3 millions de candidats pour le doctorat, les post-95 sont déjà « vieux » : le recrutement par IA est en train de « mettre à mort » la classe intermédiaire

Le boom du marché du talent est faux, l’illusion de la liquidité est réelle.

Article écrit par : Ada, Deep潮 TechFlow

« Une grande entreprise internet a offert cette année 60 postes de doctorants fraîchement diplômés avec un salaire annuel supérieur à 3 millions. » Lorsqu’il évoque ce chiffre, le fondateur de TTC, une société de chasseurs de têtes ayant travaillé avec plus de 1500 entreprises d’IA, Xiao Mafeng, parle d’une voix calme, comme s’il rapportait la température du jour.

Ce même mois, Maimai indique que le nombre d’emplois en IA a explosé de 29 fois, tandis que Zhaopin signale une augmentation de 200 % des chercheurs d’emploi. Ces chiffres, aussi spectaculaires soient-ils, ressemblent à une ligne de marché haussière.

Mais ces chiffres cachent un secret : une quantité massive de fonds et d’attention afflue dans un entonnoir à ouverture très étroite. Les quelques dizaines au sommet de la pyramide gonflent les attentes salariales du marché, tandis que des dizaines de milliers en bas de l’entonnoir absorbent toute l’anxiété.

Et au milieu, ceux qui ont cinq ou dix ans d’expérience dans le secteur sont en train d’être silencieusement vidés.

Le marché du talent est une illusion, la liquidité est une hallucination.

Une difficulté à recruter, une lutte acharnée

Selon le rapport de Liepin, 47 % des postes en IA exigent un doctorat ou un master, et presque toutes les entreprises ne reconnaissent que les diplômes 985/211.

Eva, une chasseuse de têtes, explique plus directement : « Les grandes entreprises recrutent, 211 c’est à peine acceptable, au moins il faut être 985. Les CV sans expérience de projets verticaux sont quasiment ignorés. »

À quoi ressemble le sommet ?

Le jour où Lin Junyang, de Alibaba Qianwen, a quitté son poste, « toutes les grandes entreprises sont venues nous voir, demandant si on pouvait les aider à le contacter », se souvient Xiao Mafeng.

Ce genre de talents rares ne se compte que par dizaines dans tout le pays. Pour les trouver, les chasseurs de têtes ne consultent plus les CV. Ils fouillent GitHub pour les commits, traquent les auteurs de publications sur Google Scholar, s’infiltrent dans des groupes de podcasts et de communautés d’entrepreneuriat IA. Eva a même rejoint un groupe de compétition d’IA à Tsinghua, composé de jeunes de 21-22 ans. « On discute à l’avance, car dans deux ou trois ans, ils auront besoin d’un emploi, autant réserver une place. »

Un autre chasseur de têtes, Steve, qui a commencé à recruter dans l’IA en 2022, dit avec une pointe de sens : « Je suis assez sceptique sur l’existence de CV à l’avenir. »

Il donne un exemple : en janvier dernier, une entreprise cherchait quelqu’un maîtrisant OpenClaw. La compétence étant trop nouvelle, personne ne la mentionnait dans le CV. Sa solution a été de décomposer la demande, car en réalité, c’est une question de framework multi-agent. Y a-t-il quelqu’un qui a déjà travaillé sur un tel framework ? Est-il open source ? Qui sont les contributeurs dans la communauté open source ?

Les CV perdent de leur valeur, les canaux de recrutement traditionnels s’effondrent.

Certains ont saisi cette faille pour en tirer parti.

Sam, co-fondateur de DINQ, a basé sa création sur une observation similaire : les meilleurs auteurs de papiers de OpenAI ne viennent pas forcément des grandes écoles, certains ont même abandonné leurs études, sont jeunes, sans titre, et il est difficile de voir leur excellence. Sur LinkedIn, la logique de diplômes et de parcours ne fonctionne pas pour l’IA.

C’est pourquoi Sam a créé DINQ, un « LinkedIn pour scientifiques et développeurs en IA », qui ne regarde pas les CV mais les réalisations : citations de publications, contributions sur GitHub, collaborateurs de haut niveau. Lorsqu’un RH tape « Sora 2 » sur DINQ, la plateforme étend la recherche aux auteurs de papiers liés à cette technologie, pas seulement ceux ayant une expérience directe avec Sora 2, pour dénicher ceux qui sont sous le radar.

La solution alternative proposée par Xiao Mafeng est de construire en public : publier directement ses produits, c’est la meilleure preuve de compétence.

Même si 621 universités ont déjà lancé des licences en intelligence artificielle, McKinsey prévoit un déficit de 4 millions de talents en IA en Chine d’ici 2030. Mais le mot « déficit » est trompeur : ce qui manque, ce sont des scientifiques expérimentés ayant entraîné des modèles sur des dizaines de milliers de cartes, capables de comprendre les limites des grands modèles et de repérer des scénarios commerciaux. Ceux qui disent « je suis très intéressé par l’IA » après deux podcasts ne manquent pas sur le marché.

Yé Xiangyu, fondateur de Niuke, résume très bien : « Au sommet, c’est difficile de trouver un talent exceptionnel ; à la base, c’est une lutte acharnée. » La phrase de Maimai « un poste en IA sur deux peut être pourvu par un candidat approprié » concerne le sommet. Et pour la base ? Personne ne la recense, car les CV de cette couche n’entrent pas dans le système.

Le prix de levier : plus on se rapproche du modèle, plus c’est précieux

Mais où va réellement l’argent ?

Eva donne quelques chiffres : pour un poste de niveau P7 dans une grande entreprise, le plafond salarial non technique tourne autour de 1 million. Pour un poste technique en IA, c’est entre 1,5 et 2 millions. Les augmentations lors d’un changement d’emploi sont encore plus marquées : +50 % en moyenne, voire le double ; pour les postes non techniques, +10 à 20 %, rarement plus de 30 %.

Steve utilise un mot pour expliquer cette logique de tarification : le levier.

Imaginez le modèle comme le soleil. Plus on se rapproche du noyau, plus le levier est grand, et plus la valeur est élevée. Un chercheur clé qui améliore un modèle peut faire valoir des milliards de capitalisation pour une grande entreprise. Le coût de ses 100 000 cartes d’entraînement dépasse largement son salaire. Dans cette optique, lui donner un milliard ne serait pas cher.

Et ceux qui sont éloignés du soleil ? Product managers, opérationnels, commerciaux : leur levier est moins direct, donc leur salaire est naturellement limité. Steve estime qu’au niveau applicatif, l’écart salarial entre technique et non technique dépasse deux ou trois fois.

Xiao Mafeng ajoute un paramètre clé : cette « chaîne de mépris » est essentiellement une question d’offre et de demande, et elle se divise en deux niveaux. Sur le plan macro, seuls quelques rares experts ayant entraîné des modèles sur des centaines de milliers de cartes ont des salaires exorbitants. Mais au niveau micro, cela dépend du profil du fondateur. Si le fondateur est un professeur de Tsinghua, avec beaucoup de talents dans le laboratoire, c’est plutôt celui qui peut faire la commercialisation qui vaut cher.

La rareté de quelques dizaines de personnes définit la narration salariale de toute l’industrie. Les autres prennent cette narration comme référence, mais ne voient que le décalage.

Une purge des « vieux » en IA

« À l’ère de l’IA, il faut dire non aux vieux », Xiao Mafeng donne un commentaire tranché.

Les personnes de la précédente vague d’IA, ayant vécu l’époque d’旷视 et 商汤, ont aujourd’hui quarante ans ou plus, et leur expérience devient un fardeau.

Steve, plus diplomate, partage la même idée : « Nous ne croyons pas qu’on puisse trouver de nouvelles terres avec une vieille carte. Ceux qui ont travaillé dans le secteur trop longtemps ont beaucoup de potentiel et d’inertie. Leur cerveau réagit souvent par des réflexes appris, mais avec l’époque qui change, la bonne réaction peut être totalement différente. »

L’anxiété liée à l’âge s’est infiltrée à tous les niveaux. Certains fonds d’investissement recherchent des entrepreneurs post-00, et la phrase « les post-95 sont déjà vieux » commence à circuler.

Cela peut sembler absurde, mais le signal du marché est clair : quand les ressources sont limitées, la balance penche sans hésitation vers la jeunesse.

« Aujourd’hui, la compétition porte sur la rapidité d’exécution et de mise en œuvre. On ne recrute pas une armée, mais une unité spéciale. » dit Steve. Les unités spéciales n’ont pas besoin de nombreux commandants.

Mais il existe une contradiction que personne n’ose affronter : ceux qui réussissent à faire aboutir un produit IA et à transformer la technologie en valeur commerciale s’appuient justement sur l’expérience sectorielle, le savoir tacite, les pièges évités. Steve lui-même admet que ces connaissances tacites résident chez des personnes plus expérimentées. Ils ne savent pas forcément par où passer, mais ils savent ce qu’il faut éviter.

Le secteur a besoin de la fougue des jeunes, mais aussi du jugement des vétérans. Tout le monde peut dire cela, mais l’argent ne suit que la première moitié.

La couche intermédiaire est aspirée

Trois chasseurs de têtes évoquent un changement : la gestion est en train d’être comprimée.

« Il devient difficile pour ceux qui ne font que gérer. Beaucoup de choses sont en train d’être bouleversées, votre système pourrait être renversé demain », explique Steve.

Les organisations deviennent extrêmement plates, plus besoin de pyramides à plusieurs niveaux. Chaque personne doit pouvoir se battre en équipe. Se reposer sur des agents pour faire le boulot, c’est plus efficace. La gestion d’une équipe complexe n’est plus aussi essentielle qu’avant.

Les frontières entre product managers, opérationnels, développeurs front-end et back-end s’estompent. Un seul personne peut réaliser un MVP de produit avec l’IA.

Chen Lei (pseudonyme), ancienne directrice de produit dans une entreprise d’IA de taille moyenne, a dirigé une équipe de huit personnes. Lors de la restructuration de l’entreprise en début d’année, son équipe a été dissoute, quatre membres ont été affectés à des produits Agent, deux ont été licenciés. Son titre est passé de « directrice » à « chef de produit senior », et elle doit rendre compte à un responsable technique plus jeune de cinq ans.

« Je n’ai pas été licenciée, mais c’est encore plus dur. » dit-elle. « Tout ce que j’avais construit en trois ans dans cette entreprise a disparu avec la réorganisation. Et je ne peux pas me plaindre, car on me dirait que je suis encore là. »

C’est la partie la plus cruelle de cette illusion de liquidité : au sommet, quelques génies sont arrachés à prix d’or. En bas, des centaines de milliers de nouveaux entrants ne peuvent même pas entrer. Et au milieu, ceux qui ont déjà cinq, dix ou quinze ans d’expérience sont en train d’être évincés de l’intérieur.

Les échelons professionnels sont dépossédés de leurs niveaux intermédiaires. Avant, on montait d’étage en ascenseur, maintenant on saute en parachute : soit on atterrit au sommet, soit on chute libre.

Qui crée cette illusion ?

Qui profite de cette illusion de liquidité ?

Les plateformes de recrutement utilisent « explosion des postes en IA de 29 fois », « déficit de 4 millions » pour attirer du trafic, chaque partage alimentant la peur et poussant davantage de chercheurs d’emploi dans l’entonnoir.

Les entreprises utilisent l’IA comme un écran de fumée. Forrester Research révèle que 55 % des employeurs regrettent d’avoir licencié en raison de l’IA, car les capacités IA utilisées pour remplacer n’étaient pas prêtes. Une enquête de Resume.org indique que 59 % des entreprises admettent avoir maquillé des licenciements en « IA pilotée », pour mieux expliquer aux parties prenantes. Dire que c’est l’IA, cela donne une image de mise à niveau stratégique ; dire que c’est la performance, cela ressemble à un échec de gestion. L’IA est devenue le meilleur cache-misère.

Klarna a licencié 700 personnes en affirmant que l’IA remplaçait le service client, mais la qualité du service a chuté, les clients se sont révoltés, et l’entreprise a rapidement réembauché. Ce n’est pas un cas isolé. Forrester prévoit que la moitié des licenciements liés à l’IA seront finalement réembauchés, souvent à des salaires plus bas ou en externalisation à l’étranger.

Steve résume parfaitement l’état d’esprit des dirigeants : « Leur première question aujourd’hui, c’est faut-il recruter ? Ensuite, c’est qui ? »

Selon Forrester, seulement 16 % des employés dans le monde sont hautement prêts pour l’IA. Les entreprises n’investissent pas dans la formation, les employés apprennent par eux-mêmes. La génération Z a le plus haut niveau d’IA readiness, à 22 %, mais elle est aussi la première à être évincée des postes d’entrée, car ce sont ceux que l’IA peut facilement avaler. Une enquête de Mercer montre que l’anxiété face au chômage causé par l’IA est passée de 28 % en 2024 à 40 % en 2026.

L’IA est à la fois une raison de recruter et une excuse pour licencier. La règle du jeu dépend de qui détient le pouvoir de décision.

L’entonnoir ne s’élargira pas

Revenons à cette première série de chiffres.

29 fois plus d’emplois, 200 % de chercheurs d’emploi en plus, 3 millions de salaire annuel, 4 millions de déficit. Chaque chiffre est vrai, mais leur combinaison raconte une toute autre histoire : les postes augmentent, mais l’ouverture est très étroite ; la demande explose, mais la majorité ne passe même pas la sélection ; les salaires montent en flèche, mais seulement pour les quelques dizaines au sommet ; le déficit s’accroît, mais ce qui manque ne correspond pas à ce qui est offert.

Mais cet entonnoir ne s’élargira pas. La technologie IA évolue tous les six mois, le domaine le plus en vogue aujourd’hui pourrait devenir obsolète dans six mois. Vous pensez être proche du soleil, mais avec la sortie d’un nouveau modèle, vous pouvez rapidement vous retrouver en périphérie.

Steve a dit une phrase qui peut faire office de tombeau pour cette industrie, ou de passeport : « La durée d’expérience ne suffit plus. Ce qui compte, c’est la densité et la profondeur de votre interaction avec l’IA. Certains entrent dans le secteur il y a quatre ans, mais utilisent l’IA de manière superficielle. D’autres sont arrivés l’année dernière, mais s’y investissent à fond. Qui a le plus d’expérience selon vous ? »

Les trois chasseurs de têtes sont eux aussi en train d’être remodelés par cette industrie. Eva étudie les principes d’algorithmes, Steve explore les frameworks d’agents, Xiao Mafeng revient d’une conférence de jeunes entrepreneurs en IA, et s’émerveille : « Leur compréhension a atteint un autre niveau. » Même ceux qui vendent des outils doivent suivre le rythme de la ruée vers l’or.

Chen Lei a récemment commencé un petit projet sur GitHub, utilisant un framework d’agents pour créer un générateur automatique de documents juridiques. Personne ne lui a demandé, personne ne lui a payé. Elle dit avoir compris une chose : plutôt que d’attendre d’être filtrée par l’entonnoir, mieux vaut ouvrir un trou soi-même.

C’est peut-être la seule partie optimiste de tout le texte, mais ce n’est qu’une approximation.

La majorité des gens ne sont ni parmi ces 60 doctorants à 3 millions, ni comme Chen Lei, capables et volontaires pour creuser leur propre voie. Ce sont les masses silencieuses du milieu de l’entonnoir, ni assez exceptionnelles pour être arrachées à prix d’or, ni assez déterminées pour tout recommencer.

Cet entonnoir ne s’élargira pas.