Gestion des talents : anticiper les compétences de demain grâce à l'IA

Un plan de formation conçu aujourd'hui pour préparer les métiers de dans cinq ans repose souvent sur une hypothèse fragile : que ces métiers ressembleront à ce qu'on imagine actuellement. Or une part considérable des emplois qui existeront d'ici quelques années n'a tout simplement pas encore de nom. Face à ce mur d'incertitude, la gestion des talents ne peut plus se contenter d'un exercice de projection annuel réalisé sur tableur. L'IA change la nature même de cet exercice, en transformant une anticipation ponctuelle et approximative en un pilotage continu et documenté des compétences. 

Le chiffre qui résume le mieux l'ampleur du défi vient d'une étude conjointe de Dell et de l'Institut pour le futur, largement reprise depuis par les praticiens de la gestion des talents : 85 % des emplois qui existeront demain n'existent pas encore aujourd'hui. Ce chiffre, aussi vertigineux soit-il, ne doit pas être lu comme une prédiction météorologique impossible à vérifier. Il décrit une réalité déjà à l'œuvre : des métiers entiers se recomposent en quelques années sous l'effet des nouvelles technologies, de l'automatisation de certaines tâches et de l'émergence de compétences qui n'avaient pas de valeur marchande la décennie précédente.

Pour une direction des ressources humaines, cette instabilité rend caduque l'idée d'un référentiel de compétences figé, mis à jour une fois tous les cinq ou dix ans lors d'un exercice formel. Le rythme de transformation des métiers a dépassé le rythme des cycles de gestion prévisionnelle classiques. Une entreprise qui continue de raisonner sur un référentiel ancien découvre souvent son décalage au pire moment possible : au milieu d'un projet stratégique, quand elle réalise que les compétences nécessaires pour l'exécuter n'ont jamais été anticipées ni développées en interne. Ce décalage se traduit alors par un recrutement externe coûteux et lent, alors qu'une anticipation plus fine aurait permis de faire monter en compétences un collaborateur déjà en poste, à moindre coût et avec une meilleure connaissance du contexte de l'entreprise.

La démarche qui portait historiquement ce travail d'anticipation, la gestion prévisionnelle des emplois et des compétences, a longtemps été perçue comme un exercice de conformité plutôt que comme un levier stratégique réel. Cartographier les emplois existants, projeter les compétences nécessaires dans le futur, puis réduire l'écart par la formation : la méthode est solide sur le papier, mais elle produisait traditionnellement un référentiel figé, actualisé une fois par an au mieux, dans un contexte où les données réelles évoluaient beaucoup plus vite.

L'intégration de l'IA transforme cette logique de descriptive à prédictive, comme le détaille Zola. Là où l'ancienne approche produisait un instantané périodique, des algorithmes d'apprentissage automatique analysent désormais en continu les données internes, entretiens annuels, historique des formations, mobilités passées, aux côtés des données externes sur les tendances de métiers et le marché du travail, pour signaler les écarts de compétences avant qu'ils ne deviennent critiques pour l'activité. Certains praticiens parlent déjà d'un pilotage dynamique des compétences, par opposition au diagnostic ponctuel qui prévalait auparavant.

Trois apports concrets distinguent cette approche augmentée par l'IA de la gestion des talents traditionnelle, comme le souligne GERESO. Le premier est la précision : en croisant les données internes de l'entreprise avec les tendances du marché, l'IA chiffre les écarts de compétences et hiérarchise les priorités de formation, plutôt que de s'en remettre à l'intuition d'un responsable RH ou à un questionnaire annuel rempli à la hâte par les managers.

Le deuxième apport est l'objectivité. Les revues de personnel et les décisions de mobilité interne restent souvent marquées par une part de subjectivité difficile à corriger, un manager valorisant naturellement les collaborateurs qu'il connaît le mieux ou dont le profil ressemble au sien. Des outils d'analyse basés sur des données de performance réduisent cette part de biais, sans pour autant l'éliminer complètement, ce qui impose une vigilance humaine constante sur les critères utilisés par ces systèmes.

Le troisième apport, sans doute le plus stratégique, est la capacité de simulation. Une organisation peut désormais modéliser l'impact d'une transformation technologique ou d'une vague de départs à la retraite sur les compétences disponibles, avant que cet impact ne se matérialise. C'est la promesse historique de la gestion prévisionnelle des compétences, restée largement théorique faute d'outils capables de traiter suffisamment de données pour la rendre opérationnelle. Une simulation bien conduite permet par exemple de tester plusieurs scénarios de réorganisation avant de les mettre en œuvre, et de mesurer lequel préserve le mieux les compétences critiques de l'entreprise plutôt que de les découvrir dispersées après coup.

L'enthousiasme des professionnels RH pour ces outils est réel, comme le montre Ascent Formation : une large majorité d'entre eux anticipe une amélioration significative de leurs processus grâce à l'IA générative, avec des gains de productivité estimés entre 30 et 40 % pour la fonction ressources humaines sur les tâches de collecte et d'analyse de données. Mais cet enthousiasme technique ne suffit pas à garantir la réussite d'une démarche d'anticipation des compétences.

Un expert interrogé par Apecita résume bien l'esprit qui doit accompagner ce changement d'échelle : « il faut entrer dans une logique d'observatoire des métiers », plutôt que de continuer à traiter la gestion des compétences comme un exercice ponctuel réalisé une fois tous les dix ans. Cette bascule vers une logique d'observation continue suppose une conduite du changement autant qu'un investissement technologique : des managers formés à interpréter les signaux produits par l'IA, une transparence assumée auprès des collaborateurs sur les données utilisées pour analyser leurs compétences, et un cadre strict de protection des données personnelles, faute de quoi l'outil devient rapidement une source de méfiance plutôt qu'un levier d'anticipation.

Cette dimension humaine est d'autant plus importante que l'IA ne se contente pas d'outiller la gestion des talents, elle en déplace aussi l'objet. En automatisant certaines tâches jusqu'ici confiées aux collaborateurs, elle fait évoluer le contenu même des métiers qu'elle est censée cartographier, créant un mouvement où l'outil de mesure influence directement la réalité qu'il mesure. Une direction RH qui ignore cette boucle de rétroaction risque de piloter sa gestion des talents à partir d'une photographie déjà datée du travail réel, alors même que l'outil censé l'aider continue de transformer ce travail en arrière-plan.

Quatre principes distinguent les organisations qui tirent réellement parti de cette approche de celles qui se contentent d'ajouter un tableau de bord supplémentaire sans changer leurs pratiques. D'abord, remplacer le diagnostic décennal par un suivi continu, même modeste, plutôt que d'attendre une refonte complète du référentiel de compétences tous les cinq ans. Un observatoire vivant, mis à jour trimestriellement, vaut mieux qu'un audit exhaustif mais déjà obsolète au moment de sa publication.

Ensuite, croiser systématiquement les données internes de l'entreprise avec les signaux externes du marché du travail, car une organisation qui ne regarde que ses propres effectifs reproduit ses angles morts plutôt que de les corriger. Troisièmement, conserver une validation humaine sur les décisions individuelles issues de l'analyse, l'IA identifiant des tendances collectives mais ne devant jamais arbitrer seule une décision de mobilité ou de formation qui engage une personne précise. Enfin, communiquer ouvertement auprès des collaborateurs sur la finalité de cette démarche : une cartographie des compétences perçue comme un outil de surveillance individuelle produira du rejet, tandis qu'une démarche présentée comme un accompagnement de l'employabilité de chacun favorise l'adhésion.

Anticiper les compétences de demain grâce à l'IA ne consiste donc pas à remplacer le jugement des équipes RH par un algorithme, mais à leur donner enfin les moyens de voir venir les écarts de compétences avant qu'ils ne se transforment en pénurie de talents ou en projet stratégique bloqué faute des bonnes ressources internes.