Quand on parle des nouveaux métiers de l’IA, il y a presque toujours le même réflexe. Vous l’avez peut‑être eu vous aussi. On pense tout de suite au fameux « prompt engineer ».
Ce titre a pris énormément de place, surtout avec l’arrivée des IA génératives. Il est devenu une sorte de symbole, presque une étiquette magique qui résumerait tout.
Mais si on s’arrête à cette image, on rate quelque chose d’essentiel.
Parce qu’en réalité, l’adoption de l’IA ne fait pas apparaître un seul rôle vedette. Pas un super héros de la requête parfaite. Elle fait émerger tout un ensemble de fonctions, centrées sur un point précis : l’usage réel des outils.
Alors, au lieu de demander seulement : « Quel est le nouveau titre de poste à la mode ? », il vaut mieux poser une autre question. Une question beaucoup plus utile.
De quoi une organisation a‑t‑elle vraiment besoin… pour utiliser l’IA de façon utile, fiable et maîtrisée ?
Prenons un instant.
D’abord, il faut cadrer et surveiller les usages. Quand une IA entre dans un processus de travail, il ne suffit pas de la brancher et d’espérer le meilleur. Il faut suivre ce qu’elle produit, repérer les erreurs, vérifier si les résultats sont vraiment pertinents, et ajuster le système si besoin.
C’est là que de nouvelles fonctions apparaissent. Des fonctions de supervision et d’évaluation. Leur mission ? Tester, observer, corriger, améliorer. En continu.
Et ce n’est que le début.
Ensuite, il faut relier l’IA à l’activité réelle. Une organisation n’utilise pas l’IA dans le vide. Elle l’utilise pour faire quelque chose, quelque part, avec quelqu’un.
Il faut donc définir des cas d’usage concrets, faire le lien avec les outils déjà en place, coordonner les besoins des équipes, et intégrer l’IA dans les processus existants. C’est là que surgissent des rôles d’intégration opérationnelle.
Leur travail n’est pas seulement technique. Loin de là. Il s’agit de faire tenir ensemble trois éléments : la solution, le besoin métier et les conditions très concrètes d’usage.
Et ce n’est pas tout.
Il y a aussi une dimension centrale : la qualité. Une IA peut produire très vite. Mais rapide ne veut pas dire bon. Il faut donc contrôler la qualité des réponses, des indicateurs, des contenus, de tout ce qui sort du système.
Ce besoin de contrôle qualité rejoint un autre besoin, tout aussi crucial : celui des données. Puisque l’IA s’appuie sur des données, il faut les préparer, les nettoyer, les structurer, les gouverner. Sinon, toute la fiabilité de l’ensemble devient fragile.
On voit alors émerger des fonctions centrées sur la qualité des données et sur leur conformité.
Et là, une autre question arrive : celle de la sécurité d’usage.
Utiliser l’IA soulève des enjeux de protection des données, de vie privée, de biais, de conformité, de contrôle des risques. Rien de théorique ici. Cela crée des fonctions de vigilance et d’encadrement.
Leur rôle ? Interpréter les règles, vérifier les usages, et s’assurer que certains déploiements restent maîtrisés. On est très loin d’un métier gadget. On parle clairement de responsabilité autour de l’outil.
Dernier élément, et il est souvent sous‑estimé : le besoin de médiation métier.
Entre les capacités techniques de l’IA et les besoins des équipes, il y a souvent un écart. Parfois, un fossé. Il faut donc des personnes capables d’expliquer, de traduire, d’accompagner l’adoption et de clarifier les limites.
Ces rôles de liaison sont clés. Ils permettent de transformer un outil technique en usage compréhensible, appropriable, utile.
Au fond, le point commun de tous ces nouveaux rôles est assez simple. Ils ne tournent pas seulement autour de la machine. Ils tournent autour de la relation entre la machine, le travail, les données, la qualité, le risque et les personnes.
C’est pour cela qu’ils ne sont pas tous purement techniques. Et c’est aussi pour cela qu’il faut se méfier des intitulés à la mode. Un nom de poste peut attirer l’attention, mais il ne dit pas toujours ce qu’il faut vraiment faire.
Et il reste une dernière idée à garder en tête.
Oui, l’IA fait émerger de nouveaux rôles. Mais cela ne veut pas dire que ces nouveaux emplois compensent automatiquement tous les emplois transformés ou supprimés.
Ce que l’on voit surtout, c’est autre chose : une recomposition des tâches, et l’apparition de nouvelles responsabilités… autour des usages.
