Des talents invisibles à l’ère de l’intelligence artificielle

L’impact que l’intelligence artificielle a déjà dans toutes les sphères de notre vie nous confronte à un curieux paradoxe : il n’a jamais été aussi facile de démontrer de quoi une personne est capable de faire avec la technologie mais, en même temps, il n’a jamais été aussi difficile de savoir qui est vraiment talentueux. L’IA – et en particulier l’IA générative – a multiplié les possibilités de création, de programmation, d’analyse ou de résolution de problèmes complexes, mais elle a également révélé une fissure inconfortable : les systèmes éducatifs et du travail continuent de mesurer avec des règles conçues pour une autre époque. Une lacune qui, pour les experts, est perçue quotidiennement dans les salles de classe et dans les entreprises.

Il y a des étudiants qui, par exemple, comprennent le fonctionnement de l’IA sans avoir eu un brillant parcours universitaire. Ou des professionnels qui ne rentrent pas dans un cursus classique, mais qui sont capables de détecter des erreurs, de proposer des solutions inattendues et d'apprendre par eux-mêmes ce que d'autres ont besoin de cours entiers pour assimiler. Des talents, dans les deux cas, qui ne se démarquent pas toujours lors des examens, entretiens ou processus de sélection, mais qui, lorsqu'ils ont accès aux outils appropriés, obtiennent des résultats bien supérieurs à ceux attendus.

Cet ensemble hétérogène et difficile à classer commence à être décrit comme (Technologies de l'Information et de la Communication) : des compétences avancées qui allient compréhension technologique, pensée critique, créativité et grande adaptabilité. Le problème, soulignent-ils de l'Université Oberta de Catalunya (UOC), est qu'ils continuent de passer inaperçus là où ils devraient être détectés auparavant.

Au-delà de la maîtrise technique, ces hautes capacités se manifestent dans des manières non conventionnelles de penser et de créer : des personnes capables d'explorer des solutions inattendues, de combiner différentes disciplines et de remettre en question le fonctionnement d'un outil au lieu de simplement se limiter à son utilisation. Il ne s’agit pas seulement de savoir programmer ou gérer des plateformes numériques, mais bien de comprendre, imaginer et adapter la technologie à de nouveaux contextes, avec une créativité qui ne rentre pas toujours dans les cadres académiques ou professionnels traditionnels.

Talent avancé, mais hors plan

Lorsqu’on parle de hautes capacités, l’imaginaire collectif reste ancré dans les surdoués classiques : des personnes dotées d’un QI élevé, de dossiers brillants et de résultats scolaires soutenus. Mais dans le domaine de l’intelligence artificielle, cette moisissure est franchement insuffisante. Ce talent s'exprime en outre souvent à travers des formes de créativité difficiles à adapter et à évaluer avec des tests standardisés, mais qui sont très précieuses lorsqu'il s'agit d'explorer de nouveaux usages de la technologie ou de détecter des erreurs que d'autres négligent.

Dans de nombreux cas, ces capacités se manifestent à travers des traits que le système éducatif ne sait pas toujours bien lire : une forte tendance à se concentrer sur des sujets d'intérêt, une grande autonomie pour apprendre par soi-même ou une facilité à proposer des solutions créatives qui dépassent le scénario prévu. Ce sont des profils qui peuvent approfondir pendant des heures un problème spécifique, explorer des voies alternatives ou avancer à leur rythme, à condition de trouver un environnement qui ne pénalise pas cette différence. Dans ce contexte, la famille joue généralement un rôle clé en tant qu'espace de sécurité et de soutien, surtout lorsque l'école ne propose pas encore de réponses adaptées.

« Nous ne parlons pas seulement de personnes qui savent utiliser les outils d'IA, mais qui comprennent également comment ils fonctionnent, pourquoi ils échouent et comment ils peuvent être poussés à obtenir de meilleurs résultats. » L'avertissement est lancé par Carles Gallel, professeur d'études informatiques à l'UOC, et résume bien le cœur du débat. L’IA – insiste-t-il – ne pense pas, mais plutôt prédit. Et c’est précisément pour cette raison que la différence ne réside pas dans celui qui l’utilise plus rapidement, mais dans celui qui sait le remettre en question.

Ce genre de compréhension approfondie ne se traduit pas toujours par de bonnes notes ou par des parcours académiques conventionnels. Beaucoup de ces profils sont autodidactes, d’autres présentent des formes d’apprentissage non linéaires, et certains appartiennent à des groupes neurodivergents (comme les personnes très sensibles, atteintes du trouble déficitaire de l’attention avec hyperactivité (TDAH) ou du syndrome du spectre autistique, par exemple) que le système éducatif traditionnel continue d’avoir du mal à accompagner. « Le problème n'est pas qu'ils n'ont pas de talent », explique Gallel, « c'est que le modèle actuel n'est pas préparé à le détecter ou à l'exploiter ».

Le paradoxe est aggravé par le fait que l’IA générative agit comme un amplificateur : elle ne crée pas ces capacités, mais elle les rend visibles. Du coup, ceux qui savent poser les bonnes questions, détecter les incohérences ou combiner les connaissances de différents domaines obtiennent des résultats spectaculaires. Le talent était déjà là ; Maintenant, c'est juste plus visible.

Quand le système ne sait pas quoi regarder

La luxation commence bientôt. Les classes aux ratios élevés, aux méthodologies homogènes et aux évaluations axées sur la répétition des contenus laissent peu de place à l'identification de compétences qui ne s'expriment pas de manière standardisée. « Un enseignant qui doit s'occuper de 20 ou 30 élèves à la fois prépare finalement la classe à un profil moyen », explique Gallel. Dans ce contexte, ceux qui apprennent plus vite, d’une manière différente ou avec des intérêts très précis ont tendance à s’ennuyer, à se déconnecter, voire à générer des conflits.

La technologie, paradoxalement, pourrait faire partie de la solution. Non pas pour remplacer l’enseignant, mais pour aider à détecter des schémas, des intérêts et des capacités qui passent inaperçus aujourd’hui. «Avec des données adéquates, il serait possible de concevoir des itinéraires plus personnalisés, de détecter les abandons précoces ou de mieux accompagner chaque élève», dit-il. Le problème est que le système n’a pas encore réalisé cette transition de manière décisive.

Ce désaccord ne disparaît pas lorsque vous quittez la classe. Elle est transférée, presque intacte, sur le marché du travail. Et voici un deuxième regard, celui d'Elena González-Blanco, experte en intelligence artificielle et professeure associée et chercheuse CGC à l'Université IE. De son expérience entre recherche et entreprise, le problème n’est pas seulement pédagogique, mais culturel.

« Le marché évolue si vite qu'il est difficile pour les entreprises elles-mêmes de suivre le rythme », explique-t-il. Dans ce contexte, des profils très différents cohabitent, et se confondent parfois : depuis les très techniques (qui développent des modèles et des algorithmes) jusqu’aux profils hybrides qui, sans programmation, sont capables de promouvoir des stratégies commerciales grâce à une utilisation avancée de l’IA : « Ces derniers sont probablement les plus difficiles à identifier, car ils ne rentrent pas dans un standard : ils allient une connaissance métier avec une maîtrise très actuelle de la technologie. » Et là, l’invisibilité réapparaît : non pas parce qu’il manque de talent, mais parce qu’il n’existe pas de catégories claires pour la nommer.

Ce problème de classification a des effets très particuliers lorsque ces profils arrivent dans l'entreprise. Il est clair que l’IA nous permet aujourd’hui de faire plus de choses en moins de temps, mais cela ne signifie pas nécessairement que nous comprenons mieux ce que nous faisons. Car produire rapidement avec un outil n’équivaut pas à savoir l’utiliser à bon escient, ni à en comprendre les limites ou les risques. Dans un marché de plus en plus pressé par la rapidité et la productivité, l'accent a tendance à être mis sur le résultat visible, pas toujours sur le processus ou le raisonnement qui le sous-tend.

Pour González-Blanco, il est encore tôt pour tirer des conclusions définitives. L’adoption de l’intelligence artificielle, explique-t-il, n’est pas seulement un changement technologique, mais un processus d’apprentissage et de transformation culturelle encore en cours dans de nombreuses organisations, et qui ne touche pas seulement les profils les plus techniques. « La clé est de combiner la pensée critique du côté commercial avec des personnes qui comprennent bien la technologie et son évolution », dit-il. L'IA, insiste-t-il, ne fonctionne pas comme une solution automatique ou comme un raccourci de productivité : « Il ne s'agit pas d'un « copier-coller », mais nécessite plutôt un exercice constant d'interprétation, de questionnement et d'ajustement afin qu'elle amplifie véritablement l'intelligence humaine », ajoute-t-il.

Comme en classe, la vitesse peut cacher des capacités plus profondes au sein de l’entreprise. Être capable d’utiliser des outils avancés ne garantit pas de savoir quand ne pas les utiliser, comment comparer leurs résultats ou dans quels contextes ils peuvent introduire des biais ou des erreurs. Et pourtant, ce sont ces compétences, moins visibles ou mesurables, qui font la différence lorsque la technologie cesse d’être un support ponctuel et est intégrée à la prise de décision.

Le risque est donc que l’écart se creuse entre ceux qui utilisent l’intelligence artificielle de manière non critique et ceux qui développent une relation plus réfléchie avec elle : « Être à jour avec l’IA nécessite de la curiosité, une formation continue et la capacité de sortir de la zone de confort », explique González-Blanco. Mais tout le monde ne part pas du même point et ne dispose pas des mêmes ressources pour le faire, et là le rôle des entreprises est déterminant.

Comme c'est également le cas dans le système éducatif, les talents ne se perdent pas toujours en raison d'un manque de capacités, mais parce qu'ils ne sont pas reconnus ou valorisés à temps : ce sont des profils qui ne correspondent pas aux descriptions de poste standards, qui ne répondent pas à des trajectoires linéaires ou qui combinent des compétences techniques et commerciales de manière non conventionnelle, et c'est pourquoi ils continuent de rester sous les radars. Parfois, ils se réengagent plus tard, sur la base d’une auto-formation ou d’un apprentissage au sein même de l’entreprise, mais d’autres fois, ils se dissolvent tout simplement.

Un défi qui n'est plus technologique

La reconnaissance de ces capacités n’est pas seulement une question de justice éducative ou d’inclusion professionnelle : c’est aussi une question stratégique, comme s’accordent les différentes perspectives qui traversent ce débat. Dans un contexte où l’intelligence artificielle s’intègre rapidement dans l’apprentissage, le travail et la prise de décision, une idée claire commence à émerger : la différence ne sera pas faite par celui qui maîtrise en premier un outil spécifique, mais par celui qui est capable de le comprendre, de le remettre en question et de s’adapter à son évolution constante.

C’est à ce moment-là que l’éducation et les affaires se rejoignent. D’une part, la nécessité de disposer de systèmes capables de détecter les talents au-delà du profil moyen ; de l’autre, le défi d’apprendre à la reconnaître et aussi à la développer sur le lieu de travail. Et, dans les deux cas, l’urgence commune de ne pas confondre vitesse et jugement ou productivité et compréhension.

L’IA a rendu visible des compétences qui restaient auparavant en arrière-plan. Le défi qui se profile désormais n’est donc pas tant technologique qu’humain : savoir reconnaître à temps qui peut penser avec la technologie et pas seulement l’utiliser. De cela dépendra non seulement l’avenir professionnel de nombreuses personnes, mais aussi la capacité collective à innover sans laisser les talents de côté.