Vous avez peut-être vu ces manchettes : « L’IA va remplacer les emplois. » « Est-ce que ça vaut encore la peine d’apprendre à coder ? »
Si cela vous a rendu inquiet quant à l’avenir, c’est tout à fait compréhensible. Choisir une carrière est déjà assez difficile sans avoir l’impression que les règles changent sous vos pieds.
Personne ne peut honnêtement vous promettre que votre futur emploi est à l’abri — ni que l’apprentissage d’un outil en particulier vous le garantira. Mais vous pouvez comprendre les risques, explorer les possibilités et commencer à acquérir des compétences que vous pourrez mettre en valeur.
Ce que signifie réellement l’« exposition » à l’IA pour les emplois
Les recherches de l’OIT suggèrent que l’IA générative est plus susceptible de transformer les emplois que de les remplacer. Sa mise à jour de 2025 sur l’IA générative et l’emploi estime qu’un travailleur sur quatre dans le monde exerce une profession présentant un certain degré d’exposition.
Il s’agit d’une évaluation des effets potentiels, et non d’une comparaison chiffrée entre les emplois déjà modifiés et ceux qui ont été éliminés. Le terme « exposition » signifie qu’un emploi comprend des tâches que l’IA générative pourrait potentiellement accomplir ou modifier. Cela ne signifie pas que cet emploi disparaîtra.
L’automatisation des tâches, la réorganisation des fonctions et le remplacement des emplois sont des conséquences différentes. L’automatisation d’un rapport pourrait modifier une partie de la charge de travail d’une personne ; la réorganisation d’un poste modifie ses responsabilités ; le remplacement signifie que le travailleur perd son poste. L’exposition à elle seule ne nous indique pas quelle conséquence en découlera.
Comme l’explique l’OIT, les effets dépendent de la profession, des décisions d’adoption et des possibilités d’adaptation offertes aux travailleurs. C’est une raison d’optimisme nuancée, et non une garantie que chaque individu en tirera profit.
Une bonne question pour commencer est la suivante : quelles tâches du poste que j’envisage sont en train de changer — et que devrais-je savoir bien faire pour m’adapter à ces changements ?
Où les possibilités et les risques se présentent différemment
Les perspectives de carrière n’évoluent pas dans une seule direction. Pour la période 2025-2035, le Bureau of Labor Statistics (BLS) des États-Unis prévoit :
95 400 nouveaux emplois de scientifiques des données. Consultez les perspectives du BLS pour les scientifiques des données.
Une diminution de 141 800 emplois de représentants du service à la clientèle. Ce poste ne nécessite généralement aucune expérience de travail préalable. Consultez les perspectives d’emploi du BLS pour les représentants du service à la clientèle.
Il s’agit là de projections professionnelles globales — et non du nombre d’emplois créés ou éliminés uniquement par l’IA. Elles décrivent également le marché américain, et non celui de tous les pays ou de tous les marchés d’emploi locaux.
La croissance ne rend pas non plus automatiquement une profession facile d’accès. Comparez les exigences en matière de formation, les offres d’emploi locales et les compétences recherchées par les employeurs avant de vous engager dans un parcours de formation.
Démarrer une carrière peut encore s’avérer difficile
Être jeune ou à l’aise avec la technologie ne vous donne pas automatiquement un avantage lors du recrutement.
Une note d’information de l’OIT sur les marchés du travail de l’ANASE a révélé une croissance de l’emploi plus faible chez les jeunes travailleurs dans certaines professions fortement exposées et dans certains emplois de premier échelon. Elle n’a pas établi que l’IA était à l’origine de cette tendance.
Il s’agit d’une constatation régionale, et non d’une prévision universelle pour les jeunes travailleurs. Cela reste toutefois une raison de prendre au sérieux l’incertitude liée aux débuts de carrière plutôt que de promettre une transition facile.
Avant de choisir un cours, consultez plusieurs offres d’emploi pertinentes. Notez les exigences récurrentes, puis demandez à une personne travaillant dans ce domaine ce que font réellement les débutants. Utilisez ces renseignements pour choisir votre premier objectif d’apprentissage.
Apprenez suffisamment de programmation pour vérifier le travail de l’IA
Un assistant d’IA peut vous suggérer du code. Savoir si ce code répond à vos besoins est une compétence distincte.
Deux petites études aident à expliquer pourquoi les notions fondamentales sont importantes :
Zi et ses collègues ont étudié 32 étudiants d’un cours d’introduction à la programmation. Les participants ont réussi à comprendre et à évaluer le code généré par l’IA dans 32,5 % des cas, la syntaxe Python peu familière figurant parmi les obstacles.
Prather et al. ont observé que les novices qui progressaient plus facilement étaient capables de rejeter les suggestions erronées, tandis que certains étudiants en difficulté surestimaient leurs capacités.
Ces études suggèrent que la compréhension est essentielle. Elles ne prouvent pas que l’enseignement à lui seul empêche les erreurs ou les problèmes de sécurité.
Pour un débutant, un objectif pratique consiste à bien comprendre les variables, les conditions, les boucles, les fonctions et les tests de base, suffisamment pour expliquer un petit programme — et pas seulement pour l’exécuter.
Vous pouvez également vous exercer à faire preuve de jugement, à communiquer et à assumer vos responsabilités : clarifier les besoins d’un utilisateur, expliquer les compromis, instaurer la confiance en répondant aux commentaires et assumer la responsabilité de vérifier le résultat. Ce sont là des habitudes qui s’acquièrent, et non des avantages réservés à un groupe d’âge particulier.
Comment les débutants peuvent s’exercer au codage assisté par l’IA
Essayez de créer un simple outil de suivi des séances d’étude. Il s’agit d’une suggestion d’activité, et non d’un résultat d’apprentissage documenté ni d’une méthode CodeBoxx éprouvée. Cela vous permettra de vous exercer à mettre en pratique et à déboguer des concepts sans avoir à développer une application complexe.
Votre livrable : une page Web locale qui accepte un sujet d’étude fictif et une durée exprimée en minutes entières, qui répertorie les séances et affiche le nombre total de minutes. Aucun compte, aucune base de données ni aucune intégration d’IA n’est nécessaire.
Commencez par définir les règles. Exigez un sujet non vide et une durée exprimée en nombre entier positif. Utilisez des entrées fictives telles que « Pratique du sujet A : 25 minutes » et « Pratique du sujet B : 35 minutes ».
Commencez par du HTML et du JavaScript de base.
Demandez à l’IA une seule suggestion ciblée. Essayez : « J’apprends le JavaScript. Suggère-moi une fonction qui valide la durée d’une séance d’étude. N’accepte que les nombres entiers positifs ; rejette les entrées vides, le texte, zéro, les valeurs négatives et les décimales. Explique les vérifications. Ne construis pas l’application complète. »
Inspecte le code généré. Lis chaque condition avant de l’utiliser. Vérifie que la suggestion correspond à tes règles et recherche la syntaxe que tu ne connais pas. Ne soumets pas de données personnelles, d’identifiants ou de code privé à un outil d’IA.
Testez des entrées normales et inattendues. L’addition de 25 et 35 minutes devrait donner 60. Un sujet laissé en blanc devrait être rejeté. Une durée laissée en blanc, « bonjour », 0, −5 et 2,5 devraient être rejetés sans modifier le total. Essayez également d’ajouter des espaces de part et d’autre, et vérifiez que les entrées rejetées n’apparaissent jamais dans la liste.
Expliquez et documentez le résultat. Sans l’aide de l’IA, expliquez comment fonctionne la validation, comment le total est calculé et pourquoi vous avez choisi une approche de mise en œuvre particulière. Enregistrez les captures d’écran, les instructions de configuration, les résultats des tests, les limites connues ainsi qu’une note indiquant où l’IA vous a aidé ou a nécessité une correction.
Par exemple, si le code généré accepte 2,5 minutes alors que vos règles exigent des nombres entiers, il s’agit d’un test échoué — et non d’une raison de modifier l’exigence. Retracez la logique de validation, corrigez-la, puis relancez les cas valides et non valides. Il s’agit d’un exemple hypothétique de débogage, et non d’un résultat attendu de la part d’un étudiant.
Si le fait de répéter la commande ne résout pas le problème, consultez la documentation du langage ou un mentor. Si vous ne pouvez pas expliquer une fonction, simplifiez-la ou demandez de l’aide avant d’ajouter des fonctionnalités.
Il s’agit d’un point de départ, et non d’une garantie d’emploi. Son intérêt est de vous fournir un élément concret à discuter, à améliorer et à présenter à un évaluateur.
Obtenez des commentaires avant d’élargir la portée du projet
Demandez à un camarade de classe, à un mentor ou à une communauté d’apprentissage d’essayer votre outil de suivi. Peuvent-ils l’utiliser sans instructions ? Pouvez-vous expliquer pourquoi vous avez fait chaque choix de conception ?
Ces commentaires donnent un objectif à votre prochaine séance d’apprentissage. Corrigez un problème, ajoutez une amélioration utile et mettez à jour votre documentation.
Vous n’avez pas à tout comprendre tout seul. Cherchez un soutien qui vous aide à comprendre votre travail, et pas seulement à le terminer.
Ce que CodeBoxx Academy offre aux débutants
Le programme « AI Native Full-Stack Developer » de CodeBoxx Academy propose un parcours à temps plein de 16 semaines à raison de 40 heures par semaine, ainsi qu’une option à temps partiel de 32 semaines.
Le programme publié décrit une initiation aux outils modernes d’IA, ainsi qu’au développement front-end et back-end, aux tests, à Git, aux pratiques de sécurité et à des simulations d’affaires en équipe. L’accent est mis ici sur l’apprentissage du développement logiciel à l’aide d’outils d’IA — et non sur le codage assisté par l’IA comme équivalent à l’entraînement de modèles d’apprentissage automatique. Renseignez-vous auprès du service des admissions pour obtenir le plan actuel des modules et connaître les flux de travail spécifiques liés à l’IA qui sont enseignés.
Qui peut s’inscrire, et quel soutien est offert ?
Les débutants absolus et les personnes issues de milieux non liés au développement peuvent poser leur candidature : le programme « Full-Stack » précise qu’aucune expérience préalable en programmation n’est requise. Ne le confondez pas avec le programme « Advanced AI Technologist », qui exige une expérience en programmation et en SQL.
L’absence d’expérience préalable en codage ne signifie pas qu’aucune préparation n’est nécessaire. Préparez-vous à la charge de travail annoncée et demandez au service des admissions s’il y a des travaux préparatoires requis avant le début de votre cohorte.
Le programme décrit comment des coachs expérimentés accompagnent les apprenants. La FAQ de l’Académie mentionne séparément l’accompagnement de carrière, la préparation du curriculum vitae, des conseils sur LinkedIn et GitHub, la préparation aux entrevues ainsi qu’un accès continu à la communauté CodeBoxx for Life. Il s’agit de services de soutien, et non de garanties d’emploi.
Comment peut-on suivre la formation, et combien cela coûte-t-il ?
L’Académie propose des cours en ligne, sur le campus de St. Petersburg, en Floride, ainsi qu’en mode hybride. Les frais de scolarité indiqués pour le programme « Full-Stack » s’élèvent à 12 000 $, avec un dépôt de 2 000 $. Vérifiez la devise applicable et le calendrier de paiement dans votre contrat d’inscription.
La FAQ répertorie les partenaires financiers et précise que les résidents du comté de Pinellas, en Floride, peuvent se renseigner sur les aides financières locales susceptibles de couvrir tout ou partie des frais de scolarité. L’admissibilité à ces aides est indépendante de l’admission ; ne présumez pas qu’une option de financement particulière vous est accessible.
Les études en ligne nécessitent un accès à Internet. Les pages examinées ne précisent pas la configuration matérielle minimale requise ni l’ensemble des restrictions géographiques d’inscription. Si vous présentez une demande d’admission depuis le Canada, ailleurs en Amérique du Nord ou à l’extérieur de cette région, vérifiez l’admissibilité à l’inscription, les fuseaux horaires applicables, la langue d’enseignement et les spécifications matérielles avant d’effectuer le paiement. Une option en ligne ne garantit pas l’admissibilité partout.
Que signifie la participation à un « pod de prestation » ?
L’Académie annonce un programme se terminant au sein d’un « vrai groupe de travail ». Cette description à elle seule ne permet pas de déterminer si chaque participant sert un client réel, s’il s’agit d’une formation supervisée, d’un stage ou d’un emploi, ni si cette expérience est rémunérée.
Avant de vous inscrire, demandez les modalités écrites précisant qui est admissible, quand la participation a lieu, comment les équipes sont formées, si une rémunération est prévue et ce qui se passe si aucun placement n’est disponible. Ne confondez pas l’expérience de projet et le soutien à la carrière avec une quelconque promesse d’emploi.
Les renseignements sur le programme, ainsi que la mise à jour 2025 de l’OIT et le document explicatif qui l’accompagne, ont été examinés le 5 novembre 2026. Les détails du programme sont tirés des pages officielles publiées et ne constituent pas une confirmation de la part du responsable du programme ; veuillez vérifier les conditions actuelles auprès du service des admissions.
Votre prochaine étape n’a pas besoin d’être ambitieuse
Commencez par rédiger les règles de saisie de l’outil de suivi des études et deux entrées fictives. Cela suffit pour une première séance.
Créez quelque chose de simple, vérifiez-le soigneusement et demandez des commentaires. Cela ne dissipera pas toutes vos incertitudes, mais vous donnera une idée de ce dont vous êtes capable — et une base plus claire pour décider de la prochaine étape.
Si vous souhaitez bénéficier d’un soutien structuré, explorez CodeBoxx Academy et posez vos questions concernant la charge de travail, le programme d’études et les modalités.
Retour au CodeBlog