études et intelligence artificielle

Quels métiers vont disparaître avec l’intelligence artificielle ?

Aucune source sérieuse ne permet aujourd’hui d’établir une liste définitive. Les travaux disponibles sont plus solides lorsqu’ils étudient l’exposition des tâches et leur transformation que lorsqu’ils prédisent la disparition complète d’un métier.

Faut-il faire des études d’IA pour avoir un métier d’avenir ?

Non. Une culture IA peut devenir utile dans de nombreux secteurs sans que chaque étudiant devienne spécialiste de machine learning.

Les études de droit ou de finance sont-elles menacées ?

Elles sont fortement exposées aux LLM car elles comportent de nombreuses tâches fondées sur l’information et le langage. Cela n’implique pas leur disparition : expertise, interprétation, responsabilité et interaction humaine conservent une forte importance.

Les études d’informatique valent-elles toujours le coup ?

Oui, mais un cursus centré uniquement sur la production de code standard devient moins différenciant. Les fondamentaux, systèmes, architecture, sécurité, données et résolution de problèmes gagnent en importance.

L’IA réduit-elle la valeur des diplômes ?

Pas de manière générale. Certains travaux montrent un développement du recrutement par compétences dans des métiers IA précis. Cela renforce surtout l’intérêt de combiner diplôme solide et compétences démontrables.

Comment savoir si une école prend réellement l’IA au sérieux ?

Regardez le programme détaillé, les projets, la manière d’évaluer les étudiants, la formation des enseignants et l’intégration de l’IA dans les différentes disciplines, plutôt que le nombre d’occurrences du mot « IA » sur le site.