De nouveaux intitulés de poste liés à l’IA émergent, mais le travail reste difficile à définir

Google News a mis en avant le 2 août l’article de Doug Levin, « New Titles Because of AI and Beyond », plaçant une affirmation provocatrice sur les carrières au sein d’un flux consacré à la réglementation de l’IA.

La fiche ne fournit que peu de détails accessibles au-delà de son titre et de son attribution. Cette limite compte, car un article sur les intitulés de poste peut aisément se transformer en prédiction d’un bouleversement massif des métiers.

La conclusion la plus prudente est plus restreinte, mais aussi plus utile. L’IA redessine les frontières entre les métiers existants avant que les employeurs ne se soient accordés sur les noms à donner au travail qui en résulte.

Cela crée un conflit entre les intitulés visibles et la réalité opérationnelle. Les entreprises veulent des titres qui signalent une compétence en IA, tandis que les salariés ont besoin de fonctions assorties d’une autorité claire, de critères d’évaluation et de perspectives de carrière.

Le titre de Levin résume la première moitié de ce conflit. Les données du marché du travail apportent la seconde.

La fiche Google News identifie Levin et sa publication Substack comme source. Toutefois, l’article d’origine n’était pas systématiquement accessible pour une vérification indépendante lors de la préparation de cette analyse.

Cette lacune de vérification empêche toute affirmation catégorique sur l’argumentation complète de Levin. Elle n’efface pas la question plus large soulevée par le titre.

Les nouveaux intitulés liés à l’IA témoignent-ils d’un travail réellement nouveau, ou les entreprises rebaptisent-elles des responsabilités familières alors que leurs modèles organisationnels restent instables ?

Ce que le titre Google News a réellement changé

L’événement immédiat est la publication d’un argument sur la dénomination des métiers, et non la création d’une profession ou d’une catégorie d’emploi officielle.

Google News a diffusé ce titre via un flux consacré à la réglementation et à la sécurité de l’IA. La source était la publication Substack de Doug Levin, « Lessons from a Startup Life ».

Levin se présente comme dirigeant technologique, fondateur, membre de conseils d’administration et conseiller auprès de startups. La publication de Doug Levin traite de l’IA, des startups, de la gouvernance et des décisions auxquelles font face les dirigeants d’entreprise.

Ce parcours confère au titre une perspective managériale. Il présente les nouveaux intitulés comme une réponse organisationnelle à l’IA, plutôt que comme une taxonomie établie par des statisticiens publics ou des associations professionnelles.

La distinction est importante. Un auteur de newsletter peut identifier une tendance émergente, mais ce sont toujours les employeurs qui décident des postes qui existent et de l’autorité qui leur est associée.

Les recruteurs traduisent ensuite ces postes en descriptions d’emploi. Les salariés les interprètent comme des opportunités de carrière, tandis que les équipes de rémunération tentent de les comparer à des fonctions établies.

Les systèmes de recherche et d’agrégation ajoutent une couche supplémentaire. Un titre concis peut circuler plus largement que les qualifications détaillées dans l’article d’origine.

Cela semble être le risque central ici. « New titles because of AI » paraît concret, mais la fiche disponible n’établit pas quels intitulés ont atteint une adoption significative.

Elle ne révèle pas non plus si Levin considère ces intitulés comme des recommandations, des observations, des plaisanteries ou des avertissements. Toute attribution détaillée irait donc au-delà des éléments disponibles.

Pourtant, le titre a atteint Google News parce qu’il touche à une évolution reconnaissable. Les organisations peinent à attribuer la responsabilité de systèmes d’IA qui traversent les équipes produit, ingénierie, juridique, sécurité et opérations.

Une équipe logicielle classique peut souvent séparer le développement d’applications de l’infrastructure et de la conformité. Un système d’IA rend ces frontières moins stables.

Son comportement dépend des modèles, des informations récupérées, des prompts, des autorisations, des évaluations et de la supervision humaine. Une défaillance peut provenir de n’importe laquelle de ces couches.

Quelqu’un doit décider aux données auxquelles le système peut accéder. Quelqu’un doit mesurer la qualité des résultats, enquêter sur les erreurs, maîtriser les dépenses et déterminer quand une validation humaine reste obligatoire.

Ces responsabilités sont réelles, même si l’intitulé qui les recouvre est nouveau. Le débat ne porte donc pas principalement sur le vocabulaire.

Il s’agit de savoir si une organisation a reconnu un travail qui relevait auparavant de l’entre-deux entre les départements.

Un nouvel intitulé devient pertinent lorsqu’il clarifie la responsabilité. Il devient cosmétique lorsqu’il se contente d’ajouter « IA » devant un poste existant sans modifier les décisions, les ressources ni la responsabilité.

C’est la tension créée par ce titre. Il invite les lecteurs à dépasser la nouveauté et à se demander si les employeurs ont repensé le travail lui-même.

Les intitulés de poste liés à l’IA progressent plus vite que la clarté organisationnelle

Les employeurs subissent la pression d’afficher des capacités en IA avant d’avoir déterminé qui est responsable du déploiement, de la sécurité, de l’évaluation et des résultats commerciaux.

Les preuves les plus solides de cette pression proviennent de l’activité du marché du travail, et non de listes d’intitulés imaginatifs.

Le suivi du marché du travail de l’IA de LinkedIn, publié en septembre 2025, a analysé des données sur la main-d’œuvre de plus de 200 millions de membres aux États-Unis.

Il indiquait que le recrutement de talents en ingénierie de l’IA avait progressé de plus de 25 % sur un an en 2025. Les postes d’ingénierie de l’IA représentaient près de 7 % des offres d’emploi techniques.

Selon le rapport, cette part avait augmenté de 63 % par rapport à l’année précédente. Pourtant, les talents en IA représentaient moins de 1 % des membres de LinkedIn.

Ces chiffres décrivent un véritable déséquilibre entre l’offre et la demande. Ils ne prouvent pas que chaque nouvel intitulé corresponde à un métier distinct.

Une entreprise en concurrence pour recruter des candidats rares a plusieurs raisons d’expérimenter avec les intitulés. Elle peut signaler son ambition technique, distinguer un poste du travail logiciel ordinaire ou cibler un vivier de candidats plus précis.

L’intitulé façonne également les attentes au sein de l’entreprise. Désigner quelqu’un comme ingénieur en IA implique que le comportement des modèles et la conception d’applications d’IA relèvent de son périmètre.

Désigner la même personne comme ingénieur solutions peut mettre l’accent sur le déploiement chez les clients. « Forward-deployed engineer » suggère une responsabilité directe dans l’adaptation d’un produit à l’environnement d’un client.

Un chef de produit IA peut être responsable de la sélection des cas d’usage et des résultats produit. Un responsable de la gouvernance de l’IA peut se concentrer sur les politiques, la documentation, les contrôles et les voies d’escalade.

Ces fonctions se chevauchent parce que les systèmes d’IA déployés se chevauchent. Le choix d’un modèle affecte simultanément le coût, la latence, la sécurité et la qualité des résultats.

Ce chevauchement crée un problème de gestion. Si tout le monde participe à l’IA, personne n’est automatiquement responsable du résultat final.

Un directeur de l’IA peut coordonner la stratégie, mais ne pas avoir d’autorité sur les équipes produit. Un spécialiste de la gouvernance peut définir des contrôles, mais ne pas maîtriser les calendriers de mise en production.

Un ingénieur IA peut construire des systèmes d’évaluation, sans décider du taux d’échec que les clients accepteront. Les équipes juridiques peuvent identifier les risques sans choisir le comportement produit qui les génère.

De nouveaux intitulés apparaissent souvent à ces frontières. Ils constituent des tentatives organisationnelles pour transformer une préoccupation partagée en responsabilité nommée.

La pression dépasse les entreprises technologiques. L’éducation, les services professionnels, la finance, la santé, l’industrie et les administrations ont tous besoin de personnes capables de relier les modèles à des flux de travail propres à leur domaine.

Ces employeurs ne peuvent pas simplement reproduire l’organigramme d’un laboratoire. Leur travail sur l’IA est plus proche des données réglementées, des clients, des salariés et des décisions opérationnelles.

Ils ont besoin de traducteurs entre les possibilités techniques et la responsabilité institutionnelle. Pourtant, « traducteur » transmet rarement une autorité suffisante dans une offre d’emploi.

Les employeurs répondent en produisant des intitulés composites. Des termes comme stratégie IA, IA responsable, ingénierie des agents, risque de modèle et opérations IA côtoient de plus en plus les fonctions établies.

Le marché qui en résulte peut paraître plus mature qu’il ne l’est. Un intitulé soigné peut dissimuler une mission expérimentale, un financement incertain ou des lignes hiérarchiques contradictoires.

Les candidats devraient donc examiner les verbes sous l’intitulé. « Diriger », « approuver », « évaluer », « déployer » et « surveiller » en révèlent davantage que le nombre de termes liés à l’IA.

Un poste responsable des résultats doit avoir accès aux systèmes, aux données, aux budgets et aux décideurs. Sans ces ressources, l’intitulé porte surtout un risque de réputation.

Voici qui subit la pression de cette tendance : les employeurs doivent créer des fonctions crédibles, tandis que les salariés doivent distinguer l’autorité réelle de l’habillage marketing.

Le véritable enjeu oppose nouvelle responsabilité et nouveaux intitulés

Le conflit central n’oppose pas les anciens emplois aux nouveaux emplois. Il oppose la responsabilité opérationnelle à l’inflation des intitulés.

L’inflation des intitulés survient lorsqu’un poste reçoit un nom plus à la mode sans évolution correspondante de son périmètre, de son autorité ou des compétences requises.

Cette pratique est antérieure à l’IA générative. Les cycles technologiques ont à plusieurs reprises produit de nouvelles appellations autour du web, des applications mobiles, de l’infrastructure cloud, de la science des données et de la cybersécurité.

Certaines de ces appellations sont devenues des professions durables. D’autres ont disparu parce que leurs responsabilités sont retournées vers des équipes plus larges d’ingénierie, de marketing ou d’opérations.

Les intitulés liés à l’IA suivront le même processus de sélection. Ceux qui perdureront décriront un travail qui reste nécessaire après l’évolution des outils individuels.

L’évaluation en est un exemple probable. Un processus d’évaluation de l’IA mesure si un système se comporte de manière acceptable pour des tâches, des utilisateurs et des conditions de défaillance définis.

Ce travail ne disparaît pas lorsqu’une organisation change de modèles. En réalité, le changement de modèles rend une évaluation cohérente plus importante.

La gestion du contexte offre un autre exemple. Une application d’IA a souvent besoin d’informations sélectionnées de l’entreprise au moment où elle répond ou agit.

Les équipes doivent contrôler quelles sources entrent dans ce contexte, leur degré d’actualité et qui peut y accéder. La génération augmentée par récupération, souvent appelée RAG, fournit aux réponses du modèle des informations externes sélectionnées.

La terminologie peut évoluer, mais la responsabilité demeure. Les organisations ont toujours besoin d’une sélection fiable des informations et de contrôles des autorisations.

Les opérations liées aux agents décrivent également un besoin durable. Un agent est un logiciel qui utilise un modèle pour sélectionner et exécuter des actions en vue d’un objectif.

Dès qu’un agent peut envoyer des messages, modifier des enregistrements, exécuter du code ou approuver des transactions, la surveillance devient une fonction opérationnelle. Quelqu’un doit définir des limites et enquêter sur les actions inattendues.

Ces responsabilités justifient des spécialités distinctes parce qu’elles exigent des preuves et des droits de décision différents. L’évaluation demande si le système fonctionne, tandis que la gouvernance demande si son usage est autorisé.

La sécurité examine comment le système peut être manipulé ou détourné. Les équipes produit déterminent si le risque restant est acceptable pour une expérience client donnée.

Un intitulé utile rend lisible l’une de ces frontières de responsabilité. Un intitulé faible regroupe tout dans un rôle de « responsable IA » et laisse l’autorité non résolue.

Cette distinction affecte la qualité du recrutement. Les candidats ne peuvent pas se préparer à un poste lorsque l’employeur n’a pas défini son problème réel.

Elle affecte également les évaluations de performance. Une personne ne peut pas être évaluée équitablement sur l’adoption, le coût, la sécurité et la valeur commerciale si d’autres équipes contrôlent chacune de ces variables.

Les perspectives d’emploi du Forum économique mondial illustrent pourquoi cette incertitude persistera.

Son rapport de 2025 prévoyait que de profondes évolutions du marché du travail créeraient 170 millions de postes et en déplaceraient 92 millions d’ici 2030. Ces estimations couvrent plusieurs forces macroéconomiques, et pas uniquement l’IA.

Dans son analyse technologique, l’IA et le traitement de l’information devaient créer 11 millions d’emplois tout en en déplaçant 9 millions. Il s’agit d’une réallocation, et non d’une simple expansion.

Le rapport identifiait également les spécialistes de l’IA et du machine learning parmi les métiers à la croissance la plus rapide. Dans le même temps, il plaçait certaines professions du travail intellectuel parmi celles qui déclinaient le plus vite.

Ces conclusions fragilisent toute affirmation simpliste selon laquelle de nouveaux intitulés de poste équivalent à de nouvelles opportunités nettes. Des intitulés peuvent émerger alors que le nombre total de postes dans une fonction connexe diminue.

L’indicateur le plus fiable est le déplacement des tâches. Le travail passe des personnes aux logiciels, aux prestataires et aux départements avant que les catégories professionnelles officielles ne s’adaptent.

Un analyste peut passer moins de temps à rédiger des synthèses routinières et davantage à valider le travail produit par un modèle. Un ingénieur logiciel peut écrire moins de code standardisé et effectuer davantage de revues à l’échelle du système.

Un responsable peut passer moins de temps à assembler des rapports de situation et davantage à concevoir des processus de décision. Aucun de ces changements ne nécessite automatiquement un nouvel intitulé.

Toutefois, un nouvel intitulé devient justifié lorsque le nouveau périmètre de tâches exige un profil de recrutement différent ou confère une autorité différente.

Ce critère est plus exigeant que la nouveauté. Il consiste à se demander si une entreprise recruterait, formerait, rémunérerait et évaluerait ce poste différemment.

Si la réponse est non, le nouvel intitulé n’est probablement qu’un emballage temporaire. Si la réponse est oui, le rôle commence à devenir une institution.

Ce que les données sur l’emploi lié à l’IA confirment, et ce qu’elles ne confirment pas

Les données actuelles confirment une évolution rapide des compétences et une refonte inégale des tâches, mais elles ne permettent pas de prévoir avec certitude chaque métier de l’IA proposé.

Le baromètre de l’emploi 2026 de PwC a analysé plus d’un milliard d’offres d’emploi sur six continents.

Il a constaté que les compétences requises dans les emplois les plus exposés à l’IA évoluaient plus de deux fois plus vite que dans les emplois les moins exposés.

Le rapport décrivait également un marché à deux vitesses. Les rôles renforcés par l’IA évoluaient différemment de ceux pour lesquels l’IA abaissait les barrières à l’exécution du travail.

PwC a indiqué que les emplois de sa catégorie « professionalised » avaient progressé deux fois plus vite que les rôles « democratised ». Les salaires de la première catégorie avaient augmenté 42 pour cent plus rapidement depuis 2021.

Son analyse a également révélé que les postes juniors fortement exposés étaient sept fois plus susceptibles d’exiger des compétences traditionnellement associées aux travailleurs expérimentés, notamment en matière de leadership.

Cette conclusion est particulièrement pertinente pour la conception des intitulés. Les employeurs peuvent conserver un intitulé junior établi tout en relevant discrètement le niveau de discernement attendu de la personne qui l’occupe.

L’inverse peut aussi se produire. Un nouvel intitulé lié à l’IA peut être associé à un travail que les équipes existantes réalisent déjà avec de nouveaux outils.

Ces deux dynamiques compliquent les conseils de carrière. Les travailleurs ne peuvent pas supposer qu’un ancien intitulé implique un ancien travail, ni qu’un nouvel intitulé garantit une nouvelle progression de carrière.

Les données présentent également des limites méthodologiques. Les offres d’emploi expriment les intentions des employeurs, qui peuvent différer des recrutements effectivement réalisés et du travail quotidien.

Les entreprises peuvent reprendre le langage de leurs concurrents ou inclure des compétences souhaitées qui sont rarement utilisées. Une offre ne dit pas si l’employé disposera d’une autorité suffisante après son arrivée.

Les données d’usage offrent une autre perspective, mais elles comportent des limites différentes.

L’indice économique d’Anthropic de juin 2026 a examiné la manière dont les personnes utilisent Claude et interrogé un échantillon de ses utilisateurs.

Près de six répondants sur dix ont choisi une tranche supérieure pour la part de leur travail que l’IA pourrait accomplir dans les douze mois.

Plus d’un tiers s’attendaient à ce que l’IA prenne en charge la plupart ou presque toutes leurs tâches durant cette période. Cependant, Anthropic a explicitement averti que l’enquête n’était pas représentative de la population générale.

Les professions de l’informatique et des mathématiques représentaient environ 30 pour cent des répondants, contre environ 4 pour cent de l’emploi aux États-Unis.

Les fonctions de management étaient également surreprésentées. Cette composition peut amplifier les attentes de personnes déjà proches de l’adoption de l’IA.

Le contraste entre les données d’offres d’emploi et les données d’usage est utile. Les employeurs révèlent ce qu’ils recherchent, tandis que les utilisateurs révèlent ce qu’ils pensent que les outils peuvent faire.

Aucun de ces ensembles de données ne nous dit directement quels nouveaux intitulés de poste perdureront. Leur durabilité exige plusieurs conditions supplémentaires.

Un rôle doit répondre à une demande récurrente chez plusieurs employeurs. Ses responsabilités doivent être suffisamment précises pour pouvoir être enseignées, comparées et évaluées.

Le poste doit également offrir un parcours identifiable, du travail junior à l’autorité senior. Sans cette progression, il demeure une affectation temporaire à un projet.

Les normes professionnelles peuvent renforcer un rôle, mais une certification prématurée peut figer des hypothèses fragiles. Les pratiques liées à l’IA continuent d’évoluer trop rapidement pour que chaque intitulé puisse s’appuyer sur un diplôme stable.

La réglementation ajoute une autre source d’incertitude. Les règles peuvent créer du travail de documentation, de surveillance et de gestion des risques sans préciser exactement quel service en est responsable.

Une entreprise peut placer ce travail sous la responsabilité du service juridique. Une autre peut le confier à la sécurité, à la conformité, aux opérations produit ou à une équipe dédiée à l’IA responsable.

Ainsi, une même obligation peut générer plusieurs intitulés. Ces intitulés ne doivent pas être comptés comme des formes distinctes de demande économique sans examen de leurs tâches.

C’est l’angle sceptique qui manque dans de nombreuses discussions sur les carrières dans l’IA. Nommer un travail est plus facile que bâtir une institution autour de lui.

Google News peut rendre un intitulé visible en quelques heures. Les employeurs peuvent avoir besoin d’années pour déterminer si le rôle sous-jacent mérite une place permanente dans l’organisation.

Les travailleurs devraient lire les descriptions de poste comme des cartes de contrôle

Un rôle crédible lié à l’IA précise ce que l’employé peut décider, quelles preuves il doit produire et qui assume la responsabilité lorsque le système échoue.

Pour les travailleurs, la réponse pratique ne consiste pas à mémoriser tous les intitulés émergents liés à l’IA. Elle consiste à traduire chaque offre en une carte des décisions et des dépendances.

Commencez par l’objet géré. Le rôle est-il responsable d’un modèle, d’une application, d’un flux de travail interne, d’un déploiement chez un client ou d’une politique à l’échelle de l’organisation ?

Ces objets exigent des compétences différentes. Le travail sur les modèles met l’accent sur l’entraînement, l’inférence et l’évaluation, tandis que le travail sur les applications combine ingénierie logicielle, comportement des utilisateurs et fiabilité opérationnelle.

Un rôle centré sur les flux de travail internes exige une conception des processus et une gestion du changement. Un rôle de déploiement chez le client requiert une connaissance du domaine, un travail d’intégration et une communication directe.

Un rôle de gouvernance exige des preuves, de la documentation, une classification des risques et des procédures d’escalade. Il ne doit pas être considéré comme un poste généraliste de communication.

Ensuite, identifiez les contrôles disponibles. L’employé peut-il choisir des modèles, modifier des prompts, limiter des outils, bloquer des mises en production ou exiger une approbation humaine ?

La personne peut-elle consulter les journaux d’usage et les résultats d’évaluation ? Le rôle contrôle-t-il un budget ou dépend-il d’une autre équipe pour chaque modification ?

Ces détails déterminent si la responsabilité est réelle. Une personne chargée d’une responsabilité sans disposer des contrôles nécessaires devient un responsable commode pour des échecs qu’elle ne peut pas prévenir.

Les candidats devraient également demander comment le succès est mesuré. L’adoption seule récompense le volume, même lorsque les résultats sont peu fiables ou que le système génère peu de valeur commerciale.

L’utilisation de tokens mesure la consommation, et non les résultats. Le nombre de tâches automatisées en dit peu sans informations sur l’exactitude, le temps de révision et les conséquences.

Des métriques utiles relient le comportement technique à un processus métier. Elles peuvent inclure les taux d’achèvement, les corrections humaines, la gravité des erreurs, le temps de cycle et la rétention des utilisateurs.

Les mesures exactes dépendent du système. L’essentiel est de savoir si l’employeur a défini un résultat acceptable et une méthode pour le tester.

La provenance des connaissances mérite une attention particulière. La provenance indique d’où vient l’information et comment elle a été intégrée à une réponse ou à une décision.

Les systèmes d’IA peuvent produire un résultat fluide tout en s’appuyant sur des informations obsolètes, incomplètes ou non autorisées. Un intitulé impliquant les opérations liées à l’IA devrait préciser qui entretient ces flux d’information.

C’est aussi là que la gestion des connaissances personnelles devient pertinente pour les travailleurs individuels. Les personnes ont besoin d’un registre fiable des sources, des décisions et des responsabilités changeantes.

Un travailleur qui évolue vers un rôle fortement axé sur l’IA devrait documenter les tâches qui ont changé, les contrôles ajoutés et les résultats qui se sont améliorés.

Ce registre est plus durable que l’intitulé figurant sur une carte de visite. Il aide également lors de futurs entretiens, lorsque les employeurs utilisent des noms différents pour des travaux similaires.

Les responsables devraient réaliser le même exercice avant d’ouvrir un poste. Ils devraient d’abord définir le problème récurrent, puis choisir l’intitulé.

Une description de poste devrait indiquer quelles décisions relèvent du rôle et lesquelles restent du ressort du juridique, de la sécurité, de l’ingénierie ou de la direction métier.

Elle devrait distinguer l’expérience requise des préférences propres à un outil. Sinon, les équipes de recrutement peuvent écarter des candidats compétents parce qu’ils n’ont pas été exposés à un produit devenu populaire récemment.

Les entreprises devraient également éviter de réunir plusieurs professions senior dans un seul poste junior. Une offre qui exige de l’architecture, du machine learning, de la sécurité, de la gouvernance, de la stratégie produit et des ventes n’est pas pluridisciplinaire par défaut.

Elle peut simplement révéler que l’organisation n’a pas réparti le travail. L’intitulé ne peut pas réparer cette défaillance de planification.

Un périmètre clair améliore la mobilité sur le marché du travail. Il permet aux candidats de comparer des postes portant des noms différents mais exigeant des compétences similaires.

Il révèle également les situations où des intitulés identiques dissimulent des emplois très différents. Un « ingénieur IA » dans un laboratoire de modèles peut être très différent du même intitulé dans une compagnie d’assurance.

Lire les descriptions comme des cartes de contrôle profite donc aux deux parties. Les employeurs obtiennent une cible de recrutement plus réaliste, tandis que les candidats évitent de confondre visibilité et autorité.

Trois signaux montreront quels nouveaux intitulés liés à l’IA perdureront

La prochaine étape sera déterminée par des recrutements répétés, une responsabilité formelle et des résultats de travail mesurables, plutôt que par la fréquence des titres dans l’actualité.

Le premier signal est la consolidation des intitulés chez des employeurs sans lien entre eux. Un rôle durable devrait apparaître dans plusieurs secteurs avec un noyau identifiable de responsabilités communes.

La formulation ne doit pas nécessairement être identique. Toutefois, le rôle devrait systématiquement prendre en charge un problème défini, tel que l’évaluation, la fiabilité des agents ou le risque lié aux modèles.

Si chaque offre utilise le même intitulé pour des fonctions sans rapport, l’étiquette ne s’est pas stabilisée. Si plusieurs intitulés convergent vers le même ensemble de tâches, la consolidation a commencé.

Ce signal renforcerait l’argument derrière le titre de Levin. Il montrerait que les employeurs nomment un travail véritablement récurrent plutôt que de mener des expériences isolées.

Le deuxième signal est l’autorité décisionnelle formelle. Observez si les nouveaux rôles obtiennent des droits d’approbation, des budgets, un accès aux rapports et des responsabilités d’escalade.

Un intitulé de gouvernance sans accès aux décisions de déploiement demeure consultatif. Un intitulé d’évaluation sans autorisation de retarder une mise en production a un poids opérationnel limité.

Un directeur de l’IA sans influence sur les investissements produit peut surtout jouer le rôle de porte-parole. Les organigrammes comptent moins que l’autorité documentée.

La preuve d’une responsabilité formelle renforcerait l’idée d’une profession distincte. Une ambiguïté persistante suggérerait que les entreprises rebaptisent un travail de coordination sans résoudre la question de la responsabilité.

Le troisième signal est la mesure des performances fondée sur les résultats. Les employeurs devraient relier les rôles liés à l’IA à la fiabilité, au coût, à la qualité de l’adoption, à la sécurité ou aux résultats commerciaux.

C’est l’épreuve la plus difficile, car de nombreuses organisations ne disposent toujours pas de références fiables. Elles savent peut-être à quelle fréquence leurs employés utilisent l’IA, sans savoir si le travail s’est amélioré.

Une profession pérenne a besoin de méthodes reproductibles pour démontrer sa valeur. Sinon, elle reste vulnérable lorsque les budgets se resserrent ou que l’attention des dirigeants se porte ailleurs.

Le même critère s’applique aux chercheurs d’emploi. Un intitulé prometteur devrait s’accompagner d’exemples de décisions, de systèmes et de résultats dont le salarié aura la responsabilité.

La visibilité dans Google News peut révéler quelles expressions gagnent en attention, mais l’attention n’est qu’un indicateur précoce. La fréquence des recherches ne suffit pas à établir la légitimité d’une profession.

Les preuves les plus importantes apparaîtront dans les descriptions de poste, les structures hiérarchiques, les formations professionnelles et le maintien des postes après la fin des programmes expérimentaux.

Les lecteurs devraient également surveiller les professions établies. Une grande partie des effets les plus importants de l’IA pourrait se manifester par l’évolution des attentes au sein de rôles familiers.

Les ingénieurs logiciels, analystes, avocats, spécialistes du marketing, chercheurs et managers pourraient intégrer des responsabilités liées à l’IA sans changer d’intitulé. Cette évolution pourrait compter davantage qu’un petit nombre de postes spécialisés très visibles.

Le résultat probable est un marché du travail hybride. Certains intitulés liés à l’IA gagneront en maturité, tandis que d’autres se fondront dans des fonctions plus larges.

Les travailleurs devraient se préparer aux responsabilités sous-jacentes plutôt que de miser sur une expression unique. L’évaluation, la gouvernance de l’information, la conception des flux de travail, la sécurité et le jugement métier peuvent se transférer d’un intitulé à l’autre.

Les employeurs devraient éviter d’annoncer un nouveau rôle tant qu’ils ne peuvent pas en décrire l’autorité. Un intitulé sans pouvoir de décision crée de la confusion pour les candidats comme pour les équipes internes.

Le titre de Doug Levin est utile, car il met en lumière une question organisationnelle encore non résolue. Il ne doit pas être considéré comme un catalogue vérifié des professions de demain.

La question plus pertinente est de savoir si votre organisation a un travail dont personne n’assume clairement la responsabilité.

Si c’est le cas, documentez les décisions, les risques, les éléments de preuve et les résultats associés à ce travail. Décidez ensuite si un nouvel intitulé clarifie la responsabilité ou ne fait qu’afficher de l’enthousiasme.

Continuez à suivre les données sur l’emploi derrière le prochain titre de Google News. Les intitulés qui perdureront seront ceux associés à des problèmes récurrents, à de véritables contrôles et à des résultats que les employeurs peuvent défendre.