Le recrutement IA de TCS vise 80 % de talents numériques, mais la rentabilité reste le véritable test
Selon la direction de TCS, le recrutement IA de l’entreprise privilégiera les compétences numériques et en intelligence artificielle pour environ 80 % des nouvelles embauches. Cet objectif fait suite à un trimestre de septembre durant lequel les activités liées à l’IA ont dépassé 10 % du chiffre d’affaires. Le changement dans les recrutements est considérable, mais la question la plus aiguë est économique : une main-d’œuvre conçue pour l’IA peut-elle transformer une demande en forte croissance en meilleures marges ?
Tata Consultancy Services ne considère plus l’expertise en IA comme une exigence réservée à une petite unité technique spécialisée. L’entreprise souhaite intégrer des compétences de nouvelle génération chez la plupart des nouveaux talents, tout en conservant une catégorie plus restreinte pour les employés disposant d’une spécialisation plus poussée en IA. Cette distinction est importante, car les projets d’IA d’entreprise exigent davantage qu’une simple familiarité avec un chatbot.
Cette stratégie soumet également TCS à une épreuve opérationnelle difficile. L’entreprise doit développer ses capacités de livraison en IA sans laisser l’automatisation, les coûts de reconversion, la rareté des spécialistes ou les demandes d’économies des clients absorber les gains. Accenture, Infosys, HCLTech et d’autres prestataires de services subissent la même pression, mais TCS associe à sa réponse un objectif particulièrement visible en matière de main-d’œuvre.
Le recrutement IA de TCS devient la norme, et non une filière de spécialistes
TCS fait de la préparation à l’IA une exigence standard pour la plupart des nouvelles recrues, plutôt qu’une certification de niche.
Aarthi Subramanian, directrice des opérations, a déclaré que TCS avait recruté 4 500 personnes au cours de son deuxième trimestre fiscal. Entre 25 % et 30 % étaient décrites comme des talents purement IA, tandis qu’environ 80 % relevaient de catégories plus larges de compétences de nouvelle génération.
Subramanian a également indiqué que l’entreprise s’attendait à ce que cette répartition se poursuive. Ses commentaires établissent deux groupes qui se chevauchent plutôt qu’une catégorie homogène d’ingénieurs en IA. Les talents spécialisés en IA s’inscrivent dans une population bien plus large recrutée pour des activités numériques, cloud, de données, d’ingénierie et de travail assisté par l’IA.
Cette nuance évite d’interpréter le chiffre de 80 % comme la promesse que quatre recrues sur cinq construiront des modèles fondamentaux. TCS accompagne de grandes entreprises dans les secteurs bancaire, manufacturier, du commerce de détail, de la santé, des télécommunications et des services publics. La plupart des missions clients combinent processus sectoriels, logiciels, données, sécurité, infrastructure cloud et intégration de systèmes.
L’entreprise a donc besoin d’employés capables d’utiliser l’IA dans ces environnements de livraison. Un développeur peut appliquer un assistant à la maintenance logicielle. Un ingénieur data peut préparer des informations métier pour des systèmes de récupération. Un consultant peut repenser un processus de traitement des sinistres autour d’une revue humaine et d’une analyse automatisée.
TCS a décrit cette dynamique financière sous-jacente dans ses résultats trimestriels. Les revenus annualisés liés à l’IA ont atteint 3,1 milliards de dollars au trimestre clos le 30 septembre 2026, contre plus de 2,3 milliards de dollars à la fin de l’exercice fiscal 2026. Les activités d’IA ont également dépassé 10 % du chiffre d’affaires de l’entreprise.
Le chiffre d’affaires trimestriel a atteint 7,64 milliards de dollars, en hausse de 2,4 % sur un an en dollars publiés. La croissance à taux de change constants s’est établie à 0,5 % par rapport au trimestre précédent. La valeur totale des contrats a atteint 9,6 milliards de dollars, hors transactions annoncées avec Porsche et Best Buy.
Ces chiffres expliquent pourquoi l’objectif de recrutement apparaît maintenant. TCS a dépassé le stade où il fallait démontrer que les clients financeraient des expérimentations isolées. L’entreprise doit désormais disposer d’un nombre suffisant de personnes qualifiées pour exécuter des programmes plus vastes dans plusieurs départements et zones géographiques.
Un client peut commencer par utiliser l’IA dans un seul flux de travail financier, d’ingénierie ou de service client. Si le déploiement produit des résultats mesurables, la mission peut s’étendre à d’autres fonctions. Subramanian a décrit ce schéma d’expansion en évoquant la manière dont les clients étendent leurs projets initiaux après en avoir évalué l’efficacité.
Cette progression modifie les besoins en talents. Un petit projet pilote peut reposer sur un groupe compact de spécialistes. Un déploiement en production nécessite des architectes, des développeurs, des équipes de sécurité, des experts métier, des gestionnaires de données et des employés capables de maintenir le système après son lancement.
L’objectif de 80 % vise donc moins à recruter pour une seule profession qu’à modifier le socle minimal de compétences techniques chez TCS. Les nouveaux employés devront de plus en plus comprendre où l’IA s’intègre, comment ses résultats doivent être contrôlés et comment elle se connecte aux systèmes d’entreprise existants.
Cette exigence concerne aussi les salariés expérimentés. Le directeur général K. Krithivasan a soutenu que la volonté d’apprendre compte davantage que l’âge seul. Un ingénieur en milieu de carrière qui comprend le paysage technologique et le secteur d’un client peut disposer d’un avantage sur un employé junior maîtrisant les outils les plus récents, mais dépourvu de contexte opérationnel.
Le résultat n’est pas une simple compétition entre diplômés et employés expérimentés. TCS a besoin de la maîtrise des outils souvent associée aux jeunes recrues, ainsi que des connaissances institutionnelles accumulées par les équipes établies. Son modèle de recrutement doit combiner les deux.
Pourquoi les revenus de l’IA ne produisent pas automatiquement des marges plus élevées
TCS s’attend à ce que l’échelle de l’IA soutienne la rentabilité, mais la seule classification des revenus ne peut démontrer que cette activité génère de meilleurs rendements.
TCS a déclaré une marge opérationnelle de 24 % et une marge nette de 19 % pour le trimestre de septembre. La direction s’attend à ce que l’augmentation des volumes liés à l’IA apporte un bénéfice sur les marges, en particulier lorsque les déploiements réussis deviennent reproductibles chez les clients et dans les unités opérationnelles.
Krithivasan a déclaré aux journalistes que des volumes plus importants de contrats IA devraient apporter un gain de rentabilité. La logique est compréhensible. Des composants logiciels réutilisables, le développement automatisé, des plateformes partagées et des cycles de livraison plus courts peuvent réduire la main-d’œuvre nécessaire pour chaque unité de travail.
L’échelle peut également répartir les investissements fixes sur davantage de revenus. TCS a beaucoup investi dans la formation des employés, les partenariats, les plateformes internes, les laboratoires et des capacités de livraison spécialisées. Une fois ces fondations mises au service de nombreux contrats, le coût associé à chaque mission devrait diminuer.
L’entreprise a enregistré 69 millions d’heures de formation durant l’exercice fiscal 2026, soit une hausse annuelle de 23 %. Elle a également fait état de 5,2 millions de compétences acquises et de plus de 270 000 employés ayant atteint un niveau supérieur de maîtrise en IA et en apprentissage automatique. Ces chiffres montrent l’ampleur de l’effort de préparation, non son rendement financier.
TCS doit encore transformer l’activité de formation en une livraison facturable et fiable. Terminer un cours ne prouve pas qu’un employé peut repenser un flux de travail réglementé, évaluer le comportement d’un modèle, sécuriser des informations sensibles ou défendre une architecture devant le comité des risques d’un client.
La même prudence s’applique aux revenus de l’IA. TCS utilise un chiffre annualisé, qui convertit le rythme actuel des revenus en cadence annuelle. Cela ne signifie pas que l’entreprise a déjà comptabilisé 3,1 milliards de dollars de revenus IA sur un seul trimestre.
La direction affirme également appliquer une norme prudente lors de la classification des revenus IA. Malgré cela, la frontière peut rester complexe, car l’IA apparaît désormais dans la modernisation cloud, l’ingénierie logicielle, les activités de processus métier et les projets de données.
Presque tout grand programme technologique peut comporter une composante IA sans devenir un contrat prioritairement axé sur l’IA. Les investisseurs ont donc besoin de davantage qu’une étiquette de revenus en croissance. Ils ont besoin de preuves que les missions IA améliorent l’utilisation des ressources, la tarification, la vitesse de livraison et le bénéfice opérationnel.
Les clients chercheront également à capter une part des gains de productivité. Si un système de codage par IA permet à une équipe d’accomplir le même travail avec moins d’heures, le client peut exiger des tarifs plus faibles. Les appels d’offres concurrentiels peuvent transférer les gains d’efficacité du prestataire de services vers l’acheteur.
Cette dynamique façonne depuis longtemps l’externalisation. L’automatisation peut réduire le coût de la livraison, mais les prestataires ne conservent pas chaque dollar économisé. Les contrats, les modèles de tarification, la pression concurrentielle et la disponibilité de fournisseurs de substitution déterminent la façon dont la valeur est répartie.
Les projets d’IA introduisent des coûts supplémentaires. Les prestataires doivent payer les modèles, la capacité de calcul, les contrôles de sécurité, les évaluations, la préparation des données et la supervision spécialisée. Certaines charges de travail peuvent consommer des ressources d’inférence coûteuses, ce qui signifie que le coût continu de génération des résultats des modèles doit être géré parallèlement au travail humain.
Les premiers déploiements en entreprise peuvent aussi exiger davantage d’intervention humaine que les acheteurs ne l’anticipent initialement. Les équipes doivent nettoyer les données, connecter les applications, tester les cas d’échec, surveiller les résultats et établir des voies d’escalade. Les secteurs réglementés ajoutent des exigences de documentation, d’auditabilité et d’approbation.
Ces dépenses n’invalident pas la thèse de TCS sur les marges. Elles définissent ce que l’entreprise doit surmonter. L’opportunité de rentabilité provient d’une livraison reproductible à grande échelle, et non de l’apposition d’une étiquette IA sur un travail conventionnel.
Les chiffres récents de TCS offrent un point de référence utile. Sa marge opérationnelle a atteint 25 % pour l’exercice fiscal 2026, hors effets ponctuels, selon les résultats annuels de l’entreprise. La marge de 24 % au trimestre de septembre laisse à la direction une marge de redressement avant que l’IA n’apporte une amélioration clairement supérieure aux performances récentes.
Les investisseurs devraient donc distinguer deux affirmations. TCS a démontré que ses revenus IA augmentent. L’entreprise n’a pas encore isolé dans quelle mesure cette croissance a contribué aux marges après les coûts de formation, de technologie, de rémunération et de livraison.
Les compétences numériques de TCS doivent dépasser la simple maîtrise des chatbots
Le plan de recrutement ne réussira que si les « compétences en IA » signifient une exécution fiable en entreprise plutôt qu’un usage courant d’outils génératifs.
Utiliser ChatGPT ou un autre assistant ne rend pas un employé prêt à déployer l’IA dans une banque, une usine, une pharmacie ou une compagnie aérienne. Le travail en entreprise exige une combinaison plus approfondie de connaissances logicielles, de contexte métier, de rigueur en matière de données et de jugement.
Un ingénieur doit comprendre dans quels cas le code généré introduit des risques de sécurité ou de maintenance. Un consultant doit relier un système d’IA à des résultats mesurables sur les processus. Un responsable de projet doit définir à quel moment une personne examine les résultats et qui assume la responsabilité en cas d’échec.
Cet écart explique la séparation entre les talents purement IA et la catégorie plus large des compétences de nouvelle génération. Le premier groupe peut inclure des ingénieurs en apprentissage automatique, des data scientists, des évaluateurs de modèles et des architectes IA. Le second peut comprendre des professionnels du cloud, de la cybersécurité, des logiciels, des données et des plateformes d’entreprise, dont le travail intègre de plus en plus l’IA.
Des observateurs indépendants ont mis en garde contre l’assimilation entre l’usage généralisé des outils et les capacités organisationnelles. Nikhar Arora de Bots.ai by HR Anexi a déclaré au rapport de NDTV sur les recrutements que les tableaux de bord d’adoption peuvent surestimer le niveau de préparation lorsque les employés ne disposent pas de normes communes ni de résultats métier définis.
Cette critique est directement pertinente pour une entreprise qui employait 598 056 personnes à la fin septembre. TCS ne peut pas évaluer son niveau de préparation uniquement en comptant les employés formés ou les modules achevés. Elle a besoin de preuves spécifiques à chaque rôle montrant que les personnes peuvent effectuer un travail de production en toute sécurité.
Pour les équipes logicielles, ces preuves peuvent inclure la qualité du code examiné, des taux de défauts plus faibles, une modernisation plus rapide et une documentation fiable. Pour les équipes de processus métier, elles peuvent inclure des réductions de délai de cycle sans taux d’erreur inacceptables ni plaintes de clients.
Pour les équipes de données, la norme devrait couvrir la qualité des sources, les contrôles d’accès, la provenance et la surveillance. La génération augmentée par récupération, une méthode qui fournit à un modèle des informations métier sélectionnées, ne fonctionne que lorsque les documents sous-jacents sont à jour et accessibles aux bons utilisateurs.
Le défi des données est particulièrement important, car TCS met l’accent sur la connaissance contextuelle. Les modèles génériques ne comprennent pas automatiquement les politiques, produits, systèmes, terminologie ou obligations réglementaires d’un client. Ce contexte doit être constitué, gouverné et mis à jour.
La sécurité ajoute une autre couche de complexité. Un employé utilisant des outils d’IA publics sans contrôles approuvés peut exposer des données confidentielles. Un agent de production disposant d’un accès excessif peut effectuer des actions involontaires dans des systèmes connectés. TCS doit former ses employés à reconnaître ces risques, et pas seulement à rédiger de meilleurs prompts.
Cela rend l’expérience sectorielle précieuse. La défense par Krithivasan des professionnels à mi-carrière reconnaît que la maîtrise de l’IA ne peut pas remplacer la connaissance d’entreprises complexes. Un ingénieur senior peut comprendre pourquoi un système hérité se comporte d’une manière que sa documentation ne reflète pas.
Les jeunes recrues apportent encore des avantages importants. Elles peuvent s’adapter rapidement aux nouveaux environnements de développement et ont moins d’idées préconçues sur la manière dont le travail doit être organisé. Leur coût inférieur peut également soutenir l’économie de grandes équipes de prestation, bien que TCS n’ait pas présenté sa stratégie de recrutement uniquement comme une décision salariale.
Le modèle le plus solide combine les deux groupes. Les employés expérimentés définissent les limites opérationnelles et identifient les exceptions métier. Les nouvelles recrues apportent des compétences techniques actualisées et testent des flux de travail peu familiers. Les spécialistes établissent l’architecture et les normes d’évaluation pour l’ensemble de l’équipe.
TCS a déjà fait évoluer la formation au-delà des cours ponctuels. Ses communications pour l’exercice 2026 décrivaient des hackathons internes, un apprentissage basé sur les rôles et un coach d’apprentissage en IA. Plus de 281 000 personnes ont participé à ce que l’entreprise a qualifié de plus grand hackathon de son histoire.
Ces programmes peuvent créer des occasions de pratique, mais les résultats pour les clients restent le test décisif. Une démonstration réalisée pendant un hackathon répond à des exigences différentes de celles d’un système traitant des transactions financières ou des données sensibles de patients.
Les employés auront également besoin de pratiques durables de gestion des connaissances. Les équipes travaillant avec l’IA doivent préserver les décisions, les résultats d’évaluation, les contraintes des clients et le contexte technique. Une base de connaissances d’ingénierie consultable peut aider à éviter que des raisonnements importants ne disparaissent dans des conversations et documents déconnectés.
Ce besoin dépasse TCS. Les travailleurs du savoir opèrent de plus en plus entre des suggestions générées par l’IA et des preuves propres à leur entreprise. La compétence la plus précieuse ne consiste pas à demander une réponse à un modèle. Elle consiste à déterminer si cette réponse convient au système, au client et à l’environnement de risque.
Le virage du recrutement accroît la pression sur les services informatiques
TCS rivalise pour attirer les talents de l’IA tandis que ses concurrents développent des capacités similaires, donnant aux clients davantage de poids sur les prix et les promesses de prestation.
Accenture est entré tôt dans cette compétition. L’entreprise s’est engagée dans un investissement pluriannuel dans l’IA générative et a développé ses effectifs en IA et données. À la fin de l’exercice 2025, elle comptait environ 77 000 professionnels qualifiés en IA et données.
L’envergure d’Accenture offre aux clients mondiaux une autre option pour le conseil et les services managés. Son chiffre d’affaires pour l’exercice 2026 a atteint 74,2 milliards de dollars, tandis que les nouvelles commandes ont totalisé 84,5 milliards de dollars, selon son communiqué de résultats auprès de la SEC. Ces chiffres couvrent l’ensemble de l’activité, et pas seulement l’IA.
HCLTech a également commencé à déclarer séparément ses revenus issus de l’IA avancée. Infosys continue d’organiser son activité d’IA d’entreprise autour de son offre Topaz et de la formation à grande échelle de ses employés. Chaque prestataire cherche à démontrer sa capacité à faire passer les clients des expérimentations à des opérations fiables.
Cette concurrence crée deux types de pression pour TCS. Premièrement, l’entreprise doit recruter des spécialistes rares en ingénierie des modèles, architecture des données, sécurité de l’IA et intégration en entreprise. Deuxièmement, elle doit former une population de prestation bien plus vaste sans interrompre le travail existant pour les clients.
Le premier défi affecte la rémunération et la rétention. Les employés spécialisés peuvent passer d’un prestataire de services à un fournisseur technologique, une banque, un fabricant ou une startup d’IA. Une demande plus élevée peut augmenter les coûts de recrutement avant que leur travail ne génère des revenus correspondants.
Le second défi affecte le taux d’utilisation, qui mesure la part de la capacité des employés générant du travail facturable. La formation consomme du temps, mais affecter des personnes insuffisamment préparées à des projets crée un risque de prestation. TCS doit équilibrer ces coûts sur des centaines de milliers de travailleurs.
Les attentes des clients augmentent simultanément. Les acheteurs recherchent de plus en plus des résultats métier plutôt qu’un ensemble d’expériences. Ils peuvent demander à un prestataire de réduire le temps de traitement, moderniser des logiciels, améliorer le support client ou automatiser une part définie des opérations.
Les exigences fondées sur les résultats peuvent profiter à un prestataire compétent, car elles récompensent la propriété intellectuelle réutilisable et l’expertise de prestation. Elles peuvent également accroître le risque lorsque les paiements contractuels dépendent de résultats influencés par les données du client, l’adoption interne ou des décisions organisationnelles hors du contrôle du prestataire.
L’accord de TCS avec Best Buy illustre cette orientation. Les entreprises prévoient de transférer le centre mondial de capacités du détaillant en Inde à TCS et de le développer en centre de capacités d’IA. Cet accord associe talents, processus opérationnels et technologie au lieu de vendre un modèle autonome.
Sa relation avec Porsche élargit également l’opportunité. TCS a annoncé un partenariat de cinq ans et un accord visant à acquérir MHP, la filiale de conseil en management et informatique de Porsche, sous réserve d’approbations. Cet ensemble laisse entrevoir des travaux d’ingénierie et de mobilité soutenus par l’IA, avec un contexte sectoriel plus approfondi.
Ces accords correspondent à l’affirmation de la direction selon laquelle la demande des entreprises évolue vers des chaînes de valeur repensées et des systèmes agentiques gouvernés. Un système agentique utilise des agents logiciels pour planifier ou exécuter des tâches sous des contrôles définis, plutôt que de se limiter à générer du texte après un prompt utilisateur.
Toutefois, les grands accords peuvent prendre du temps avant de contribuer pleinement au chiffre d’affaires et aux marges. Ils commencent souvent par des coûts de transition, des travaux d’intégration et des opérations dupliquées. Les dépenses liées aux acquisitions peuvent encore compliquer la situation à court terme.
TCS évolue également dans un environnement de demande sélective. La direction a indiqué que les programmes discrétionnaires sans valeur à court terme restaient soumis à un examen attentif. Les clients sont disposés à financer la modernisation et l’efficacité, mais restent prudents concernant les projets sans rendement mesurable.
Cette prudence favorise les prestataires capables de relier l’IA aux budgets de transformation existants. Elle signifie aussi que les catégories d’IA à la croissance la plus rapide ne stimulent pas automatiquement la croissance de l’ensemble de l’entreprise. TCS n’a enregistré qu’une croissance séquentielle de 0,5 % de son chiffre d’affaires à taux de change constants au cours du trimestre, malgré l’expansion de son rythme annuel de revenus liés à l’IA.
Ce contraste est au cœur du récit. L’IA prend de l’importance au sein de TCS, mais elle n’a pas encore transformé le rythme de croissance de l’ensemble de l’entreprise. La stratégie de main-d’œuvre vise à combler cet écart en rendant la prestation d’IA disponible pour davantage de contrats.
Trois signaux montreront si le recrutement en IA de TCS porte ses fruits
Le prochain test n’est pas un nouveau total de personnes formées. Il s’agit de savoir si les revenus de l’IA, la croissance de l’entreprise et les marges s’améliorent ensemble.
Le premier signal est la trajectoire des revenus annuels récurrents de l’IA. TCS est passé de plus de 2,3 milliards de dollars à la fin de l’exercice 2026 à 2,6 milliards de dollars au trimestre de juin, puis à 3,1 milliards de dollars en septembre.
Une croissance continue montrerait que les clients vont au-delà des projets pilotes. Plus important encore, les investisseurs devraient comparer l’augmentation liée à l’IA au chiffre d’affaires global. L’IA peut gagner des parts simplement en remplaçant des services plus anciens, même si l’entreprise croît lentement.
Un résultat plus solide combinerait une hausse des revenus de l’IA avec une croissance plus rapide à taux de change constants. Cela suggérerait que l’IA crée du travail supplémentaire plutôt que de modifier seulement la façon dont TCS classe ou fournit un contrat existant.
Le deuxième signal est la marge opérationnelle. La direction a explicitement lié des volumes d’IA plus importants à une meilleure rentabilité. Les prochains trimestres devraient montrer si cet avantage apparaît après les évolutions salariales, le recrutement, la formation, les coûts des modèles, les acquisitions et les transitions de projets.
Une amélioration des marges parallèlement à la croissance de l’IA renforcerait l’argument de l’entreprise concernant la réutilisation et l’automatisation. Une marge stable ou en baisse ne réfuterait pas immédiatement la stratégie, mais montrerait que les coûts de mise en œuvre ou les prix accordés aux clients absorbent une grande partie du bénéfice.
Le troisième signal est la productivité et la composition des effectifs. TCS comptait 598 056 employés à la fin septembre, avec un taux d’attrition des services informatiques sur douze mois glissants de 13,3 %. Les effectifs seuls révéleront peu de choses sur l’exécution de la stratégie d’IA.
Parmi les indicateurs plus utiles figurent le revenu par employé, le taux d’utilisation, la rétention des spécialistes, la mobilité interne et la part des travailleurs formés affectés à des projets soutenus par l’IA. TCS ne publie pas chaque trimestre toutes ces mesures ; les investisseurs devront donc peut-être déduire les progrès des commentaires de la direction et des résultats opérationnels.
L’objectif de 80 % des recrutements exige également des définitions cohérentes. TCS devrait préciser comment elle distingue les talents exclusivement dédiés à l’IA, les employés plus largement qualifiés pour les nouvelles technologies et les travailleurs ayant suivi une formation interne. Sans catégories stables, les comparaisons entre trimestres resteront difficiles.
Les clients devraient observer les preuves de prestation plutôt que les intitulés liés aux effectifs. Parmi les preuves utiles figurent des cycles de mise en œuvre plus courts, une expansion réussie dans différentes unités métier, des taux d’erreur maîtrisés et des contrats passant des budgets pilotes aux opérations essentielles.
Les employés font face à une décision tout aussi pratique. Apprendre une interface ne protégera pas une carrière lorsque les outils évoluent rapidement. Une valeur durable vient de l’association entre maîtrise de l’IA, fondamentaux du logiciel, jugement sur les données, conscience de la sécurité et connaissance d’un véritable domaine métier.
Pour les acheteurs en entreprise, la question principale est de savoir si TCS peut industrialiser l’IA sans affaiblir la responsabilité. Cela exige une supervision humaine claire, des informations traçables et des relais fiables lorsque les systèmes automatisés rencontrent des exceptions.
TCS a établi l’ampleur de son ambition. L’IA représente plus de 10 % du chiffre d’affaires, la plupart des nouveaux recrutements cibleront les capacités numériques et d’IA, et la direction prévoit que les contrats plus importants soutiendront les marges bénéficiaires. La question non résolue est de savoir si ces trois éléments se renforcent mutuellement.
Surveillez la prochaine publication trimestrielle à la recherche d’un schéma simple : les revenus de l’IA devraient augmenter, la croissance de l’entreprise à taux de change constants devrait s’élargir et la marge opérationnelle devrait se redresser. Si seul le premier chiffre s’améliore, TCS aura développé une activité d’IA plus importante sans avoir encore démontré une justification économique plus large.
Pour les travailleurs technologiques, l’action immédiate est tout aussi claire. Développez des compétences autour d’un travail vérifiable, et pas seulement autour de la familiarité avec les outils. Pouvez-vous connecter un modèle à des données fiables, évaluer ses résultats, sécuriser ses accès et expliquer le résultat métier ? C’est la norme qu’implique le recrutement en IA de TCS, et elle comptera bien au-delà d’une seule entreprise.
