MentivisOS OpenMentivisOS EntrepriseMentivisOS Edu
Contactez-nousPro Démo
Tous les articles
NIA & ApprentissageTout public

L'obsolescence des compétences : comment savoir si votre équipe est à risque ?

La durée de vie moyenne d'une compétence technique est passée de 30 ans dans les années 1980 à moins de 5 ans aujourd'hui, selon les données du World Economic Forum. Pour les compétences liées au numérique et à l'IA, cette durée peut être inférieure à 18 mois. Une organisation qui ne surveille pas l'obsolescence de son portefeuille de compétences prend un risque opérationnel mesurable, indépendamment de ses investissements en formation.

Ce que disent les données

Le World Economic Forum publie depuis 2016 son rapport sur l'avenir des emplois (Future of Jobs Report). L'édition 2025 estime que 44 % des compétences des travailleurs seront perturbées dans les 5 prochaines années, et que le rythme d'obsolescence s'accélère avec la diffusion de l'IA générative.

L'OCDE, de son côté, a documenté dans ses travaux sur les "compétences pour l'avenir" que les emplois les plus exposés à l'automatisation ne sont pas uniquement les emplois peu qualifiés. Certains emplois de qualification intermédiaire dans le tertiaire (traitement de l'information, saisie de données, analyse documentaire standard) sont davantage exposés que des emplois manuels requérant de la dextérité ou du jugement contextuel.

IBM Institute for Business Value a estimé en 2024 que 40 % des effectifs mondiaux devront être reconvertis dans les 3 ans à venir du fait de l'IA.

Qu'est-ce que la "half-life" d'une compétence ?

Le concept de half-life des compétences (durée de demi-vie) vient de la recherche en sciences de l'éducation. Il désigne le temps après lequel la moitié de ce qu'une personne a appris dans un domaine devient obsolète ou insuffisant pour exercer au niveau attendu.

Dans les années 1980, la half-life d'un diplôme d'ingénieur était estimée à 10-15 ans. En 2026, elle est estimée à moins de 5 ans pour les compétences techniques, et à moins de 2 ans pour les compétences liées aux outils numériques spécifiques.

Cette notion a une implication directe pour les responsables de la formation : un plan de formation qui remplace les compétences sur un cycle de 3 à 5 ans est structurellement en retard sur la courbe d'obsolescence.

Comment identifier les compétences à risque dans votre organisation

Trois critères permettent d'évaluer l'exposition d'une compétence à l'obsolescence.

Le degré de routinisation. Les compétences qui consistent en l'application d'une règle ou d'une procédure à des données structurées sont les plus exposées à l'automatisation. La saisie de données, la vérification de conformité sur des critères fixes, la génération de documents standardisés entrent dans cette catégorie.

Le degré de dépendance à un outil spécifique. Une compétence définie par la maîtrise d'un logiciel particulier est exposée à chaque évolution majeure de cet outil. Les compétences définies par la capacité à résoudre un type de problème, quel que soit l'outil, sont plus durables.

Le volume d'output substituable par l'IA. Si une IA générative produit en 2 minutes un output de qualité comparable à celui qu'un collaborateur produisait en 2 heures, la valeur de cette compétence dans l'organisation a mécaniquement diminué, même si la compétence de supervision et d'évaluation de l'output a augmenté.

L'outil de diagnostic : la matrice compétences/exposition

Un exercice simple consiste à lister les 20 à 30 compétences clés de l'organisation (celles dont l'absence paralyserait les opérations) et à les évaluer sur deux axes : le niveau actuel de maîtrise dans l'équipe (de 1 à 5) et le niveau d'exposition à l'obsolescence dans les 3 ans (de 1 à 5).

Les compétences situées dans le quadrant "maîtrise faible / exposition forte" sont les priorités absolues du plan de formation. Les compétences situées dans le quadrant "maîtrise forte / exposition forte" sont les priorités de reconversion interne.


Quelles compétences IA former en priorité selon le poste et le secteur ?
Former à l'IA vs recruter des profils IA : analyse coût-avantage pour les DRH