IA, relève et travail réel : qui prépare vraiment le Québec aux métiers transformés ?

À la suite d’une entrevue accordée à Radio-Canada sur les effets de l’intelligence artificielle sur l’emploi, une question m’est restée en tête. Elle dépasse largement les annonces de pertes d’emplois dans les grandes entreprises technologiques. Elle touche directement le Québec, ses établissements d’enseignement, ses organisations et sa relève.

Qui prépare vraiment les jeunes, les étudiantes et étudiants, ainsi que les personnes en transition professionnelle, aux métiers transformés par l’IA ?

Le Québec a eu raison d’encadrer l’intelligence artificielle à l’école. Il fallait baliser les usages, protéger l’intégrité intellectuelle et repenser certaines pratiques d’évaluation. Mais nous nous sommes peut-être arrêtés à mi-chemin.

La question n’est plus seulement de savoir ce qu’un étudiant peut faire avec l’IA dans un travail scolaire. Elle devient plus large, plus concrète, plus urgente : comment préparons-nous la relève québécoise à entrer dans des métiers où les tâches, les décisions et les responsabilités se transforment déjà ?

Depuis plusieurs sessions, le même constat revient dans mes cours au cégep. Mes étudiants n’attendent pas qu’on leur parle de l’IA. Ils l’essaient déjà. Ils testent, comparent, contournent, bricolent. Ils savent obtenir rapidement un plan, une synthèse, une réponse rédigée, parfois même un texte acceptable sur le plan formel. Mais entre produire un résultat et en assumer les conséquences, il reste un écart. Et c’est précisément cet écart que la formation doit maintenant prendre au sérieux.

Au Québec, le débat sur l’IA a surtout pris la forme d’un enjeu pédagogique. Intégrité, plagiat, évaluation, encadrement : cette étape était nécessaire, et elle l’est encore. Des collègues en philosophie, en éthique, en droit et en pédagogie ont très justement rappelé que l’IA ne pose pas seulement une question d’outil, mais aussi de jugement, de responsabilité et de sens.

Mais nous avons maintenant besoin d’une deuxième étape.

Il faut relier plus clairement l’IA au travail réel.

Cette deuxième étape est d’autant plus urgente que le Québec entre dans une période majeure de remplacement de main-d’œuvre. Selon les prévisions du ministère de l’Emploi et de la Solidarité sociale, plus de 1,4 million d’emplois seront pourvus de 2024 à 2033, dont 72 % pour répondre à la demande de remplacement, principalement liée aux départs à la retraite.

L’IA ne transforme pas seulement la manière de faire des travaux scolaires. Elle transforme déjà la manière de rédiger, planifier, analyser, organiser, documenter, coordonner, répondre à un client, préparer une décision ou soutenir une équipe. Autrement dit, elle ne touche pas seulement les métiers de la technologie. Elle entre dans l’administration, la gestion, le marketing, la comptabilité, les ressources humaines, l’entrepreneuriat, la relation client et les fonctions de coordination. Partout où le travail repose sur de l’information, de la rédaction, de l’analyse et de la décision, l’IA modifie déjà les tâches.

C’est pourquoi le débat ne peut plus rester limité à la conformité scolaire.

La vraie question devient : quelles tâches seront automatisées ? Lesquelles seront augmentées ? Lesquelles devront demeurer sous responsabilité humaine ? Et surtout : avec quel jugement ?

Prenons un exemple simple : Excel.

Pendant longtemps, pour bien des étudiants, le tableur a été moins un outil d’analyse qu’une barrière technique. La logique des formules, les tableaux croisés et les manipulations requises mobilisaient une part importante de l’effort. Aujourd’hui, l’IA transforme la nature de la difficulté. Là où l’étudiant devait auparavant maîtriser la mécanique du tableur pour produire un résultat, il peut maintenant décrire son besoin en langage naturel et laisser l’outil proposer une formule, structurer un tableau ou générer une première interprétation des données.

La difficulté n’a pas disparu. Elle s’est déplacée !

L’enjeu n’est plus seulement de produire un résultat. Il est d’en vérifier la validité, d’en comprendre la logique, d’en repérer les limites et d’en assumer les conséquences.

On objectera que l’école n’a pas à courir derrière chaque mutation technologique. On dira aussi qu’à vouloir intégrer trop vite l’IA, on risque d’affaiblir les apprentissages fondamentaux. Cette objection est sérieuse. Elle touche au cœur même de la mission éducative. Mais elle enferme le débat dans une alternative trompeuse.

Former au jugement dans un environnement outillé par l’IA ne signifie pas abandonner les bases. Cela signifie au contraire les rendre plus exigeantes.

On ne vérifie pas une formule si l’on ne comprend pas ce qu’elle calcule. On ne corrige pas une synthèse si l’on ne sait pas lire, hiérarchiser et interpréter l’information. On ne repère pas une erreur de raisonnement si l’on ne maîtrise pas soi-même les notions de base.

Plus l’outil simplifie l’exécution, plus la compréhension des fondements devient décisive.

Le temps gagné en apparence peut aussi masquer une perte plus profonde : lorsque l’IA prend en charge les opérations qui permettaient d’apprendre, elle peut fragiliser les conditions mêmes dans lesquelles se forme le jugement.

Le vrai danger n’est donc pas d’enseigner l’IA trop tôt.

Le vrai danger serait de laisser croire qu’un étudiant peut piloter un résultat dont il ne maîtrise ni la logique, ni les limites, ni les effets.

Autrement dit, les fondamentaux ne disparaissent pas. Ils changent d’épreuve. Ils ne se mesurent plus seulement dans la capacité à faire seul, mais aussi dans la capacité à comprendre ce que l’on valide, ce que l’on corrige et ce que l’on accepte de signer de son nom.

C’est ce déplacement que nous devons nommer.

Nous avons commencé par protéger le sens des apprentissages. Il faut maintenant protéger aussi le sens du travail.

Dans mes cours, cela change déjà ma manière d’enseigner. Je ne demande plus seulement à un étudiant de produire une réponse. Je lui demande d’expliquer ce qu’il garde de l’IA, ce qu’il corrige, ce qu’il écarte et ce qu’il est prêt à assumer. Ce qui doit être évalué, ce n’est pas uniquement la qualité d’une production. C’est aussi la qualité du jugement exercé avec, contre ou malgré l’outil. Dans les programmes menant à l’administration, à la gestion, au marketing, à la comptabilité, aux ressources humaines et à l’entrepreneuriat, il devient urgent d’enseigner et d’évaluer le discernement professionnel face à l’IA.

• Savoir quand recourir à l’outil.

• Savoir jusqu’où lui faire confiance.

• Savoir quand reprendre la main.

• Savoir expliquer une décision.

• Savoir assumer la responsabilité finale.

Nos étudiants ne sont pas les simples spectateurs d’une révolution technologique. Ils en expérimentent déjà les usages. Le véritable enjeu est maintenant de transformer cette expérimentation informelle en savoir-agir professionnel.

C’est ici que la formation, les milieux de travail, les ordres professionnels, les associations sectorielles et l’État québécois doivent mieux s’arrimer. Tant que l’école parlera surtout d’intégrité scolaire, que les entreprises parleront surtout de productivité, que les fournisseurs parleront surtout d’outils et que les politiques publiques parleront surtout d’innovation, une question demeurera insuffisamment travaillée : que doit encore porter le jugement humain lorsque l’IA entre dans le travail réel ?

À force de traiter l’IA surtout comme un problème de plagiat ou de conformité scolaire, on risque d’éviter une question plus inconfortable : que vaut un diplôme si l’on n’apprend pas aussi à répondre d’une décision prise avec une machine ?

Le vrai risque, pour le Québec, n’est pas seulement que des étudiants utilisent l’IA pour aller trop vite. Le vrai risque, c’est de continuer à diplômer une relève surtout entraînée à produire des résultats convenables en apparence, alors que les organisations auront besoin de personnes capables de juger, de corriger et d’assumer.

Une société qui voit partir progressivement une partie de ses travailleurs expérimentés sans clarifier ce qu’elle attend encore du jugement humain ne prépare pas sa relève. Elle la met à l’épreuve.

Préparer la relève, aujourd’hui, ce n’est plus seulement apprendre à faire.

C’est apprendre à répondre.

Et si le Québec tarde encore à franchir cette deuxième étape, il risque de découvrir trop tard qu’il a mieux encadré les travaux scolaires qu’il n’a préparé le travail réel.

Entre formation, entrevue publique et travail réel, la relève québécoise devra apprendre à exercer son jugement humain dans des métiers déjà transformés par l’IA.

Transparence :

Image générée par l’IA.

Texte pensé et écrit par un humain, puis relu avec l’IA.

@ 2026 Éric Mateu-Huon.

À l’ère de l’instantané, je choisis encore le temps long de l’écriture. Merci d’avoir pris ce temps. Éric 🙏