Alors que l’intelligence artificielle devient un élément central des logiciels modernes, de nombreuses entreprises se heurtent à un problème grandissant : elles ne trouvent pas assez de développeurs qui savent travailler efficacement avec l’IA. L’intérêt pour les produits propulsés par l’IA augmente rapidement, mais la main-d’œuvre nécessaire pour concevoir, déployer et maintenir ces systèmes ne croît pas au même rythme.
À première vue, on dirait un défi de recrutement bien connu dans le secteur technologique : la demande est forte, l’offre est faible et la concurrence est féroce. Mais de nombreux employeurs affirment que le problème va au-delà d’une simple pénurie de développeurs. Travailler avec l’IA exige une autre façon de penser que le développement logiciel traditionnel. Il faut comprendre les données, les statistiques et le comportement des modèles, ainsi que la façon dont les systèmes d’IA prennent leurs décisions et les points où ils peuvent faillir.
Bien des développeurs programment avec talent, mais n’ont qu’une expérience limitée de l’apprentissage automatique en conditions réelles. Les systèmes d’IA dépendent de grandes quantités de données qui peuvent changer au fil du temps, et leurs résultats sont souvent probabilistes plutôt que prévisibles. Quand quelque chose tourne mal, il y a rarement un message d’erreur clair. Déboguer l’IA consiste souvent à repérer des biais, des problèmes de qualité des données ou un comportement inattendu du modèle, ce qui rend le travail plus complexe que l’écriture d’une logique applicative classique.
L’enseignement et la formation peinent à suivre ces exigences. De nombreux programmes universitaires restent très axés sur la théorie, si bien que les personnes diplômées ont peu d’expérience pratique du déploiement de systèmes d’IA en production. Parallèlement, les outils et les plateformes sur lesquels la plupart des entreprises s’appuient aujourd’hui sont relativement nouveaux et évoluent rapidement. Les employeurs se retrouvent donc à chercher des développeurs qui ont acquis leurs compétences en IA en autodidacte, sur le terrain ou par des parcours de formation non traditionnels plutôt que par des diplômes classiques.
Pour combler cet écart, certains programmes non traditionnels ont vu le jour. Brian Peret, directeur de CodeBoxx Académie, a mis sur pied l’Académie sous la forme d’un programme intensif de 16 semaines conçu pour amener les personnes inscrites à maîtriser l’IA. Le programme mise sur des compétences pratiques, directement applicables en emploi, et vise à aider les personnes laissées de côté par les systèmes d’éducation et d’embauche conventionnels à accéder à des carrières dans le secteur technologique. Sans être une solution à elles seules, de telles initiatives témoignent d’un mouvement plus large visant à repenser la façon de former les talents en IA.
La concurrence pour attirer des développeurs expérimentés en IA reste vive. Les grandes entreprises technologiques, les entreprises en démarrage et les organisations de secteurs comme la santé, la finance, le commerce de détail et la fabrication puisent toutes dans le même bassin de talents restreint. Résultat : les salaires ont fortement augmenté, et les développeurs qui ont de l’expérience en IA reçoivent souvent plusieurs offres. Les petites entreprises et les organisations situées hors des grands pôles technologiques ont particulièrement du mal à rivaliser.
Des problèmes internes aux organisations aggravent aussi les difficultés de recrutement. Les descriptions de poste exigent souvent une combinaison de compétences irréaliste, y compris des années d’expérience avec des outils qui n’existent que depuis peu. Bien souvent, les entreprises ne savent pas clairement de quel type d’expertise en IA elles ont réellement besoin. Certains postes amalgament génie logiciel, science des données et recherche en IA en un seul rôle auquel peu de personnes peuvent réellement correspondre.
Même lorsque les entreprises réussissent à embaucher des développeurs compétents en IA, il peut être difficile de les garder. Bien des organisations n’ont pas les processus, l’infrastructure ni la compréhension, au sein de la direction, nécessaires pour soutenir le travail en IA. Les pratiques de développement traditionnelles ne se transposent pas toujours bien à des systèmes qui reposent sur des données en constante évolution. Les développeurs peuvent se décourager lorsque les attentes sont floues ou que les décideurs comprennent mal les limites de l’IA.
Certaines entreprises commencent à s’adapter en investissant dans la formation interne et en misant sur la littératie en IA plutôt que sur une spécialisation pointue. D’autres bâtissent des équipes aux compétences complémentaires au lieu de chercher la perle rare capable de tout faire. Ces approches reconnaissent que le développement efficace en IA est souvent un effort collectif plutôt que la responsabilité d’un seul expert.
La difficulté à trouver des développeurs capables de travailler efficacement avec l’IA reflète une transition plus vaste dans l’ensemble du secteur technologique. Tout comme l’essor d’Internet a transformé le développement logiciel il y a quelques décennies, l’IA redéfinit aujourd’hui ce que signifie être développeur. Pour les entreprises, le milieu de l’enseignement et les responsables des politiques publiques, la prochaine étape consiste à passer de la prise de conscience à l’action concrète : soutenir de nouveaux modèles de formation, fixer des attentes réalistes et investir dans le développement des compétences à long terme, afin que la pénurie de talents en IA ne devienne pas un frein durable à l’innovation.
Retour au CodeBlog