IA et métiers du savoir : ce que les RH doivent anticiper

L'IA redéfinit le coeur du métier de chercheur

Pendant des décennies, le chercheur incarnait une figure précise : un expert capable d'accumuler un savoir pointu, de concevoir des protocoles expérimentaux rigoureux et d'interpréter des données complexes avec une patience et une rigueur hors du commun. Ce portrait, aussi valorisant soit-il, est aujourd'hui profondément bousculé par l'essor de l'intelligence artificielle, et plus particulièrement par ce que l'on appelle les modèles de fondation - ces grands modèles entraînés sur des corpus massifs, capables de généraliser leurs apprentissages à une multitude de tâches.

Selon une analyse publiée par Le Monde, ces outils bouleversent déjà le travail des chercheurs dans des domaines aussi variés que la biochimie, la météorologie ou les mathématiques. Ce ne sont plus seulement les tâches répétitives qui sont automatisées : la réflexion, la planification stratégique, l'analyse de données, la génération d'hypothèses et même l'enseignement universitaire sont désormais impactés en profondeur.

Ce glissement est fondamental. Là où l'on pensait que les activités cognitives de haut niveau resteraient longtemps l'apanage de l'humain, l'IA s'invite désormais dans les phases les plus nobles du travail intellectuel. Un modèle peut aujourd'hui proposer des hypothèses de recherche à partir d'une revue de littérature, identifier des corrélations invisibles dans des jeux de données massifs, ou encore simuler des scénarios expérimentaux en quelques secondes.

Pour les recruteurs et responsables talent, ce constat appelle une question directe : les fiches de poste que vous rédigez aujourd'hui reflètent-elles encore la réalité du travail de demain ? Valoriser uniquement la maîtrise technique d'un outil ou la connaissance encyclopédique d'un domaine, c'est risquer de passer à côté des profils les plus adaptables et les plus précieux dans un environnement augmenté par l'IA. Il est temps de repenser les critères d'évaluation, non pas pour ignorer l'expertise disciplinaire, mais pour y ajouter une nouvelle couche de compétences stratégiques et relationnelles.

Repenser les compétences attendues : ce que l'IA ne remplace pas

Si l'intelligence artificielle excelle dans l'exécution rapide de tâches analytiques, elle bute encore sur des dimensions essentielles du travail intellectuel : le jugement éthique, la pensée critique contextualisée, la capacité à poser les bonnes questions plutôt qu'à répondre aux mauvaises, et la créativité stratégique. C'est précisément sur ces axes que les recruteurs doivent désormais concentrer leur attention lorsqu'ils évaluent des profils scientifiques, techniques ou analytiques.

Le professeur Jalal Fadili, chercheur au CNRS au sein du centre Aissai, le formule clairement : le métier de chercheur est à repenser avec des changements radicaux dans les pratiques. Il plaide pour une approche bénéfice-risque lucide, qui ne cède ni à l'enthousiasme naïf ni au rejet dogmatique, mais qui intègre aussi les enjeux énergétiques et environnementaux liés à l'usage massif de l'IA.

"Le métier de chercheur est à repenser avec des changements radicaux dans les pratiques, tout en tenant compte des enjeux énergétiques et environnementaux de l'IA."

Cette posture de recul critique est précisément ce que les recruteurs devraient rechercher chez leurs candidats. Un profil qui sait utiliser un outil d'IA générative pour accélérer son travail, mais qui est également capable d'en questionner les résultats, d'en identifier les biais et d'en évaluer l'impact global, est infiniment plus précieux qu'un utilisateur enthousiaste mais non critique.

Voici les compétences clés à intégrer dans vos grilles d'évaluation pour les profils scientifiques et analytiques à l'ère de l'IA :

• Pensée critique appliquée aux outputs IA : capacité à vérifier, challenger et contextualiser les résultats produits par un modèle.
• Formulation stratégique de problèmes : savoir poser la bonne question est désormais plus précieux que de savoir y répondre seul.
• Adaptabilité aux outils émergents : non pas la maîtrise d'un outil précis, mais la capacité à en adopter de nouveaux rapidement.
• Conscience des limites et des risques : éthique, biais algorithmiques, empreinte environnementale des modèles.
• Communication interdisciplinaire : traduire des résultats complexes pour des interlocuteurs non spécialistes, y compris des décideurs.

Ces compétences ne s'évaluent pas sur un CV traditionnel. Elles nécessitent des mises en situation, des entretiens comportementaux approfondis et, idéalement, des exercices pratiques impliquant des outils IA réels.

Comment évaluer l'adaptabilité des candidats face à l'IA

L'un des défis majeurs pour les recruteurs aujourd'hui est de distinguer les candidats qui parlent d'IA de ceux qui pensent avec l'IA - et surtout, de ceux qui savent penser au-delà de l'IA. Car l'outil, aussi puissant soit-il, reste un moyen. La valeur ajoutée humaine réside dans la capacité à définir les objectifs, à interpréter les résultats dans leur contexte réel et à prendre des décisions éclairées qui intègrent des dimensions que le modèle ne perçoit pas : les dynamiques d'équipe, les contraintes organisationnelles, les implications éthiques ou encore les réalités du terrain.

Pour les profils scientifiques et analytiques, voici un cadre d'évaluation en trois temps que les équipes RH peuvent adopter :

1. L'entretien de posture : demandez au candidat de décrire une situation où il a utilisé un outil IA et où il a remis en question ses résultats. Cherchez la nuance, pas l'enthousiasme brut.
2. L'exercice de résolution de problème augmenté : proposez un cas pratique où le candidat dispose d'un accès à un outil IA. Observez comment il formule ses requêtes, comment il valide les réponses et comment il structure sa réflexion finale.
3. La discussion sur les limites : interrogez le candidat sur les risques et les biais de l'IA dans son domaine. Un profil mature aura une réflexion structurée sur ces enjeux, pas seulement des réponses convenues.

Ce cadre permet de révéler des qualités que les diplômes et les listes de compétences techniques ne capturent pas : la maturité intellectuelle, l'honnêteté épistémique et la capacité à naviguer dans l'incertitude. Ces qualités sont précisément celles que l'IA ne peut pas simuler de manière fiable sur la durée.

Il est également important de noter que l'adaptabilité ne signifie pas l'absence de spécialisation. Un chercheur en biochimie qui maîtrise les outils d'IA appliqués à la modélisation moléculaire reste un expert disciplinaire - mais il est aussi capable de collaborer avec des ingénieurs en machine learning, de comprendre les contraintes des modèles qu'il utilise et d'en communiquer les résultats à des partenaires industriels. C'est cette hybridité compétente qui définit le profil d'excellence de demain.

Enfin, les recruteurs doivent eux-mêmes s'outiller pour évaluer ces nouvelles dimensions. Former les équipes RH à une compréhension de base des outils IA, de leur fonctionnement et de leurs limites, n'est plus un luxe : c'est une condition pour recruter de manière pertinente dans les métiers du savoir.

Intégrer l'IA dans les offres d'emploi : ce qui doit changer concrètement

Au-delà de l'évaluation des candidats, c'est la rédaction même des offres d'emploi qui doit évoluer. Trop souvent, les fiches de poste pour des profils scientifiques ou analytiques listent des compétences techniques figées - maîtrise de tel logiciel, connaissance de telle méthode statistique - sans intégrer la dimension dynamique que l'IA impose désormais à ces métiers. Or, un outil maîtrisé aujourd'hui peut être obsolète dans dix-huit mois si un modèle de fondation en automatise l'usage.

La transformation décrite par les chercheurs du CNRS et analysée par Le Monde touche des domaines aussi fondamentaux que la génération d'hypothèses scientifiques et la planification stratégique de la recherche. Cela signifie que même les tâches considérées comme le coeur intellectuel du métier sont en train d'être redistribuées entre l'humain et la machine. Les offres d'emploi doivent en tenir compte, non pas pour effrayer les candidats, mais pour attirer ceux qui sont prêts à évoluer dans cet environnement.

Voici un tableau comparatif des formulations à éviter et de celles à privilégier dans vos offres d'emploi pour des profils scientifiques à l'ère de l'IA :

Ces reformulations ne sont pas cosmétiques. Elles signalent aux candidats que votre organisation a compris la transformation en cours et qu'elle cherche des profils capables d'y contribuer activement. Elles attirent également des talents qui ont déjà réfléchi à leur propre évolution professionnelle dans ce contexte - ce qui est en soi un signal fort d'adaptabilité.

Par ailleurs, il est essentiel que les responsables talent travaillent en étroite collaboration avec les managers opérationnels pour mettre à jour régulièrement ces référentiels de compétences. L'IA évolue vite : une revue annuelle des fiches de poste dans les métiers du savoir n'est plus suffisante. Des cycles de six mois, voire trimestriels pour les domaines les plus exposés, permettent de rester en phase avec la réalité du marché et des pratiques.

En définitive, les recruteurs qui sauront intégrer ces nouvelles dimensions dans leur approche - de la rédaction de l'offre à l'évaluation du candidat, en passant par la formation de leurs propres équipes - seront ceux qui constitueront les équipes les plus résilientes et les plus performantes dans un monde où l'intelligence artificielle est devenue un partenaire incontournable du travail intellectuel.