Évaluer les compétences à l’ère de l’IA

J’ai eu le malheur de cliquer sur un post qui critiquait les CV. L’algorithme m’en a évidemment servi un deuxième. Veuillez m’excuser pour ce qui va suivre.

Quelques lignes suffisent généralement pour condenser dix ou vingt années de vie professionnelle : un diplôme, des fonctions, des dates, quelques compétences et une présentation suffisamment soignée pour franchir le premier filtre. Le CV répond à une nécessité pratique. Lorsqu’un recruteur reçoit des dizaines de candidatures, il lui faut comparer rapidement des parcours qu’il ne connaît pas. Cet outil de synthèse a fini par acquérir une portée bien supérieure à sa fonction initiale. Présenter une expérience et apprécier la valeur professionnelle de celui qui l’a vécue sont pourtant deux exercices très différents.

Un excellent mécanicien peut avoir passé quinze ans à diagnostiquer des pannes complexes, former de nouveaux collègues, improviser des solutions dans l’urgence et acquérir une connaissance extrêmement fine de son métier, tout en résumant son parcours par une ligne désespérément pauvre : « mécanicien, 2010-2025 ». À quelques candidatures de distance, un profil bien plus habile avec les codes du recrutement saura détailler chaque tâche, choisir les termes attendus et valoriser la moindre responsabilité. Le deuxième dossier sera plus séduisant, plus lisible, parfois mieux classé. La compétence réelle, elle, reste encore à découvrir.

Savoir se présenter comptait ainsi dans l’évaluation, sans qu’on le dise. Une mauvaise maîtrise de l’écrit, une méconnaissance des usages du recrutement ou simplement l’absence d’intérêt pour l’autopromotion pouvaient suffire à rendre presque invisible une expérience pourtant remarquable. Le phénomène touchait certains métiers techniques ou manuels, où l’habileté, l’observation, l’expérience accumulée et la résolution concrète de problèmes occupent une place bien plus importante que l’aptitude à rédiger un document de candidature.

L’intelligence artificielle bouleverse déjà cet équilibre. Quelques informations brutes peuvent être transformées en un CV structuré, précis et adapté au vocabulaire d’un secteur. Une expérience mal décrite retrouve ses détails, des compétences implicites deviennent explicites, un parcours complexe gagne en lisibilité. Pour quelqu’un qui maîtrise son métier sans maîtriser les codes du recrutement, l’écart entre le travail réellement accompli et la manière de le raconter se réduit fortement.

Exactement les mêmes outils sont accessibles à un candidat beaucoup moins expérimenté. Une lettre irréprochable ne renseigne plus nécessairement sur l’aisance rédactionnelle de son signataire. Une présentation très professionnelle peut recouvrir un parcours assez pauvre. La cohérence apparente d’une carrière se fabrique désormais avec une facilité inconnue il y a quelques années. À mesure que la forme devient simple à perfectionner, elle perd une partie de sa valeur comme indice permettant de départager les personnes.

Le diplôme mesure une partie du parcours

L’autorité accordée au diplôme repose sur des bases beaucoup plus solides. Une formation reconnue atteste l’acquisition de connaissances, le respect d’un programme et la réussite d’évaluations. Dans les professions engageant la santé, la sécurité ou des responsabilités réglementées, cette certification constitue une garantie indispensable. Son pouvoir d’évaluation devient beaucoup plus incertain lorsqu’on lui demande de renseigner également sur la curiosité, l’autonomie intellectuelle, l’inventivité, l’intuition pratique, la faculté d’apprendre ou l’aptitude à établir des liens entre plusieurs disciplines.

Quelques trajectoires célèbres suffisent à illustrer l’écart possible entre formation académique et accomplissement ultérieur. Michael Faraday a reçu une instruction scolaire limitée avant de devenir l’une des figures majeures de la physique expérimentale. George Boole s’est largement formé par lui-même avant que ses travaux mathématiques prennent une place centrale dans la logique moderne puis dans l’informatique. Srinivasa Ramanujan a développé une grande partie de son savoir mathématique au fil d’un parcours académique profondément irrégulier. Mary Anning a contribué aux débuts de la paléontologie alors que son origine sociale et la condition des femmes de son époque limitaient fortement son accès au monde scientifique.

Les arts, l’entrepreneuriat ou la réflexion sur la société offrent d’autres trajectoires difficiles à faire entrer dans une grille uniforme. Jane Jacobs a durablement marqué la pensée urbaine sans diplôme universitaire. Stanley Kubrick a commencé par la photographie avant de construire son œuvre cinématographique. Quentin Tarantino a quitté l’école très tôt et s’est formé par une fréquentation intensive du cinéma. Jimi Hendrix a développé son langage musical avant tout par la pratique. Steve Jobs, Bill Gates et Mark Zuckerberg ont quitté l’université avant l’obtention de leur diplôme.

Aucune de ces biographies ne transforme l’abandon des études en recette du succès. Leur intérêt se situe ailleurs. Elles rappellent simplement que le niveau scolaire atteint ne décrit qu’une partie des aptitudes susceptibles de se développer au cours d’une vie. Une intelligence vive peut s’épanouir dans un cadre académique, dans un atelier, au contact d’un métier, à travers des lectures, au fil d’expériences successives ou dans la rencontre imprévisible de plusieurs domaines.

Le regard porté sur ces trajectoires change une fois la reconnaissance acquise. Une carrière devenue célèbre semble souvent cohérente lorsqu’on la reconstruit après coup. Les hésitations deviennent des bifurcations fécondes, les échecs prennent l’allure d’étapes nécessaires, les choix atypiques annoncent presque naturellement la réussite future. Avant que les résultats soient visibles, le même parcours aurait parfois été lu comme instable, décousu ou insuffisamment qualifié. Notre difficulté se situe précisément dans cet intervalle, lorsque la valeur existe déjà sans bénéficier encore des signes qui la rendent socialement évidente.

Apprendre autrement, apprendre plus vite

Bien avant l’arrivée des modèles génératifs, Internet avait profondément élargi l’accès au savoir. Des cours universitaires, des publications scientifiques, des conférences, des documentations techniques, des logiciels et des bibliothèques entières sont devenus accessibles depuis un ordinateur. L’abondance ne réglait toutefois pas tout. Une personne devait encore identifier les bonnes ressources, comprendre leur niveau, repérer ce qu’elle ignorait et construire seule un chemin cohérent à travers une masse d’informations parfois contradictoires.

Les outils d’IA ajoutent une interaction permanente à cet univers documentaire. Une notion obscure peut être reformulée de plusieurs manières, décomposée, illustrée puis confrontée à des exemples. Un utilisateur peut travailler une équation, explorer un langage informatique, examiner une hypothèse, rapprocher deux disciplines ou demander une explication tenant compte de ce qu’il connaît déjà. La connaissance ne se présente plus seulement comme une bibliothèque dans laquelle il faut trouver le bon ouvrage. Elle devient également un matériau avec lequel il est possible de dialoguer.

Pour l’autodidacte, la différence est majeure. Sa contrainte n’a jamais été seulement l’accès à l’information. Il lui faut identifier ses lacunes, comprendre pourquoi il bloque, trouver le bon niveau d’explication et repérer des erreurs qu’aucun professeur ne viendra spontanément corriger. Un interlocuteur disponible à toute heure facilite ce travail d’exploration et raccourcit certaines phases de tâtonnement. Des domaines autrefois éloignés deviennent plus faciles à approcher, y compris lorsqu’il faut franchir une barrière de vocabulaire ou acquérir rapidement les notions préalables permettant de poursuivre.

Une accélération aussi forte possède évidemment son revers. La fluidité d’une explication ne garantit pas sa justesse. Un vocabulaire spécialisé peut donner l’impression d’une maîtrise qui reste superficielle. Un programme fonctionnel peut avoir été largement généré sans que celui qui le présente comprenne son architecture. Une analyse élégante peut reposer sur une prémisse fragile ou sur une source mal interprétée. Plus l’outil facilite la production, plus la distinction entre obtenir un résultat et comprendre ce résultat mérite d’être examinée avec attention.

Vérifier une information, comparer plusieurs sources, identifier les hypothèses cachées, reconnaître une contradiction et savoir jusqu’où une conclusion reste valable deviennent des composantes centrales du travail intellectuel. L’IA amplifie les possibilités de celui qui l’utilise, mais cette amplification dépend largement de la qualité du raisonnement qui l’accompagne.

Deux utilisateurs placés devant le même modèle peuvent d’ailleurs suivre des chemins radicalement différents. Le premier cherche une réponse exploitable et s’arrête lorsqu’elle paraît satisfaisante. Le second examine les hypothèses, réclame les sources, modifie les paramètres, teste une autre méthode, cherche les points faibles et revient sur ce qu’il maîtrise insuffisamment. La technologie est identique. La qualité de l’exploration ne l’est pas.

Ce que nos anciens indicateurs disent encore

La disponibilité immédiate de l’information modifie également ce que nous valorisons. Mémoriser une grande quantité de connaissances procurait un avantage lorsque leur consultation demandait du temps, des livres spécialisés ou l’accès à certaines personnes. Cette faculté garde son utilité, mais elle partage désormais le terrain avec d’autres formes de maîtrise. Lorsque la matière première du savoir est disponible presque partout, définir correctement un problème, sélectionner les informations pertinentes, repérer une incohérence, comprendre les conséquences d’un choix ou intégrer rapidement un concept nouveau acquiert une importance différente.

Le CV reste essentiellement un récit du passé. Il indique ce qu’une personne a étudié, les postes qu’elle a occupés et les expériences qu’elle peut documenter. Sa lecture renseigne beaucoup moins sur la réaction d’un candidat devant une situation qu’il n’a jamais rencontrée. Dix années d’ancienneté peuvent avoir produit une grande expertise ou la simple répétition d’un même savoir-faire. Quelques années seulement peuvent, chez un autre profil, s’accompagner d’une progression fulgurante nourrie par la curiosité, l’expérimentation et une forte plasticité intellectuelle.

Lorsque les outils eux-mêmes évoluent rapidement, cette différence compte davantage. Les connaissances techniques restent nécessaires, mais leur durée de pertinence varie. Une personne capable d’actualiser ses méthodes, de comprendre un nouvel environnement et de transférer ses acquis d’un contexte à l’autre possède une ressource que la seule ancienneté décrit assez mal.

Observer le travail réel offre alors une lecture complémentaire. Une mise en situation, l’analyse d’une réalisation, l’explication d’une décision ou la manière de réagir face à une erreur donnent accès au raisonnement en action. Un candidat peut décrire ce qu’il a essayé, expliquer pourquoi une première solution a échoué, montrer ce qu’il a appris et défendre les choix qui ont conduit au résultat final. Ces éléments révèlent une profondeur que ni la beauté d’un CV ni l’intitulé d’un diplôme ne suffisent à établir.

L’arrivée de l’IA renforce cette nécessité parce qu’elle brouille précisément les signes extérieurs que nous utilisions pour effectuer un premier jugement. Une personne expérimentée dispose de meilleurs moyens pour rendre son savoir visible. Une personne peu compétente dispose de meilleurs moyens pour en produire l’apparence. La différence entre les deux se déplace vers la compréhension réelle, la maîtrise du contexte, la faculté d’expliquer ses choix et la possibilité de reproduire ou d’adapter le résultat obtenu.

Les parcours atypiques pourraient profiter de cette évolution. Quelqu’un qui s’est formé seul pendant plusieurs années peut produire, tester, documenter et présenter son travail avec des moyens autrefois difficiles à réunir sans appartenir à une structure bien équipée. Une succession de métiers très différents peut révéler des compétences transversales jusque-là noyées dans une chronologie peu lisible. Le technicien peu à l’aise avec l’écriture dispose d’un outil pour traduire son expérience en mots sans que son absence d’aisance rédactionnelle masque ce qu’il maîtrise.

Une telle évolution ne condamne ni le CV ni le diplôme. Tous deux conservent une fonction claire lorsqu’on leur demande ce qu’ils savent réellement montrer. Le premier synthétise un parcours. Le second certifie une formation et, selon les cas, l’acquisition de connaissances ou de compétences déterminées. Leur limite apparaît lorsqu’ils deviennent des raccourcis destinés à évaluer des qualités beaucoup plus vastes.

L’IA accélère en parallèle l’apprentissage, facilite la présentation et rend certaines productions accessibles à des personnes qui n’auraient autrefois pas disposé des mêmes moyens. Elle augmente aussi la facilité avec laquelle une compétence superficielle peut prendre l’apparence d’une expertise. Nos critères de sélection devront composer avec ces deux effets simultanément.

Nous avons longtemps essayé de déduire les capacités d’une personne à partir des traces laissées par son parcours. Les outils actuels rendent cette déduction moins sûre, tout en offrant davantage de possibilités pour observer directement la manière dont quelqu’un comprend, apprend, construit, vérifie et réagit lorsqu’il sort du cadre connu.

Une ligne de CV n’a jamais contenu toute la compétence d’une personne. L’IA rend simplement cette limite beaucoup plus visible.