L'IA contre le savoir humain : ce que les machines font à nos diplômes, à nos métiers et à notre contrat social

Il y a quelque chose de vertigineux à regarder un modèle de langage rédiger en trois secondes une dissertation que mettrait trois heures à produire un étudiant de khâgne. Ce n'est pas seulement une question de vitesse. C'est une question de sens : si la machine fait mieux, plus vite, et sans se plaindre, alors à quoi sert l'apprentissage ? À quoi sert l'effort ? À quoi sert le diplôme ? Ces questions, longtemps cantonnées aux colonnes futuristes des magazines technologiques, sont désormais assises dans les amphithéâtres, les salles des profs et les bureaux des DRH. L'intelligence artificielle ne menace pas seulement des emplois : elle menace la signification même du travail intellectuel humain.

Ce texte n'est pas un pamphlet anti-technologie. C'est une tentative lucide de cartographier ce que l'IA fait réellement à nos systèmes d'éducation, à nos marchés du travail et à notre contrat social — pour en tirer, sans angélisme ni catastrophisme, les conclusions qui s'imposent.

Le diplôme à l'heure de l'obsolescence accélérée

L'Éducation nationale française repose sur un contrat implicite vieux de deux siècles : l'État forme des citoyens capables, les citoyens offrent leurs compétences à la société, et la société rémunère ces compétences via le marché du travail. Ce contrat est aujourd'hui fissuré de toutes parts.

Le premier problème est structurel : le temps de formation ne correspond plus au temps d'obsolescence des savoirs. Un étudiant qui commence un master en informatique en 2024 apprend des langages, des frameworks, des paradigmes qui seront partiellement dépassés d'ici sa sortie en 2026. Non pas à cause d'une révolution soudaine, mais parce que le rythme d'innovation en IA compresse les cycles technologiques à des niveaux jamais vus. Les universités, pensées pour des cycles longs de capitalisation du savoir, se retrouvent à enseigner l'avant-veille.

Quelques chiffres qui résument la bascule

• 38 % des emplois européens exposés à l'automatisation partielle d'ici 2030 (OCDE, 2023).
• 5 ans : durée de vie moyenne d'une compétence technique spécialisée en 2026, contre douze ans en 2000.
• 62 % des lycéens français déclarent utiliser régulièrement l'IA pour faire leurs devoirs (Ipsos, 2025).

Le deuxième problème est pédagogique. L'école a longtemps évalué la capacité à restituer : mémoriser une formule, réciter une date, résoudre un exercice type. C'est précisément ce que les grands modèles de langage font avec une efficacité redoutable. Résultat : les élèves ne font plus l'effort de mémoriser puisqu'ils peuvent demander instantanément. Les enseignants ne savent plus quoi évaluer. Les examens perdent leur légitimité dès lors qu'un téléphone suffit à obtenir 17/20 à la dissertation de philosophie.

Ce n'est pas la faute des élèves : c'est la structure même de l'évaluation qui est obsolète. Mais changer la structure, c'est remettre en cause soixante-dix ans d'ingénierie pédagogique bâtie autour de la transmission verticale de savoirs codifiés — une tâche titanesque que ni les syndicats d'enseignants, ni les ministères successifs n'ont les moyens de mener en urgence.

Le troisième problème est social. L'accès à l'IA n'est pas égal. Un lycéen parisien disposant d'un abonnement premium à un assistant IA bénéficie d'un tuteur disponible vingt-quatre heures sur vingt-quatre, patient, encyclopédique, multilingue. Un lycéen en zone rurale ou dans une famille précaire n'a pas cet accès. L'IA risque de creuser les inégalités scolaires plutôt que de les résorber, contrairement aux promesses enthousiastes des EdTech. L'outil qui pourrait démocratiser l'accès au savoir deviendra un avantage compétitif supplémentaire pour ceux qui ont déjà tout.

Quand le signal du diplôme perd son sens

Un diplôme est un signal. Il dit à un recruteur : cette personne a survécu à cinq ans de sélection académique, elle peut lire de la complexité, elle sait travailler sous pression, elle est capable d'apprendre. Ce signal a une valeur parce qu'il est coûteux à produire — en temps, en argent, en efforts cognitifs.

L'IA ne détruit pas le signal directement. Elle le dévalue indirectement, de deux façons simultanées.

Première dévaluation : les compétences certifiées par le diplôme sont partiellement remplacées. Un diplômé en droit sait rédiger des contrats, analyser des jurisprudences, construire une argumentation. Les assistants conversationnels en font autant — moins bien sur les nuances, beaucoup plus vite sur le volume. Si les cabinets ont besoin d'un avocat là où ils en embauchaient cinq, le surplus de diplômés se retrouve déclassé. Le diplôme prouve toujours une compétence ; mais la compétence vaut moins cher.

Deuxième dévaluation : la valeur de rareté du diplôme s'effondre. Pendant des décennies, la massification de l'enseignement supérieur a progressivement dilué le signal du baccalauréat, puis de la licence, puis du master. L'IA accélère ce mouvement en rendant accessibles à quiconque des capacités de synthèse, d'analyse et de rédaction qui constituaient le cœur de la valeur ajoutée des professions intellectuelles.

Deux scénarios crédibles pour la fin de la décennie

Scénario 2028. Un étudiant passe cinq ans à Sciences Po pour maîtriser l'analyse politique et la communication institutionnelle. À sa sortie, les cabinets de conseil ont réduit leurs effectifs junior de 40 % grâce à des outils IA spécialisés. Son salaire d'entrée est inférieur de 25 % à celui de la promotion 2020. Son prêt étudiant, lui, n'a pas baissé.

Scénario 2030. Les entreprises du CAC 40 commencent à recruter sur portfolios et projets démontrables plutôt que sur diplômes. Les grandes écoles négocient leur survie en se repositionnant sur la formation aux compétences non substituables : leadership émotionnel, négociation interculturelle, prise de décision sous incertitude radicale. Le marché de la certification explose.

La question n'est pas « les études valent-elles encore quelque chose ? » — elles en valent. Mais leur valeur se déplace. Elle migre des compétences techniques codifiables vers les compétences relationnelles, créatives et éthiques. Or ces compétences sont précisément celles que l'Éducation nationale est la moins équipée pour enseigner et certifier. Le fossé entre ce que l'école produit et ce que le marché valorise n'a jamais été aussi large.

La vague des licenciements silencieux

Les économistes débattent depuis dix ans de la question : l'IA détruira-t-elle plus d'emplois qu'elle n'en créera ? Le débat est peut-être mal posé. La vraie question n'est pas le solde net sur trente ans — c'est la vitesse de destruction et la géographie sociale des victimes.

La révolution industrielle du XIXᵉ siècle a détruit massivement des emplois agricoles et artisanaux. Mais elle l'a fait sur plusieurs générations. Les enfants des tisserands devenaient ouvriers d'usine, les enfants des ouvriers devenaient employés de bureau. La société avait le temps de s'adapter, douloureusement mais organiquement. L'IA n'a pas ce genre de patience.

Les licenciements liés à l'IA ne ressemblent pas aux plans sociaux classiques. Ils sont rarement annoncés comme tels. Un cabinet de conseil ne licencie pas cinquante analystes junior : il ne les remplace pas quand ils partent. Une rédaction ne supprime pas vingt journalistes : elle externalise la production de contenus standards et réduit ses effectifs permanents à la prochaine vague de départs. C'est ce que les économistes américains appellent le soft displacement : une évaporation lente plutôt qu'une vague visible.

Les ordres de grandeur, eux, ne sont pas silencieux : 14 millions d'emplois menacés en Europe d'ici 2030 selon le Forum économique mondial (2024), −26 % de postes ouverts en finance d'entreprise entre 2022 et 2025 dans les grandes banques françaises, et une vitesse de destruction des emplois cognitifs estimée trois fois supérieure à celle des emplois manuels depuis 2023.

Pourquoi les cols blancs paient l'addition

Ce qui rend cette vague particulièrement déstabilisante, c'est qu'elle frappe en priorité les classes moyennes qualifiées — exactement les personnes qui avaient suivi le conseil donné pendant trente ans : « faites des études, travaillez dans le tertiaire, le col blanc est à l'abri. » Les emplois les moins menacés à court terme restent paradoxalement les emplois manuels non routiniers : plombier, électricien, aide-soignant. Un robot ne pose pas encore de parquet et ne console pas une personne âgée. Mais un assistant conversationnel rédige des contrats, prépare des slides de pitch, code du Python, traduit des documents et répond aux e-mails clients.

Les cols bleus avaient eu leur tour ; c'est désormais celui des cols blancs. La différence, c'est que personne ne les avait prévenus — et qu'ils ont souvent tout misé sur leur diplôme pour y échapper.

La France, avec son modèle social construit sur l'emploi salarié, est particulièrement exposée. Le droit du travail, les cotisations sociales, la retraite par répartition, l'assurance-chômage : tout l'édifice repose sur la présupposition que la quasi-totalité des adultes valides travaille. Si cette présupposition s'effondre, ne serait-ce que partiellement, c'est l'ensemble du système qui vacille.

Revenu universel : la grande question sans réponse

Le revenu universel de base (RUB) n'est plus une utopie de gauche des années 1970. C'est une hypothèse sérieusement discutée par des économistes de toutes tendances, des dirigeants de la Silicon Valley aux think tanks libéraux européens. L'argument est simple : si l'IA supprime durablement une fraction significative des emplois disponibles, une économie de marché classique ne peut pas absorber le choc. Il faut un filet de sécurité universel, décorrélé du travail.

Mais la simplicité de l'argument masque des difficultés redoutables.

Le problème du financement. Un RUB réellement universel — versé à chaque adulte français, sans condition, à hauteur de 900 euros par mois — coûterait environ 480 milliards d'euros par an. Le budget de l'État français est de 600 milliards. On ne finance pas cela en supprimant quelques niches fiscales : on parle d'une refonte totale du système de prélèvements, probablement d'une taxation massive du capital, des robots, des profits de l'IA — une fiscalité que les acteurs économiques concernés déploieraient toute leur énergie à contourner ou délocaliser.

Le problème de la signification. Le travail n'est pas seulement un moyen de subsistance. Il est une source d'identité, de structure temporelle, de socialisation, de reconnaissance. Les expériences pilotes de RUB — en Finlande, au Kenya, en Californie — montrent que les bénéficiaires vivent mieux matériellement mais ne résolvent pas la question du sens. Une société où la majorité des gens n'ont pas de rôle économique productif est une société que nous ne savons pas encore comment organiser.

Le problème de la transition. Entre « monde actuel » et « monde avec RUB », il y a une phase de transition politique, juridique et fiscale qui pourrait prendre une décennie. Or la destruction des emplois par l'IA ne va pas attendre que les gouvernements se soient mis d'accord. Le décalage temporel entre la vitesse du changement technologique et la vitesse du changement institutionnel est peut-être le risque le plus sous-estimé.

Trois familles, trois réponses

Ce que défendent les progressistes. Un RUB financé par une taxe sur les automatisations : chaque emploi remplacé par une IA déclencherait une cotisation versée à un fonds national redistribué universellement. Simple en théorie, complexe à mesurer et à imposer dans des économies ouvertes.

Ce que défendent les libéraux. Non pas un RUB mais un Impôt Négatif sur le Revenu (INR) : en dessous d'un certain seuil, l'État verse une prestation dégressive. Plus simple à financer, mais il laisse des millions de personnes très bas dans la distribution.

Ce que redoutent les conservateurs. L'effondrement de l'éthique du travail, la désinsertion sociale de masse et une dépendance accrue à l'État que les générations futures auraient à financer. Des craintes qui méritent d'être prises au sérieux sans pour autant invalider l'analyse du problème.

Ce qui est certain : le statu quo n'est pas tenable. Une société qui laisse se creuser le fossé entre la richesse produite par les systèmes d'IA et les conditions de vie d'une fraction croissante de sa population court vers une instabilité politique que l'histoire a déjà nommée : populisme, ressentiment, fractures irréconciliables.

L'avis de la rédaction

L'intelligence artificielle est un outil extraordinaire. Elle peut compresser des années de recherche médicale, rendre accessibles des services juridiques que seuls les riches pouvaient s'offrir, démultiplier la capacité créative des individus. Ce n'est pas la technologie qui est dangereuse — c'est l'idée qu'elle se déploierait sans que la société ne décide collectivement de ses règles.

Ce qui est en jeu, c'est la question de savoir qui bénéficie des gains de productivité générés par l'IA. Si ces gains se concentrent dans les bilans de quelques entreprises technologiques pendant que des millions de travailleurs qualifiés perdent leur revenu et leur sens, alors nous aurons réussi un exploit technologique remarquable tout en produisant une catastrophe sociale.

Refuser de normaliser cela, c'est exiger que l'éducation soit repensée pour ce qu'elle est vraiment — non une fabrique à compétences techniques, mais une école de l'humanité critique, créative et éthique. C'est exiger que le marché du travail soit régulé dans sa transformation plutôt qu'abandonné à sa logique. C'est exiger que le débat sur le revenu universel soit posé honnêtement, sans angélisme ni rejet idéologique.

L'IA oblige la société à décider ce qu'elle veut être. C'est peut-être sa contribution la plus précieuse — et la plus inconfortable.

À retenir

• 38 % des emplois européens exposés à l'automatisation partielle d'ici 2030 (OCDE).
• 14 millions d'emplois menacés en Europe d'ici 2030 (Forum économique mondial, 2024).
• Durée de vie moyenne d'une compétence technique spécialisée tombée à 5 ans en 2026, contre 12 en 2000.
• 62 % des lycéens français utilisent régulièrement l'IA pour leurs devoirs (Ipsos, 2025).
• Un RUB universel à 900 €/mois en France coûterait ≈ 480 Mds €/an, soit 80 % du budget de l'État.
• Les classes moyennes qualifiées du tertiaire sont aujourd'hui les plus exposées au soft displacement.