Un conseiller IA d’orientation et de carrière

Une lycéenne s’intéresse aux métiers du numérique. Elle aime les mathématiques, mais ne sait pas si elle doit choisir une formation en informatique, en statistique ou dans un autre domaine. Elle ouvre un conseiller d’orientation alimenté par l’intelligence artificielle et demande : « Quels métiers pourraient me correspondre et où puis-je me former en Côte d’Ivoire ? »

L’assistant lui pose quelques questions, évoque des professions, suggère des parcours et présente des établissements. La conversation semble naturelle. Pourtant, pour que ces recommandations soient réellement utiles, il ne suffit pas que le modèle sache parler des métiers.

Il doit s’appuyer sur des informations fiables, à jour et reliées entre elles. Derrière un conseil d’orientation se cache ainsi un travail important d’organisation des connaissances.

Un étudiant ne cherche pas seulement une liste de métiers. Il veut comprendre les activités exercées, les compétences nécessaires, les formations accessibles et les passerelles possibles entre différents parcours.

Imaginons un jeune qui souhaite travailler dans la cybersécurité. L’assistant devrait pouvoir distinguer plusieurs métiers, expliquer leurs exigences, présenter les compétences de base et identifier les formations qui permettent de les développer. Il devrait également préciser les conditions d’admission et signaler les informations qu’il ne peut pas confirmer.

Une recommandation utile doit tenir compte du profil et des objectifs de la personne sans enfermer celle-ci dans un choix automatique. Le conseiller doit éclairer une décision, non décider à sa place.

Les descriptions de métiers peuvent provenir de référentiels professionnels, d’entreprises, d’universités ou d’organismes de formation. Les informations sur les établissements et les cursus figurent dans des catalogues, des sites institutionnels et des documents qui évoluent.

Un programme peut changer d’intitulé, un établissement modifier ses conditions d’admission ou une formation ne plus être proposée. Un assistant qui mélange des versions différentes risque d’orienter l’étudiant vers un parcours inexistant ou inadapté.

L’ingénierie documentaire permet d’identifier les sources, d’en vérifier la provenance, de conserver les dates et de distinguer les informations confirmées des descriptions générales. Ce travail est indispensable lorsqu’on promet une orientation fondée sur des offres de formation réellement disponibles.

Un même intitulé professionnel peut recouvrir des activités différentes selon les entreprises. À l’inverse, deux intitulés distincts peuvent désigner des fonctions proches. Les compétences requises ne sont pas non plus identiques d’un niveau de responsabilité à un autre.

Pour rendre les conseils cohérents, il faut décrire les métiers en termes d’activités et de compétences : ce que fait le professionnel, ce qu’il doit maîtriser et les connaissances nécessaires pour progresser.

L’ingénierie des connaissances contribue à recueillir ces informations auprès de spécialistes et à les formaliser. Elle aide à distinguer une compétence réellement indispensable d’un simple atout, et à documenter les différences entre profils débutants et expérimentés.

Un conseiller ne devrait pas déduire les exigences d’un métier uniquement de la fréquence de certains mots dans les annonces d’emploi.

Supposons qu’un étudiant souhaite devenir analyste de données. Le conseiller doit établir un lien entre ce métier, des compétences telles que la statistique, la programmation ou la visualisation, puis les formations qui développent effectivement ces compétences.

Mais une formation qui mentionne « intelligence artificielle » dans son titre ne couvre pas nécessairement toutes les compétences recherchées. Inversement, un cursus en mathématiques ou en économie peut apporter une base pertinente sans porter ce nom.

Il faut donc construire des correspondances entre métiers, compétences, contenus pédagogiques, diplômes, établissements et conditions d’accès. L’ingénierie ontologique et sémantique aide à définir ces objets et leurs relations.

Ce travail peut commencer avec des tableaux et des fiches structurées ; une ontologie formelle n’est pas toujours nécessaire. Ce qui compte est la cohérence des correspondances et la possibilité de les vérifier.

Une étudiante veut exercer un métier lié à l’analyse des données. Un premier parcours peut passer par l’informatique et approfondir la programmation et les systèmes. Un deuxième peut partir de la statistique et renforcer ensuite les outils logiciels et l’ingénierie des données.

Le conseiller devrait être capable de montrer que ces parcours peuvent conduire à des fonctions proches, tout en expliquant leurs différences et les compétences complémentaires à acquérir.

Il ne doit pas affirmer qu’un diplôme garantit l’accès à un métier, ni inventer des équivalences entre formations. Il doit distinguer les compétences visées, les conditions d’admission vérifiées et les possibilités à confirmer auprès des établissements.

Ce type de conseil n’est possible de manière contrôlable que si les relations entre métiers, compétences et formations ont été suffisamment organisées.

Les conseillers d’orientation apportent leur connaissance des choix d’études et des besoins des jeunes. Les responsables pédagogiques décrivent les contenus et conditions des formations. Les spécialistes des métiers et les employeurs aident à caractériser les activités professionnelles.

Les documentalistes qualifient les sources et leurs mises à jour. Les ingénieurs des connaissances formalisent les compétences et les parcours. Les spécialistes sémantiques organisent les relations entre métiers, formations et qualifications. Les développeurs et ingénieurs IA rendent ces ressources accessibles dans une interface conversationnelle.

Il n’est pas nécessaire de recruter un professionnel différent pour chaque fonction. Mais il faut savoir qui produit les informations, qui les valide et qui les actualise.

Un conseiller IA peut donner une impression de confiance parce qu’il répond avec aisance. Pourtant, une recommandation peut reposer sur des données anciennes, des informations incomplètes ou des hypothèses non vérifiées.

Le service devrait distinguer les faits confirmés des pistes à explorer, indiquer les sources des informations importantes et inviter l’étudiant à vérifier les conditions d’admission directement auprès des établissements concernés.

Il doit aussi éviter de réduire le potentiel d’un jeune à quelques réponses dans un questionnaire. Les préférences, les moyens disponibles et les projets personnels évoluent. La protection des données personnelles, particulièrement pour les mineurs, fait partie des exigences de conception.

L’objectif est de soutenir l’autonomie de l’étudiant, non de transformer une suggestion algorithmique en verdict sur son avenir.

Une fois structurées et gouvernées, certaines connaissances sur les métiers, les compétences et les formations peuvent servir à plusieurs usages : conseiller conversationnel, moteur de recherche de formations, fiches métiers, analyse des passerelles ou information sur les besoins de compétences.

Plusieurs acteurs pourraient ainsi exploiter des référentiels communs, sous réserve des droits, des responsabilités et des modalités de mise à jour. Chacun conserverait ses propres services et ses publics.

Cette possibilité montre que le travail invisible ne bénéficie pas seulement à un chatbot. Il peut constituer une ressource durable pour un écosystème d’orientation, de formation et d’emploi.

Un pays peut disposer d’établissements de formation, d’experts de l’orientation et de descriptions de métiers, sans que ces informations soient immédiatement reliées dans un ensemble cohérent et exploitable par une application.

Développer un conseiller IA crédible suppose donc des compétences pour identifier les sources, formaliser les métiers et les compétences, établir des correspondances, vérifier les offres et maintenir les informations à jour.

Ces compétences sont complémentaires de celles des développeurs et spécialistes des modèles. Elles peuvent être mobilisées dans les établissements, les organismes d’orientation, les entreprises et les structures spécialisées.

Le cas du conseiller d’orientation révèle ainsi une dimension des capacités nationales d’IA : savoir organiser les connaissances de l’écosystème éducatif et professionnel pour produire des services réellement utiles.

Une IA peut parler de milliers de métiers et de formations. Mais pour conseiller correctement un étudiant dans un contexte précis, elle doit pouvoir relier des métiers à des compétences, des compétences à des formations et des formations à des établissements, tout en maîtrisant la provenance et l’actualité des informations.

Le travail invisible est celui des professionnels qui construisent et entretiennent ces relations. C’est ce qui permet de passer d’une conversation agréable à une aide à l’orientation documentée et vérifiable.