Les postes d’entrée de carrière les plus résistants à l’IA sont désormais sept fois plus exigeants en compétences de jugement et de leadership que les postes juniors ordinaires. Ces rôles ont progressé de 35 % depuis 2019, pendant que les autres emplois débutants reculaient de 10 %. Le marché du travail n’a pas supprimé l’échelon junior : il l’a scindé en deux. D’un côté, les postes routiniers qui disparaissent. De l’autre, les postes qui survivent en exigeant d’emblée ce qu’on apprenait autrefois en dix ans.

C’est la conclusion centrale du PwC Global AI Jobs Barometer 2026, qui couvre les données de 27 pays et territoires sur 6 continents. La question qu’il pose n’est pas celle qu’on attendait. Ce n’est pas “quels métiers va-t-on perdre ?” C’est une question plus difficile : comment forme-t-on quelqu’un à occuper un poste junior qui réclame une posture senior, quand aucun dispositif de formation n’a été conçu pour ça ?

L’essentiel

  • Les emplois juniors résistants à l’IA exigent sept fois plus souvent des compétences de jugement et leadership que les postes juniors ordinaires (PwC, Global AI Jobs Barometer 2026).
  • Ces rôles ont progressé de 35 % depuis 2019 ; les autres emplois juniors ont reculé de 10 % sur la même période.
  • L’école, l’apprentissage professionnel et les politiques d’insertion restent calibrés pour une progression graduelle vers la responsabilité — modèle incompatible avec ce nouveau seuil d’entrée.
  • Plusieurs universités américaines et entreprises pilotes expérimentent déjà des formations accélérées au jugement professionnel, mais ces initiatives restent marginales et non systématisées.

Ce que le marché a remplacé, et ce qu’il a gardé

Pour comprendre ce qui se passe, il faut partir de ce que l’IA a effectivement remplacé. Les tâches les plus touchées sont des tâches de traitement : rédiger une synthèse à partir d’un dossier, classer des données, produire un premier jet de rapport, remplir des modèles standardisés. Ce sont précisément les tâches qu’on confiait aux juniors. Non par mépris, mais parce que c’est ainsi qu’on apprenait : en faisant, en répétant, en se trompant sur des enjeux faibles.

Le modèle classique de la carrière débutante reposait sur cette logique de délégation descendante. On accumulait de la compétence technique avant d’accéder au jugement. On produisait avant de décider. Ce pipeline fonctionnait parce que les tâches d’exécution avaient une valeur productive réelle pour l’employeur, même si elles valaient surtout comme formation pour l’employé.

L’IA a cassé cette équation. Elle exécute mieux, plus vite, et sans salaire. Les employeurs n’ont plus besoin de payer un junior pour produire une synthèse : ils ont un outil qui le fait en trente secondes. Ce qu’ils continuent de chercher, en revanche, c’est quelqu’un qui sait si cette synthèse est juste, pertinente, bien orientée. Quelqu’un qui peut parler à un client, lire une situation ambiguë, prendre une décision sans garantie. Ce sont des compétences de senior. Et le marché commence à les demander dès le premier poste.

Quand le filet de sécurité de l’apprentissage progressif disparaît

La formation traditionnelle repose sur une progression en paliers. On acquiert d’abord les bases techniques. On développe ensuite la compréhension du contexte. On accède enfin au jugement et à la responsabilité. Cette architecture pédagogique n’est pas arbitraire : elle reflète la psychologie de l’apprentissage professionnel. Le jugement ne s’enseigne pas ex nihilo. Il se construit sur des erreurs à faible coût, des ajustements progressifs, un feedback répété.

Le problème est que ce modèle présuppose une transition naturelle entre les niveaux. L’employeur confie d’abord des tâches simples, puis des tâches complexes, au fur et à mesure que la confiance s’installe. Or si les tâches simples sont absorbées par l’IA, le débutant n’a plus accès à ce premier échelon. Il arrive directement face à la complexité, sans le bagage que l’exécution répétée lui aurait donné.

C’est un paradoxe structurel : on lui demande d’exercer un jugement qu’il ne peut acquérir que par une expérience que le marché ne lui permet plus d’accumuler. Les universités américaines n’ont pas encore reformaté leurs cursus pour répondre à ce décalage. Les politiques d’insertion professionnelle non plus. La plupart des programmes de stages et d’apprentissage restent conçus autour de tâches d’exécution supervisée, précisément celles qui disparaissent.

Les secteurs où la rupture est la plus nette

Le rapport PwC permet d’identifier les secteurs où cette bifurcation est la plus visible. Les services financiers, le conseil, le droit et la comptabilité concentrent les postes juniors qui résistent, avec des exigences croissantes en pensée critique, communication client et prise de décision sous incertitude. Ce sont aussi des secteurs où l’IA a le plus rapidement automatisé les tâches de traitement documentaire.

Dans ces domaines, un analyste junior qui arrivait en 2019 passait ses premières années à produire des rapports, modéliser des données, préparer des présentations. Ces tâches ont largement migré vers des outils d’IA générative. Ce qu’on attend désormais d’un entrant dans ces secteurs, c’est qu’il soit capable d’interpréter ce que l’outil produit, de détecter ses angles morts, et de porter un point de vue devant un client ou un supérieur. C’est une posture qui demande une maturité professionnelle que la formation de base ne garantit pas.

À l’inverse, les emplois juniors dans les secteurs à forte composante manuelle ou relationnelle (santé, services à la personne, enseignement, construction) n’ont pas connu la même bifurcation. Ces postes ont résisté à l’automatisation pour d’autres raisons, et leurs exigences d’entrée sont restées comparables à ce qu’elles étaient. Le fossé ne s’est pas creusé de la même façon.

Ce que révèle la cartographie sectorielle du rapport, c’est que l’impact de l’IA sur les postes juniors n’est pas uniforme. Il est concentré dans les secteurs cognitifs à forte valeur ajoutée, précisément ceux qui attirent le plus de diplômés. Ce sont ces secteurs-là qui forment désormais l’avant-garde d’une transformation qui touchera les autres dans les années qui suivent. Ce phénomène rejoint ce que nous observions dans l’analyse des agents IA en entreprise : les outils arrivent vite, les organisations mettent du temps à s’adapter.

Ce que quelques employeurs ont commencé à faire

Il serait faux de dire que personne ne répond. Plusieurs grandes entreprises américaines ont commencé à restructurer leur onboarding pour tenir compte de ce nouveau seuil d’entrée. PwC lui-même a refondu ses programmes de formation initiale pour intégrer des simulations de prise de décision en conditions d’ambiguïté, des exercices de pensée critique appliquée et des modules de communication à enjeux. D’autres cabinets de conseil et banques d’affaires font de même.

Le principe commun est de compresser l’apprentissage par l’exposition directe, plutôt que par la progression graduelle. On met le débutant dans des situations complexes plus tôt, avec un encadrement plus serré. On lui confie la supervision de l’IA plutôt que les tâches que l’IA effectue. On l’évalue sur sa capacité à formuler un jugement, pas sur sa production brute.

Des universités comme MIT, Carnegie Mellon et Stanford ont commencé à intégrer dans leurs cursus de master des modules de “travailler avec l’IA” qui ne sont pas des cours de programmation mais des cours de collaboration cognitive avec des systèmes automatisés. L’enjeu est d’apprendre à cadrer une question pour l’IA, à évaluer ses sorties, à détecter ses biais. Ces compétences sont proches de ce qu’on apprenait autrefois à un consultant ou un analyste en deuxième ou troisième année.

Ces initiatives restent minoritaires. Elles concernent surtout les institutions d’élite et les grandes entreprises qui ont les moyens d’investir dans la formation. Le système de formation professionnelle public, les écoles de commerce régionales, les programmes d’apprentissage traditionnels n’ont pas encore opéré ce virage. Le risque de fracture est réel : les jeunes issus des filières les mieux dotées auront accès aux rôles juniors qui survivent et progressent ; les autres se retrouveront face à un marché qui a effacé les postes intermédiaires sans en avoir créé de nouveaux accessibles.

Le risque d’un échelon fantôme

Il y a un scénario que le rapport PwC ne formule pas explicitement mais que ses données rendent lisible. Si le système de formation ne s’adapte pas, le résultat n’est pas un marché du travail transformé mais résilient : c’est un marché du travail avec un trou au milieu. Les postes seniors existent, les postes très juniors sans valeur ajoutée cognitive disparaissent, et les postes intermédiaires qui permettaient la transition entre les deux se raréfient.

Cette situation avantage ceux qui ont pu acquérir ailleurs les compétences de jugement demandées : les diplômés de grande école avec des stages substantiels, ceux qui ont eu accès à des mentors, ceux dont l’environnement familial ou éducatif a tôt développé la pensée critique. Elle pénalise les autres, non parce qu’ils seraient moins capables, mais parce que personne n’a investi dans un dispositif pour les préparer au bon moment.

Ce n’est pas une fatalité inscrite dans la technologie. L’IA ne dicte pas cette distribution des chances : elle la rend visible et l’amplifie. Ce sont des choix d’investissement, de politique éducative et de régulation du marché du travail qui détermineront si cet échelon fantôme devient une fracture durable ou une transition gérée. C’est le même type d’arbitrage que celui que nous décrivions à propos de la politique industrielle européenne : les diagnostics ne manquent pas, les décisions d’investissement systématique restent à venir.

Ce que le prochain cycle de politiques devra résoudre

La question pratique n’est pas abstraite. Elle se pose dès maintenant dans les bureaux des responsables des ressources humaines, dans les directoires des universités, dans les commissions parlementaires qui définissent les critères des contrats d’apprentissage.

Quelques pistes se dégagent des expériences en cours. La première est de redéfinir ce qu’on entend par “expérience requise” dans les offres d’emploi juniors. Les entreprises qui ont refondu leurs critères de recrutement pour mettre en avant la capacité de jugement plutôt que les années d’expérience technique ont constaté une diversification de leur vivier. La compétence de pensée critique n’est pas réservée aux diplômés des grandes écoles : elle peut être développée et évaluée autrement que par un cursus d’élite.

La deuxième est d’investir dans des formats de simulation intensive. Plusieurs community colleges américains expérimentent des programmes courts (six à douze mois) centrés sur des études de cas complexes et des projets en conditions réelles, avec des partenaires industriels. Ces formats ne remplacent pas un diplôme long, mais ils permettent de développer en peu de temps des réflexes de jugement que les quatre années d’un bachelor classique ne garantissaient pas non plus.

La troisième est d’adapter les critères des politiques d’insertion. Les dispositifs publics américains illustrent les limites actuelles : le Work Opportunity Tax Credit, conçu pour favoriser l’embauche de personnes issues de groupes défavorisés et non pour financer des formations professionnelles, a par ailleurs expiré fin décembre 2025 dans l’attente d’une réautorisation. Les Registered Apprenticeship programs, quant à eux, ont été partiellement étendus aux compétences IA — notamment sous l’impulsion du Department of Labor et de certains États — mais sans couvrir spécifiquement le développement du jugement professionnel. Aucun de ces dispositifs n’a encore été adapté pour inciter les entreprises à investir dans l’encadrement de débutants positionnés sur des tâches cognitives complexes dès l’entrée.

Ce dernier point est peut-être le plus structurant. Si l’on veut que la transition ne produise pas un échelon fantôme, il faudra des incitations publiques pour que les entreprises assument le coût d’un encadrement plus intensif des débutants — et des formations publiques capables de préparer ces débutants à entrer dans cet encadrement. Le marché seul ne le fera pas : il sélectionne ceux qui sont déjà prêts.

La question ouverte est celle-ci : qui décide que préparer la prochaine génération de travailleurs est un investissement collectif, et non la somme de choix individuels d’entreprises et de diplômés ?

Sources

  1. PwC, Global AI Jobs Barometer 2026 — https://www.pwc.com/gx/en/services/ai/ai-jobs-barometer.html
  2. MIT Work of the Future, rapports annuels sur l’évolution des compétences et l’automatisation — https://workofthefuture.mit.edu
  3. US Department of Labor, Registered Apprenticeship Program — https://www.dol.gov/agencies/eta/apprenticeship
  4. PwC – Communiqué de presse officiel du 15 juin 2026 — https://www.pwc.com/gx/en/news-room/press-releases/2026/pwc-2026-ai-jobs-barometer.html
  5. PR Newswire – Communiqué PwC 2026 AI Jobs Barometer — https://www.prnewswire.com/news-releases/ai-reshapes-global-labour-market-into-two-distinct-paths-rewarding-human-skills-pwc-2026-global-ai-jobs-barometer-302798987.html
  6. HR Executive – PwC training programs critical thinking — https://hrexecutive.com/pwcs-playbook-for-creating-skilled-critical-thinkers-in-the-age-of-ai/
  7. IRS – Work Opportunity Tax Credit — https://www.irs.gov/businesses/small-businesses-self-employed/work-opportunity-tax-credit
  8. Complete College America – CCA AI Readiness Consortium — https://completecollege.org/news/community-colleges-join-consortium-working-to-embed-ai-skills-into-curriculum-and-instruction/