Derrière la ruée vers ChatGPT et les agents intelligents, une réalité beaucoup moins spectaculaire apparaît : les compétences capables de comprendre, entraîner et optimiser les grands modèles d’IA restent concentrées entre les mains d’une poignée d’experts.
L’intelligence artificielle semble partout. Dans les bureaux, les écoles, les banques, les rédactions, les administrations, les usines. On l’utilise pour rédiger, traduire, programmer, analyser des données, répondre à des clients ou automatiser des tâches répétitives.
Cette présence massive pourrait laisser croire que l’IA est devenue une compétence largement partagée. C’est vrai pour l’usage. Beaucoup moins pour la maîtrise réelle.
Car derrière les interfaces faciles à utiliser, les réponses instantanées et les démonstrations spectaculaires, se cache une réalité autrement plus rare : les personnes capables de comprendre en profondeur les grands modèles d’intelligence artificielle se comptent probablement par milliers, peut-être même par centaines à l’échelle mondiale.
Steve Lucas, directeur général de Boomi, avance une estimation frappante. Selon lui, il y aurait moins de trois mille personnes dans le monde — et peut-être moins de deux mille — capables de construire et d’entraîner un modèle d’IA à l’échelle des grands modèles de langage actuels.
Il ne s’agit pas d’un chiffre officiel ni d’un recensement scientifique. Lucas parle lui-même d’un pari. Mais cette estimation a le mérite de mettre le doigt sur une réalité largement admise dans l’industrie : les compétences les plus avancées de l’IA sont extrêmement concentrées.
Et cette concentration pourrait devenir l’un des grands rapports de force économiques de la décennie.
## Utiliser l’IA n’est pas la comprendre
La confusion vient souvent de là. Utiliser un modèle d’intelligence artificielle est devenu relativement simple. Poser une question, demander un résumé, générer une image, écrire une note ou produire du code ne nécessite pas un doctorat en mathématiques.
Mais construire un modèle capable de traiter du langage, de raisonner sur des données, de produire du code ou de dialoguer avec des millions d’utilisateurs relève d’un autre univers.
Il faut comprendre les réseaux neuronaux, les mécanismes d’apprentissage, la qualité des données, les architectures de calcul, les méthodes d’évaluation, les risques de biais, les problèmes de sécurité et les limites des systèmes génératifs.
Autrement dit, savoir utiliser l’IA ne signifie pas savoir la contrôler.
C’est un peu comme conduire une voiture moderne. On peut parfaitement utiliser un véhicule sans comprendre le fonctionnement d’un moteur, d’une boîte de vitesses, des capteurs ou du système de freinage. Mais lorsqu’une panne complexe survient, il faut quelqu’un qui sache ouvrir le capot.
L’IA est aujourd’hui dans cette situation. Des millions de personnes savent l’utiliser. Très peu savent réellement ce qui se passe sous le capot.
## Une rareté qui dépasse les géants de la tech
Pendant longtemps, cette expertise a surtout concerné les grands groupes technologiques, les laboratoires de recherche et les universités de très haut niveau. Google, Microsoft, Meta, OpenAI, Anthropic ou encore Nvidia ont constitué des équipes capables de travailler sur les fondations mêmes de l’intelligence artificielle.
Mais une nouvelle étape est en train d’être franchie.
Les entreprises classiques — banques, assurances, industriels, distributeurs, opérateurs télécoms, groupes de santé, médias, administrations — commencent elles aussi à vouloir intégrer l’IA dans leurs activités quotidiennes.
Elles ne cherchent pas forcément à construire leur propre grand modèle de langage. Peu en auront les moyens financiers, techniques ou énergétiques. En revanche, elles auront besoin de professionnels capables de comprendre les modèles disponibles, de choisir les bons outils, de les alimenter avec des données fiables et de les connecter aux besoins réels de l’entreprise.
C’est là que la pénurie devient stratégique.
Il ne faudra pas nécessairement savoir créer un LLM à partir de zéro. Mais il faudra comprendre comment il fonctionne, ce qu’il peut faire, ce qu’il ne sait pas faire, et surtout dans quelles conditions il devient dangereux ou inefficace.
Une entreprise qui confie son service client à une IA sans vérifier la qualité de ses réponses peut rapidement perdre la confiance de ses clients. Une banque qui automatise des décisions sans maîtrise des biais peut prendre des risques juridiques et réputationnels. Une administration qui déploie un outil mal calibré peut créer plus de confusion que de simplification.
L’IA ne sera donc pas seulement une affaire de technologie. Elle deviendra une affaire de compétence, de gouvernance et de responsabilité.
## Le nouvel ingénieur de pointe
Steve Lucas évoque l’émergence d’un profil particulier : l’ingénieur capable de faire le lien entre les modèles de pointe et les besoins concrets des entreprises.
Ce professionnel ne serait ni un simple développeur, ni seulement un directeur de l’intelligence artificielle chargé de la stratégie et de la conformité. Il serait situé entre les deux : assez technique pour comprendre les subtilités des réseaux neuronaux, assez proche du terrain pour transformer cette connaissance en résultats mesurables.
Ce profil devra savoir travailler avec les données, comprendre les mécanismes de l’apprentissage automatique, intégrer des modèles existants, construire des dispositifs de contrôle, évaluer les erreurs, sécuriser les usages et dialoguer avec les équipes métiers.
C’est une compétence hybride. Et c’est précisément ce qui la rend rare.
Car il est déjà difficile de trouver des personnes maîtrisant la science des données. Il est encore plus difficile de trouver celles qui comprennent réellement les réseaux neuronaux. Mais il est plus rare encore de rencontrer des profils capables d’appliquer ces compétences dans une entreprise qui n’est pas, à l’origine, une entreprise technologique.
La difficulté n’est pas de faire fonctionner une démonstration. La difficulté est de faire fonctionner une IA dans le monde réel.
## Le risque du jargon et des faux experts
Cette rareté crée aussi un terrain favorable au jargon.
Depuis l’explosion de l’IA générative, les titres de poste se multiplient. Prompt engineer, AI strategist, agent architect, LLM specialist, automation consultant. Certains correspondent à de vraies compétences. D’autres sont parfois des habillages marketing pour des savoir-faire plus classiques.
Le risque, pour les entreprises, est de recruter des profils qui maîtrisent le vocabulaire sans maîtriser la technologie.
Dans ce contexte, les directions des ressources humaines et les cabinets de recrutement auront eux aussi un rôle essentiel. Ils devront apprendre à distinguer les utilisateurs habiles des véritables experts. Ils devront comprendre qu’un bon profil IA ne se réduit pas à une certification ou à une liste d’outils affichés sur LinkedIn.
La question ne sera pas seulement : « Connaissez-vous tel modèle ? »
Elle deviendra : « Avez-vous déjà intégré une IA dans un environnement complexe ? Savez-vous mesurer ses erreurs ? Savez-vous expliquer ses limites ? Savez-vous éviter qu’elle produise de mauvaises décisions ? »
Le marché de l’IA sera aussi un marché de la lucidité.
## Pour le Maroc, une question de souveraineté de compétences
Cette réflexion concerne directement le Maroc.
Le pays investit dans la digitalisation, les startups, les services, l’industrie, la formation et la modernisation administrative. Mais l’IA ne se résumera pas à acheter des licences américaines ou à tester des assistants conversationnels.
Le véritable enjeu sera de former des ingénieurs, des chercheurs, des data scientists et des responsables métiers capables de comprendre ces outils, de les adapter aux réalités locales et de les déployer avec méthode.
Les entreprises marocaines auront besoin de profils capables de travailler en arabe, en français, en darija, parfois en amazigh, avec des données imparfaites, des organisations encore peu structurées et des exigences fortes en matière de sécurité et de confiance.
L’avenir ne dépendra donc pas seulement de la puissance des modèles importés. Il dépendra aussi de la capacité du pays à faire émerger ses propres compétences de haut niveau.
Car dans la nouvelle économie de l’IA, le véritable pouvoir ne sera pas détenu uniquement par ceux qui utilisent les outils.
Il appartiendra à ceux qui savent réellement les comprendre.
L’intelligence artificielle semble partout. Dans les bureaux, les écoles, les banques, les rédactions, les administrations, les usines. On l’utilise pour rédiger, traduire, programmer, analyser des données, répondre à des clients ou automatiser des tâches répétitives.
Cette présence massive pourrait laisser croire que l’IA est devenue une compétence largement partagée. C’est vrai pour l’usage. Beaucoup moins pour la maîtrise réelle.
Car derrière les interfaces faciles à utiliser, les réponses instantanées et les démonstrations spectaculaires, se cache une réalité autrement plus rare : les personnes capables de comprendre en profondeur les grands modèles d’intelligence artificielle se comptent probablement par milliers, peut-être même par centaines à l’échelle mondiale.
Steve Lucas, directeur général de Boomi, avance une estimation frappante. Selon lui, il y aurait moins de trois mille personnes dans le monde — et peut-être moins de deux mille — capables de construire et d’entraîner un modèle d’IA à l’échelle des grands modèles de langage actuels.
Il ne s’agit pas d’un chiffre officiel ni d’un recensement scientifique. Lucas parle lui-même d’un pari. Mais cette estimation a le mérite de mettre le doigt sur une réalité largement admise dans l’industrie : les compétences les plus avancées de l’IA sont extrêmement concentrées.
Et cette concentration pourrait devenir l’un des grands rapports de force économiques de la décennie.
## Utiliser l’IA n’est pas la comprendre
La confusion vient souvent de là. Utiliser un modèle d’intelligence artificielle est devenu relativement simple. Poser une question, demander un résumé, générer une image, écrire une note ou produire du code ne nécessite pas un doctorat en mathématiques.
Mais construire un modèle capable de traiter du langage, de raisonner sur des données, de produire du code ou de dialoguer avec des millions d’utilisateurs relève d’un autre univers.
Il faut comprendre les réseaux neuronaux, les mécanismes d’apprentissage, la qualité des données, les architectures de calcul, les méthodes d’évaluation, les risques de biais, les problèmes de sécurité et les limites des systèmes génératifs.
Autrement dit, savoir utiliser l’IA ne signifie pas savoir la contrôler.
C’est un peu comme conduire une voiture moderne. On peut parfaitement utiliser un véhicule sans comprendre le fonctionnement d’un moteur, d’une boîte de vitesses, des capteurs ou du système de freinage. Mais lorsqu’une panne complexe survient, il faut quelqu’un qui sache ouvrir le capot.
L’IA est aujourd’hui dans cette situation. Des millions de personnes savent l’utiliser. Très peu savent réellement ce qui se passe sous le capot.
## Une rareté qui dépasse les géants de la tech
Pendant longtemps, cette expertise a surtout concerné les grands groupes technologiques, les laboratoires de recherche et les universités de très haut niveau. Google, Microsoft, Meta, OpenAI, Anthropic ou encore Nvidia ont constitué des équipes capables de travailler sur les fondations mêmes de l’intelligence artificielle.
Mais une nouvelle étape est en train d’être franchie.
Les entreprises classiques — banques, assurances, industriels, distributeurs, opérateurs télécoms, groupes de santé, médias, administrations — commencent elles aussi à vouloir intégrer l’IA dans leurs activités quotidiennes.
Elles ne cherchent pas forcément à construire leur propre grand modèle de langage. Peu en auront les moyens financiers, techniques ou énergétiques. En revanche, elles auront besoin de professionnels capables de comprendre les modèles disponibles, de choisir les bons outils, de les alimenter avec des données fiables et de les connecter aux besoins réels de l’entreprise.
C’est là que la pénurie devient stratégique.
Il ne faudra pas nécessairement savoir créer un LLM à partir de zéro. Mais il faudra comprendre comment il fonctionne, ce qu’il peut faire, ce qu’il ne sait pas faire, et surtout dans quelles conditions il devient dangereux ou inefficace.
Une entreprise qui confie son service client à une IA sans vérifier la qualité de ses réponses peut rapidement perdre la confiance de ses clients. Une banque qui automatise des décisions sans maîtrise des biais peut prendre des risques juridiques et réputationnels. Une administration qui déploie un outil mal calibré peut créer plus de confusion que de simplification.
L’IA ne sera donc pas seulement une affaire de technologie. Elle deviendra une affaire de compétence, de gouvernance et de responsabilité.
## Le nouvel ingénieur de pointe
Steve Lucas évoque l’émergence d’un profil particulier : l’ingénieur capable de faire le lien entre les modèles de pointe et les besoins concrets des entreprises.
Ce professionnel ne serait ni un simple développeur, ni seulement un directeur de l’intelligence artificielle chargé de la stratégie et de la conformité. Il serait situé entre les deux : assez technique pour comprendre les subtilités des réseaux neuronaux, assez proche du terrain pour transformer cette connaissance en résultats mesurables.
Ce profil devra savoir travailler avec les données, comprendre les mécanismes de l’apprentissage automatique, intégrer des modèles existants, construire des dispositifs de contrôle, évaluer les erreurs, sécuriser les usages et dialoguer avec les équipes métiers.
C’est une compétence hybride. Et c’est précisément ce qui la rend rare.
Car il est déjà difficile de trouver des personnes maîtrisant la science des données. Il est encore plus difficile de trouver celles qui comprennent réellement les réseaux neuronaux. Mais il est plus rare encore de rencontrer des profils capables d’appliquer ces compétences dans une entreprise qui n’est pas, à l’origine, une entreprise technologique.
La difficulté n’est pas de faire fonctionner une démonstration. La difficulté est de faire fonctionner une IA dans le monde réel.
## Le risque du jargon et des faux experts
Cette rareté crée aussi un terrain favorable au jargon.
Depuis l’explosion de l’IA générative, les titres de poste se multiplient. Prompt engineer, AI strategist, agent architect, LLM specialist, automation consultant. Certains correspondent à de vraies compétences. D’autres sont parfois des habillages marketing pour des savoir-faire plus classiques.
Le risque, pour les entreprises, est de recruter des profils qui maîtrisent le vocabulaire sans maîtriser la technologie.
Dans ce contexte, les directions des ressources humaines et les cabinets de recrutement auront eux aussi un rôle essentiel. Ils devront apprendre à distinguer les utilisateurs habiles des véritables experts. Ils devront comprendre qu’un bon profil IA ne se réduit pas à une certification ou à une liste d’outils affichés sur LinkedIn.
La question ne sera pas seulement : « Connaissez-vous tel modèle ? »
Elle deviendra : « Avez-vous déjà intégré une IA dans un environnement complexe ? Savez-vous mesurer ses erreurs ? Savez-vous expliquer ses limites ? Savez-vous éviter qu’elle produise de mauvaises décisions ? »
Le marché de l’IA sera aussi un marché de la lucidité.
## Pour le Maroc, une question de souveraineté de compétences
Cette réflexion concerne directement le Maroc.
Le pays investit dans la digitalisation, les startups, les services, l’industrie, la formation et la modernisation administrative. Mais l’IA ne se résumera pas à acheter des licences américaines ou à tester des assistants conversationnels.
Le véritable enjeu sera de former des ingénieurs, des chercheurs, des data scientists et des responsables métiers capables de comprendre ces outils, de les adapter aux réalités locales et de les déployer avec méthode.
Les entreprises marocaines auront besoin de profils capables de travailler en arabe, en français, en darija, parfois en amazigh, avec des données imparfaites, des organisations encore peu structurées et des exigences fortes en matière de sécurité et de confiance.
L’avenir ne dépendra donc pas seulement de la puissance des modèles importés. Il dépendra aussi de la capacité du pays à faire émerger ses propres compétences de haut niveau.
Car dans la nouvelle économie de l’IA, le véritable pouvoir ne sera pas détenu uniquement par ceux qui utilisent les outils.
Il appartiendra à ceux qui savent réellement les comprendre.