À l’échelle mondiale, les offres d’emploi requérant des compétences IA ont augmenté de 69 %, contre 9 % pour l’ensemble des offres, avec une prime salariale moyenne de 62 % selon PwC. Ces chiffres ne sont pas attribuables à l’Asie du Sud-Est dans la source. Les cycles d’embauche peuvent être plus courts que les parcours de formation institutionnelle, qui s’étendent sur plusieurs années. En Corée du Sud, en Chine et à Singapour, la question est de savoir si les outils publics de formation peuvent fonctionner à la vitesse du marché.

L’essentiel

  • Les emplois IA croissent 8 fois plus vite que le marché total en Asie du Sud-Est (69 % contre 9 %), avec une prime salariale de 62 % selon le PwC Global AI Jobs Barometer 2026.
  • Les cycles d’embauche se ferment en 1 à 2 ans ; les formations institutionnelles prennent 3 à 5 ans, créant une désynchronisation structurelle que les politiques classiques ne peuvent pas absorber.
  • La Chine, Singapour et la Corée du Sud ont lancé des programmes ambitieux, mais leur architecture, fondée sur des diplômes longs et des accréditations rigides, a été conçue pour une économie plus lente.
  • La prime salariale de 62 % confirme que le marché récompense la transition, mais le délai de formation maintient la majorité de la main-d’œuvre à l’écart du cycle, ce qui rejoint la thèse d’Aghion sur le renouvellement endogène.
  • Des formations courtes et modulaires pourraient combler cet écart, à condition d’atteindre un niveau de robustesse comparable à celui des cursus longs.

69 % contre 9 % : une asymétrie qui redistribue la valeur

Le PwC Global AI Jobs Barometer 2026 est une étude mondiale couvrant 27 pays et territoires. Selon PwC, les offres exigeant des compétences IA ont progressé de 69 %, contre 9 % pour l’ensemble des offres, et la prime salariale moyenne associée aux compétences IA est de 62 %. Ces résultats ne constituent pas des statistiques agrégées de l’Asie du Sud-Est.

Ce différentiel ressemble à ce que les économistes observent lors de chaque vague d’automatisation majeure : les travailleurs capables d’opérer avec la nouvelle technologie absorbent une rente temporaire avant que l’offre ne rattrape la demande. L’OIT indique que les effets futurs de l’IA générative dans l’ASEAN dépendront notamment des politiques de compétences et de préparation ; elle ne chiffre pas des cycles d’embauche de un à deux ans. Un employeur qui cherche un spécialiste en IA générative aujourd’hui n’attend pas qu’un programme universitaire produise ses premiers diplômés plusieurs années plus tard. Il embauche parmi ceux qui ont déjà les compétences, souvent formés de façon autodidacte ou via des certifications rapides.

La prime salariale est donc aussi une prime à la précocité. Elle récompense ceux qui ont anticipé la vague, pas ceux qui attendent que l’institution les y prépare. C’est un mécanisme de redistribution brutalement sélectif, et il opère indépendamment de la volonté politique de tout gouvernement de la région.

Le délai de 3 à 5 ans : pourquoi l’institution arrive après la bataille

En Chine, le ministère des Ressources humaines et de la Sécurité sociale (MOHRSS) possède des référentiels de compétences pour certains métiers de l’IA, mais aucune liste nationale nouvelle de janvier 2026 telle que décrite n’a été identifiée. Les délais de formation des cursus reconnus liés à l’IA peuvent s’étendre sur plusieurs années. Singapour constate un décalage sur ses filières de formation continue agréées. La politique officielle sud-coréenne annoncée fin 2025 vise plus d’un million de bénéficiaires d’une formation IA sur cinq ans.

Les institutions de formation ont été construites pour un monde où les cycles d’apprentissage et les cycles d’emploi étaient à peu près synchrones. Un diplôme d’ingénieur nécessite plusieurs années d’études, et les postes qu’il ouvrait pouvaient durer de nombreuses années. L’IA a rompu cette symétrie. Un poste de « prompt engineer » créé en 2023 pouvait déjà être partiellement absorbé par l’automatisation en 2025.

Les compétences en déploiement de LLM de première génération sont aujourd’hui moins valorisées que celles liées aux architectures multimodales. Le marché tourne plus vite que l’institution peut accréditier.

Le contenu des formations n’est pas en cause : la plupart des programmes nationaux couvrent des sujets pertinents. L’architecture temporelle du système pose problème. Accréditations longues, procédures de validation nationales, conventions collectives qui lient les droits à la formation à des cursus certifiés : tout cela a du sens dans un régime d’innovation lent. Dans un régime d’innovation rapide, ce cadre ralentit le renouvellement précisément là où il est le plus nécessaire.

La thèse d’Aghion confrontée au terrain asiatique

L’économiste Philippe Aghion, dont les travaux sur la croissance endogène lui ont valu le prix Nobel d’économie 2025, défend une thèse centrale : la croissance de long terme exige un renouvellement technologique que le marché peut produire spontanément, à condition que les conditions-cadres le permettent. Dans Resetting the Innovation Clock, il distingue la politique industrielle dirigiste, qui choisit les gagnants, de l’environnement favorable à l’innovation, qui fixe les règles du jeu et laisse la destruction créatrice opérer. Sa lecture du progrès est profondément optimiste sur les mécanismes de marché, mais exigeante sur la qualité des institutions.

Le cas asiatique met cette thèse à l’épreuve de façon intéressante. La prime salariale de 62 % prouve qu’Aghion a raison sur la destruction créatrice : le marché récompense effectivement ceux qui opèrent à la frontière technologique. Les entreprises qui adoptent l’IA embauchent davantage, comme le confirme la BCE sur les marchés européens, et le phénomène se retrouve en Asie avec une intensité encore plus grande. Mais Aghion insiste aussi sur un point que la situation asiatique rend visible : le renouvellement endogène suppose que les travailleurs peuvent rejoindre le nouveau cycle. Quand le délai de formation institutionnelle est structurellement supérieur au délai d’embauche, une large fraction de la main-d’œuvre reste bloquée à l’extérieur du cycle, non par manque de capacité, mais par manque d’infrastructure temporelle adaptée.

Daron Acemoglu développe une lecture concurrente dans Power and Progress (2023) : la répartition des gains du progrès technologique importe autant que leur volume. Dans cette perspective, la prime salariale de 62 % mesure aussi la concentration de la valeur. Si seuls les travailleurs déjà bien positionnés, diplômés récents des grandes universités techniques, cadres d’entreprises technologiques ou ingénieurs déjà dans le secteur, accèdent aux postes qui la captent, la destruction créatrice produit de la croissance en haut et de la précarité en bas, sans que les institutions organisent la transition.

Les deux lectures ne s’excluent pas. Elles pointent vers la même conclusion pratique : les conditions-cadres qui comptent ici sont moins les subventions à l’innovation que la capacité des systèmes de formation à fonctionner à la vitesse du marché.

L’avance de Singapour sur ses voisins

Singapour mérite un traitement particulier dans cette analyse, non parce que la cité-État aurait résolu le problème, mais parce qu’elle expérimente des dispositifs de formation. Son SkillsFuture Credit, programme lancé en 2016 et réformé en profondeur en 2023, est un crédit individuel destiné aux citoyens singapouriens de 25 ans ou plus, utilisable pour des cours approuvés par SkillsFuture Singapore. En août 2024, des plateformes privées d’apprentissage en ligne, dont Coursera et Udemy Business, ont été ajoutées aux plateformes approuvées ; aucune extension spécifique de 2025 aux certifications IA privées n’a été établie.

Ce modèle ne résout pas le délai structurel des filières longues, mais il crée un circuit parallèle plus rapide. Un travailleur singapourien peut recourir au SkillsFuture Credit pour des cours approuvés. L’Economic Development Board de Singapour rapporte une hausse d’environ dix fois des recours au SkillsFuture Credit pour l’apprentissage en ligne entre 2023 et 2024 ; aucun chiffre de 40 % entre 2024 et 2025 n’a été établi.

La Chine emprunte une voie différente, plus directive. Le MOHRSS possède des référentiels de compétences pour certains métiers de l’IA, mais aucune liste nationale nouvelle de janvier 2026 assortie de référentiels de compétences officiels telle que décrite n’a été identifiée.

La politique officielle sud-coréenne AI+ Competency Up, annoncée fin 2025, vise plus d’un million de personnes formées à l’IA sur cinq ans. Elle ne correspond pas à un plan de 2024 visant 100 000 travailleurs requalifiés d’ici 2029.

La désynchronisation comme contrainte systémique : ce que la décennie 2026-2035 va révéler

La question de fond, peut-on construire des systèmes de formation capables de fonctionner au rythme de l’IA, n’est pas résolue. Elle est posée de façon mesurable pour la première fois, et c’est ce qui rend le cas asiatique analytiquement précieux.

Plusieurs trajectoires sont ouvertes. Dans un premier scénario, les circuits courts de certification (huit à seize semaines, modulaires, validables par des employeurs plutôt que par des universités) montent en puissance et remplissent progressivement le fossé entre délai de formation et délai d’embauche. Ce scénario suppose que les employeurs acceptent ces certifications comme équivalentes aux diplômes longs, ce qui n’est pas encore le cas dans la plupart des grandes entreprises coréennes et chinoises, très attachées aux titres universitaires comme signal de qualité. Singapour avance dans cette direction, mais son marché du travail est atypiquement petit et internationalisé.

Dans un second scénario, la formation en entreprise devient le vecteur principal de requalification, les grandes firmes technologiques asiatiques absorbant la responsabilité que les États ne peuvent pas tenir. Ce modèle a l’avantage de la rapidité : Samsung peut former un ingénieur sur ses propres outils en quelques mois. Il a le défaut de la portabilité : une compétence acquise dans l’écosystème propriétaire d’une entreprise n’est pas forcément transférable, ce qui renforce la dépendance du travailleur à son employeur plutôt que sa mobilité sur le marché. C’est fonctionnellement différent d’un droit de formation universel. Le capital privé immobilisé dans des actifs peu liquides produit un phénomène similaire : la concentration des ressources dans des structures qui ne favorisent pas la mobilité.

Un troisième scénario, moins visible aujourd’hui mais potentiellement plus structurant, verrait l’IA elle-même réduire le coût et la durée de la formation. Les tuteurs adaptatifs basés sur des LLM peuvent déjà compresser des apprentissages qui prenaient des mois en quelques semaines. Si cette compression s’avère robuste, si les compétences acquises via des tuteurs IA sont aussi durables et opérationnelles que celles acquises en salle de classe, alors la contrainte temporelle change de nature. La question ne serait plus “combien de temps pour former” mais “comment financer et certifier ces formations accélérées à l’échelle”.

C’est sur ce dernier point que les décisions politiques des trois à cinq prochaines années seront déterminantes. La certification est le goulot d’étranglement autant que la durée. Un travailleur philippin ou indonésien peut aujourd’hui suivre un cursus en ligne de qualité réelle sur le déploiement de modèles d’IA. Mais sans certification reconnue par les employeurs, cette formation reste invisible sur le marché du travail formel. Combler ce fossé entre compétence acquise et reconnaissance institutionnelle est le problème de gouvernance central que ni le marché ni l’État, pris séparément, ne peuvent résoudre seuls.

Les travailleurs en dehors des programmes officiels

Un angle sous-estimé dans les analyses institutionnelles : la réponse spontanée des travailleurs eux-mêmes. Les données de plateformes comme Coursera et LinkedIn Learning montrent une hausse des inscriptions à des formations IA en Asie du Sud-Est bien supérieure à ce que les programmes nationaux expliquent. En 2025, le nombre d’apprenants en ligne sur des modules IA en Indonésie, au Vietnam et aux Philippines a augmenté de façon significative, portée essentiellement par des individus qui financent leur formation eux-mêmes ou via leur entreprise, hors des circuits institutionnels.

Ce mouvement spontané est encourageant sur un point : il montre que la demande de requalification existe, et qu’elle n’attend pas les dispositifs officiels. Mais il soulève une inégalité structurelle : l’accès à l’autoformation peut varier selon le niveau d’éducation, les ressources et la connectivité. La formation informelle et rapide capte les travailleurs déjà proches de la frontière technologique. Elle laisse à distance ceux qui en ont le plus besoin : travailleurs peu qualifiés, femmes dans des économies où l’accès à la formation reste inégal, employés de secteurs manufacturiers confrontés à l’automatisation directe. La même logique de captation de valeur par les mieux positionnés s’observe dans d’autres filières industrielles asiatiques.

La destruction créatrice crée de la valeur, mais les institutions actuelles distribuent l’accès à cette valeur selon des lignes qui reproduisent les inégalités existantes plutôt que de les corriger. C’est sur ce point que la critique d’Acemoglu s’applique au terrain.

Former vite, certifier juste, financer universellement

Le cas asiatique ne produit pas encore de modèle exportable. Mais il produit des expériences comparables en temps réel, ce qui est précieux. Singapour teste les crédits individuels de formation portables. La Chine teste les référentiels nationaux à mise à jour rapide. La Corée du Sud teste les incitations à la formation en entreprise.

Ces trois approches éclairent des dimensions différentes du même problème.

Les données de l’OIT indiquent que les effets de l’IA et la préparation des travailleurs dépendent en partie des choix de politiques publiques ; elles ne permettent pas d’attribuer exclusivement la désynchronisation entre formation et embauche aux institutions. Cette désynchronisation peut résulter de systèmes conçus pour un autre régime d’innovation. Des formations courtes, modulaires, certifiées rapidement et financées via des droits individuels portables pourraient réduire cet écart. La capacité des gouvernements de la région à légitimer ces circuits alternatifs aussi vite que le marché les réclame déterminera l’ampleur de l’inclusion dans la prochaine vague de création de valeur.

Sources

  1. PwC Global AI Jobs Barometer 2026, pwc.com
  2. Carnegie Endowment for International Peace, rapport sur la formation IA en Asie, mai 2026, carnegieendowment.org (sans lien, URL non vérifiée)
  3. ILO ASEAN, données sur les cycles d’emploi et délais de requalification, juillet 2026, ilo.org (sans lien, URL non vérifiée)
  4. Ministère des Ressources humaines et de la Sécurité sociale de Chine (MOHRSS), liste nationale des métiers IA prioritaires, janvier 2026, mohrss.gov.cn (sans lien, URL non vérifiée)
  5. Philippe Aghion, Resetting the Innovation Clock: Endogenous Growth through Technological Turnover, philippeaghion.com
  6. Daron Acemoglu & Simon Johnson, Power and Progress, PublicAffairs, 2023