L’IA générative vue par l’ETNA : un accélérateur de compétences plutôt qu’un remplaçant.

Article de Cindy Silvestre – Septembre 2026

L’essor de l’intelligence artificielle générative bouleverse en profondeur l’ensemble de l’écosystème numérique. Loin d’être une simple tendance passagère, elle redéfinit la valeur ajoutée des professionnels de l’informatique.Pour les futurs talents du secteur, comprendre l’impact de l’IA sur les métiers de la tech n’est plus une option, mais une nécessité pour anticiper les mutations du marché du travail.

Face à cette transformation, une question cruciale se pose pour les étudiants, les candidats et les profils en reconversion : l’IA va-t-elle remplacer les experts ou démultiplier leur potentiel ?

À l’ETNA, nous pensons que l’avenir appartient aux profils capables de travailler avec ces technologies tout en conservant leur maîtrise technique et leur esprit critique. Le véritable défi n’est pas de concurrencer les algorithmes, mais d’apprendre à les utiliser, à les contrôler et à les intégrer de manière responsable dans les entreprises.

L’intégration de l’IA dans les métiers de la tech : une révolution quotidienne

L’intégration de l’IA dans les métiers de l’informatique n’est plus un scénario futuriste : elle transforme déjà les technologies existantes et les processus de production.Elle peut agir comme un copilote qui libère du temps sur certaines tâches répétitives, au profit de la conception, de la résolution de problèmes et de l’innovation.

Le développeur augmenté : coder à l’ère de GitHub Copilot et de Gemini

Pour les développeurs, l’apparition d’assistants de programmation comme GitHub Copilot ou Gemini ne signe pas la fin du code, mais une évolution profonde de sa pratique.Qu’il soit développeur full-stack, mobile ou web, le professionnel peut désormais confier à ces outils une partie de la rédaction de scripts simples, de la génération de tests ou de l’identification d’erreurs de premier niveau.

Cela ne signifie pas pour autant que l’IA produit spontanément une solution fiable, sécurisée et adaptée au contexte. Le développeur doit comprendre ce qui est généré, vérifier le résultat et être capable de le modifier.L’enjeu se déplace ainsi progressivement de la seule écriture du code vers la capacité à analyser un besoin, choisir une architecture durable, sécuriser une application et valider la cohérence globale des technologies employées.

L’expertise humaine se concentre davantage sur la résolution de problèmes complexes, le contrôle de la qualité et l’exercice de l’esprit critique.

DevOps et Data : vers une automatisation intelligente des infrastructures

Le constat est comparable du côté de la gestion des données et des infrastructures Cloud.Pour le Data Analyst ou le Data Engineer, l’IA peut accélérer la préparation, le nettoyage et l’exploration des données. Elle facilite également la formulation de requêtes ou la production de premières analyses.Mais l’automatisation n’élimine pas les risques liés à la qualité des données. Une information incomplète ou biaisée peut conduire à un résultat trompeur, même lorsque celui-ci paraît cohérent.

Les professionnels doivent donc continuer à vérifier l’origine, la fiabilité et la pertinence des données utilisées.

En parallèle, l’ingénieur DevOps et le Site Reliability Engineer peuvent s’appuyer sur des systèmes automatisés pour surveiller la disponibilité des plateformes, analyser les journaux techniques et repérer certains signaux faibles.Ces outils contribuent à accélérer la détection et la résolution des incidents. Ils permettent aux équipes de se concentrer davantage sur la fiabilité, la haute disponibilité, la sécurité et l’optimisation des infrastructures.La décision finale et la responsabilité du système restent néanmoins humaines.

Gestion de projet : le rôle pivot du Product Owner face aux outils prédictifs

La transformation actuelle concerne également la gestion de projet numérique.Le Product Owner et le Product Manager peuvent utiliser l’IA pour produire une première version de contenu technique, préparer des spécifications fonctionnelles, synthétiser des retours utilisateurs ou explorer plusieurs hypothèses.

L’IA peut ainsi faciliter la phase de discovery en traitant de grands volumes d’informations. Elle ne détermine cependant pas à elle seule ce qui apporte réellement de la valeur.Le rôle des chefs de projet devient encore plus collaboratif et stratégique. Ils doivent assurer un dialogue permanent entre les besoins de l’entreprise, les attentes des utilisateurs et la faisabilité portée par les équipes techniques.

Quels sont les impacts de l’intelligence artificielle sur l’emploi dans l’informatique ?

Face à la diffusion de l’IA dans les processus de production, les lignes bougent. Cette transition redéfinit la frontière entre les tâches automatisables et les responsabilités des professionnels.

Quels sont les métiers les plus impactés par l’IA ?

Les activités les plus exposées sont celles qui reposent largement sur l’exécution de tâches répétitives ou sur des procédures prévisibles.Le support informatique de premier niveau, certains tests QA manuels ou l’intégration web très standardisée voient déjà une partie de leurs missions évoluer avec l’automatisation.

Dans d’autres secteurs, les professionnels de la création de contenu, de la relation client ou de la logistique utilisent également des outils capables d’automatiser certaines opérations.Il faut toutefois éviter de confondre automatisation d’une tâche et disparition d’un métier. Un poste est généralement constitué d’un ensemble de responsabilités dont certaines sont plus faciles à automatiser que d’autres.Libérés d’une partie des demandes basiques, les professionnels peuvent évoluer vers des missions à plus forte valeur ajoutée : traitement des situations complexes, contrôle de la qualité, relation avec les utilisateurs ou supervision des systèmes automatisés.

Un développeur web junior peut, par exemple, employer l’IA pour accélérer certaines étapes de sa production. Mais il doit aussi profiter de ce temps pour approfondir ses connaissances en architecture logicielle, en sécurité et en compréhension des besoins.L’utilisation d’un assistant ne remplace pas la montée en compétences. Elle peut l’accélérer à condition que l’utilisateur ne se contente pas d’accepter les réponses produites.

Quels métiers seront les moins directement automatisables, et donc potentiellement les moins touchés par l’IA ?

Aucun métier ne peut être considéré comme entièrement protégé de l’IA. Certains rôles restent néanmoins moins directement automatisables parce qu’ils exigent une prise de recul, des arbitrages complexes et une responsabilité clairement identifiée.

• L’Architecte de Systèmes d’Information cartographie les systèmes et anticipe leur évolution à long terme. Il doit tenir compte de contraintes techniques, financières, organisationnelles et humaines.
• Les experts en cybersécurité, comme les analystes SOC, pentesters et RSSI, utilisent des outils automatisés pour faciliter la détection. Mais la qualification d’un risque, la définition d’une stratégie et la gestion d’une crise majeure nécessitent une compréhension globale du contexte.
• Les directions techniques, notamment les DSI et CTO, doivent prendre des décisions qui engagent durablement l’entreprise. L’IA peut alimenter leur réflexion, mais elle n’en assume ni les arbitrages ni les conséquences.

Ces métiers seront eux aussi transformés. Leur valeur reposera de plus en plus sur la capacité à combiner expertise, vision d’ensemble et responsabilité.

L’impact de l’IA sur l’emploi tech : destruction ou création de valeur ?

Il est encore difficile d’affirmer que l’IA entraînera mécaniquement une création ou une destruction nette d’emplois dans la tech.Les méthodes de travail changent et certaines tâches deviennent automatisables.

Dans le même temps, de nouveaux besoins apparaissent autour de l’intégration des modèles, de la qualité des données, de la cybersécurité et de la gouvernance.La clé pour les professionnels est d’apprendre à vérifier les résultats fournis par les machines et à rester responsables de leur utilisation.

Les entreprises ont besoin de profils capables d’orienter les outils, de superviser les modèles et d’éviter le piège d’une confiance aveugle envers les algorithmes.

Les nouveaux métiers de l’intelligence artificielle : quelles opportunités pour demain ?

La tech fait émerger ou renforce des profils hybrides qui allient compétences informatiques classiques, compréhension des données et maîtrise des modèles d’intelligence artificielle.

AI Engineer et Machine Learning Engineer : les bâtisseurs de l’IA applicative

L’AI Engineer et le Machine Learning Engineer occupent une place croissante dans les projets technologiques.

Leur rôle n’est pas uniquement d’entraîner des modèles. Ils doivent concevoir des systèmes fiables, connecter des services d’intelligence artificielle aux applications de l’entreprise et encadrer leur utilisation grâce à des mécanismes de contrôle.Ils interviennent également sur la qualité des données, le déploiement, la surveillance des modèles et l’évaluation de leurs performances.

Leur travail commence là où la démonstration technique doit devenir une solution réellement utilisable.

Le DevSecOps : intégrer la sécurité automatisée dans le delivery logiciel

Le métier de DevSecOps illustre l’alliance entre développement, infrastructure et sécurité.Ce professionnel intègre des contrôles et des scans automatisés directement au cœur des processus de livraison logicielle.

Face à des cybermenaces qui peuvent elles-mêmes être renforcées par l’IA, le DevSecOps utilise des technologies de détection pour protéger les applications et les infrastructures. Il veille aussi à la protection des données et à la sécurité des accès aux environnements Cloud.L’automatisation l’aide à intervenir plus rapidement. Elle ne le dispense pas de comprendre le contexte ni de déterminer la réponse la plus appropriée.

Le Responsable de la transformation Numérique et de l’IA : accompagner le changement

Le responsable de la transformation numérique et de l’IA identifie les cas d’usage pertinents au sein de l’organisation.Ses missions dépassent le cadre purement technique.

Il organise la gouvernance de l’IA, accompagne les équipes, veille au respect du règlement européen sur l’intelligence artificielle et participe à la définition de systèmes plus transparents et maîtrisables.Il doit également tenir compte de la consommation de ressources, des coûts d’exploitation et des impacts environnementaux associés aux modèles.

Son rôle est de déterminer où l’IA apporte réellement de la valeur, mais aussi dans quelles situations elle ne doit pas être utilisée sans contrôle.

Former les talents de demain : la vision et la méthode ETNA

Pour répondre aux exigences de ce nouveau marché, les formations doivent évoluer.

L’ETNA adapte ses programmes et ses méthodes pédagogiques afin de préparer ses étudiants à utiliser ces technologies sans renoncer aux fondamentaux de l’informatique.

Du Bachelor aux MSc : des trajectoires adaptées à l’ère de l’IA

L’ETNA propose quatre Bachelors :

• Bachelor Intelligence Artificielle 
• Bachelor Cybersécurité – Système et réseau 
• Bachelor Développeur Full-Stack 
• Bachelor Tech, Innovation & Stratégie

Le Bachelor Intelligence Artificielle permet notamment aux étudiants d’aborder les fondamentaux de l’IA, les chatbots et assistants, la Data Engineering et la visualisation.Cette spécialisation repose sur un socle informatique plus large comprenant notamment l’algorithmie, le développement web, les systèmes, les réseaux, les bases de données, l’architecture logicielle et la sécurité.

En troisième année, les étudiants approfondissent le machine learning, la vision par ordinateur, le traitement automatique du langage et réalisent un projet en intelligence artificielle.

Après un Bachelor ou un cursus Bac+3 compatible, ils peuvent poursuivre dans l’un des neuf MSc proposés par l’école :

• MSc Intelligence Artificielle & Big Data 
• MSc Architecture Logiciel du Cloud 
• MSc Cloud DevOps 
• MSc Blockchain & Web 3 
• MSc Cybersécurité 
• MSc Tech, Stratégie & Leadership 
• MSc Edge Computing & Robotique 
• MSc UX & Product Ownership 
• MSc Réalité Mixte & Jeux Vidéo

Le MSc Intelligence Artificielle & Big Data approfondit notamment le deep learning, le traitement Big Data, le MLOps et le déploiement.L’objectif est de former des profils capables de transformer un besoin d’entreprise en une solution IA fiable, explicable et exploitable, tout en maîtrisant la qualité des données, la surveillance des modèles et les enjeux de gouvernance.

L’alternance ETNA : tester l’IA face aux réalités de l’entreprise

Grâce à sa pédagogie par projet et à la possibilité de suivre la formation en alternance à partir de la deuxième année du Bachelor, l’ETNA permet aux étudiants d’appliquer leurs connaissances en entreprise.

Les MSc sont suivis en alternance pendant deux ans.Cette immersion confronte les étudiants aux réalités des organisations : systèmes existants, données confidentielles, exigences de sécurité, contraintes économiques et besoins des utilisateurs.

Les étudiants ne se contentent donc pas d’observer les transformations technologiques. Ils les expérimentent sur le terrain, collaborent avec des équipes pluridisciplinaires et développent les compétences techniques et comportementales nécessaires à leur insertion professionnelle.

Les Code Camps, les ETNA Camps, les projets de spécialisation et les Grands Projets ETNA complètent cette expérience. Ils demandent aux étudiants de comprendre un besoin, de faire des choix techniques, de documenter leur démarche et de défendre le résultat obtenu.

Interview : comment l’ETNA réinvente-t-elle sa pédagogie à l’ère de l’IA ?

Pour aller plus loin, nous avons posé nos questions à Samir Rinaz, directeur de l’ETNA. Il explique comment l’école envisage l’apprentissage de l’informatique dans un environnement où l’IA peut produire du code et du contenu en quelques secondes.

Est-il encore nécessaire d’apprendre à coder lorsque l’IA peut générer un programme en quelques secondes ?

Oui, absolument. Mais apprendre à coder ne peut plus se limiter à mémoriser une syntaxe ou à reproduire une solution attendue.

Coder, c’est d’abord apprendre à décomposer un problème, modéliser une solution, raisonner sur des données, anticiper les cas limites et mesurer les conséquences d’une décision technique.

L’IA peut accélérer l’écriture. Elle ne dispense ni du raisonnement ni de la responsabilité. Au contraire, plus la production devient rapide, plus la capacité à contrôler sa qualité devient importante.

L’utilisation trop précoce de l’IA ne risque-t-elle pas d’empêcher l’acquisition des fondamentaux ?

C’est un risque réel, et il serait dangereux de le nier. Une réponse produite instantanément peut donner une illusion de maîtrise.

Un étudiant peut obtenir un résultat fonctionnel sans être capable de l’expliquer, de le modifier ou d’en repérer les erreurs. L’enjeu pédagogique est donc de savoir à quel moment et dans quelles conditions l’IA peut être utilisée.

Certaines étapes doivent permettre d’acquérir les mécanismes fondamentaux sans délégation excessive. L’IA peut ensuite devenir un accélérateur, à condition que l’étudiant reste capable de justifier ses choix.

La bonne question n’est pas seulement : « L’outil est-il autorisé ? » C’est plutôt : « Qu’attendons-nous que l’étudiant sache démontrer personnellement ? »

Comment évaluer les compétences d’un étudiant lorsque l’IA peut l’aider à produire son travail ?

On ne peut plus évaluer uniquement un livrable final. Un code propre ou une documentation bien rédigée ne suffisent pas à prouver que l’étudiant maîtrise le sujet.

Il faut aussi observer sa démarche : sa compréhension du problème, ses arbitrages, sa capacité à expliquer l’architecture retenue, à défendre ses choix et à réagir lorsqu’une contrainte change.Les soutenances, les démonstrations, les mises en situation et les modifications demandées en direct prennent donc davantage d’importance.

L’objectif n’est pas d’organiser une chasse à l’utilisation de l’IA. Il est de vérifier que l’étudiant conserve la maîtrise intellectuelle et technique de ce qu’il présente.

Quelles compétences prennent le plus de valeur dans les métiers de la tech ?

La maîtrise technique reste indispensable, mais elle doit s’accompagner d’autres capacités : formuler correctement un problème, exercer son esprit critique, vérifier une information, comprendre un système dans son ensemble et communiquer avec des interlocuteurs qui n’ont pas tous la même expertise.La sécurité, la qualité des données, l’architecture, la compréhension des usages et la responsabilité deviennent également centrales.Le professionnel recherché ne sera pas simplement celui qui utilise beaucoup d’outils d’IA. Ce sera celui qui sait quand les utiliser, pourquoi, avec quelles limites et sous quelle responsabilité.

Que diriez-vous à une personne qui hésite à se lancer dans l’informatique par peur d’être remplacée par l’IA ?

Je lui dirais que sa crainte est légitime, mais qu’elle ne doit pas la conduire à renoncer.Les métiers vont évoluer, certaines tâches seront automatisées et le niveau d’exigence va probablement augmenter. Il serait malhonnête de prétendre le contraire.

Mais l’informatique ne se résume pas à écrire des lignes de code. Elle consiste à comprendre des besoins, concevoir des systèmes, sécuriser des usages, résoudre des problèmes et prendre des décisions.Il ne faut pas chercher un métier qui ne sera jamais touché par l’IA. Il faut construire une capacité à apprendre, à s’adapter et à conserver son jugement lorsque les outils changent. C’est précisément ce que doit apporter une formation exigeante.

Ce qu’il faut retenir sur l’IA et l’emploi tech

L’IA ne signifie pas la disparition uniforme des métiers de la tech. Elle automatise certaines tâches, transforme les méthodes de travail et augmente la valeur des compétences liées à la compréhension, au contrôle et à la responsabilité.Pour les étudiants et les professionnels, le principal enjeu n’est pas de rivaliser avec la vitesse d’un modèle. Il est de savoir formuler un problème, vérifier une réponse et prendre une décision éclairée. L’avenir dans les métiers  appartient moins aux professionnels qui utilisent le plus d’IA qu’à ceux qui savent précisément ce qu’ils peuvent — ou ne peuvent pas — lui déléguer.

FAQ : intelligence artificielle et métiers de la tech

• Quels métiers de la tech sont les plus impactés par l’IA ? Les activités reposant sur des tâches répétitives ou très standardisées sont les plus directement concernées, notamment certaines opérations de support, de test manuel, d’intégration ou de production de code simple.
• Quels profils sont les moins directement automatisables ? Les fonctions qui demandent une vision globale, des arbitrages complexes et une responsabilité clairement identifiée sont moins directement automatisables. C’est notamment le cas de l’architecture des systèmes d’information, de la cybersécurité et de la direction technique. Elles seront néanmoins, elles aussi, transformées par l’IA.
• Quelles compétences faut-il développer ? Au-delà du code, il est essentiel de développer sa capacité à résoudre des problèmes, à vérifier les résultats des modèles, à protéger les données et à comprendre les enjeux de sécurité, d’architecture et de gouvernance.
• Faut-il encore apprendre à coder ? Oui. Une IA peut générer du code, mais elle ne garantit ni sa pertinence, ni sa qualité, ni sa sécurité. Il reste indispensable de comprendre ce qui est produit et d’en assumer la responsabilité.
• Quelles formations de l’ETNA permettent de se spécialiser en IA ?
  L’ETNA propose un Bachelor Intelligence Artificielle, puis un MSc Intelligence Artificielle & Big Data. L’intelligence artificielle intervient également dans les problématiques de développement, de Cloud, de cybersécurité, de produit et de stratégie abordées dans les autres parcours.