Pourquoi l’IA brise l’échelle de carrière des jeunes
Il y a une façon de progresser dans une carrière qui a fonctionné pendant des décennies : on commence en bas, on apprend en faisant, on monte les échelons un à un.
Ce modèle est en train d’être détruit. Pas par accident. Par conception.
L’échelle avait des échelons
Pensez à n’importe quelle profession structurée. Droit, médecine, finance, marketing, développement logiciel, architecture. Il y avait des postes juniors — pas glorieux, souvent mal payés — qui permettaient d’acquérir une chose irremplaçable : l’expérience pratique.
Ces postes juniors avaient une utilité double. Pour l’employé : apprendre, se tromper dans un environnement contrôlé, construire un réseau, progresser. Pour l’employeur : un vivier de futurs experts formés aux pratiques de la maison.
L’IA s’attaque précisément à ces postes. Pas parce qu’elle est meilleure que ces juniors — souvent, elle ne l’est pas, ou marginalement. Mais parce qu’elle coûte moins cher et ne demande pas d’augmentation.
Karen Hao appelle ça la destruction des « rungs » — les échelons de l’échelle professionnelle. Quand les échelons disparaissent, l’échelle devient impossible à gravir.
Le piège de l’annotation
Pour les jeunes diplômés qui ne trouvent pas de poste dans leur domaine, une alternative « de transition » apparaît : l’annotation de données.
Détourer des images. Noter des réponses de chatbots. Étiqueter des émotions. Transcrire des conversations.
Ce travail est vendu comme temporaire, comme une façon de « rester dans le secteur tech » en attendant mieux. En réalité, c’est une impasse construite.
Paradoxe 1 : Ces jeunes utilisent leurs compétences — leur formation en droit, en médecine, en création — pour entraîner des modèles sur ces mêmes compétences. Ils accélèrent la disparition de leur propre débouché professionnel.
Paradoxe 2 : Le travail d’annotation ne permet aucune progression. Il n’y a pas de promotion, pas de formation, pas d’évolution. C’est une sortie de route sans chemin de retour.
Karen Hao documente des diplômés de PhD, des médecins, des réalisateurs primés contraints d’accepter ces postes — non pas comme transition, mais comme destination par défaut dans une économie restructurée.
La polarisation qui verrouille
Le marché du travail se coupe en deux, de façon de plus en plus nette.
En haut : des postes à très haute expertise — architectes de systèmes IA, chercheurs, ingénieurs ML seniors — pour ceux qui orchestrent et supervisent les agents. Ces postes exigent une expérience longue… qu’on ne peut pas acquérir sans les postes qui ont disparu.
En bas : une masse de sous-emplois précaires — annotation, modération de contenu, tâches de « vérification humaine » — pour ceux qui n’ont pas encore atteint le haut.
Entre les deux : un vide. Pas de passerelle. Pas de progression naturelle.
Les jeunes qui entrent sur le marché aujourd’hui ne peuvent pas commencer en bas et monter. Ils entrent directement dans une impasse, ou se retrouvent bloqués à devoir compétences à un niveau qui suppose une expérience qu’ils n’ont jamais pu acquérir.
La vitesse comme facteur aggravant
Les révolutions industrielles précédentes ont été brutales. Des métiers entiers ont disparu — tisserands, charretiers, imprimeurs traditionnels.
Mais ces transitions se mesuraient en décennies. Les générations avaient le temps de s’adapter, de se reconvertir, de former leurs enfants différemment.
L’IA se propage à la vitesse d’internet. Une compétence qui était demandée il y a deux ans peut être automatisée aujourd’hui. Les cycles de formation professionnelle — qui durent 3 à 5 ans — ne peuvent pas suivre.
Karen Hao souligne que cette vitesse est l’un des facteurs les plus sous-estimés dans les analyses économiques sur l’impact de l’IA sur l’emploi. Ce n’est pas seulement une question de quels emplois disparaissent — c’est une question de à quelle vitesse, et si la société a le temps de réagir.
Ce qu’on peut faire concrètement
Si vous êtes jeune et entrez sur le marché :
Cherchez des postes où vous travaillez avec l’IA, pas pour elle. La différence est importante. « Utiliser Claude pour accélérer mon travail » est différent de « être le vérificateur humain des outputs de Claude ». Le premier vous rend plus compétent. Le second vous enferme.
Développez des compétences en orchestration : comment déléguer à des agents IA, comment vérifier et corriger leurs outputs, comment concevoir des workflows hybrides. Ce sont les compétences qui survivent.
Si vous gérez des équipes :
Résistez à la tentation de remplacer les postes juniors par de l’IA. Ces postes ne servent pas seulement à produire — ils servent à former la prochaine génération de seniors. Si vous supprimez la base de la pyramide aujourd’hui, vous n’aurez plus d’experts dans 10 ans.
Si vous êtes décideur politique :
Le débat actuel sur l’IA et l’emploi se concentre sur les secteurs touchés. La vraie question est celle des mécanismes de transition : qu’est-ce qui remplace les voies d’accès à la compétence que l’IA supprime ?
Ce n’est pas un problème technique. C’est un problème de conception sociale.
Source : Karen Hao — journaliste d’investigation sur les empires technologiques de l’IA. Ses travaux documentent les témoignages de travailleurs, les données sur la polarisation du marché du travail, et les mécanismes d’exploitation des plateformes d’annotation.