Pourquoi Infosys reforme ses jeunes recrues : les informaticiens indiens ne sont pas prêts pour l'ère de l'IA

Le marché indien des talents informatiques se heurte à une réalité dérangeante : un diplôme de computer science ne garantit plus d'être prêt à travailler à l'ère de l'IA, et les employeurs doivent former les jeunes diplômés à partir de zéro aux nouveaux outils de développement.

Le problème se situe à la jonction entre enseignement et pratique. Les cursus universitaires mettent toujours l'accent sur les langages classiques, les algorithmes, les examens et l'écriture manuelle du code, alors que les équipes réelles travaillent de plus en plus avec le développement assisté par IA : génération de code, autocomplétion, analyse d'erreurs, prototypage rapide et vérification des résultats par la machine. Résultat, un jeune spécialiste peut connaître la théorie mais comprendre mal le fonctionnement d'un flux de travail moderne, où une partie de la routine est déjà déléguée aux modèles.

Les programmes évoluent lentement, et le recrutement de masse fondé sur des tests standard révèle toujours mal si le candidat sait travailler dans un environnement où la vitesse dépend désormais non seulement de la personne, mais aussi de sa capacité à bien utiliser l'IA.

Du coup, de grands employeurs comme Infosys sont contraints de consacrer des semaines à l'intégration des nouveaux salariés. Il ne s'agit pas simplement de se familiariser avec un énième IDE ou avec les standards internes de l'entreprise. On apprend aux débutants à formuler des tâches pour les outils d'IA, à vérifier le code généré, à traquer les hallucinations, à gérer la sécurité, les tests et la qualité du résultat. Autrement dit, les entreprises comblent un fossé que l'université ou la pratique autodidacte couvrait en partie auparavant.

Pour l'employeur, cela représente des dépenses de formation supplémentaires au moment où l'entreprise attend au contraire de l'IA qu'elle accélère le développement et rentabilise plus vite les juniors. Pour l'Inde, le sujet est particulièrement sensible, car le pays est depuis de nombreuses années l'un des principaux fournisseurs d'ingénieurs pour l'informatique mondiale et l'externalisation.

Quand le modèle de développement change aussi vite, la valeur des compétences de base change avec lui. Il ne suffit plus d'écrire une fonction ou de résoudre un problème d'algorithmique : il faut savoir intégrer l'IA au travail quotidien, accélérer le delivery et rester responsable du résultat. Les employeurs attendent non seulement la connaissance de la syntaxe, mais aussi la capacité à maîtriser vite une nouvelle stack, à comprendre la problématique produit et à contrôler la qualité de ce que propose le modèle. Pour les sociétés de services, ce n'est plus une question académique, mais une question de marges, de délais de livraison et de réputation auprès des clients étrangers.

Il existe aussi un problème structurel : l'IA change la porte d'entrée de la profession. Autrefois, on attendait du développeur junior qu'il exécute soigneusement des tâches répétitives, qui lui permettaient d'acquérir de l'expérience. Aujourd'hui, une part importante de cette routine est automatisée, et les postes d'entrée deviennent plus exigeants. On n'attend plus du débutant une simple docilité envers le processus, mais la capacité à comprendre vite le code d'autrui, à écrire de bons prompts, à vérifier le résultat du modèle et à discerner où l'automatisation aide et où elle crée un risque. Le passage de l'université à une équipe réelle devient plus rude, surtout pour ceux formés selon d'anciens schémas.

Cette histoire a aussi une portée plus large. L'IA ne supprime pas la demande de programmeurs, mais elle relève le seuil d'aptitude professionnelle. Les entreprises sont moins disposées à payer un travail manuel lent quand une partie de la tâche peut être automatisée.

Un diplôme formel et le lot standard de travaux pratiques ne suffisent donc plus aux diplômés. Seront plus compétitifs ceux qui savent travailler avec des assistants d'IA, connaissent les bases de l'architecture, des tests et de la data privacy, et savent expliquer pourquoi telle réponse du modèle peut ou ne peut pas passer en production. En pratique, le marché commence à évaluer non le volume de connaissances acquises, mais la vitesse d'adaptation, l'esprit critique et la discipline d'ingénierie.

Si la tendance se confirme, les universités devront réviser leurs programmes nettement plus vite qu'avant. Les cours de programmation sans pratique des outils d'IA perdront de leur valeur, et la formation en entreprise deviendra plus longue et plus coûteuse. Pour les entreprises, ce sont des coûts supplémentaires ; pour les étudiants, un signal : le marché n'achète plus le « diplôme seul ». Il achète la capacité d'apprendre vite, de penser de façon critique et de travailler aux côtés de l'IA, et non à l'écart.

Pour les diplômés eux-mêmes, la conclusion est simple : il faut maîtriser les nouveaux outils avant le premier emploi. Sinon, l'employeur leur fera de toute façon la première vraie école de développement, mais au prix de temps perdu et d'une concurrence plus rude pour le poste.