GPEC et IA : comment anticiper les nouveaux métiers ?

Tout le monde est d’accord : la GEPP (gestion des emplois et des parcours professionnelles) doit intégrer l’IA. Les DRH cherchent un format plus agile, les CSE veulent un cadre de négociation actualisé, les cabinets proposent des versions « skills-based » de leurs outils. Le consensus est large et rassurant.

Mais le consensus a tort.

Le meilleur argument pour la GEPP agile

Avant d’aller plus loin, soyons honnêtes : les défenseurs de la GEPP rénovée ont des arguments sérieux.

Josh Bersin ↗ a documenté la notion de skills velocity : la capacité à acquérir de nouvelles compétences rapidement compte plus que leur profondeur. McKinsey positionne le workforce planning stratégique ↗ comme levier de compétitivité dans un contexte d’accélération IA. Deloitte ↗ a enquêté sur 1 200 dirigeants : 98 % veulent passer à une organisation fondée sur les compétences, mais un sur cinq seulement s’en dit prêt.

Le cas Johnson & Johnson, documenté par le MIT CISR ↗ (Van der Meulen, Tona et Leidner, 2024), est souvent cité comme preuve de faisabilité. La démarche est réelle : partie de 4 000 technologues en 2020, elle infère les compétences par IA pour cartographier les écarts. Mais regardez ce que le briefing mesure vraiment : l’usage de l’écosystème de développement a progressé de 20 %, et 90 % des technologues avaient accédé à la plateforme en mars 2024. Ce sont des indicateurs d’adoption d’outil, pas de reconversion effective (le même glissement que dans la malédiction du PoC, où l’usage mesuré tient lieu de résultat). Le cas le plus cité comme preuve que la planification par compétences fonctionne ne documente pas la reconversion : il documente le fait que les gens ouvrent la plateforme.

La logique est solide : si les intitulés de poste deviennent obsolètes, travailler au niveau des compétences élémentaires permet des repositionnements plus rapides. La skills-based organization répond au bon diagnostic, et reste pourtant insuffisante.

Ce que le terrain révèle

Dans les missions d’accompagnement de DSI que je conduis, les directions me posent régulièrement la même question : « Comment vont évoluer les effectifs face à l’IA générative et agentique ? » Les équipes RH répondent par un plan à trois ou cinq ans, avec des hypothèses de volumétrie, des profils cibles, des trajectoires de reconversion…

Mais ces plans sont périmés avant d’être signés, parce que la question posée aux RH est mal formulée. La vélocité de transformation des métiers par l’IA est aujourd’hui de l’ordre de 12 à 18 mois. Le WEF, dans son Future of Jobs Report 2025 ↗, estime que 39 % des compétences actuelles seront perturbées d’ici 2030. Ce chiffre était de 44 % en 2023, et le WEF y lit un début de stabilisation. J’y lis autre chose : un horizon 2030 ne dit rien du rythme à 18 mois, qui est celui où se jouent les plans de formation. BCG ↗ chiffre la demi-vie moyenne des compétences à moins de cinq ans, et à environ 2,5 ans dans les métiers tech. Dans ce contexte, bâtir un plan de compétences sur 36 mois, c’est planifier en aveugle. Les chiffres du type « x % des métiers de 2030 n’existent pas encore » sont eux-mêmes incalculables : ce ratio suppose de connaître le nombre de métiers inconnus pour le rapporter au total, ce qui est précisément l’information manquante. Le prompt engineer n’existait pas comme intitulé de poste il y a quatre ans ; les offres portant ce titre ont reculé d’environ 30 % entre 2024 et 2026, pendant que les rôles exigeant la compétence triplaient. L’intitulé s’est dissous dans des postes hybrides avant qu’un seul plan de formation ait eu le temps de le cibler.

Le mécanisme est plus insidieux que la simple obsolescence. Les DRH sont confrontés régulièrement au même signal : des plans de formation construits sur des référentiels déjà obsolètes au moment de leur validation, alors qu’eux aussi tentent de circonscrire les impacts de l’évolution technologique en cours. Dans les cas extrêmes et théoriques, le budget OPCO finance des parcours dont la durée de vie ne couvre pas la durée de la formation elle-même. Les outils qui produisent la transformation du travail sont les mêmes que ceux qui accélèrent l’obsolescence des compétences formées pour y répondre. Andrew Peterson a formalisé cette boucle ↗ sur le terrain éducatif : les compétences les plus faciles à enseigner avec l’IA sont aussi les plus exposées à l’automatisation, si bien qu’un planificateur sur-investit dans des compétences vouées à l’obsolescence. On ne peut pas sortir de cette boucle en formant plus vite. La GPEC telle qu’on la connaît n’est pas outillée pour penser une évolution qui se retourne contre ses propres instruments. Il faut revenir aux prémisses, et au « P » de GPEC.

Le mécanisme caché : pourquoi prévoir est le mauvais geste

L’erreur n’est pas de mal prévoir les métiers de demain. C’est de croire que prévoir est le bon geste.

L’erreur n’est pas de mal prévoir les métiers de demain. C’est de croire que prévoir est le bon geste.

La GPEC planifie l’avenir. L’IA invalide l’avenir, dès aujourd’hui. Ces deux constats coexistent mal.

Hartmut Rosa ↗ a montré que l’accélération sociale n’est pas un simple changement de rythme mais une structure auto-alimentée : chaque adaptation s’inscrit elle-même dans la logique d’accélération et la renforce plutôt qu’elle ne la contrebalance. Une GPEC plus agile, avec des cycles de planification plus courts, reproduit exactement ce schéma : on court plus vite dans le même sens. Ce mécanisme explique pourquoi réduire la durée des plans ne résout pas le problème de fond, mais l’intensifie en exigeant plus de ressources pour un résultat structurellement identique.

Hartmut Rosa (de bonne heure)

Le problème plus profond est dans ce qu’on essaie de planifier. Michael Polanyi l’a formulé avant l’informatique : nous savons plus que nous ne pouvons dire. Les compétences qui résistent à l’automatisation sont précisément celles qui résistent le plus à l’explicitation : le jugement contextuel, la négociation complexe, la gestion de situations inédites. Cette part du savoir-faire se transmet par l’expérience et l’observation, jamais par un référentiel écrit. Or la GEPP, quelle que soit sa version, suppose que les compétences cibles sont identifiables, nommables, transmissibles. Les compétences de refuge sont par définition celles qui échappent à ce registre. La limite est quasiment épistémologique : un référentiel ne peut décrire que ce qui s’énonce, et le savoir-faire qui résiste à l’IA est justement celui qui ne s’énonce pas.

La conséquence est directe : le bon usage de la GPEC aujourd’hui, c’est d’identifier le périmètre qu’on ne planifiera plus, et d’assumer l’incertitude comme une donnée de gestion ordinaire, au même titre qu’un aléa budgétaire.

Tenir la tension au lieu de tenter de la résoudre

Ni la GPEC classique ni la version agile ne suffisent. Elles gardent pourtant chacune un périmètre d’usage.

La proposition est de tenir deux registres distincts en parallèle, avec deux logiques différentes. Le critère de bascule d’un registre à l’autre est simple : une compétence appartient au périmètre planifiable tant que son horizon d’obsolescence dépasse 18 mois et qu’elle est suffisamment formalisable pour être transmise en formation. Dès que l’un des deux critères tombe (le rythme d’évolution s’accélère, ou la compétence cible résiste à la codification), elle bascule dans le périmètre incertain. Le classement se révise chaque trimestre, lors d’une revue associant les RH et les managers opérationnels. Les signaux sont concrets : apparition de nouveaux intitulés de poste dans les offres d’emploi du secteur, obsolescence visible des référentiels OPCO, retours des managers sur les missions en cours… On est davantage dans une approche de détection que de prospective.

1. Le périmètre planifiable couvre les compétences stables à horizon 12-18 mois : maîtrise des outils en place, compétences métier cœur, expertise sectorielle. Sur ce périmètre, la GEPP classique reste pertinente. Les plans de formation, les parcours de montée en compétences, les bilans de mobilité : tout cela a sa place.

2. Le périmètre incertain couvre ce qui émerge : compétences liées aux agents IA, nouveaux rôles d’interface humain-machine, compétences d’évaluation et de supervision. Sur ce périmètre, la planification est contre-productive. Outillez à la place la capacité à détecter les signaux d’obsolescence avant qu’ils n’apparaissent dans les référentiels métier. Côté individuel, le même constat vaut : la veille nourrit la reconnaissance, la pratique construit la compétence.

Concrètement, il faut déployer des cellules de veille compétences qui tournent en continu, au rythme des missions, des budgets de formation non fléchés à l’avance, des cycles de révision trimestriels. Les équipes qui s’en sortent le mieux sont celles qui posent la question différemment : qu’est-ce qui a changé dans nos missions ce trimestre, et qu’est-ce que ça implique pour les six prochains mois ?

Pour une direction des ressources humaines, la différence est concrète (le même déplacement se joue déjà sur le contournement des outils IA non validés, un autre signal que les dispositifs RH peinent à suivre le rythme du terrain). Les indicateurs de pilotage changent : à l’écart entre compétences disponibles et compétences cibles s’ajoute la vitesse à laquelle l’organisation détecte les nouvelles exigences et les intègre. La DRH scinde le budget formation en deux enveloppes distinctes : une fléchée sur le périmètre stable, une non fléchée pour absorber l’émergent.

Pour un CSE, le terrain de négociation de l’accord GEPP se déplace. La question devient : « quel dispositif d’adaptation continue est financé et garanti ? », là où l’accord portait hier sur les métiers à cinq ans. Ce déplacement est substantiel : il conditionne la capacité des salariés à traverser des cycles de transformation successifs plutôt qu’un seul.

Pour un consultant RH, la grille « périmètre planifiable / périmètre incertain » est directement opérable en diagnostic dès le cadrage : de quoi parle-t-on, et avec quelle méthode ?

Pour un salarié élaborant un projet de formation, ce cadre donne une réponse à la question que les RH évitent : « pourquoi votre DRH ne peut pas vous dire ce que vous ferez dans trois ans ? » Parce que personne ne le sait… La réponse honnête est alors de construire ensemble la capacité à s’adapter, pas de promettre une trajectoire, et cette construction a ses parcours progressifs.

A retenir

Le problème avec le consensus « adapter la GPEC à l’IA » est qu’il préserve la prémisse. On garde l’idée que le bon geste est de planifier mieux, plus vite, plus court.

L’OCDE ↗ et France Stratégie ↗ documentent la pression sur les compétences, mais les instruments de politique publique (OPCO, FNE-Formation, accords de branche) restent calés sur des cycles de transformation de cinq à dix ans (la même inertie qui rend la dépendance à un modèle unique difficile à corriger une fois le choix fait). L’écart entre la vitesse du terrain et la vitesse des dispositifs est lui-même un signal (le même écart entre discours et valeur mesurée traverse l’ensemble de l’adoption de l’IA en entreprise).

Ce que l’IA révèle, c’est que la GPEC repose sur une hypothèse qui vaut de moins en moins : décrire les compétences de demain assez tôt pour préparer les gens aujourd’hui. Sur une partie du spectre (qui se réduit), c’est encore vrai. Sur une autre, c’est structurellement faux.

La question utile porte désormais sur le périmètre : jusqu’où la planification reste-t-elle pertinente, et qu’est-ce qu’on met à la place pour le reste ? Le chemin est long : dans les organisations que j’accompagne, aucune n’a encore séparé son budget formation en deux enveloppes. Mais c’est là que se joue la différence entre subir la transformation et l’instrumenter.

Pour prolonger

• Face aux IAGen : « enseigner le processus, pas le résultat ! » : le même déplacement se joue en amont, quand la formation initiale cesse de pouvoir viser un résultat stable.
• Le buzz fait partie de la technologie : l’écart entre la vitesse annoncée et la vitesse constatée est lui-même un objet d’analyse.