Quelles compétences compteront le plus quand les robots feront le travail ?

Dès que des parents et des étudiants parlent d’IA, une version de cette question revient. Voici comment elle sonne d’habitude, en résumant plusieurs témoignages :

« Il y a dix ans, tout le monde disait à mon enfant d’apprendre à coder. Aujourd’hui, l’IA écrit le code, et les métiers manuels sont les prochains sur la liste des fabricants de robots. Alors, qu’est-ce qui vaut vraiment la peine d’être appris ? Toutes les réponses que j’entends parlent de “compétences humaines”, et ça ressemble à un lot de consolation. »

La plainte est juste. Les listes de « compétences que l’IA ne peut pas remplacer » vieillissent vite, parce qu’elles nomment des activités, et les activités sont justement ce que les machines apprennent. Une meilleure réponse part d’une autre question, qui classe le travail selon la façon dont on fait confiance à son résultat, et non selon son degré de créativité ou d’effort physique. Fais ce tri et tu obtiens une liste courte, presque sans rapport avec un outil en particulier.

Pourquoi l’outil n’est jamais la compétence

« Apprends à coder » a été le conseil de survie standard d’environ 2010 à 2023, et il a mal vieilli. En avril 2026, le PDG de Google avait révélé qu’environ 75 % du nouveau code de l’entreprise était généré par l’IA puis validé par des ingénieurs, certains ingénieurs d’Anthropic et d’OpenAI évoquaient des chiffres proches de 100 % pour leur propre travail, et 95 % des développeurs utilisaient des outils d’IA chaque semaine. Les études sur la main-d’œuvre citées dans le livre situent la demi-vie d’une compétence technique à environ deux ans et demi. Forme-toi sur un outil précis, et l’outil peut avoir disparu avant la fin de la formation.

Même l’homme qui promet un robot dans chaque foyer a changé de conseil. Dans une interview de septembre 2026, Elon Musk a recommandé aux jeunes de suivre « une formation aussi large que possible », parce que « pour savoir quoi demander aux robots, il faut être capable de formuler la question ».

Formuler la question est une compétence. Taper la réponse est une tâche. Les tâches s’en vont.

Trie ton travail selon son vérificateur

L’outil le plus tranchant d’unscarcity.ai sur cette question vient d’un article sur les mathématiques. Le 1er août 2026, OpenAI a publié dix résultats sur des problèmes ouverts depuis longtemps, pour un coût de calcul estimé à environ 2 000 dollars. Chacun était accompagné d’un certificat pour Lean, un vérificateur de preuves que n’importe qui peut lancer. Un mois plus tard, des dizaines d’agents Claude ont produit en onze jours la première preuve complète, vérifiée par machine, du dernier théorème de Fermat.

La leçon de l’article n’est pas « les mathématiciens sont finis ». C’est une règle de tri. Pose la question à n’importe quel métier : si une machine produisait mon travail demain, comment saurait-on s’il est juste ? Si la réponse est « lancer les tests », « vérifier le texte de loi » ou « simuler la charge », un substitut à ta fiabilité existe déjà, et le prix est le seul argument qui reste.

Le travail sans vérificateur, voilà la liste qui mérite d’être étudiée :

• Décider quel problème vaut la peine d’être résolu.
• Juger si un client doit transiger ou se battre quand les deux voies se défendent.
• Dire à un patient ce qu’un diagnostic signifie pour la vie qu’il voulait vraiment.
• Fixer l’objectif au départ.
• Être celui qui en répond quand le résultat se révèle faux.

L’automne a montré pourquoi ces points comptent. En septembre, les agents d’OpenAI ont produit une preuve certifiée par Lean sur les équations de Navier-Stokes, l’un des problèmes du millénaire dotés d’un million de dollars. Le certificat compilait. En octobre, trois mathématiciens de Cambridge ont soutenu que ce que Lean avait vérifié n’était pas tout à fait l’énoncé de la preuve écrite. Le vérificateur avait répondu à la question qu’on lui avait posée, et personne ne lui avait posé la bonne. La phrase de Terence Tao, citée dans l’article, nomme l’écart : résoudre de tels problèmes « n’est qu’un objectif intermédiaire au service de l’objectif principal, développer la compréhension et l’intuition mathématiques ».

Les compétences qui gardent leur valeur se rangent donc en deux familles : le discernement, c’est-à-dire choisir le problème et remarquer quand la réponse résout le mauvais, et la responsabilité, c’est-à-dire être quelqu’un qu’une communauté peut tenir pour comptable. Un mathématicien a décrit son propre rôle comme celui d’un « chef d’orchestre, plutôt que de faire aussi l’orchestre ». C’est un vrai métier, et comme le dit l’article, une carrière de chef d’orchestre offre moins de places qu’un orchestre.

Dans le podcast : une clôture autour de 40 %

L’épisode du 29 août 2026 de Minds, Bodies & Terawatts a mis à l’épreuve l’autre réponse courante : protéger certains emplois par la loi. Son titre : Bill Gates veut mettre certains emplois à l’abri des machines, il n’a pas pu dépasser 40 %.

Gates les appelle les emplois « réservés aux humains », sur le modèle des réserves naturelles : un terrain qu’on pourrait aménager et qu’on choisit de laisser tel quel. Il a avancé la garde d’enfants et les jurys, et les soins aux personnes dans son essai. Un robot pourrait annoncer un diagnostic terminal, soutient-il, et ne devrait pas le faire. Même sous « une forme très extrême », 40 % était « le maximum que je puisse atteindre ». Les emplois qu’il voit partir en premier sont la vente et le service client, le développement logiciel et le travail de juriste assistant, la construction et l’hôtellerie passant aux robots d’ici la fin de la décennie.

Regarde ce qui figure sur sa liste réservée : le soin, la présence et le jugement, les mêmes points sans vérificateur. L’épisode nomme ensuite le piège. « L’impôt paie les courses. La clôture donne une raison de se lever », et selon le propre calcul de Gates, soixante pour cent des travailleurs n’obtiennent ni l’un ni l’autre. Sa phrase de conclusion va plus loin : « Un emploi réservé, c’est encore quelqu’un d’autre qui décide de ce que vaut ta matinée. »

La question des compétences et celle du revenu sont deux problèmes distincts.

L’avantage humain, sans détour

La note de recherche sur la génération Z et le marché du travail recense cinq capacités qui restent précieuses parce qu’elles sont difficiles à automatiser : la négociation complexe entre des gens qui se méfient les uns des autres, un soin qui paraît humain, le jugement éthique quand des valeurs s’affrontent, la direction créative par opposition à la production brute, et la présence, le simple fait d’être là à une naissance, à des obsèques ou à une manifestation. Au-dessus d’elles se tient une méta-compétence, l’agilité d’apprentissage : acquérir vite de nouvelles capacités quand le contexte change.

Aucune n’est « douce ». Chacune est la part d’un métier qui reste une fois la part vérifiable disparue, et chacune s’apprend en pratiquant, auprès de quelqu’un qui sait déjà faire.

Sur unscarcity.ai : deux articles derrière cette réponse

La prime de vérifiabilité : quand la preuve remplace le diplôme expose le test du vérificateur en entier : pourquoi un diplôme a toujours été une technologie de confiance, quelles professions livrent déjà un certificat avec leur travail, et pourquoi la Falaise de l’Emploi peut atteindre le travail diplômé avant le travail routinier. La génération Z et l’avantage humain couvre les cinq compétences de l’avantage humain, le piège du diplôme, et le danger d’une génération qui conclurait que rien ne vaut la peine d’être tenté.

Dans le livre : la compétence sous le Python

Le chapitre 8 d’Unscarcity, « La Transition, l’EXIT ou le Feu », offre l’image la plus claire de ce à quoi ressemble une compétence durable, dans la section « Mobiliser les déplacés : de 2030 à 2033 ».

Adewale, le programmeur autodidacte de Lagos rencontré au début du livre, entre en mars 2032 dans un centre de formation du Service Civique installé dans d’anciens bureaux d’Ericsson. Tout l’accueil de son instructrice tient en ces mots : « Le modèle prend ata rodo pour un nom propre. Ce n’en est pas un. C’est du piment. Corrigez. Puis passez au suivant. » Le fichier devant lui contient trois cent quarante heures d’enregistrements de marché en yoruba. À midi, il a compris le travail :

« L’IA écrit du Python, maintenant. Elle l’écrit plus proprement qu’il ne l’a jamais fait. Mais l’IA a été élevée sur des fils de discussion Stack Overflow en anglais américain, sur des schémas logistiques qui supposaient des autoroutes à quatre voies et FedEx, sur des taxonomies d’épicerie qui n’ont pas de mot pour ewedu… Son Python, la chose qu’il s’est apprise tout seul dans un cybercafé près d’Allen Avenue, à Lagos, n’est pas la compétence. La compétence est en dessous. C’est l’habitude de lire un système, de trouver l’endroit où il se ment à lui-même, et de corriger le mensonge un exemple étiqueté à la fois. »

La même section suit Maria Delgado, l’ancienne femme de ménage, qui apprend à installer des panneaux solaires et à entretenir des fermes verticales. En 2033, elle dirige une équipe de douze personnes. « Et puis un gamin de mon équipe m’a demandé comment je savais qu’un panneau était bien posé », raconte-t-elle à sa sœur, « et je me suis entendue lui expliquer comme si je faisais ça depuis vingt ans. »

Ni l’un ni l’autre ne détient un diplôme que les machines ne pourraient égaler. L’un sait où le modèle se trompe sur sa ville, l’autre sait ce qu’on sent quand un panneau est bien posé. Le livre les suit tous les deux à travers les Zones Libres qui viennent ensuite.

D’autres questions comme celle-ci sont réunies sur la page du blog. Follow the series on Substack.