IA : deux nouveaux métiers reconnus en novembre 2026, neuf carrières à viser pour transformer les entreprises

Publié le 13 novembre 2026 | digiNews – Emploi, Intelligence artificielle & Transformation digitale

L’intelligence artificielle ne transforme pas seulement les métiers existants : elle fait émerger de nouvelles professions. Le 6 novembre 2026, France compétences a officiellement ajouté deux fonctions liées à l’IA à sa liste des métiers émergents. Une reconnaissance qui intervient alors que les entreprises recherchent de plus en plus de profils capables de concevoir, déployer et piloter leurs projets d’intelligence artificielle.

Ingénieur IA générative, AI Product Manager, spécialiste des agents autonomes, Forward Deployed Engineer, responsable de la transformation IA… Quels sont les nouveaux métiers à viser pour travailler au cœur de cette révolution ? Et comment y accéder sans nécessairement être chercheur ou ingénieur en intelligence artificielle ?

Décryptage des 9 métiers à suivre en 2026 et 2027, de leurs missions, des compétences recherchées et des opportunités de reconversion.

France compétences reconnaît officiellement deux nouveaux métiers de l’IA

C’est une évolution importante pour le marché de l’emploi français.

Dans une décision datée du 6 novembre 2026, France compétences, l’autorité nationale chargée notamment de la régulation des certifications professionnelles, reconnaît deux nouvelles professions émergentes :

• Ingénieur en intelligence artificielle générative
• Product Manager de solutions d’intelligence artificielle et d’automatisation

La liste officielle compte désormais 13 métiers considérés comme émergents ou en particulière évolution, tous secteurs confondus.

Cette reconnaissance permet notamment aux certifications professionnelles associées de bénéficier, sous certaines conditions, d’une procédure dérogatoire d’enregistrement au RNCP. Elle ne signifie pas qu’un diplôme particulier devient automatiquement obligatoire pour exercer ces fonctions.

Surtout, elle illustre une transformation majeure : l’IA ne concerne plus seulement la recherche et le développement d’algorithmes. Elle devient un sujet de produit, d’organisation et de création de valeur pour les entreprises.

Le marché de l’emploi confirme l’accélération des métiers liés à l’IA

Plusieurs études récentes documentent cette évolution.

Dans ses données publiées le 27 octobre 2026, LinkedIn indique que le métier d’AI Engineer figure parmi les dix professions connaissant la plus forte croissance dans sept grandes économies, dont la France, sur la période juillet-septembre 2026.

La plateforme constate également que la proportion d’offres d’emploi demandant des compétences générales en IA a progressé d’environ 65 % en douze mois dans son périmètre d’analyse.

Autre indication : le baromètre mondial de l’emploi dans l’IA publié par PwC en juin 2026 fait état de 13 000 offres d’emploi supplémentaires liées à l’IA en France en 2025.

Mais la transformation dépasse désormais les métiers purement technologiques.

Une étude d’Indeed Hiring Lab publiée le 8 juillet 2026 montre qu’en France, 54 % des catégories d’intitulés d’emploi intégrant explicitement l’IA se situent en dehors des professions technologiques. Ce chiffre porte sur les catégories d’intitulés étudiées, et non sur la proportion totale des recrutements.

Commercial, marketing, ressources humaines, opérations, juridique : l’IA se diffuse dans l’ensemble des fonctions de l’entreprise.

La grande opportunité professionnelle des prochaines années pourrait donc ne pas être seulement de savoir développer une IA, mais de savoir transformer un métier, un produit ou une organisation grâce à elle.

Les 9 métiers à viser pour travailler au cœur de la transformation par l’IA

1. Ingénieur IA générative (Generative AI Engineer) : construire les applications intelligentes

C’est l’un des deux métiers récemment reconnus par France compétences.

L’ingénieur IA générative conçoit des applications utilisant des modèles d’intelligence artificielle, notamment les grands modèles de langage, ou LLM.

Sa mission n’est pas nécessairement d’entraîner un modèle fondamental depuis zéro. Il peut aussi utiliser, adapter et intégrer des modèles existants pour développer des solutions opérationnelles.

Ses missions :

• Développer des assistants intelligents et des applications utilisant des LLM.
• Concevoir des architectures RAG, permettant à l’IA de s’appuyer sur des bases documentaires.
• Intégrer des modèles à des outils métiers et des applications existantes.
• Tester la pertinence, la fiabilité, la sécurité et le coût des réponses.
• Mettre les applications en production.

Compétences recherchées : Python, APIs, développement logiciel, architectures LLM, RAG, bases de données, Cloud et évaluation des modèles.

Pour quels profils ? Les Software Engineers, développeurs Backend, Data Scientists et Machine Learning Engineers disposent de bases particulièrement pertinentes pour évoluer vers cette fonction.

C’est une piste prioritaire pour les professionnels techniques souhaitant participer directement à la création de produits IA.

2. AI Product Manager : transformer les possibilités de l’IA en produits utiles

C’est le deuxième métier reconnu dans la mise à jour de novembre 2026 de France compétences.

L’AI Product Manager se situe au croisement des technologies d’intelligence artificielle, des besoins des utilisateurs et des objectifs économiques de l’entreprise.

Son rôle consiste à déterminer quels problèmes méritent d’être résolus avec l’IA, puis à organiser le développement des solutions correspondantes.

Il doit notamment répondre à des questions fondamentales : faut-il réellement utiliser l’IA ? Quel niveau de fiabilité est nécessaire ? Quel coût est acceptable ? Comment mesurer la valeur créée ?

Ses missions :

• Identifier et prioriser des cas d’usage IA.
• Construire la roadmap produit.
• Coordonner les développeurs, Data Scientists, designers et équipes métiers.
• Définir les indicateurs de qualité, d’adoption et de retour sur investissement.
• Arbitrer entre fonctionnalités classiques, automatisation et intelligence artificielle.

Compétences recherchées : Product Discovery, gestion de roadmap, analyse de données, compréhension des LLM, UX, économie du produit et capacité à travailler avec des équipes techniques.

Pour quels profils ? Product Managers, Product Owners, Business Analysts, consultants digitaux ou profils ayant déjà piloté des produits SaaS.

L’AI Product Manager est l’une des évolutions les plus naturelles pour un professionnel du Digital souhaitant se repositionner vers l’IA sans devenir développeur.

À découvrir : la fiche métier Product Manager de digiRocks.

3. AI Agent Engineer : concevoir des agents IA capables d’exécuter des tâches

Après les chatbots et les assistants conversationnels, les entreprises s’intéressent de plus en plus aux systèmes dits « agentiques ».

Un agent IA peut, dans un cadre défini, planifier plusieurs actions, utiliser des outils, consulter des sources de données et exécuter certaines étapes d’un processus.

Par exemple, une application agentique peut qualifier une demande client, rechercher des informations dans un CRM, préparer une proposition et transmettre le dossier à un collaborateur pour validation.

L’AI Agent Engineer conçoit l’architecture technique de ces systèmes.

Ses missions :

• Concevoir des workflows reposant sur des agents IA.
• Connecter les agents aux applications internes via des API.
• Définir les autorisations, contrôles et validations humaines.
• Construire les tests permettant de détecter les erreurs.
• Superviser le comportement et le coût des agents en production.

Compétences recherchées : Python ou TypeScript, LLM, orchestration, API, architecture logicielle, sécurité et évaluation des systèmes agentiques.

Pour quels profils ? Développeurs Backend, Software Engineers, Automation Engineers et AI Engineers.

Attention : l’AI Agent Engineer n’est pas nécessairement une profession totalement distincte de l’AI Engineer. Il s’agit souvent d’une spécialisation au sein de l’ingénierie IA.

C’est néanmoins un domaine particulièrement intéressant pour les développeurs souhaitant travailler sur des systèmes qui ne se contentent plus de produire du contenu, mais participent à l’exécution de processus métiers.

4. Forward Deployed Engineer : faire fonctionner l’IA directement chez les clients

C’est l’un des métiers les plus représentatifs du passage de l’expérimentation à la mise en production.

Le Forward Deployed Engineer, ou FDE, est un ingénieur qui intervient au plus près des clients et des utilisateurs pour adapter et déployer une technologie complexe.

Dans l’intelligence artificielle, il peut être chargé de transformer un prototype prometteur en solution réellement utilisée dans une banque, une industrie, un éditeur logiciel ou une entreprise de services.

Le FDE combine trois dimensions : développement logiciel, compréhension du métier et relation client.

Ses missions :

• Analyser les processus des clients.
• Adapter les solutions IA à leurs systèmes existants.
• Développer les intégrations et les fonctionnalités nécessaires.
• Piloter la mise en production.
• Mesurer l’adoption et les résultats obtenus.

Compétences recherchées : développement Backend, API, Cloud, SQL, architectures IA, DevOps, communication et gestion de projet.

Pour quels profils ? Software Engineers, consultants techniques, Solutions Architects, Data Engineers et ingénieurs d’intégration.

Ce métier peut particulièrement convenir à des ingénieurs souhaitant conserver une forte dimension technique tout en se rapprochant des clients et des enjeux business.

Pour approfondir : missions, compétences, évolutions et rémunération du Forward Deployed Engineer.

5. AI Platform Engineer / LLMOps Engineer : industrialiser les solutions d’IA

Développer une démonstration d’intelligence artificielle est une chose. Garantir sa disponibilité, sa performance et sa sécurité auprès de milliers d’utilisateurs en est une autre.

C’est précisément la mission des ingénieurs spécialisés dans les plateformes IA et le LLMOps.

Le LLMOps désigne les pratiques permettant de déployer, superviser, évaluer et faire évoluer des applications fondées sur des grands modèles de langage.

Ses missions :

• Concevoir les infrastructures Cloud nécessaires aux applications IA.
• Automatiser les déploiements.
• Mettre en place le monitoring et les systèmes d’évaluation.
• Contrôler les coûts d’inférence.
• Améliorer la fiabilité, la sécurité et la capacité à monter en charge.

Compétences recherchées : AWS, Azure ou GCP, Docker, Kubernetes, CI/CD, observabilité, sécurité, MLOps et architectures distribuées.

Pour quels profils ? DevOps Engineers, SRE, Platform Engineers, Cloud Engineers et Machine Learning Engineers.

Il s’agit moins d’une rupture avec les métiers de l’infrastructure que d’une spécialisation vers les contraintes des systèmes d’intelligence artificielle.

6. AI Transformation Lead : piloter la transformation de l’entreprise par l’IA

Tous les projets IA ne sont pas des projets informatiques.

Une entreprise peut disposer des meilleurs modèles du marché et obtenir peu de résultats si ses processus, son organisation ou ses collaborateurs n’évoluent pas.

C’est là qu’intervient le responsable de la transformation IA, également appelé AI Transformation Lead ou AI Transformation Manager.

Son travail consiste à identifier les activités qui peuvent être améliorées, à prioriser les investissements et à coordonner les changements nécessaires.

Ses missions :

• Cartographier les processus métiers.
• Identifier les cas d’usage à forte valeur ajoutée.
• Construire une feuille de route de transformation.
• Coordonner les directions métiers, IT et Data.
• Mesurer les résultats économiques et opérationnels.
• Organiser l’accompagnement au changement.

Compétences recherchées : conseil en transformation, gestion de programmes, compréhension des technologies IA, conduite du changement, analyse financière et management transversal.

Pour quels profils ? Consultants en stratégie ou transformation digitale, Directeurs de Projet, Business Transformation Managers, responsables des opérations et managers expérimentés.

C’est l’une des voies les plus intéressantes pour les professionnels qui possèdent déjà une solide expérience métier et souhaitent travailler au cœur de la transformation par l’IA.

7. AI Governance Manager : garantir une IA fiable et maîtrisée

Avec la multiplication des usages, les organisations doivent définir des règles pour encadrer leurs systèmes d’intelligence artificielle.

La question ne consiste plus seulement à déterminer ce que l’IA sait faire, mais aussi ce qu’elle est autorisée à faire, avec quelles données et sous quelle responsabilité.

L’AI Governance Manager intervient sur ces enjeux de gouvernance, de risque, de conformité et de contrôle.

Ses missions :

• Inventorier les systèmes d’IA utilisés par l’organisation.
• Évaluer les risques associés aux différents usages.
• Définir les politiques internes de gouvernance.
• Coordonner les équipes juridiques, Data, IT et sécurité.
• Organiser les contrôles, la documentation et la traçabilité.
• Accompagner la conformité aux obligations réglementaires applicables.

Compétences recherchées : gouvernance des données, gestion des risques, audit, protection des données, compréhension des systèmes IA et connaissance du cadre réglementaire européen.

Pour quels profils ? DPO, Risk Managers, responsables conformité, auditeurs IT, spécialistes de la gouvernance Data et juristes spécialisés en technologie.

Il s’agit d’une fonction en développement, mais les responsabilités peuvent encore être intégrées à des postes existants plutôt que confiées à un responsable dédié.

8. AI Security Engineer : sécuriser les applications et les agents intelligents

L’intégration de l’intelligence artificielle dans les systèmes informatiques introduit de nouveaux risques.

Des applications IA peuvent être exposées à des tentatives de manipulation des instructions, à la divulgation de données ou à des utilisations non autorisées de leurs outils.

L’AI Security Engineer est un spécialiste de la cybersécurité orienté vers ces nouveaux environnements.

Ses missions :

• Identifier les vulnérabilités des applications IA.
• Tester les risques de prompt injection et de fuite de données.
• Sécuriser les accès et les connexions aux systèmes tiers.
• Mettre en place des contrôles sur les actions des agents.
• Participer aux audits et aux exercices de sécurité.

Compétences recherchées : cybersécurité applicative, AppSec, IAM, API, Cloud, tests d’intrusion, sécurité des données et fonctionnement des LLM.

Pour quels profils ? Ingénieurs cybersécurité, Application Security Engineers, Cloud Security Engineers et Security Architects.

Ce métier illustre la convergence croissante entre deux spécialités stratégiques : la cybersécurité et l’intelligence artificielle.

9. AI Adoption & Enablement Manager : permettre aux collaborateurs de réellement utiliser l’IA

Le développement des technologies IA ne garantit pas leur adoption.

Une organisation peut investir dans des outils performants sans obtenir les bénéfices attendus si les équipes ne savent pas les utiliser ou si les processus ne sont pas adaptés.

L’AI Adoption & Enablement Manager accompagne les collaborateurs dans l’appropriation de ces nouveaux outils.

Ses missions :

• Évaluer les besoins et les compétences des collaborateurs.
• Concevoir des programmes de formation adaptés aux métiers.
• Identifier des référents IA dans les différents services.
• Développer des bibliothèques de cas d’usage.
• Mesurer l’utilisation réelle des outils et les gains obtenus.
• Accompagner les managers dans la transformation des pratiques.

Compétences recherchées : pédagogie, conduite du changement, formation professionnelle, automatisation, maîtrise des outils IA et connaissance des processus métiers.

Pour quels profils ? Responsables formation, Learning & Development Managers, consultants en conduite du changement, spécialistes Digital Workplace et responsables de transformation.

Ce type de fonction peut constituer un point d’entrée intéressant pour les professionnels non développeurs. Selon la taille de l’entreprise, il peut s’agir d’un poste dédié ou d’une extension des responsabilités d’un manager existant.

Tableau récapitulatif : quel métier de l’IA viser selon votre expérience ?

Ces trajectoires correspondent à des passerelles de compétences, pas à des transitions automatiques. Les postes les plus techniques nécessitent généralement une expérience approfondie du développement, des infrastructures ou de la Data.

Faut-il apprendre à coder pour travailler dans l’intelligence artificielle ?

Non, tous les métiers liés à l’IA ne nécessitent pas de savoir programmer.

Il faut distinguer trois grandes familles de fonctions.

1. Construire l’IA. Les ingénieurs IA, spécialistes des agents et ingénieurs LLMOps doivent maîtriser le développement logiciel et les architectures techniques.

2. Transformer les activités grâce à l’IA. Les AI Product Managers et responsables de la transformation IA ont besoin d’une compréhension solide de la technologie, mais leur valeur repose aussi sur le produit, les processus, les utilisateurs et l’impact économique.

3. Encadrer et diffuser l’IA. Les spécialistes de la gouvernance, de la formation et de l’adoption mobilisent davantage des compétences en conformité, en pédagogie, en management ou en conduite du changement.

Cette distinction est essentielle pour les professionnels qui envisagent une reconversion.

Le meilleur point de départ n’est pas forcément de changer complètement de métier : c’est souvent de combiner son expertise actuelle avec une compétence IA démontrable.

Comment se repositionner vers les métiers de l’IA en 2027 ?

Trois étapes permettent de construire une transition crédible.

Identifier les compétences transférables

Un consultant en transformation possède déjà une expérience du cadrage et de la conduite du changement. Un développeur connaît les architectures logicielles. Un Product Manager sait analyser les besoins utilisateurs.

L’objectif est d’utiliser ces acquis pour rejoindre les projets IA, plutôt que de repartir systématiquement de zéro.

Se former sur les technologies réellement utilisées

Les compétences pertinentes dépendent du métier visé.

Pour les fonctions techniques : Python, API, LLM, RAG, orchestration d’agents, Cloud et évaluation.

Pour les fonctions produit et transformation : compréhension des capacités et limites des modèles, automatisation, analyse des cas d’usage, mesure de la valeur et gestion des risques.

Pour les fonctions gouvernance et adoption : qualité des données, réglementation, sécurité, pédagogie et conduite du changement.

La maîtrise d’un seul outil ou du prompt engineering ne suffit généralement pas à constituer une expertise professionnelle durable.

Démontrer des réalisations concrètes

Un candidat peut valoriser sa reconversion en présentant un projet pertinent : assistant documentaire, automatisation d’un processus, application IA intégrée à un CRM, système d’évaluation ou programme d’adoption des outils.

Dans un recrutement, il devient alors possible de discuter de résultats observables : fiabilité, coûts, qualité, gain de temps ou satisfaction des utilisateurs.

Ces preuves sont souvent plus convaincantes qu’une simple liste d’outils maîtrisés.

L’IA crée-t-elle réellement de nouveaux emplois ?

La réponse est nuancée.

La demande de compétences IA progresse, mais l’automatisation transforme aussi certaines tâches et peut modifier les besoins de recrutement.

Une étude du Laboratoire de l’Innovation et du Futur du Travail publiée en octobre 2026, fondée sur des données françaises, observe notamment un ralentissement relatif des embauches et des fins de CDI dans les professions les plus exposées à l’IA générative, avec un effet particulièrement marqué sur les jeunes entrants. Ces résultats ne signifient pas que l’IA explique à elle seule toutes les évolutions de l’emploi.

De son côté, le World Economic Forum estime que 39 % des compétences actuelles des travailleurs pourraient évoluer ou devenir obsolètes sur la période 2025-2030.

Il serait donc excessif de présenter l’IA comme une garantie d’emploi.

En revanche, les entreprises ont besoin de professionnels capables d’associer technologie, connaissance métier et capacité d’exécution.

Pour les candidats, l’enjeu consiste à se positionner sur des compétences qui produisent une valeur réelle, plutôt qu’à suivre chaque nouvel intitulé de poste.

Quels salaires pour les nouveaux métiers de l’IA ?

Les rémunérations varient fortement selon la spécialisation, la séniorité, la localisation, le secteur et la maturité de l’entreprise.

Il n’existe pas de salaire unique pour un « expert IA ».

Un développeur évoluant vers l’ingénierie IA, un Product Manager spécialisé dans les produits intelligents et un directeur de la transformation ne se situent pas nécessairement sur le même marché salarial.

Les profils combinant expertise technologique approfondie, expérience de production et compréhension des enjeux économiques peuvent bénéficier d’une forte valorisation, sans que celle-ci soit garantie.

Pour se situer, les candidats peuvent consulter le simulateur de salaire Tech & Digital digiRocks ainsi que les fiches métiers Data & IA.

L’analyse digiRocks : les profils hybrides au cœur de la transformation par l’IA

Pour digiRocks, cabinet spécialisé dans le recrutement Tech & Digital, la transformation par l’intelligence artificielle accentue un phénomène déjà observé dans les métiers numériques : la valeur des compétences transversales.

Les entreprises ne recherchent pas uniquement des experts capables de développer des modèles performants. Elles ont également besoin de professionnels sachant les intégrer dans une architecture existante, transformer un processus métier, accompagner les utilisateurs et démontrer les résultats.

C’est pourquoi les profils associant IA et Software Engineering, IA et Product Management, IA et expertise métier, ou IA et transformation des organisations représentent des trajectoires particulièrement intéressantes.

Depuis 2017, digiRocks accompagne les entreprises dans le recrutement d’Experts, Managers et Directeurs sur une centaine de métiers Tech & Digital, notamment dans la Data, l’IA, le Software Engineering, le Product Management et la gestion de projets.

Pour approfondir ces spécialités, le cabinet publie également un guide consacré aux 12 profils clés à recruter dans l’intelligence artificielle en 2026.

À retenir : quels métiers viser pour travailler avec l’IA ?

Deux fonctions viennent de faire leur entrée dans la liste officielle des métiers émergents de France compétences : l’ingénieur IA générative et le Product Manager de solutions d’intelligence artificielle et d’automatisation.

Autour de ces fonctions, plusieurs spécialisations gagnent en importance : ingénierie des agents IA, déploiement chez les clients, plateformes IA, transformation des organisations, gouvernance, cybersécurité et adoption.

Le principal enseignement pour les candidats est simple : pour travailler au cœur de la transformation par l’IA, il n’est pas nécessaire de tout abandonner pour devenir Data Scientist.

Les développeurs, ingénieurs Cloud, Product Managers, consultants, chefs de projet, responsables conformité et spécialistes de la formation disposent déjà de compétences susceptibles de constituer le socle d’une évolution vers l’IA.

La meilleure stratégie consiste à identifier la passerelle la plus cohérente avec son parcours, acquérir les compétences manquantes et démontrer sa capacité à créer de la valeur avec ces technologies.

Vous souhaitez évoluer vers un métier Tech, Data ou IA ?

Découvrez les métiers de la Data & de l’IA, les opportunités professionnelles proposées par digiRocks et les conseils du cabinet pour préparer votre évolution.

Sources principales

• France compétences – Actualisation de la liste des métiers émergents, novembre 2026
• LinkedIn – Nouvelles données sur les métiers et compétences en croissance, 27 octobre 2026
• Indeed Hiring Lab – L’IA se diffuse au-delà des professions Tech, 8 juillet 2026
• PwC – AI Jobs Barometer 2026
• LIFT – Exposition des métiers à l’IA générative et marché du travail en France, octobre 2026
• World Economic Forum – Future of Jobs Report 2025