Les offres qui mentionnent l'intelligence artificielle ne demandent pas toutes de savoir construire un modèle. Certaines correspondent à des postes identifiés, comme analyste de données ou data scientist ; d'autres désignent une fonction ajoutée à un métier existant : préparer des données, vérifier une sortie, documenter un système, former des collègues ou participer à un achat.
Cet article distingue donc les métiers publiquement décrits des responsabilités qui se greffent sur un poste. Nous ne promettons aucun débouché et nous ne donnons ni salaire ni volume d'offres pour la France : les sources consultées ne permettent pas une comparaison homogène et actuelle.
Le Future of Jobs Report 2025, fondé sur les réponses de plus de 1 000 employeurs dans 55 économies, classe l'IA et le big data parmi les compétences dont la demande devrait croître le plus d'ici 2030. Ce périmètre mondial ne permet pas de prédire un recrutement à Toulouse ni la durée de vie d'un intitulé. Il indique plutôt que des compétences techniques et non techniques vont se combiner dans de nombreux postes. C'est cette combinaison que nous examinons, en complément de notre article sur ce que montrent les données sur l'IA et l'emploi.
La distinction compte pour une recherche d'emploi : un intitulé stable peut cacher de nouvelles missions, tandis qu'un titre neuf peut recouvrir un travail déjà connu. Lisez donc toujours les livrables, les responsabilités et les compétences demandées avant de conclure qu'un poste constitue un nouveau métier.
Sommaire
- Préparer la matière : l'annotation
- Vérifier ce qui sort : évaluation et mise à l'épreuve
- Écrire ce que fait le système : documentation
- Former et acheter
- Questions fréquentes
Préparer la matière : l'annotation
Annoter consiste à qualifier des exemples pour entraîner ou évaluer un système. Ce travail existe, mais le mot recouvre des tâches et des niveaux d'expertise trop différents pour promettre un métier unique.
Ce qui se rétracte
L'annotation générique porte sur des catégories simples et de grands volumes. Une partie peut être préparée automatiquement puis contrôlée ; une autre reste manuelle. Sans données françaises comparables sur les contrats, les volumes et les conditions d'exercice, nous ne la présentons ni comme un débouché stable ni comme une activité appelée à disparaître.
Ce qui reste
Ce qui résiste, c'est l'annotation qui demande de savoir de quoi on parle. Qualifier un compte rendu clinique, un acte juridique ou un rapport d'incident industriel suppose une compétence de métier apportée en plus de la tâche : la valeur tient alors à cette connaissance, pas à la disponibilité. La question n'est donc pas comment devenir annotateur, mais dans quel domaine votre connaissance rend votre annotation difficile à remplacer. Notre article sur contribuer à l'IA sans être ingénieur développe cette logique.
Vérifier ce qui sort : évaluation et mise à l'épreuve
Évaluer consiste à établir si le système fait ce qui est annoncé, dans un contexte et avec des critères définis. Cette responsabilité peut appartenir à un poste de test, de qualité, de risque, de recherche ou au métier qui utilisera le résultat.
Pourquoi cette fonction est identifiable
Un modèle appris se vérifie par des essais et des mesures adaptés à son usage. Le NIST a publié le 26 janvier 2023 un cadre volontaire de gestion des risques de l'IA organisé en quatre fonctions, GOVERN, MAP, MEASURE et MANAGE. Il distingue la mesure de la gouvernance et demande de documenter les résultats. Cela atteste l'existence de la fonction dans un cadre de gestion des risques ; cela ne prouve pas qu'elle correspond partout à un poste autonome.
Ce que cela demande comme profil
Le profil dépend de ce qui est évalué. Construire un protocole exige de savoir ce que la mesure dit et ne dit pas ; juger un compte rendu clinique, juridique ou industriel exige en plus la compétence du domaine. Les mathématiques, le test logiciel, les sciences humaines, la qualité et l'expertise métier peuvent donc contribuer à des endroits différents. Aucune source consultée ne permet de classer une formation au-dessus d'une autre pour l'ensemble de ces fonctions.
Écrire ce que fait le système : documentation
La fonction la moins visible et la plus sous-estimée : produire le texte qui dit ce que le système est, sur quoi il a été construit, et dans quelles limites il doit rester. C'est un travail d'écriture autant que de technique.
Un exemple consultable
Ces documents existent et sont publics. La carte modèle de Llama 3.1 publiée par Meta énumère huit langues prises en charge, dont le français, et ajoute une mise en garde : le modèle peut produire du texte dans d'autres langues, et l'éditeur décourage fortement son usage conversationnel dans ces langues sans réglage ni contrôles adaptés. Ce n'est pas de la littérature : c'est une déclaration qui engage, et quelqu'un l'a écrite.
Où cette fonction se trouve
La documentation peut relever d'un rédacteur technique, d'une équipe produit, d'un responsable qualité, risque ou conformité. Sans document disant ce que le système est censé faire, il devient difficile de l'évaluer ou de contester une décision. Le NIST place cette mise en contexte en amont : après la fonction MAP, les utilisateurs du cadre doivent disposer d'une connaissance suffisante du contexte pour éclairer une première décision d'avancer ou non.
| Fonction | Intitulé ou équipe possible | Compétence centrale | Limite à vérifier |
|---|---|---|---|
| Analyse et préparation des données | Data analyst, data scientist, expert métier | Qualité et sens des données | Le titre et le niveau technique varient fortement |
| Annotation | Annotateur, opérateur, expert de domaine | Appliquer et discuter une consigne | Statut, secteur et conditions d'exercice à examiner |
| Évaluation et test | Test, qualité, risque, recherche, métier | Construire des cas et interpréter une mesure | Souvent une fonction, pas un poste dédié |
| Documentation et gouvernance | Rédaction technique, produit, qualité, conformité | Décrire périmètre, limites et responsabilités | L'intitulé seul ne prouve pas le contenu du poste |
| Formation et accompagnement | Formateur, responsable adoption, manager | Relier l'outil aux règles du métier | Demander quels usages et publics sont couverts |
| Achat et sélection | Acheteur, chef de projet, sécurité, juridique | Comparer besoin, preuve, coût et risque | Responsabilité généralement partagée |
Former et acheter
Ces deux fonctions relient le système aux personnes qui doivent s'en servir et aux règles de l'organisation. Elles peuvent constituer un poste, mais sont souvent réparties entre plusieurs métiers existants.
Accompagner les usages
Il ne s'agit pas d'apprendre à cliquer mais de rendre explicites les règles d'un usage acceptable : ce qu'on confie, ce qu'on vérifie, ce qu'on ne met jamais dans un outil. La fonction dure tant qu'existe l'écart entre ce que l'outil permet et ce que le métier exige.
Décider ce qu'on achète
Choisir un outil, cadrer ce qu'on lui demande, poser les questions qui tranchent avant de signer : ce travail engage un budget et un risque, et ne se délègue pas au fournisseur. Nous lui consacrons deux articles, l'un sur l'évaluation d'un outil d'IA avant adoption, l'autre sur les erreurs que les organisations font le plus souvent.
Ce que cet article ne promet pas
IA Innovateurs n'est ni un organisme de placement ni un observatoire de l'emploi. Nous n'avons pas mesuré les recrutements associés à ces fonctions et nous n'accompagnons pas de reconversion. Les intitulés cités servent à chercher et à lire une offre, pas à garantir un débouché. La page de France Travail consacrée aux métiers de l'IA confirme l'existence de postes comme analyste de données et data scientist ; le NIST confirme que mesure, documentation et gouvernance sont des fonctions nécessaires dans son cadre. Entre les deux, le marché réel doit être vérifié par secteur, localisation, niveau d'expérience et type de contrat.
Questions fréquentes
Faut-il savoir programmer pour exercer une de ces fonctions ?
Pour la plupart d'entre elles, non, et prétendre le contraire découragerait les profils qui manquent. Évaluer, documenter, décider d'un achat, accompagner des usages : ces activités demandent de la méthode, de l'écriture claire et une connaissance du domaine, pas l'écriture de code. Savoir lire un tableau de résultats et repérer ce qu'il ne mesure pas est plus utile que savoir entraîner un modèle.
Ces fonctions existent-elles ailleurs que dans les entreprises technologiques ?
Oui, et c'est là qu'elles se multiplient le plus discrètement. Dès qu'une organisation installe un dispositif automatique dans un parcours qui concerne des personnes, quelqu'un doit pouvoir dire ce que ce dispositif fait, l'avoir éprouvé, et répondre en cas d'erreur. Cela vaut pour une collectivité, une mutuelle, un hôpital, une école, une association, et ce sont rarement des postes dédiés : la fonction est confiée à quelqu'un qui connaît déjà le métier.
Comment reconnaître une offre sérieuse d'une offre qui utilise le mot IA comme décor ?
Regardez ce que l'offre demande de produire plutôt que les technologies qu'elle énumère. Une offre sérieuse décrit un livrable, un périmètre et une personne à qui rendre compte ; une offre décorative aligne des noms d'outils et des adjectifs. Le second signal est la présence d'une question de vérification : si rien ne dit comment le résultat sera jugé, personne n'y a réfléchi. Nous détaillons cette lecture dans la lecture d'une offre d'emploi en IA, et le tissu local dans travailler dans l'IA à Toulouse.
Une fonction que cet article n'a pas nommée ? Consultez les prochaines rencontres, découvrez qui nous sommes, ou écrivez-nous. Deux articles prolongent celui-ci : IA et accessibilité, où l'évaluation doit associer les utilisateurs concernés, et lire une offre d'emploi en IA pour examiner les missions plutôt que l'intitulé. Les conférences et ateliers sont gratuits et ouverts à tous les niveaux. L'adhésion est distincte et facultative, à 25 € par an, avec un tarif solidaire à 10 €. Adhérer maintenant