D’ici 2030, plus de 20 % des emplois dans le monde devraient évoluer de manière significative en raison des perturbations du marché du travail. Ces changements, alimentés par l’essor rapide des technologies de pointe, la transition écologique, l’évolution démographique et la fragmentation géoéconomique, pourraient créer 170 millions de nouveaux emplois, mais également en supprimer 92 millions, selon le Rapport sur l’avenir des emplois 2025 du Forum économique mondial. Alors, comment garantir aux travailleurs l’accès aux bonnes opportunités ? Le guide « Associer les talents aux emplois de demain », publié par le Forum économique mondial pour les services publics de l’emploi, propose un cadre en cinq étapes pour aider les décideurs politiques à utiliser la technologie afin de connecter les talents aux emplois du futur.
Voici ses cinq recommandations clés :
1. Collecter des données dynamiques sur les tendances de l’emploi
La première étape consiste à recueillir des données précises et en temps réel auprès des entreprises et des demandeurs d’emploi afin de suivre et d’anticiper les tendances du marché du travail. Plutôt que de s’appuyer sur des rapports statiques, les décideurs doivent exploiter des analyses dynamiques basées sur la technologie.
La technologie peut simplifier ce processus :
Les API intégrées aux plateformes d’emploi peuvent fournir des tendances d’embauche en temps réel.
L’analyse basée sur l’IA peut détecter les écarts de compétences émergents et les évolutions du marché.
Le filtrage automatisé des CV peut évaluer les compétences des candidats et leur proposer des opportunités adaptées.Exemple : Le programme Moving Forward du Guatemala utilise déjà des solutions basées sur les données pour améliorer le placement des travailleurs. Le pays explore désormais des analyses prédictives basées sur l’IA pour accroître l’efficacité et la précision du processus.
2. Créer une terminologie commune pour les emplois
La collecte de données seule ne suffit pas. L’un des principaux obstacles à l’adéquation entre l’offre et la demande de travail est l’incohérence des descriptions des rôles et des compétences.Différentes entreprises, industries et régions utilisent des terminologies variées pour désigner les titres de postes, les compétences et les qualifications, ce qui complique l’alignement entre les talents et les opportunités.Un cadre standardisé est nécessaire pour harmoniser ces informations au niveau mondial.
Les outils de gestion des taxonomies permettent de classifier de manière cohérente les emplois et compétences.Le traitement du langage naturel structure automatiquement les données et facilite la communication multilingue.Exemple : SkillsFuture Singapore a développé un cadre national aligné avec les classifications du secteur privé, garantissant une uniformité entre les industries et facilitant le rapprochement entre employeurs et candidats.
3. Garantir des données fiables sur l’emploi
Pour que les systèmes de mise en relation fonctionnent, employeurs et travailleurs doivent avoir confiance dans la qualité des données. Là encore, la technologie peut jouer un rôle clé.
La blockchain permet de sécuriser et d’authentifier les informations, par exemple en garantissant la véracité des diplômes et certifications.
Les plateformes d’évaluation des compétences en ligne permettent aux candidats de prouver leurs aptitudes à distance, élargissant ainsi les bassins de talents disponibles.Exemple : Le Programme national d’exportation de talents du Nigeria utilise l’IA pour le filtrage des candidatures, la vérification des compétences et l’intégration à une base de données nationale, afin d’optimiser l’adéquation entre travailleurs et emplois. Ce programme vise à placer un million de personnes en cinq ans.
4. Utiliser l’IA pour élargir l’accès aux compétences
De nombreux travailleurs s’inquiètent de la pertinence future de leurs compétences. Le défi ne se limite pas à trouver un emploi, mais aussi à se préparer aux nouvelles opportunités.Les plateformes d’apprentissage basées sur l’IA offrent des parcours de formation personnalisés, permettant aux travailleurs de s’adapter aux évolutions du marché. Intégrées aux plateformes d’apprentissage, ces solutions garantissent que les programmes de développement des compétences restent accessibles et adaptés aux besoins individuels. Exemple : Le service public de l’emploi suédois (Arbetsförmedlingen) aide les demandeurs d’emploi, notamment ceux à faible qualification ou issus de l’immigration, en proposant des stages et des formations spécialisées pour améliorer leur intégration dans le monde du travail.
5. Utiliser les modèles de langage (LLMs) pour faire correspondre les travailleurs aux emplois
La dernière étape consiste à regrouper toutes ces données afin d’optimiser l’adéquation entre candidats et postes à pourvoir. L’intelligence artificielle et l’apprentissage automatique peuvent analyser les informations des candidats et les comparer à des données historiques pour prédire les correspondances optimales.Les modèles de langage (LLMs) vont encore plus loin en contextualisant les recommandations d’emploi, en prenant en compte non seulement les compétences et qualifications, mais aussi les motivations et préférences des candidats.Exemple : France Travail, le service national de l’emploi en France, combine intelligence artificielle, analyse sémantique et IA générative avec l’expertise humaine pour proposer des recommandations d’emploi détaillées et des parcours professionnels personnalisés.
Une collaboration public-privé essentielle
Pour que ce cadre fonctionne, il est crucial que le secteur public et le secteur privé collaborent. Les auteurs du rapport soulignent que les décideurs politiques, les entreprises et les acteurs de l’éducation doivent travailler ensemble pour développer des solutions qui :
✅ Exploiter l’IA et l’automatisation pour renforcer, et non remplacer, le potentiel humain.
✅ Valoriser la diversité cognitive dans les équipes afin de mieux répondre aux besoins variés des travailleurs.
✅ Créer des stratégies adaptées aux contextes culturels et régionaux pour assurer une intégration optimale dans chaque marché du travail.
En plaçant l’humain au cœur de la transformation, les décideurs et les entreprises seront plus à même de concevoir des solutions adaptées qui autonomisent les travailleurs et construisent un marché du travail résilient.
