L’IA élargit les tâches des apprentis. Pas la maîtrise

Un apprenti IT qui n’a jamais étudié formellement le machine learning peut désormais tenter un exercice de machine learning avec un assistant IA. Cela ressemble à une histoire sur la disparition du travail de débutant. Une expérience de terrain randomisée dans des écoles professionnelles allemandes pointe vers une autre possibilité : l’IA peut permettre aux débutants d’atteindre des tâches qui se situaient auparavant au-dessus de leur qualification. La question plus difficile est de savoir ce qu’ils ont réellement appris une fois le travail terminé.

Un document de travail publié le 7 octobre 2026 par des chercheurs affiliés au Stanford Digital Economy Lab, à l’Institut fédéral allemand pour la formation professionnelle et à d’autres institutions a testé cette idée plutôt que de s’appuyer sur des prévisions. Dans une expérience de terrain menée auprès de 673 apprentis IT en dernière année dans 12 écoles professionnelles allemandes, l’accès à ChatGPT et à Internet a fait progresser les scores sur des tâches volontairement placées hors du programme d’apprentissage de 26 à 31 points de pourcentage.¹ Il s’agit d’une hausse de la part des points disponibles obtenus, et non d’une hausse de 26 % de l’emploi, des salaires ou des compétences à long terme.

Le résultat complique un débat souvent présenté comme un choix entre l’IA qui remplace les juniors et l’IA qui aide les seniors. Il suggère une troisième voie : quelqu’un disposant d’une base professionnelle solide peut être en mesure de prendre en charge un travail plus exigeant plus tôt. Un résultat assisté par un outil n’est toujours pas la preuve que la personne pourrait refaire la tâche seule, reconnaître chaque erreur ou retenir le savoir des mois plus tard.

L’expérience a mesuré une tâche plus large, pas un intitulé plus élevé

Les apprentis venaient de deux filières allemandes établies : développement d’applications et intégration de systèmes. Tout le monde a d’abord réalisé un exercice de référence sans IA. Les participants ont ensuite été assignés au hasard soit à ChatGPT Pro plus un accès Internet élargi, soit à un groupe témoin sans accès Internet. Ils ont réalisé une tâche relevant de leur programme et deux tâches hors programme. Les exercices avancés ressemblaient à du travail d’ingénierie logicielle et réseau de niveau débutant, y compris des problèmes de machine learning et de migration cloud hybride.¹

Les chercheurs ont noté chaque réponse à l’aide de grilles spécifiques à la tâche. Sur les trois exercices post-traitement, l’accès à l’IA a fait progresser les scores de 26 à 44 points de pourcentage. Le gain le plus important est apparu sur une tâche du programme, où les connaissances préalables pouvaient se combiner avec l’outil. Sur les deux tâches volontairement plus avancées, les gains restaient de 26 à 31 points de pourcentage. Le groupe assisté était aussi plus susceptible de rendre une réponse substantive à des tâches que les apprentis sans aide laissaient souvent vides.¹

Cela compte, car une grande partie du discours sur l’IA et l’emploi part d’une liste de tâches fixe et demande quels éléments peuvent être automatisés. Cette expérience demande si la frontière de la liste de tâches d’un travailleur peut bouger. Pour ces exercices IT dans ces conditions, la réponse est oui. Elle ne montre pas que les employeurs ont créé de nouveaux postes, que les qualifications sont devenues inutiles, ni que les apprentis pourraient réaliser un travail de production sans supervision au même niveau.

Des résultats encourageants sur la compréhension, avec une grande réserve

Les chercheurs ne se sont pas arrêtés à la notation du travail rendu. Immédiatement après chaque exercice, les apprentis ont répondu à quatre questions destinées à tester la compréhension sans IA. Dans l’échantillon regroupé, le groupe avec accès à l’IA a obtenu 6,7 points de pourcentage de plus sur la compréhension des tâches du programme, 9,7 points de plus sur la première tâche avancée et 4,4 points de plus sur la seconde. L’article n’a trouvé aucune baisse moyenne sur cette mesure de compréhension immédiate.¹

C’est une preuve utile contre l’idée que chaque réponse assistée serait une simple copie vide. Ce n’est pas une preuve d’apprentissage durable. Les questions ont suivi immédiatement la tâche ; l’étude n’a pas retesté des semaines plus tard ni observé d’incidents imprévus dans un environnement de travail réel. Le groupe traité avait aussi un accès Internet général tandis que le groupe témoin n’en avait aucun, de sorte que le dispositif n’isole pas le bénéfice supplémentaire de l’IA par rapport à une recherche en ligne ordinaire. Les auteurs reconnaissent ces deux limites.

Il y a aussi des raisons de résister à un titre simpliste du type « l’IA améliore l’apprentissage ». Dans une étude randomisée distincte publiée début 2026, Judy Hanwen Shen et Alex Tamkin ont examiné des programmeurs qui apprenaient une bibliothèque logicielle inconnue. Ils ont constaté que l’assistance IA pouvait affaiblir la compréhension conceptuelle, la lecture de code et le débogage, surtout lorsque les utilisateurs déléguaient la réflexion plutôt que de s’engager avec le matériel.² Cette étude plus petite et l’expérience allemande sur l’apprentissage ont testé des tâches, des participants et des résultats différents. Ce ne sont pas des contradictions directes. Ensemble, elles montrent pourquoi la production immédiate, la compréhension immédiate et la compétence autonome retenue doivent être mesurées séparément.

La nouvelle fracture peut se jouer entre l’accès et l’usage efficace

L’article allemand indique que 84 % des apprentis participants utilisaient déjà l’IA régulièrement à l’école ou au travail, alors que seulement 16 % disaient avoir appris à s’en servir en école professionnelle.¹ Les apprentis qui évaluaient leur propre capacité à utiliser l’IA au-dessus de la médiane de l’échantillon tiraient en général davantage parti de l’accès, surtout sur la tâche du programme. L’association était plus forte pour les capacités pratiques - utiliser l’IA pour appuyer des décisions et mener le travail efficacement - que pour la connaissance déclarée du fonctionnement de la technologie.

Deux précautions demeurent. Premièrement, la mesure de maîtrise de l’IA était autodéclarée et collectée après les tâches expérimentales, elle ne doit donc pas être traitée comme une estimation causale propre de ce qu’un cours de formation produirait. Deuxièmement, l’échantillon est inhabituellement spécifique : apprentis IT allemands en dernière année, âge moyen d’environ 23,5 ans, seulement 9 % de femmes, dans des métiers très exposés à l’IA logicielle. Un stagiaire du commerce, un soignant ou un administrateur d’association ne doit pas être présumé recevoir les mêmes gains.

Même ainsi, l’écart institutionnel est difficile à manquer. L’outil est déjà dans le flux de travail ; le parcours d’apprentissage formel n’a pas suivi. Un rapport conjoint d’août 2026 coordonné par l’Organisation internationale du Travail et des institutions partenaires européennes soutient que la maîtrise de l’IA devient une capacité fondatrice, aux côtés du jugement et de la capacité à utiliser l’IA en toute sécurité.³ C’est une recommandation de politique, pas une garantie qu’un cours court crée de l’expertise. Les résultats allemands rendent la question concrète : qui enseigne aux personnes à transformer une performance assistée en travail fiable et explicable ?

Ce qu’un petit employeur peut tester sans tout redessiner

Imaginez une petite association qui doit repenser le flux d’une base de données de donateurs, ou une entreprise de 30 personnes dont l’administrateur IT junior a été chargé de planifier une migration réseau plus complexe. Ce sont des situations hypothétiques, pas des cas documentés dans l’expérience. Dans les deux, l’IA pourrait permettre à un collaborateur capable d’ébaucher une première solution à un problème auparavant confié à un spécialiste extérieur. La décision n’est pas de savoir s’il faut faire confiance à la première réponse. C’est de savoir comment tester si le collaborateur peut la juger.

Un pilote sensé distinguerait trois étapes. Premièrement, définir une tâche élargie avec un relecteur expérimenté et des critères d’acceptation explicites. Deuxièmement, laisser le collaborateur utiliser l’IA tout en enregistrant hypothèses, sources, incertitudes et décisions, plutôt que le seul livrable final. Troisièmement, retirer l’outil pour un court exercice d’explication ou de dépannage, et revenir sur la même capacité plus tard. Mesurez l’exactitude du résultat, le temps de relecture et ce que le collaborateur peut expliquer ou reproduire. Ce dispositif est une recommandation éditoriale informée par la recherche, pas une intervention validée par l’étude allemande.

Cette approche montre aussi où l’économie peut se retourner contre une organisation. Si le travail s’élargit plus vite que quiconque ne peut le relire, le gain apparent de productivité peut devenir un risque de qualité ou de sécurité. Si les managers traitent chaque succès assisté par l’IA comme une preuve de compétence de niveau senior, ils risquent d’attribuer la responsabilité plus vite que le jugement ne se développe. S’ils interdisent totalement les outils, ils peuvent priver des collaborateurs capables d’une chance de tenter un travail plus exigeant. Le choix n’est pas entre délégation aveugle et interdiction générale.

Des données plus larges sur le marché du travail pointent dans les deux directions. L’analyse de juin 2026 de PwC sur les offres d’emploi a constaté que les postes juniors fortement exposés à l’IA étaient plus susceptibles d’exiger des compétences traditionnellement seniors telles que le jugement et le leadership.⁴ C’est une observation sur les schémas de recrutement, pas la preuve que l’IA a causé chaque changement. Des recherches de l’institut ifo allemand, à partir de données de panel d’employeurs, indiquent aussi que les entreprises formatrices qui adoptent l’IA ont embauché en moyenne environ 14 % de nouveaux apprentis de plus, tandis que l’accès à la formation se concentrait de plus en plus sur un travail plus qualifié.⁵ Aucun des deux résultats ne garantit une transition facile pour les personnes qui ont moins d’occasions d’apprendre.

La vraie qualification, c’est la capacité à porter la responsabilité

L’expérience allemande est un correctif utile au fatalisme sur les juniors. Dans un cadre contrôlé, l’IA a permis à des apprentis de s’attaquer à des tâches plus avancées et de répondre aux questions de compréhension immédiate au moins aussi bien que leurs pairs sans aide. C’est une vraie preuve d’une capacité assistée élargie. Ce n’est pas une licence pour effacer la distinction entre réaliser une tâche avec un soutien et être responsable du résultat.

Pour les dirigeants qui décident quoi automatiser et qui développer, la question pratique est plus nette que « L’IA peut-elle faire cette tâche ? ». C’est : cette personne peut-elle utiliser l’IA pour prendre en charge une tâche plus difficile, expliquer le raisonnement, détecter l’échec et finalement réaliser les parties critiques sans l’outil ? Si les organisations construisent cette progression délibérément, l’IA pourrait élargir la voie vers le travail qualifié. Si elles confondent la réponse finie avec l’expertise acquise, elles peuvent au contraire la rétrécir.

Comment hilighter peut aider

Les missions élargies ne fonctionnent que lorsque les postes, les compétences et les preuves de compétence sont visibles. hilighter aide les équipes à cartographier les compétences par métier, à comparer les personnes aux exigences via Compétences et talents, à reconnaître le travail et l’apprentissage dans Preuves et reconnaissance des compétences, à définir des parcours de développement personnalisés, et à explorer une vision indicative de l’impact potentiel de l’IA sur les métiers. Une offre gratuite couvre jusqu’à trois métiers.

Sources

1. Brosch, H., Langer, C., Lergetporer, P., Mueller, S., Pfeifer, H. et Tschoepe, N., Task Expansion with Generative AI: Experimental Evidence on Middle-Skilled, Early-Career Workers, Stanford Digital Economy Lab / IZA Discussion Paper 18999, 7 octobre 2026.
2. Shen, J. H. et Tamkin, A., How AI Impacts Skill Formation, préprint arXiv, 28 janvier 2026 (révisé le 1er février 2026).
3. Organisation internationale du Travail et institutions partenaires, Changing landscape of skills in the age of AI, 13 août 2026.
4. PwC, 2026 AI Jobs Barometer, 15 juin 2026.
5. Muehlemann, S., KI in Betrieben: Mehr Ausbildung - aber Weiterbildung zunehmend fuer anspruchsvollere Taetigkeiten, ifo Schnelldienst 79(3), 2026.

Dernière vérification des sources : 26 octobre 2026. L’article Stanford / IZA est un document de travail issu d’un échantillon spécifique d’apprentissage IT allemand ; la compréhension a été mesurée immédiatement après les tâches, pas comme une rétention à long terme.