La question, autrefois presque incongrue, revient sérieusement dans les médias spécialisés en 2026 : dans un monde où l'IA rédige, code et synthétise déjà à un niveau correct, l'investissement en années d'études a-t-il toujours le même retour ?
L'argument est simple : si l'IA générative peut déjà produire un premier jet de code, un mémo juridique standard ou une analyse financière basique, la valeur différentielle d'un diplôme qui enseigne principalement à exécuter ces tâches diminue. Plusieurs analyses, dont celle de l'Institut F2I, posent frontalement la question de la pertinence de certains cursus construits autour de compétences aujourd'hui largement automatisables.
Sur notre base ROME 4.0, les métiers qui résistent le mieux à l'automatisation à 10 ans ne sont pas les métiers "sans diplôme" — ce sont des métiers qui exigent une expertise réglementée et longue (médecine, expertise judiciaire) ou un savoir-faire relationnel difficile à acquérir sans formation structurée (accompagnement, pédagogie). Voir notre classement des métiers les plus résistants : la majorité nécessite un parcours de formation long, parfois plus long que la moyenne.
Le débat "faut-il étudier" masque en réalité un débat plus utile : "qu'est-ce qui, dans un cursus, reste utile face à l'IA ?" Un cursus qui forme essentiellement à exécuter des procédures documentées perd de la valeur. Un cursus qui forme à juger, arbitrer, s'adapter à l'imprévu et interagir avec d'autres humains en garde. C'est une question de contenu pédagogique, pas de durée d'études.
Les données de l'OCDE et de la Direction générale du Trésor (voir notre panorama des études officielles) continuent de montrer une corrélation forte entre niveau de qualification et résilience à l'automatisation — l'IA générative n'a pas encore inversé cette tendance de fond, elle en a seulement changé la nature.