Jamais autant de professionnels n'ont cherché à se reconvertir dans l'IA qu'en 2026. Les offres d'emploi liées à l'intelligence artificielle ont triplé en deux ans en France, mais le marché reste tendu : les entreprises peinent à recruter des profils formés. Claire Vasseur, formatrice spécialisée en IA et machine learning à Lyon depuis 9 ans, co-animatrice d'un bootcamp IA intensif pour reconvertis, partage son regard sans concession sur ce marché en pleine ébullition.
Sommaire
- Introduction : la ruée vers les métiers IA
- Quel est le profil type des personnes qui se reconvertissent vers l'IA ?
- Faut-il absolument savoir programmer pour travailler dans l'IA ?
- Quelles sont les formations IA les plus sérieuses en France en 2026 ?
- En combien de temps peut-on devenir opérationnel ?
- Quels débouchés concrets pour un reconverti IA sans background tech ?
- Les certifications IA : lesquelles valent vraiment quelque chose ?
- Quelles erreurs voyez-vous le plus souvent chez les apprenants ?
- Mythes sur la formation IA : vrai ou faux ?
- Comment rester à jour dans un domaine qui évolue si vite ?
- Les 3 choses à retenir
Formatrice spécialisée en intelligence artificielle et machine learning, Lyon. 9 ans d'expérience en formation continue, co-animatrice d'un bootcamp IA intensif de 6 mois pour professionnels en reconversion. Alumni d'une grande école d'ingénieurs, ancienne data scientist en ESN.
Introduction : 2026, l'année de la grande ruée vers les métiers IA
En janvier 2026, France Travail publiait un chiffre qui a fait le tour des réseaux professionnels : les offres d'emploi mentionnant "intelligence artificielle" ou "machine learning" avaient augmenté de 187 % entre 2023 et 2025 sur le territoire français. Dans le même temps, le nombre de candidats suffisamment formés pour ces postes n'avait progressé que de 40 %.
Ce déséquilibre entre l'offre et la demande crée une situation paradoxale : des entreprises qui ne trouvent pas les compétences dont elles ont besoin, et des milliers de professionnels qui cherchent à se reconvertir vers l'IA sans toujours trouver le bon chemin. Pour comprendre les fondements de ces transformations, notre guide complet sur l'IA en 2026 donne les bases indispensables avant de choisir une orientation professionnelle.
Claire Vasseur forme des reconvertis depuis que "IA générative" n'était pas encore dans le vocabulaire grand public. Elle a accepté de répondre à nos questions avec une franchise que l'on ne trouve pas souvent dans les brochures des organismes de formation.
SOPHIE MARCHAND — I-ACTU.FRQuel est le profil type des personnes qui se reconvertissent vers l'IA aujourd'hui ?
CLAIRE VASSEUREn 2026, j'observe trois profils dominants dans mon bootcamp. Le premier : des informaticiens ou développeurs de 30 à 45 ans qui ont un background technique solide mais qui n'ont jamais travaillé avec du machine learning. Ils comprennent vite, ils ont souvent juste besoin de se remettre aux mathématiques et d'apprendre les frameworks. Pour eux, 6 mois suffisent généralement pour être opérationnels sur des postes d'ingénieur ML ou de data scientist junior.
Le deuxième profil : des personnes avec un background analytique non-tech — comptables, analystes financiers, chargés d'études statistiques — qui ont déjà l'habitude de raisonner avec des données mais pas de coder. Elles sont souvent surprises de voir à quel point leur sens analytique les aide à progresser rapidement en Python et en data science.
Le troisième profil, le plus inattendu : des métiers complètement éloignés de l'informatique — enseignants, infirmiers, commerciaux — qui veulent devenir formateurs en IA ou consultants en transformation digitale IA dans leur ancien secteur. Eux ne cherchent pas à devenir ingénieurs, ils veulent être le pont entre la tech et leur métier d'origine. Ce sont souvent des profils très précieux pour les entreprises.
SOPHIE MARCHAND — I-ACTU.FRFaut-il absolument savoir programmer pour travailler dans l'IA ?
CLAIRE VASSEURC'est le mythe que je passe le plus de temps à déconstruire. La réponse honnête : ça dépend du métier IA que vous visez. Pour être data scientist ou ingénieur IA, oui, Python est indispensable. Mais le spectre des métiers liés à l'IA est bien plus large que ces seuls profils techniques.
Un chef de projet IA qui coordonne des équipes techniques n'a pas besoin de coder — il a besoin de comprendre ce que l'IA peut et ne peut pas faire, de gérer des projets agiles, et de communiquer entre les métiers et la tech. Un spécialiste en éthique et gouvernance IA travaille principalement sur des frameworks réglementaires et des audits d'algorithmes — peu de code, beaucoup de droit et de philosophie. Un prompt engineer avancé manipule des LLMs avec sophistication mais dans des interfaces souvent sans code.
Ce que je dis à tous mes apprenants : apprenez au moins Python de base. Même si votre futur métier n'exige pas de coder, comprendre comment un script Python charge un dataset et entraîne un modèle vous rendra incomparablement plus efficace dans vos échanges avec les équipes techniques. Une demi-journée par semaine pendant trois mois suffit à acquérir ce niveau de base.
SOPHIE MARCHAND — I-ACTU.FRQuelles sont les formations IA les plus sérieuses en France en 2026 ?
CLAIRE VASSEURJe distingue plusieurs catégories. Pour les parcours longs et certifiants, les mastères spécialisés des grandes écoles (CentraleSupélec, Télécom Paris, INSA Lyon, Centrale Lille) restent la référence pour les profils techniques. Ils sont exigeants en termes de prérequis mathématiques et coûteux, mais ouvrent les meilleures portes. Pour les ingénieurs qui veulent monter en compétences sans reprendre le cycle universitaire, ces mastères de 12 mois en alternance sont excellents.
Pour les bootcamps intensifs, le marché a beaucoup mûri en trois ans. Des acteurs sérieux ont émergé : Le Wagon (AI track), DataScientest, Jedha, ainsi que des bootcamps internes à des groupes comme Capgemini ou Accenture pour leurs propres salariés. La clé pour choisir : demandez le taux de placement à 6 mois, le profil des formateurs (pratique récente en entreprise, pas seulement académiques), et demandez à parler à d'anciens apprenants sans intermédiaire.
Pour les profils non-tech qui visent des rôles de chef de projet ou consultant IA, les certifications de Google (Google Cloud AI Platform), AWS (Machine Learning Specialty) et Microsoft (Azure AI) sont reconnues par les recruteurs et accessibles sans background technique poussé. Elles permettent de valider une compréhension de l'écosystème IA sans prétendre à des compétences de data scientist.
SOPHIE MARCHAND — I-ACTU.FREn combien de temps peut-on devenir opérationnel ?
CLAIRE VASSEURLa vérité que personne ne veut entendre : les annonces "devenez data scientist en 3 mois" sont des demi-vérités dans le meilleur des cas. En 3 mois d'immersion complète, vous pouvez acquérir les fondamentaux de Python, des bases solides en statistiques, et manipuler des modèles de machine learning classiques. C'est suffisant pour un premier poste de data analyst junior ou pour commencer une mission dans le no-code IA.
Pour être data scientist junior autonome, comptez 9 à 12 mois si vous avez déjà un background technique. Pour un ingénieur ML capable de concevoir et déployer des systèmes en production, 18 à 24 mois minimum, souvent avec de l'alternance. La confusion vient du fait qu'on peut "travailler dans l'IA" relativement vite, mais pas "être data scientist senior" vite. Ce sont des niveaux de compétences très différents.
SOPHIE MARCHAND — I-ACTU.FRQuels débouchés concrets pour un reconverti IA sans background tech ?
CLAIRE VASSEURLes débouchés les plus accessibles pour les reconvertis non-tech sont, dans l'ordre de probabilité : formateur en outils IA dans les entreprises (besoin énorme, peu de bons formateurs), chef de projet transformation digitale IA (rôle de coordination et de traduction entre la tech et les métiers), consultant en gouvernance IA (conformité AI Act, éthique des algorithmes), spécialiste en qualité des données (nettoyage, structuration, labelling), et analyste IA en marketing ou en finance (utilisation d'outils d'analyse sans développement).
Ce que j'observe sur le marché : les reconvertis qui ont une expertise sectorielle forte — un ancien médecin qui devient consultant en IA pour la santé, un ex-juriste qui travaille sur la conformité AI Act, un ancien enseignant qui forme ses collègues à l'IA — trouvent des postes plus facilement et sont souvent mieux rémunérés que des profils purement tech sans expérience métier. La combinaison "expertise sectorielle + compétences IA" est la plus puissante.
SOPHIE MARCHAND — I-ACTU.FRLes certifications IA : lesquelles valent vraiment quelque chose ?
CLAIRE VASSEURSoyons honnêtes : la plupart des certifications IA ont une durée de vie de 18 à 24 mois avant que leur contenu ne soit partiellement obsolète. Le domaine évolue trop vite. Cela dit, certaines gardent une valeur signalétique réelle pour les recruteurs.
Les certifications cloud (AWS ML Specialty, Google Cloud ML Engineer, Azure AI) sont solides car elles sont maintenues à jour par les fournisseurs et signalent une maîtrise des outils effectivement utilisés en production. Les titres RNCP (niveau 6 et 7) enregistrés au répertoire national ont une valeur légale pour le financement CPF et sont reconnus par les services RH des grandes entreprises. Pour une reconversion, viser un titre RNCP dans un organisme accrédité est souvent la meilleure stratégie en termes de financement et de reconnaissance.
Le portfolio GitHub reste la certification la plus convaincante pour les postes techniques : un dépôt avec trois ou quatre projets concrets bien documentés vaut souvent mieux qu'une demi-douzaine de badges de MOOC. Pour découvrir les outils no-code pour créer avec l'IA, certains permettent de constituer un portfolio sans coder, ce qui est pertinent pour les profils non-tech.
SOPHIE MARCHAND — I-ACTU.FRQuelles erreurs voyez-vous le plus souvent chez les apprenants ?
CLAIRE VASSEURL'erreur numéro un : regarder trop de cours et pratiquer trop peu. L'IA s'apprend en faisant, pas en regardant. J'ai des apprenants qui ont suivi 15 cours Coursera mais qui n'ont jamais entraîné un modèle sur leurs propres données. À l'opposé, j'ai des apprenants qui ont construit trois projets personnels en six mois et qui sont embauchés avant la fin de leur formation.
L'erreur numéro deux : vouloir maîtriser tous les frameworks avant de commencer à produire. Python et scikit-learn suffisent pour la grande majorité des cas d'usage. Choisissez un outil, maîtrisez-le vraiment, puis élargissez.
L'erreur numéro trois, spécifique à 2026 : confondre "utiliser ChatGPT" et "travailler dans l'IA". Utiliser un LLM est une compétence, mais elle ne remplace pas la compréhension des mécanismes sous-jacents. Les recruteurs font rapidement la différence entre quelqu'un qui comprend comment fonctionne l'IA et quelqu'un qui sait seulement l'utiliser. Pour aller plus loin sur la transformation des métiers, notre analyse de l'impact de ChatGPT sur l'emploi en France contextualise ces évolutions.
Mythes sur la formation IA : vrai ou faux ?
Il faut être matheux pour faire de l'IA. PARTIELLEMENT VRAI. Pour les postes de research scientist et d'ingénieur ML avancé, oui. Pour la plupart des postes opérationnels (data analyst, data scientist appliqué, ML engineer), un niveau bac+2 en maths suffit. Les bibliothèques abstraient la complexité mathématique.
Les formations certifiantes en 3 mois créent de vrais data scientists. FAUX. Elles créent des profils débutants capables d'effectuer des analyses simples et d'utiliser des modèles pré-entraînés. La vraie expertise se développe avec l'expérience projet.
L'IA générative va rendre inutiles les data scientists. FAUX. L'IA générative automatise certaines tâches de codage et d'analyse, mais ne remplace pas la compréhension des données, le choix des modèles, la gestion du biais ou l'interprétation critique des résultats. Elle rend les data scientists plus productifs, pas obsolètes.
On peut financer entièrement sa reconversion IA avec le CPF. PARTIELLEMENT VRAI. Le CPF (500 euros/an, plafond 5 000 euros) finance des formations courtes. Pour les bootcamps longs (6 000 à 15 000 euros), il faut généralement combiner CPF + financement France Travail ou employeur.
Le marché de l'emploi IA est uniquement en Île-de-France. FAUX EN 2026. Si Paris concentre encore une majorité des offres, des hubs IA significatifs ont émergé à Lyon, Bordeaux, Toulouse, Grenoble, Lille et Rennes. Le télétravail hybride a aussi élargi géographiquement les opportunités.
Une reconversion dans l'IA garantit un emploi immédiat. FAUX. La demande est forte mais les recruteurs sont exigeants. Un profil sans projet personnel concret ni expérience pratique, même avec une certification, aura du mal à convaincre. Le marché récompense ceux qui peuvent montrer ce qu'ils ont construit.
SOPHIE MARCHAND — I-ACTU.FRComment rester à jour dans un domaine qui évolue aussi vite ?
CLAIRE VASSEURMa stratégie personnelle, et celle que je recommande à mes apprenants : allouez 30 minutes par jour à la veille, pas plus, sinon c'est ingérable. Je lis deux newsletters IA le matin (The Batch de DeepLearning.AI et TLDR AI), je consulte rapidement les tendances sur Twitter/X en suivant une vingtaine de chercheurs et praticiens clés, et une fois par semaine, je lis en profondeur un papier de recherche ou un post de blog technique.
Ce qui est essentiel et que beaucoup sous-estiment : pratiquez régulièrement, même sur de petits projets. La veille passive (lire) sans pratique active (faire) ne construit pas de compétence. Je me réserve systématiquement une demi-journée par semaine pour coder sur un projet personnel ou reproduire les résultats d'un papier récent. C'est ce qui fait que mes cours restent ancrés dans la réalité du terrain, et non dans des slides vieux de deux ans. Pour approfondir les ressources de développement et d'apprentissage de l'IA, les outils proposés sur les plateformes de vulgarisation scientifique offrent de bons points d'entrée. Et pour les aspects pratiques du développement IA, apprendre à coder pour l'IA reste la compétence la plus différenciante.
SOPHIE MARCHAND — I-ACTU.FRUn dernier conseil pour quelqu'un qui hésite à se lancer dans une reconversion IA ?
CLAIRE VASSEURCommencez dès ce soir, gratuitement. Installez Python, suivez le cours Python de Kaggle qui dure 6 heures, et entraînez votre premier modèle de classification sur un dataset Titanic ou Iris. Si après ces 6 heures vous êtes encore là et curieux d'aller plus loin, la reconversion est pour vous. Si c'était douloureux et sans intérêt, mieux vaut le savoir maintenant que six mois et plusieurs milliers d'euros plus tard.
Ce que je vois dans tous mes apprenants qui réussissent, quelle que soit leur formation initiale, c'est une curiosité authentique et une appétence pour la résolution de problèmes. L'IA est fondamentalement un outil pour résoudre des problèmes concrets. Si vous aimez résoudre des problèmes et que vous êtes prêt à vous confronter à la frustration de l'apprentissage technique, vous avez les ingrédients essentiels. Les compétences, ça s'acquiert. La curiosité, moins facilement.
Les 3 choses à retenir de cet entretien avec Claire Vasseur
- Il n'est pas nécessaire de coder pour travailler dans l'IA. Le spectre des métiers est large : chef de projet, formateur, consultant en gouvernance, spécialiste éthique. L'expertise sectorielle combinée à une compréhension de l'IA est souvent plus valorisée que des compétences techniques pures sans expérience métier.
- La pratique prime sur les certifications. Un portfolio GitHub avec des projets concrets est plus convaincant pour les recruteurs qu'une collection de badges MOOC. Construire, pas seulement regarder.
- La reconversion prend du temps. Trois mois pour les bases, 12 à 24 mois pour être vraiment opérationnel sur des postes techniques. Les annonces qui promettent plus vite trompent sur la profondeur des compétences acquises.
Pour aller plus loin, notre dossier sur les métiers de la data science et du big data détaille les filières et les compétences requises, et notre analyse de l'écosystème des outils IA génératifs permet de comprendre les outils qui façonnent les nouveaux métiers.