L'IA va-t-elle remplacer mon métier ? Une analyse honnête, sans panique

En bref : l'IA remplace des tâches, pas des métiers. Qu'un métier entier disparaisse reste rare — ce qui change, c'est la composition du travail, et avec elle ce qu'on attend des gens. La réponse pratique à l'angoisse n'est pas de prédire l'avenir, mais de découper votre propre poste en tâches et de voir lesquelles sont automatisables et lesquelles reposent sur la responsabilité, le contexte et le contact humain. Puis de regarder de très près ce qu'on vous vend sous le mot « reconversion » : nous avons mesuré ce marché, et les chiffres calment.

D'abord : pourquoi la question fait plus peur qu'elle ne le devrait

L'angoisse du remplacement fonctionne ainsi : on se représente un métier comme un bloc et on se compare tout entier à une machine. Or personne n'embauche « un comptable en général » : on embauche quelqu'un pour un ensemble de tâches précis. Et la machine, de la même façon, ne prend pas une personne, elle prend des tâches isolées. Dès que vous passez de « les comptables vont-ils être remplacés ? » à « laquelle de mes 14 tâches hebdomadaires un modèle pourrait-il faire ? », la conversation cesse d'être effrayante et devient exploitable.

L'histoire aide aussi. Les distributeurs automatiques n'ont pas éliminé les guichetiers : le nombre d'agences a augmenté et les missions ont glissé vers le conseil. Le tableur a supprimé le recalcul à la main et a fait grimper la demande d'analystes financiers. Rien ne garantit qu'il en ira toujours ainsi, ni que la transition soit indolore. Mais c'est un rappel : automatiser des tâches et supprimer un métier sont deux événements différents.

Il y a une seconde raison pour laquelle la question résonne plus fort qu'elle ne devrait. L'angoisse est un marché. Chaque prévision tonitruante sur « X % des emplois disparaîtront d'ici 20YY » a été payée par quelqu'un, et ce quelqu'un vend presque toujours soit l'IA elle-même, soit le salut face à elle. Plus loin, nous montrons à quoi ressemble le second commerce vu de l'intérieur — car c'est la partie que nous avons mesurée nous-mêmes.

Ce que l'IA fait vraiment bien aujourd'hui

• Un premier jet de n'importe quel écrit : un e-mail, un plan, une description, une procédure.
• Condenser et structurer : un long document en cinq points, des notes en tableau.
• Traduire et changer de ton — vite et à un niveau correct.
• Le code de routine et l'explication du code d'un autre.
• Produire des variantes : vingt titres pour que vous en choisissiez un.
• Expliquer l'inconnu en mots simples : un professeur particulier sur n'importe quel sujet.
• Le tri grossier : classer cent demandes entrantes par thème en moins d'une minute.

Remarquez le point commun : le résultat est visible tout de suite et vérifiable en quelques secondes. Un mauvais brouillon se voit. Une mauvaise traduction sonne faux. Un mauvais résumé s'effondre dès qu'on le compare à l'original. C'est pour cela que ces tâches partent en premier — non parce qu'elles seraient « faciles », mais parce que le coût de l'erreur y est proche de zéro : vous l'attrapez avant qu'elle n'aille nulle part.

Là où elle bute systématiquement

• La responsabilité. Un modèle ne peut pas répondre des conséquences. La signature, le risque et la décision restent humains — ce n'est pas une limite technique, c'est la façon même dont la responsabilité est construite.
• La fiabilité. Elle se trompe avec aplomb, et le ton ne distingue pas l'erreur de la vérité — voir les hallucinations de l'IA.
• Le contexte tacite. Tout ce que « tout le monde sait » dans votre entreprise, votre secteur, votre relation client, le modèle ne le voit pas.
• Le contact humain. Une négociation difficile, accompagner quelqu'un dans un mauvais moment, une confiance construite sur des années.
• Le monde physique. Les mains, les objets, les conditions hors norme : ça progresse, mais bien plus lentement que sur le texte.
• Poser la question. Le modèle répond à une question, mais il ignore laquelle il valait la peine de poser. Cela reste du travail humain.

Ces points ont eux aussi quelque chose en commun : dans chacun d'eux, vous ne pouvez pas vérifier rapidement que le modèle a raison. Non parce qu'il y serait plus bête, mais parce qu'aucun critère n'est disponible. D'où une règle de travail qui vaut mieux que toutes les prévisions : une tâche migre vers l'IA exactement dans la mesure où il est peu coûteux d'en vérifier le résultat. Pas « difficile ou facile ». Pas « créatif ou routinier ». Vérifiable ou non.

Réfléchissez avant de poursuivre : notez tout ce que vous avez fait au travail la semaine dernière, point par point. Cochez ceux où (a) le résultat est vérifiable, (b) une erreur n'est pas critique, (c) aucun contexte inconnu du modèle n'est nécessaire. Ce sont ceux-là qui partiront en premier — et vous serez sans doute content de les voir partir.

Découpez votre travail ici même

Voici un prompt prêt à l'emploi. Il se suffit à lui-même : la liste de tâches d'une personne réelle est déjà dedans. Appuyez sur « Exécuter » et regardez le raisonnement en entier. Ensuite, remplacez ces tâches par les vôtres.

Tu es analyste de carrières. Réponds honnêtement, sans hype et sans consolation.

Voici la liste réelle des tâches d'une semaine d'une office manager du service commercial :
1. Transformer un export du CRM en tableau de reporting des ventes pour la direction.
2. Écrire 12 e-mails de relance à des clients en retard de paiement.
3. Faire passer un entretien à un candidat pour un poste d'assistant.
4. Négocier avec le bailleur un report de loyer de deux semaines.
5. Rédiger et envoyer l'ordre du jour de la réunion hebdomadaire.
6. Trier 60 demandes entrantes et les router vers le bon commercial.
7. Annoncer à un salarié que sa période d'essai n'est pas prolongée.
8. Mettre à jour le manuel d'onboarding des nouveaux arrivants.
9. Contrôler les factures des prestataires et valider le paiement.
10. Décider lequel des deux commerciaux récupère le plus gros client.

Tâche : répartis ces 10 points en trois groupes —
A) l'IA fait déjà presque tout aujourd'hui,
B) l'IA accélère, mais la décision et la signature restent humaines,
C) s'automatise mal.

Pour CHAQUE point, donne une ligne avec le critère décisif :
peut-on vérifier en une minute que le résultat est juste, et par rapport à quoi ?
Nomme ensuite les 2 points où ton propre classement est discutable
et expose les arguments des deux côtés.
Ne me fais pas peur et ne me flatte pas.

Regardez ce qu'il dit des points 3, 7 et 10. Il les mettra presque à coup sûr dans le groupe C — et il le justifiera non par la « difficulté », mais par l'absence de tout élément auquel comparer la réponse : si la décision était bonne, vous le saurez dans six mois. Toute la question du remplacement tient dans cette seule observation.

Ce que disent les chiffres tonitruants — et pourquoi nous les avons retirés d'ici

Une version antérieure de cet article portait les deux chiffres les plus cités du secteur : « 39 % des compétences clés changeront d'ici 2030 » et « 71 % des dirigeants recruteraient plutôt un candidat moins expérimenté doté de compétences en IA ». Nous les avons retirés. La raison est simple : nous n'avons pas pu les vérifier auprès de la source primaire, et rapporter le résumé d'un résumé est exactement la manière dont naissent sur internet des faits venus de nulle part.

Mais le problème ne se limite pas à la vérifiabilité. Même exacts, ces chiffres ne vous servent à rien personnellement. « Les compétences vont changer » n'est pas « des gens vont être licenciés ». Un sondage de dirigeants, c'est une intention dans un questionnaire, pas un acte de recrutement. Et surtout : aucun des deux ne répond à votre question. Vous demandiez si votre poste disparaît ; on vous tend une moyenne planétaire.

Nous sommes donc allés mesurer quelque chose de réellement mesurable et qui vous concerne réellement.

Notre enquête : nous avons mesuré le marché du « salut face à l'IA »

Le secteur n'a qu'une réponse à « l'IA va remplacer mon métier » : reconvertissez-vous. Achetez une formation. Alors, pour savoir s'il faut paniquer, autant regarder ce qui se vend vraiment sous ce mot. Nous avons extrait les données des plus gros cours non techniques sur l'IA sur Udemy (via leur API interne) et du top Coursera, avec leurs avis. Voici ce que nous avons trouvé.

Un : la panique est déjà monétisée, à l'échelle industrielle

Un seul cours — Google AI Essentials sur Coursera — compte 1 876 929 inscriptions. Generative AI for Everyone, de DeepLearning.AI (Andrew Ng), en compte 814 083. Prompt Engineering for ChatGPT, de Vanderbilt, 698 444. Generative AI: Prompt Engineering Basics, d'IBM, 654 256. Sur Udemy, Generative AI for Beginners (Aakriti E-Learning) réunit 409 492 élèves pour 121 079 avis et une note de 4,53. The Complete AI Guide compte 376 845 élèves, 42 heures de vidéo et 545 leçons. Et ChatGPT: Complete Course For Work, de Steve Ballinger, 281 823.

Gardez ces chiffres en tête la prochaine fois qu'on vous dira que les gens ne se préparent pas. Des millions se sont déjà inscrits. La question n'est pas de savoir si le marché se prépare, mais ce qu'il obtient en échange.

Deux : la « niche pour débutants » n'est pas vide, elle est saturée

Nous avons lu les prérequis des huit plus gros cours Udemy. Coder n'est nécessaire nulle part. Mot pour mot : "No prerequisites as ChatGPT is a tool anyone can access and use immediately" (Ballinger) ; "No coding skills needed" (Wheeler) ; "A desire to learn" (Aakriti) ; "No prior experience with AI or programming is needed" (Complete AI Guide).

Ce que cela signifie pour vous : « se mettre à l'IA » n'est ni une compétence rare ni une douve. Près de deux millions de personnes suivent le même cours d'introduction que vous. Un certificat prouvant que vous savez ce qu'est un prompt ne vous distingue de personne.

Trois : la promotion que vous poursuivez n'existe pas

C'est le fait le plus vérifiable par une machine que nous ayons. Voici la réponse brute de l'API d'Udemy sur une fiche de cours :

"price": {"amount": 24.99, "currency": "EUR"}
"list_price": {"amount": 24.99, "currency": "EUR"}
"saving_price": {"amount": 0.0}
"has_discount_saving": false
"discount_percent": 0

Le prix est égal au « prix barré ». Économie : zéro. Remise : zéro. 11 des 12 cours du top sont à 19,99 €, un seul (Complete AI Guide) à 24,99 €. Tout ce que la vitrine habille en offre qui expire relève de l'interface, pas du prix.

Qu'est-ce que cela vient faire dans un article sur votre métier ? Ceci : l'angoisse est une mauvaise acheteuse. Qui craint pour son salaire se précipite et ne vérifie pas. Et ici, vérifier prenait une minute.

Quatre : ce que disent ceux qui ont déjà payé

Nous avons collecté et lu les avis à la main. Part des notes négatives (≤3,5★) sur Udemy : 9,61 % pour Generative AI for Beginners, 10,36 % pour Complete AI Guide. Sur Coursera, nettement moins — 1,5–3,5 %. Mais les pourcentages intéressent moins que ce dont les gens parlent. Les griefs tiennent dans un ensemble très étroit.

Le cours, c'est une diapo lue à voix haute.

"why read straight from the slide? I can do that. This was not a helpful course at all" — Janie I., 02.07.2026, 1★

"50% of this course is reading script like a robot from the slides. …they are just reading text from the slides which you can also you from any good website" — Shashank T., 13.04.2026, 1★ (Complete AI Guide)

"Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word" — Bradley M., 16.04.2026, 1★ (un cours suivi par 118 000 élèves)

"They are just reading the prompter sometimes without even knowing the point. Hating myself after purchasing it." — Sachin S., 13.07.2026, 1★ (Complete AI Guide)

Personne ne vérifie si vous avez appris quoi que ce soit. C'est la trouvaille la plus dérangeante, et elle frappe de plein fouet l'idée « se reconvertir, c'est se protéger » :

"you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not." — Shinysheep, 21.09.2023, 1★ (Vanderbilt, Prompt Engineering)

"Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience." — Laurie J Phillips, 12.04.2024, 3★ (IBM)

"quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'" — Cory Covino, 04.05.2024, 2★ (IBM)

"All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter." — Cornelius Griggs, 1★ (Generative AI with LLMs)

On promettait d'apprendre à prompter, on ne l'a pas fait. Et ce, sur des cours qui portent « prompt engineering » dans leur titre :

"There is nothing teached about creating a good prompt. It is just an overview of types of prompts." — Geralt O., 01.07.2026, 2★

"No specific guidance on prompt engineering… what to avoid while asking, how to organize your thoughts, how to give feedback to AI based on its answers etc." — Bharat Ram A., 05.06.2026, 1.5★

"i thought it would go deeper in prompts and have more examples and sessions to master or enhance our current prompts." — Manuel L., 15.06.2026, 2★

"Didnt meet expectations, only theory is discussed which we already know." — Aditya Nagavolu, 19.11.2023, 1★ (Generative AI for Everyone)

Cinq : combien ça coûte par mois

Coursera Plus, c'est 50 €/mois ou 343 €/an (14 jours pour se rétracter). Les programmes Google sur Coursera tournent à 49 $/mois après 7 jours d'essai. Le Personal Plan d'Udemy est à 20,00 €/mois, ou 10,00 €/mois en promotion ; ces deux chiffres viennent de la landing page d'Udemy et non de l'API, car leur site renvoie un 403 à un crawler — la source est donc plus faible que les autres, et nous le signalons. Pendant ce temps, la Prompt Engineering Specialization de Vanderbilt exige un abonnement payant à ChatGPT+ rien que pour faire les exercices. L'élève paie donc la formation et l'outil : de l'ordre de 70 € par mois pour regarder des vidéos et recevoir un "100% correct" automatique.

Ce que cela signifie concrètement pour vous

Non, « les cours, c'est le mal » n'est pas la conclusion. Certains sont excellents, et Google AI Essentials, noté 4,8 sur 22 557 avis, n'est manifestement pas du remplissage. La conclusion est ailleurs, et elle pèse plus lourd que n'importe quelle prévision pour 2030 :

• Acheter une formation n'est pas agir. Près de deux millions de personnes ont déjà cliqué sur « s'inscrire ». Ça ne vous distingue pas. Savoir l'appliquer, si.
• Un certificat ne prouve rien. Si le système distribue "100% correct" automatiquement, cette note ne dit rien non plus à un recruteur. L'élève qui l'a écrit avait raison : "no idea whether my answer was correct".
• La théorie est la partie la moins chère. Quatre personnes indépendantes ont payé puis écrit qu'il n'y avait que de la théorie qu'elles connaissaient déjà. L'angoisse pousse à acheter de la compréhension quand c'est un savoir-faire qu'il faut.
• Vérifiez le prix et les conditions en une minute. C'est le même muscle que vérifier la réponse d'un modèle : ne vous fiez pas au ton, regardez les données.

Pourquoi les plateformes ne peuvent pas corriger cela (c'est structurel, pas de la paresse)

L'avis de Shinysheep ne parle pas d'un mauvais formateur. Il parle d'architecture. Pour vérifier un prompt, il faut un modèle à l'intérieur de la leçon. Coursera n'en a pas. Udemy non plus. Un correcteur automatique peut évaluer une dissertation sur ce qu'est le few-shot. Il ne peut pas vérifier que votre prompt fonctionne vraiment : pour cela, il faut l'exécuter. Le "100% correct" automatique n'est donc pas de la négligence, c'est la seule chose possible sans exécution.

D'où un test simple pour toute formation à l'IA, la nôtre comprise : si vous n'exécutez jamais un prompt et ne voyez jamais la réponse, vous apprenez à parler de l'IA, pas à l'utiliser. Le bouton « Exécuter » sous les blocs de cet article est là exactement pour ça : vous pouvez appuyer et voir, plutôt que nous croire sur parole.

Trois erreurs que l'on commet avec cette question

Erreur 1 : se comparer au modèle plutôt qu'à la personne qui s'en sert. ChatGPT ne vous remplacera pas. Ce qui peut vous déplacer, c'est le collègue qui fait votre journée en une heure. Cela change radicalement le plan : il ne s'agit pas de concurrencer la technologie, mais de la prendre en main.

Erreur 2 : prendre le « créatif » pour une armure. L'exécution créative — vingt titres, cinq variantes d'image, un brouillon — part en premier précisément parce qu'elle se vérifie instantanément. Décider lequel des vingt titres sort, et pourquoi, ne part pas. Ce qui vous protège, ce n'est pas la créativité, c'est d'assumer le choix.

Erreur 3 : attendre d'y voir clair. On repousse jusqu'à ce que « ce soit plus clair ». Ça ne le sera pas. En revanche, en une soirée vous pouvez obtenir un fait à vous plutôt que la prévision d'un autre : prenez une tâche réelle, faites-la avec l'IA et sans, et chronométrez. Une mesure de ce genre pèse plus lourd que tous les rapports réunis.

Testez le modèle sur ce sujet même

Le deuxième prompt sert à prendre le modèle là où il est faible. Autonome, il s'exécute tel quel.

Tu es un analyste rigoureux. Ci-dessous, un paragraphe tiré d'un article
sur le marché du travail. Trouve toutes les affirmations qui sonnent
comme un fait mais qu'un lecteur ne peut pas vérifier.

Paragraphe :
« Selon les dernières études, d'ici 2030 environ 40 % des emplois seront
automatisés, et les experts s'accordent à dire que les métiers créatifs
seront touchés les premiers. Aujourd'hui déjà, 8 entreprises sur 10 ont
adopté l'IA, et le gain de temps moyen est de 30 %. »

Pour chaque affirmation, donne un tableau à trois colonnes :
1) l'affirmation elle-même,
2) pourquoi elle n'est pas vérifiable (pas de source / pas de définition /
   sondage présenté comme une mesure / prévision présentée comme un fait),
3) quelle question le lecteur doit poser à l'auteur pour la rendre vérifiable.

Pour finir : réécris le paragraphe de sorte qu'il n'y reste aucune
affirmation invérifiable. Tu as le droit de le raccourcir nettement.

Appliquez cela à n'importe quel article sur l'IA et l'emploi, y compris celui-ci. C'est exactement ainsi que nous avons jeté ces deux chiffres.

Qui devrait regarder de plus près

Sans agiter la peur et sans liste de « métiers condamnés » — de telles listes ne peuvent pas être établies honnêtement. Mais la pression est plus forte là où le travail se compose surtout de tâches qui suivent un gabarit, vivent entièrement dans du texte ou des données, se vérifient facilement et n'engagent aucune responsabilité personnelle sur les conséquences. Ce n'est pas une condamnation du métier : c'est un signal pour se déplacer, à l'intérieur du métier, vers la part qui demande du jugement, du contexte et des relations. Cette part existe presque toujours, et c'est presque toujours la plus intéressante.

Un argument contre nous-mêmes. La « vérifiabilité » est une bonne règle, pas une loi de la nature. Beaucoup de tâches sont faciles à vérifier et personne ne se presse de les automatiser : le volume est faible, l'intégration coûte plus que l'économie, ou la réglementation exige une signature humaine. Et l'inverse arrive aussi : une tâche mal vérifiable finit chez un modèle simplement parce que personne ne la vérifiait avant non plus. La règle vous dit donc où regarder, pas ce qui va arriver.

Un plan pour le mois qui vient

1. Faites l'inventaire. Découpez votre travail en tâches et cochez honnêtement les automatisables. Vingt minutes, une feuille de papier. Le prompt ci-dessus en fait la moitié pour vous.
2. Reprenez-en deux vous-même. N'attendez pas qu'un autre le fasse. Confier sa propre routine à l'IA est le seul moyen de rester celui qui pilote le processus.
3. Mesurez. Un cas typique avec l'IA et sans. Un chiffre réel soigne l'angoisse mieux que n'importe quel article — dans les deux sens.
4. Investissez dans le non-automatisable. Formuler les problèmes, négocier, assumer, le contexte métier, les relations. Tout cela prend de la valeur à mesure que l'exécution devient bon marché.
5. Apprenez à déboguer un prompt, pas à mémoriser une formule. C'est exactement le trou dont se plaignent sept avis dans nos données : tout le monde enseigne « voici la structure d'un prompt », personne n'enseigne « le prompt n'a pas marché — que changez-vous en premier ? ».
6. Apprenez à vérifier. Attraper le mensonge assuré d'un modèle devient une valeur professionnelle à part entière.

Déboguer plutôt qu'appliquer une formule : essayez

Le troisième prompt montre la différence entre connaître la structure d'un prompt et savoir en réparer un. Autonome lui aussi.

Voici un mauvais prompt qui a donné une réponse inutile :

« Écris un e-mail au client à propos du retard. »

Ta tâche :
1. Nomme exactement 4 raisons pour lesquelles ce prompt donne
   un mauvais résultat. Chaque raison doit désigner un manque précis,
   pas une généralité.
2. Classe-les par PRIORITÉ DE RÉPARATION : que changer en premier
   et pourquoi c'est ce changement qui apporte le plus gros gain.
3. Montre trois versions du prompt : après la première correction,
   après la deuxième, puis après les quatre.
4. Pour chaque version, dis en une ligne ce qui s'améliore
   concrètement dans la réponse.

Ne saute pas à la version parfaite : ce qui m'intéresse, c'est l'ordre des étapes.

La réponse à cet exercice est la compétence qui ne se remplace pas. La formule du bon prompt, un modèle vous la récite en une seconde ; comprendre quoi réparer en premier dans votre propre tâche, cela reste à vous.

Combien de temps cela prend vraiment

Mettez côte à côte deux chiffres de nos données. The Complete AI Guide : 42 heures de vidéo, 545 leçons. Et un avis sur ce même cours :

"The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023. Very disappointed." — Harsh A., 09.04.2026, 1.5★

Quarante et une heures. C'est une semaine de travail passée sur du contenu déjà périmé. Un autre élève a résumé le problème de fraîcheur sur un autre cours :

"Most content is from 2024. This course is not bad for its time, but just too dated now." — Martin F., 27.05.2026, 2★ (sur un cours dont la page annonçait une mise à jour d'avril 2026)

La compétence de base — formuler la tâche, obtenir un brouillon, repérer l'erreur, réparer le prompt — s'acquiert en quelques soirées sur votre travail réel. Pas en 42 heures de vidéo d'un autre. L'angoisse pousse à acheter du volume : 545 leçons ressemblent à une assurance. Elles n'en sont pas une.

Il y a là une conclusion à part dans nos données : la vidéo perd contre le texte exactement là où la vidéo n'est que du texte lu à voix haute. "Reading straight from the slide" décrit précisément ce cas. Le texte vous donne votre propre rythme et une transcription par définition — personne ne s'est jamais plaint qu'un article parlait trop vite. Et le texte se met à jour pour rien ; 545 leçons, non.

Jouez le scénario qui vous fait vraiment peur

Dernier prompt. Il ne prédit rien : il force l'angoisse floue à prendre une forme avec laquelle on peut discuter.

Mène un débat structuré en deux tours sur cette affirmation :

« En 2030, une entreprise emploiera un seul analyste financier
là où elle en emploie quatre aujourd'hui. »

Tour 1 : la position POUR la plus forte. Tour 2 : la position CONTRE la plus forte.
Règles :
- Aucune statistique, aucun pourcentage inventé, aucune citation de rapport.
  Argumente uniquement par mécanismes : quelle tâche précise s'en va,
  qui vérifie le résultat, ce qui casse si la vérification est fausse.
- Chaque camp doit nommer LA SEULE preuve qui le ferait changer d'avis.

Ensuite, en juge neutre :
- Sur quoi les deux camps sont-ils en réalité d'accord ?
- Quel unique événement observable des 12 prochains mois
  trancherait le débat le plus vite ?
- Que doit faire lundi un analyste financier en poste,
  tant que le débat n'est pas tranché ?

Notez l'interdiction des statistiques. Elle est là exprès : privé de chiffres derrière lesquels se cacher, le modèle doit raisonner par mécanismes — et un mécanisme, vous pouvez le confronter à votre propre poste, ce qu'un pourcentage ne permet pas.

L'essentiel à retenir

La question « l'IA va-t-elle remplacer mon métier ? » est presque toujours mal posée. La bonne est : « lesquelles de mes tâches vont changer, et qu'est-ce que j'en fais en premier ? ». La réponse à la seconde est entièrement entre vos mains, et elle prend quelques soirées, pas des années. Près de deux millions de personnes ont acheté un cours vidéo en guise de réponse ; ceux qui en tirent quelque chose sont ceux qui, ensuite, ont exécuté quelque chose. Commencez petit : le guide ChatGPT pour débutants et l'analyse des tâches à confier à l'IA en premier. Si vous cherchez un poste en ce moment, notre article sur l'IA pour le CV et la recherche d'emploi vous servira. Et si vous voulez savoir ce qu'est devenu le « métier d'avenir » le plus survendu, lisez l'analyse honnête du prompt engineer et notre texte sur les agents IA — c'est ce qui rebat les listes de tâches bien plus que n'importe quelle prévision.