Les métiers de l'IA générative qui se développent le plus vite

De la démonstration à la production d'agents

La première vague a consisté à brancher un modèle sur une interface et à dialoguer avec lui. La suivante consiste à lui confier des chaînes d'actions : consulter une base, appeler un service, exécuter une tâche, rendre compte de son résultat. Ce passage du prototype à la production crée une demande pour des concepteurs d'agents et des spécialistes de l'orchestration, capables de coordonner plusieurs modèles et outils. Le travail ne consiste plus à dialoguer avec une IA, mais à lui confier un processus et à garantir qu'il s'arrête au bon moment, sans dérive. Cette montée en complexité explique aussi pourquoi les profils purement conversationnels perdent de leur valeur.

Cette industrialisation déplace les compétences attendues. Il faut comprendre la gestion d'état, la reprise sur erreur, le coût par appel et la latence, autant de détails qui décident de la viabilité d'un système. Un agent qui fonctionne une fois en démonstration peut échouer en boucle dès qu'un service externe répond mal ou lentement. Ce sont ces questions d'ingénierie, rarement visibles dans les présentations, qui séparent les systèmes utiles des gadgets. Les rôles d'architecte et d'orchestrateur se sont remplis autour de cette exigence concrète plutôt qu'autour d'un effet de mode. Ce sont ces contraintes, plus que la mode, qui déterminent quels profils se maintiennent dans le temps.

La récupération d'information, socle des applications sérieuses

Un modèle de langue ne connaît pas les documents internes d'une organisation, et il invente volontiers quand il ne sait pas. La recherche augmentée répond à ces deux problèmes : elle va chercher l'information pertinente dans une base documentaire, la place dans le contexte de la requête et laisse le modèle reformuler sur une base vérifiable. Le métier qui s'est structuré autour de cette méthode couvre l'indexation, le découpage des documents, la recherche hybride et la mesure de pertinence, autant d'étapes qui décident de la qualité finale et de la confiance qu'on peut accorder aux réponses. La qualité de la réponse dépend donc autant de l'ingénierie documentaire que de la puissance du modèle.

Sa difficulté n'est pas d'appeler un modèle, mais de faire remonter le bon extrait au bon moment. Un découpage mal pensé, un embedding mal choisi ou une base mal filtrée produisent des réponses fausses énoncées avec assurance. Le spécialiste évalue donc le système de bout en bout : le document attendu est-il trouvé, la réponse est-elle bien ancrée dans une source, que faire quand rien de pertinent n'existe. Ce travail de précision explique pourquoi ce profil reste recherché alors que l'interface conversationnelle, elle, est devenue banale en quelques mois. C'est un métier de mesure et de vérification, où l'intuition ne remplace jamais un test bien construit.

Sécurité et supervision des systèmes connectés

Dès qu'un agent peut agir, il peut être manipulé. L'injection de prompt, l'accès indu à des données ou la prise de contrôle d'un outil externe deviennent des risques concrets, pas des hypothèses de laboratoire. La sécurité des systèmes d'IA ne se réduit plus à protéger un modèle : elle englobe les outils qu'il appelle, les permissions qu'on lui accorde et les effets qu'il peut produire sur un système réel. Les organisations découvrent qu'un agent mal cloisonné vaut, en pratique, un accès distant non surveillé, avec les mêmes conséquences potentielles. La surface d'attaque d'un agent se confond avec l'ensemble des outils auxquels on l'a branché.

Ce risque appelle une fonction dédiée, qui connaît à la fois les techniques d'attaque actuelles et les garde-fous disponibles. Il ne s'agit pas seulement de bloquer : un agent bridé au point de ne rien pouvoir faire n'a aucun intérêt, et les équipes finissent par contourner les protections trop rigides. Le métier consiste à doser les permissions, à journaliser les actions et à concevoir des scénarios de reprise quand l'agent part de travers. Avec la généralisation des systèmes agentiques, cette compétence devient aussi courante que l'est aujourd'hui la sécurité applicative. Cette approche graduée demande du jugement : trop de liberté comme trop de contrainte produisent des échecs.

Gouvernance et audit, tirés par le cadre européen

Le cadre européen ajoute une raison supplémentaire à la croissance de certains profils. Les systèmes d'IA à haut risque doivent être documentés, évalués et supervisés, et l'usage de contenus générés pose des questions de transparence vis-à-vis du public. Ces exigences créent une demande pour des auditeurs et des responsables de gouvernance qui savent traduire un texte réglementaire en procédures opérationnelles, sans étouffer les équipes de développement sous la paperasse. Leur valeur tient précisément à cette traduction, pas à la récitation du texte. Ces profils servent aussi d'interface entre les équipes techniques et les directions qui financent les projets.

Ces métiers ne se contentent pas de remplir des formulaires. Ils interrogent la finalité d'un système, l'équité de ses décisions et la manière dont un utilisateur peut contester une sortie automatique, ce qui suppose de dialoguer avec les concepteurs comme avec les juristes. La montée en puissance de ces fonctions tient moins à un engouement qu'à une obligation : documenter, prouver, corriger. C'est probablement ce qui rend leur progression plus durable que celle des postes nés d'un effet d'annonce et disparus avec lui. Cette robustesse institutionnelle, plus que l'effet de nouveauté, est ce qui installe durablement un métier.