Trois minutes.
Ce n’est pas une métaphore, ni une formule. Trois minutes réelles, mesurables, celles qui passent pendant que dans la salle quelqu’un tousse, quelqu’un prend des notes, quelqu’un regarde l’heure.
Lors d’un séminaire sur l’IA générative en entreprise, à l’université, j’ai ouvert Claude Cowork et je lui ai donné trois fichiers CSV avec des données e-commerce et un brief de quelques lignes. Ventes, clients, marketing. Puis j’ai demandé une chose très « cours universitaire » : segmentation, KPI, ROAS par canal, graphiques, et un rapport stratégique avec recommandations de budget.
En trois minutes, l’IA a fait l’analyse, construit une segmentation RFM, calculé le retour sur dépense publicitaire, sorti des visualisations interactives et écrit un rapport qui, à première vue, semblait complet.
Pas parfait, non. Pas prêt à être présenté à un comité de direction sans une révision sérieuse. Mais c’était exactement le type de livrable qui est souvent demandé comme projet final. Celui qu’un cours universitaire programme sur un an.
Je n’écris pas ça pour rabaisser étudiants ou enseignants. Je l’écris parce que cette scène m’a obligé à regarder en face une chose que, honnêtement, je préférerais ne pas voir : la divergence silencieuse entre la vitesse de la technologie et la vitesse des institutions.
Deux horloges qui marquent des temps différents
L’université est conçue pour avancer lentement. Et ce n’est pas forcément un défaut, au contraire. C’est sa façon de garantir la qualité : commissions, accréditations, comités, révisions, consensus. C’est presque dans l’ADN de ces institutions de ne pas courir.
Le problème, c’est que dehors, pendant ce temps, le monde ne court pas seulement. Il change de chaussures tous les deux kilomètres.
Un cursus universitaire demande souvent 12 à 24 mois pour être conçu, approuvé et mis en place. Les cours sont planifiés bien à l’avance. Les manuels ont des cycles éditoriaux longs, et même excellents, ils arrivent dans un monde qui s’est déjà déplacé.
L’innovation, elle, raisonne en releases. Les outils d’AI coding passent de « curiosité » à standard industriel en quelques mois. Des agents IA accomplissent des travaux qui prenaient des semaines. Des startups fondées par des jeunes diplômés atteignent des valorisations énormes dans des délais qui ne ressemblent plus aux vieux cycles industriels.
Nous voilà donc avec deux horloges dans la même pièce.
L’une rythme les semestres et les plans d’études.
L’autre rythme les déploiements, les mises à jour, les nouveaux modèles, les nouvelles interfaces.
La distance entre les deux n’est pas seulement organisationnelle. Elle devient culturelle.
La demi-vie des compétences : de décennies à mois
Un concept revient souvent quand on parle de travail et de technologie : la half-life des compétences. Le temps au bout duquel la moitié de ce qu’on a appris devient obsolète ou peu pertinent.
Il y a quarante ans, ça pouvait être une décennie. Aujourd’hui, pour beaucoup de compétences techniques, on parle d’environ 2,5 ans.
Et il n’y a même pas besoin de se demander si 2,5 ans ne sont pas une ère géologique quand on parle d’IA et de développement logiciel. Les assistants IA pour programmer sont passés d’expérimentation à présence capillaire en très peu de temps. Qui a appris à programmer en 2022 sans toucher d’outils d’AI coding se retrouve aujourd’hui à travailler avec une boîte à outils incomplète.
Les estimations globales mettent des chiffres encore plus nets sur le tableau : d’ici 2030, 39 % des compétences clés demandées par le marché auront changé. Et 59 % de la main-d’œuvre mondiale aura besoin de reskilling ou d’upskilling.
Maintenant, prenez une licence : trois ans. Ajoutez un master : deux de plus. Cinq ans.
Dans le même intervalle où un étudiant termine son parcours, une part énorme de ce que le marché considère comme « clé » aura changé.
Ici la question cesse d’être théorique. Elle devient presque intime : qu’est-ce que nous promettons aux jeunes qui s’inscrivent à l’université ?
L’entrée dans le travail est un mur, pas une porte
Si ce n’était qu’un désalignement de contenus, on pourrait en parler tranquillement. Le problème, c’est que les chiffres sur l’entry-level racontent une histoire plus dure.
Ces dernières années, les recrutements entry-level dans beaucoup de grandes entreprises tech ont fortement baissé. Sur plusieurs marchés on parle de réductions importantes, et en Europe en 2024 beaucoup de postes tech pour jeunes diplômés ont sensiblement diminué, avec des perspectives qui ne sont pas roses.
Puis il y a les coupes ouvertement présentées comme « rendues possibles » par l’IA. Des entreprises qui réduisent les rôles corporate parce que l’IA permet des structures plus légères. Certains ont même dit publiquement que l’IA gère désormais une part énorme du travail.
Et pendant que cela se passe, chez les jeunes monte un sentiment qu’on perçoit même sans sondages : l’idée que le marché est devenu plus fermé, plus sélectif, plus difficile à traverser.
Près de la moitié des jeunes en recherche d’emploi pensent que l’IA a réduit la valeur de leur formation universitaire.
Ce n’est pas de la science-fiction. C’est le présent. Et quand le présent frappe à la porte, on ne peut plus repousser la conversation.
Le paradoxe de l’entry-level : quand l’IA mange le premier barreau
Il y a un détail qui rend tout plus retors.
Le pacte implicite de l’entry-level a été pendant des années celui-ci : tu fais du travail répétitif, tu te fais les os, tu apprends. En échange, tu reçois mentorat, contexte, croissance.
Mais ce travail répétitif est exactement ce que l’IA absorbe le mieux.
Et donc le premier barreau de l’échelle disparaît.
C’est la partie qui m’inquiète le plus, parce que c’est un problème de « transmission » des compétences. Si vous n’embauchez pas de juniors aujourd’hui, qui deviendra senior demain ? Quelqu’un a décrit ce choix comme « manger le grain de semence ». Vous économisez maintenant, vous payez plus tard, et vous payez avec intérêts.
Pendant ce temps, l’université risque un cercle vicieux : elle forme des gens pour des rôles entry-level qui se rétrécissent, avec des cursus qui peuvent vieillir avant même d’être à plein régime.
Le diplômé de 2026 sort en moyenne avec des connaissances de 2023, parce que c’est l’année où le cursus a été pensé, pour un marché qui depuis a fait deux ou trois révolutions.
Trois minutes vs un an, et ce que j’ai vu dans les yeux des étudiants
Je reviens à cette démo parce que là, plus que dans les graphes, il y avait la partie émotive.
Le brief tenait en quelques lignes. Trois CSV joints. Zéro configuration.
En trois minutes, l’IA a produit des métriques agrégées, une segmentation, le ROAS, des visualisations, des recommandations.
Je le redis : ce n’était pas parfait. Mais c’était assez bon pour faire surgir une question silencieuse.
Et la question, dans la salle, s’est lue dans les yeux.
Je n’ai pas vu de panique. J’ai vu de la concentration. Cette forme d’attention qui arrive quand on comprend que le sol bouge vraiment sous les pieds.
Je ne sais pas pourquoi, ça m’a donné de l’espoir. Peut-être parce qu’il m’a semblé que les étudiants ne faisaient pas semblant. Ils regardaient.
Et c’est peut-être de là qu’on passe : ne plus faire semblant.
Parce que le message, au fond, était clair. Le « quoi » qu’on apprend devient moins important que le « comment » on apprend à apprendre.
Italie : bonne volonté, temps géologiques
En Italie, on n’est pas immobiles. Ce serait injuste de le dire.
Ces dernières années, l’offre de formation en IA a grandi, avec de nouveaux cursus, des masters, des contaminations avec d’autres disciplines, de la formation supérieure dans des champs précis. Il y a des stratégies nationales, des collaborations université-entreprises, des plateformes d’e-learning.
Ce sont des pas importants.
Mais il y a un grand « mais » : ils avancent à la vitesse institutionnelle. Appels d’offres, commissions, organes collégiaux. Pendant ce temps, dehors, on va à la vitesse des déploiements.
Quand un cours est ouvert après des années (ou même seulement des mois) de procédures, les outils qu’il enseigne risquent d’avoir déjà changé deux fois. Pas parce que le cours est mal fait. Parce que le temps est devenu un adversaire.
Et là, la divergence fait plus mal, parce qu’il ne s’agit pas d’incompétence. C’est une question d’architecture.
Les universités garantissent la qualité par la lenteur.
La technologie garantit la pertinence par la vitesse.
Pendant des années, ces deux logiques ont coexisté. Maintenant elles commencent à se cogner.
Ce que nous enseignons, et ce qu’il faudrait peut-être enseigner
Les compétences qui croissent le plus vite ces prochaines années forment un mélange étrange et magnifique. D’un côté IA et big data, cybersécurité, literacy technologique. De l’autre pensée créative, résilience, flexibilité, curiosité, apprentissage permanent, leadership.
Technique et profondément humain à la fois.
Et je me demande si le point n’est pas exactement là.
Il ne suffit pas d’enseigner un outil. Il faut enseigner à penser, à s’adapter, à communiquer, à décider sous incertitude. Parce que les outils changent. Et ils changent vite.
Il y a aussi un phénomène que nous lisons mal, à mon avis : la dépendance diffuse des étudiants à l’IA.
On l’appelle souvent paresse. Parfois oui. Mais parfois c’est un signal. Les étudiants sentent quand on leur demande d’investir de l’énergie dans des compétences qui semblent non pertinentes ou déjà dépassées. Et ils cherchent des raccourcis parce que, de leur point de vue, le jeu n’en vaut pas la chandelle.
Les universités (ou les écoles) qui répondent en interdisant l’IA mènent une guerre perdue.
Celles qui l’intègrent superficiellement risquent autre chose : normaliser l’usage sans changer vraiment l’objectif.
Il faut peut-être un repensé plus radical de ce que veut dire « compétence » en 2026.
La fin du curriculum statique
Je n’ai pas la prétention d’avoir des solutions définitives. Plus j’y pense, plus le problème me semble plein de compromis réels.
Mais quelques directions, au moins, se devinent.
La première est la modularité. Abandonner l’idée du curriculum monolithique pluriannuel et passer à des modules courts, actualisables, composables. Des micro-credentials qui se mettent à jour chaque semestre. Ce n’est pas un caprice « moderne ». C’est une façon de réaligner l’éducation à un monde qui n’attend pas.
La deuxième est de faire entrer des problèmes réels, pas des exercices. La différence est simple : un exercice a une solution connue, un problème réel non. L’IA est excellente avec les solutions connues, et c’est pour ça qu’elle rend obsolètes tant de projets traditionnels. Ce qui reste difficile, en revanche, c’est de choisir la bonne question, gérer l’ambiguïté, négocier avec des stakeholders, comprendre quand une donnée est « correcte » mais hors contexte.
La troisième est de traiter l’IA comme un environnement, pas comme une matière. Pas un cours isolé, mais une présence transversale, comme la calculatrice n’a pas tué les maths mais a changé ce que veut dire « les savoir ». L’IA ne tuera probablement pas la formation, mais elle changera ce que veut dire être compétent.
Et puis il y a les collaborations opérationnelles avec les entreprises. Pas des partenariats qui produisent un papier dans trois ans, mais des travaux partagés sur des problèmes réels, avec les mêmes outils, dans le même horizon temporel. C’est complexe, je sais. Mais c’est aussi l’un des rares moyens de récupérer du temps.
Enfin, enseigner à apprendre. Cela ressemble à une phrase de poster, mais aujourd’hui c’est presque la seule chose vraiment à l’épreuve du futur — et que l’université a peut-être perdue ces trente dernières années. Métacognition, esprit critique, capacité à évaluer de nouveaux outils, à les intégrer sans en devenir dépendant.
Le vrai danger n’est pas l’IA, c’est l’obsolescence
Si l’académie est perçue comme trop lente, trop chère, hors du temps, le risque est que les gens commencent à la contourner. Pas par méchanceté, par nécessité.
Et là arrive la question la plus inconfortable, celle que beaucoup d’étudiants se posent déjà, je le crains.
Quand vous découvrez que vous pouvez obtenir en trois minutes avec un assistant IA ce que votre cours vous a enseigné à faire en un an, vous ne pensez pas « super, j’ai des bases solides ». Vous pensez : pourquoi ai-je investi trois ans de ma vie et des milliers d’euros ?
La réponse existe, et c’est même une bonne réponse.
La valeur de l’université ne devrait pas être le transfert de compétences ponctuelles. Elle devrait être un cadre mental, l’esprit critique, la capacité d’argumenter, le réseau de relations, l’exposition à des disciplines diverses, la maturation personnelle.
Mais si le cursus est construit comme si la valeur principale était « apprendre à faire un dashboard », cette réponse sonne creux. Et c’est dur à dire, parce que derrière beaucoup de cours il y a un dévouement vrai.
L’urgence d’agir, sans panique
Aujourd’hui, dans le monde, nous investissons très peu, en proportion, dans l’apprentissage permanent des adultes. Pourtant, augmenter cet investissement pourrait générer une valeur énorme d’ici 2030.
Ce n’est pas qu’un problème éducatif. C’est économique. Social.
Les universités ont un avantage qu’aucune plateforme IA n’a : elles peuvent enseigner à penser de façon critique, à collaborer en profondeur, à naviguer l’ambiguïté éthique.
Mais seulement si elles cessent de jouer sur le terrain où l’IA gagne — c’est-à-dire le transfert d’informations et l’exécution de tâches structurées — et se concentrent sur ce qui les rend irremplaçables.
Le temps de cette transition n’est pas « dans les prochaines années ». C’est maintenant.
Chaque semestre qui passe avec des cursus inchangés est un semestre d’étudiants qui sortent moins préparés qu’ils ne pourraient l’être.
La vitesse de l’IA ne ralentira pas pour attendre les comités pédagogiques.
Cette démo de trois minutes n’était pas une provocation. C’était un miroir.
Et ce qui m’a le plus frappé, ce n’est pas la vitesse de l’IA. C’est la lenteur de tout le reste.
Ce qu'il faut retenir
La demi-vie des compétences techniques est tombée sous la durée d’un master.
Si l’IA mange le travail entry-level, le canal qui forme les seniors de demain disparaît aussi.
L’université ne reste irremplaçable que si elle cesse de jouer sur le terrain où l’IA gagne.
Questions & réponses
Que signifie qu'un agent IA reproduit en 3 minutes un projet universitaire annuel ?
Qu’une grande partie de ce qu’un cours d’informatique utilise comme « projet pédagogique » (implémenter une structure de données, un petit framework, un outil) est désormais produisible par un agent en quelques minutes. Cela ne dévalue pas l’apprentissage — mais oblige à demander ce que l’université enseigne vraiment. Si la valeur était la pratique de l’écriture de code, cette pratique s’est dématérialisée.
Alors l'université est-elle hors-jeu ?
Non, mais elle doit choisir son camp. Elle peut rester centrale si elle déplace le focus des produits (code, outils) vers les processus (comment on raisonne sur un problème, comment on conçoit un système, comment on évalue une alternative). Elle peut devenir hors-jeu si elle continue de donner pour un an ce qu’un agent produit en un après-midi — parce que l’étudiant apprend à le cacher, pas à le comprendre.
Comment les programmes devraient-ils changer ?
Évaluer la compréhension, pas le produit final. Examen oral sur l’explication du code (généré ou non), projets avec contraintes que l’IA ne peut résoudre seule (domaines de niche, données propriétaires, choix de trade-offs motivés), réduction des devoirs productifs au profit d’exercices de design, de critique et de debug. L’université efficace après l’IA est verticalement plus exigeante, pas plus permissive.
Que peut faire un étudiant aujourd'hui pour ne pas être broyé par la transformation ?
Utiliser l’IA, le déclarer, et dépenser le temps libéré sur la compréhension. Le diplômé qui fait semblant de ne pas utiliser d’agents parce que c’est interdit, et celui qui les utilise comme raccourci sans comprendre, finissent au même point — un papier et zéro compétence. Celui qui se sert des agents pour accélérer la partie mécanique et investit le temps dans l’interrogation des résultats sort avec une combinaison rare et très demandée.
L'auteur
