En bref. « Que devrais-je apprendre ensuite ? » est sans doute la question la plus personnelle que l’on pose aujourd’hui à un assistant IA, et la réponse qui revient est le plus souvent une liste générique de compétences à la mode. Une liste ne peut pas répondre à une question personnelle. Ce qu’il vous faut, c’est une méthode de notation qui combine les données publiques du marché avec les éléments que vous seul connaissez. Cet article vous en propose une : la Matrice de décision des compétences à 4 facteurs de CEOtudent. Elle note toute compétence candidate de 1 à 5 sur la Demande (le marché la rémunère-t-il ?), la Durabilité (gardera-t-elle sa valeur à mesure que l’IA transforme le travail ?), l’Effet de levier (se combine-t-elle avec ce que vous possédez déjà ?) et le Coût d’accès à la compétence (combien de temps et d’argent faut-il pour devenir utile ?). Les pondérations sont de 30/25/25/20, et la matrice ajoute des règles de veto et des critères de départage. Les repères proviennent du Future of Jobs Report 2025 du Forum économique mondial, qui prévoit que 39 % des compétences clés des travailleurs seront transformées ou deviendront obsolètes sur la période 2025-2030, ainsi que des projections 2025-35 du Bureau of Labor Statistics (BLS) américain. Nous avons également croisé deux jeux de données du BLS et constaté que les métiers à exposition relative à l’IA « Low » présentent la plus forte proportion de métiers appelés à décliner (36,6 %), tandis que 8 des 30 métiers à la croissance la plus rapide appartiennent au groupe d’exposition « Very high ». À retenir : être exposé à l’IA n’est pas la même chose qu’être fragile, et votre classement ne doit pas les confondre.
Pourquoi « ce qui est tendance » est la mauvaise question
Un PDG ne finance pas un projet parce qu’il est populaire. L’argent va là où le rendement attendu, la durée de l’avantage, l’adéquation avec les actifs existants et le coût s’alignent. Vos heures d’apprentissage méritent la même discipline, car elles sont rares et chaque heure consacrée à une compétence est une heure qui n’ira pas à une autre.
Les données plaident pour cette discipline. Les employeurs interrogés pour le Future of Jobs Report 2025 du WEF, plus de 1 000 entreprises représentant plus de 14 millions de salariés dans 55 économies, s’attendent en moyenne à ce que 39 % des compétences actuelles des travailleurs soient transformées ou deviennent obsolètes entre 2025 et 2030. Le rapport appelle cela l’« instabilité des compétences ». Ce chiffre recule par rapport aux 44 % de l’édition 2023 et aux 57 % de 2020, et le rapport avance une explication probable : 50 % des travailleurs ont désormais suivi une formation, une reconversion ou un perfectionnement, contre 41 % dans l’édition 2023. Autrement dit, ce sont ceux qui continuent d’apprendre qui freinent le renouvellement.
Les listes de tendances échouent pour trois raisons :
- Elles ignorent votre point de départ. Une même compétence peut rapporter vite à une personne et très lentement à une autre, selon ce à quoi elle se rattache. C’est le cœur de l’empilement de compétences.
- Elles ignorent l’érosion. Certaines compétences gardent leur valeur pendant une décennie, d’autres en perdent l’essentiel dès la prochaine version d’un logiciel (voir la demi-vie des compétences).
- Elles ignorent le coût. Une compétence qui demande deux ans d’apprentissage peut être le bon choix, mais seulement si vous l’avez choisie en connaissance de cause.
La matrice ci-dessous traite ces trois points. Elle est conçue pour être appliquée en une trentaine de minutes et relancée chaque trimestre.
Ce que disent réellement les données du marché
Avant toute notation, il est utile de regarder les deux jeux de données publics qui ancrent les facteurs Demande et Durabilité.
Signal 1 : quelles catégories de compétences les employeurs voient progresser
Le WEF classe 26 catégories de compétences selon leur hausse nette : la part des employeurs qui prévoient une utilisation croissante d’une compétence, moins la part de ceux qui en prévoient le recul. Les compétences technologiques arrivent en tête, mais les compétences humaines comme la pensée créative, la résilience et la curiosité les suivent de près.
Tableau 1. Compétences en hausse, 2025-2030 (données vérifiées, WEF Future of Jobs Report 2025, Figure 3.4)
| Rang | Catégorie de compétences | Hausse nette (points de pourcentage) |
|---|---|---|
| 1 | IA et big data | 87 |
| 2 | Réseaux et cybersécurité | 70 |
| 3 | Culture technologique | 68 |
| 4 | Pensée créative | 66 |
| 5 | Résilience, flexibilité et agilité | 66 |
| 6 | Curiosité et apprentissage tout au long de la vie | 61 |
| 7 | Leadership et influence sociale | 58 |
| 8 | Gestion des talents | 58 |
| 9 | Pensée analytique | 55 |
| 10 | Gestion environnementale | 53 |
| 11 | Pensée systémique | 51 |
| 14 | Design et expérience utilisateur | 45 |
| 17 | Programmation | 27 |
| 18 | Marketing et médias | 25 |
| 19 | Gestion des ressources et des opérations | 24 |
| 25 | Lecture, écriture et mathématiques | -4 |
| 26 | Dextérité manuelle, endurance et précision | -24 |
Source : World Economic Forum, Future of Jobs Survey 2024, publiée dans le Future of Jobs Report 2025. Lignes 12-13, 15-16 et 20-24 omises faute de place.
Deux détails comptent pour une décision personnelle. D’abord, la programmation (27) se situe bien en dessous de l’IA et du big data (87). Le rapport mesure des catégories de compétences, et les employeurs distinguent clairement « travailler avec les données et l’IA » et « écrire du code ». Ensuite, la lecture, l’écriture et les mathématiques sont légèrement négatives, et le rapport les décrit comme faisant partie des compétences les plus stables. Ce sont des fondations, pas des candidates pour un pari sur la prochaine compétence. Elles sont présentes dans presque tous les métiers, d’où une variation nette proche de zéro.
Signal 2 : ce que l’« exposition à l’IA » prédit, et ce qu’elle ne prédit pas
En complément de ses projections 2025-35, le BLS a publié un fichier supplémentaire qui répartit les 831 métiers détaillés en quatre catégories d’exposition relative à l’IA (Low, Moderate, High, Very high). Ces catégories reposent sur cinq sources : trois mesures théoriques et deux fondées sur l’usage observé, dont des données de Claude et de Microsoft Copilot. Le BLS est explicite sur les limites. Une catégorie d’exposition « n’est pas une prévision de croissance ou de déclin de l’emploi », elle ne distingue pas l’automatisation de l’augmentation, et les sources théoriques décrivent des capacités de l’IA qui ne vont pas au-delà de la mi-2023.
Nous avons croisé ce fichier avec le tableau du BLS des 30 métiers à la croissance la plus rapide et résumé chaque groupe d’exposition.
Tableau 2. Calcul CEOtudent : exposition à l’IA et croissance projetée, 831 métiers américains (d’après les données du BLS)
| Exposition relative à l’IA | Métiers | Emploi 2025 (milliers) | Part de l’emploi | Variation projetée de l’emploi 2025-35 | Médiane des salaires médians par métier | Part des métiers appelés à décliner | Parmi les 30 à la croissance la plus rapide |
|---|---|---|---|---|---|---|---|
| Low | 213 | 30 264,7 | 17,8 % | +2,5 % | 49 120 $ | 36,6 % | 4 |
| Moderate | 206 | 44 651,3 | 26,2 % | +6,2 % | 52 760 $ | 26,2 % | 9 |
| High | 206 | 42 142,0 | 24,8 % | +3,1 % | 73 985 $ | 19,4 % | 9 |
| Very high | 206 | 53 209,2 | 31,3 % | +2,0 % | 78 105 $ | 29,1 % | 8 |
Calculé par CEOtudent à partir du fichier du BLS « AI exposure categories and 2025-35 employment projections » et du tableau 1.3 des Employment Projections du BLS. La variation de l’emploi correspond à la somme des effectifs des métiers détaillés en 2035 divisée par la somme en 2025. La colonne des salaires est la médiane entre métiers (non pondérée) ; 6 métiers sans données salariales sont exclus. Pour l’ensemble des métiers, le BLS projette +3,5 %.
Ce tableau contredit un raccourci répandu : « apprenez ce que l’IA ne peut pas toucher ». Le groupe Low présente la plus forte part de métiers appelés à décliner, et aussi les salaires les plus bas. Le groupe Very high progresse plus lentement au total, mais il comprend les data scientists (+34,6 %), les analystes en sécurité de l’information (+21,0 %) et les responsables des systèmes informatiques et d’information (+15,8 %, salaire médian de 175 140 $). Tous figurent parmi les métiers à la croissance la plus rapide du pays.
L’exposition vous dit que les tâches d’un métier évoluent. Elle ne vous dit pas si le marché continuera à payer pour ce métier. C’est pourquoi la matrice note la Durabilité séparément de la Demande, et pourquoi elle note la Durabilité au niveau de la compétence, et non du métier.
La Matrice de décision des compétences à 4 facteurs de CEOtudent
Les quatre facteurs se répartissent en deux groupes. La Demande et la Durabilité décrivent le marché : elles proviennent des données et sont à peu près les mêmes pour tout le monde. L’Effet de levier et le Coût d’accès à la compétence vous décrivent vous : ce sont des jugements que vous seul pouvez porter. Une compétence doit bien se comporter sur les deux groupes pour obtenir un bon classement.
Tableau 3. Cadre éditorial CEOtudent : grille de notation (1-5 par facteur)
| Note | Demande (30 %) : le marché paie-t-il ? | Durabilité (25 %) : gardera-t-elle sa valeur ? | Effet de levier (25 %) : se combine-t-elle avec ce que vous avez ? | Coût d’accès (20 %) : combien coûte le niveau « utile » ? |
|---|---|---|---|---|
| 5 | Hausse nette WEF de 65 ou plus, OU métier cible dont la croissance projetée atteint 3x le taux tous métiers confondus (10,5 % ou plus sur 2025-35) | Compétence de principe dans la couche du jugement, de l’orientation ou des personnes ; transférable d’un outil et d’un rôle à l’autre | S’appuie sur au moins deux compétences que vous maîtrisez déjà à un niveau opérationnel et ouvre un nouveau rôle ou une nouvelle combinaison | Niveau utile en 1 mois ou moins (le seuil du BLS pour la formation courte sur le tas) |
| 4 | Hausse nette de 50-64, OU croissance de 2x-3x le taux tous métiers confondus (7,0-10,4 %) | Une méthode que l’IA augmente plutôt qu’elle ne l’exécute ; les outils changent, le cœur reste | S’appuie directement sur une compétence existante solide | 1-3 mois à temps partiel |
| 3 | Hausse nette de 25-49, OU croissance de 1x-2x le taux (3,5-6,9 %) | Un cœur durable avec une couche d’outils qui évolue vite et qu’il faut réapprendre régulièrement | Neutre : ni appui ni conflit avec votre portefeuille de compétences | 3-12 mois (la tranche moyenne durée du BLS va de plus de 1 mois à 12 mois) |
| 2 | Hausse nette de 0-24, OU croissance entre 0 % et 3,4 % | Liée à une plateforme ou une version ; prévoir de réapprendre d’ici 1-2 ans | Nouveau domaine avec des prérequis manquants à acquérir d’abord | Plus de 12 mois (la tranche longue durée du BLS) |
| 1 | Hausse nette négative, OU métier cible appelé à décliner | La compétence est elle-même la tâche routinière en cours d’automatisation (le WEF classe les employés de saisie de données parmi les métiers en plus fort déclin) | Aucun lien avec votre portefeuille, et elle concurrence le temps consacré aux compétences que vous devez entretenir | Exige un diplôme, une licence ou un internat, plus un investissement financier important |
Comment noter la Demande. Utilisez celui des deux signaux que vous pouvez vérifier pour votre marché cible, et retenez le plus élevé. La catégorie du WEF indique ce que les employeurs anticipent à l’échelle mondiale. La croissance d’un métier selon le BLS, comparée au taux de 3,5 % tous métiers confondus, indique si un rôle précis se développe aux États-Unis. Hors des États-Unis, utilisez de la même façon les projections de votre institut statistique national. Les compétences les plus recherchées en 2026 présente d’autres signaux du marché.
Comment noter l’Effet de levier. Partez d’un inventaire honnête. L’audit de compétences vous guide pas à pas. L’Effet de levier est le facteur qui classe différemment une même compétence pour deux personnes.
Comment noter le Coût. Estimez le temps nécessaire pour devenir utile, pas pour atteindre la maîtrise : le moment où quelqu’un paierait pour votre travail ou en dépendrait. Les données de temps d’accès à la compétence pour 20 compétences fournissent des points de repère.
La formule
Score de compétence = 0,30 x Demande + 0,25 x Durabilité + 0,25 x Effet de levier + 0,20 x Coût d’accès
Le maximum est de 5,0. Multipliez par 20 si vous préférez une échelle de 0 à 100. La Demande pèse le plus lourd parce qu’une compétence que personne ne rémunère est un loisir, ce qui est parfaitement légitime mais relève d’une autre décision. Le Coût pèse le moins parce qu’un coût élevé vaut souvent la peine d’être payé quand les trois autres facteurs sont solides.
Règles de décision
Un score pondéré peut à lui seul masquer un défaut rédhibitoire. Ces règles passent avant le total :
- Veto : Demande de 2 ou moins. Si le signal du marché est plat ou négatif, la compétence n’est pas un pari de carrière. Apprenez-la pour elle-même, mais ne la comptez pas comme un capital de carrière.
- Veto : Durabilité de 1. N’investissez pas des mois dans la tâche que le marché est en train d’automatiser.
- Filtre des diplômes. Une note de Coût de 1 (diplôme ou licence) ne se justifie qu’avec une Demande de 5 et un plan financé et daté.
- Départage à moins de 0,2 point : choisissez l’Effet de levier le plus élevé. Les compétences qui se combinent produisent des résultats visibles plus tôt, et les premiers résultats entretiennent la motivation.
- Second départage : le délai le plus court jusqu’à une première preuve publique (un projet livré, une analyse publiée, une certification demandée par les employeurs).
- Plancher « peu de temps ». Si vous portez la pondération du Coût au-delà de 30 % parce que vos heures sont rares, exigez une Durabilité de 3 ou plus. Sinon, la matrice vous orientera vers des compétences bon marché qui s’érodent vite (l’exemple ci-dessous le montre).
- Un seul pari central à la fois. Financez une compétence comme principal investissement d’apprentissage et gardez un petit budget d’entretien pour celles que vous possédez déjà (voir le calendrier d’entretien face à la perte de compétences).
Exemple concret : les mêmes huit compétences, deux personnes différentes
Pour montrer la matrice en action, nous avons noté huit compétences candidates pour deux profils illustratifs :
- Profil A : une spécialiste marketing avec une solide expérience de la rédaction et des campagnes, et des compétences de base en tableur.
- Profil B : un coordinateur des opérations à l’aise avec les tableurs et les processus, sans expérience en marketing.
La Demande provient du Tableau 1 et de la croissance selon le BLS (le signal le plus élevé l’emporte). Par exemple, la gestion des opérations et de projet n’obtient que 2 sur sa catégorie WEF (hausse nette de 24) mais 5 selon le BLS, car les logisticiens devraient progresser de 17,6 %. La Durabilité, l’Effet de levier et le Coût sont des jugements CEOtudent posés à titre d’illustration. Vos propres notes seront différentes, et c’est normal.
Tableau 4. Calcul CEOtudent : exemple concret, pondérations de référence 30/25/25/20
| Compétence candidate | Demande (données) | Durabilité (jugement) | A : Levier | A : Coût | A : Score (rang) | B : Levier | B : Coût | B : Score (rang) |
|---|---|---|---|---|---|---|---|---|
| Automatisation des flux de travail par l’IA | 5 (WEF 87) | 3 | 5 | 4 | 4,30 (1) | 4 | 4 | 4,05 (3) |
| Analyse de données (SQL + Python) | 5 (WEF 87 ; data scientists +34,6 %) | 3 | 4 | 3 | 3,85 (2) | 5 | 3 | 4,10 (2) |
| Management d’équipe | 4 (WEF 58) | 5 | 3 | 2 | 3,60 (3) | 4 | 2 | 3,85 (4) |
| Gestion des opérations et de projet | 5 (WEF 24 ; logisticiens +17,6 %) | 4 | 2 | 3 | 3,60 (4) | 5 | 4 | 4,55 (1) |
| Recherche UX | 3 (WEF 45) | 4 | 4 | 3 | 3,50 (5) | 1 | 3 | 2,75 (7) |
| Certification sur une seule plateforme publicitaire | 3 (WEF 25) | 2 | 4 | 5 | 3,40 (6) | 1 | 5 | 2,65 (8) |
| Fondamentaux de la cybersécurité | 5 (WEF 70 ; analystes en sécurité de l’information +21,0 %) | 4 | 1 | 3 | 3,35 (7) | 2 | 3 | 3,60 (5) |
| Programmation logicielle | 3 (WEF 27) | 3 | 2 | 2 | 2,55 (8) | 3 | 2 | 2,80 (6) |
Le management d’équipe et la gestion des opérations sont à égalité à 3,60 pour le Profil A ; la Règle 4 (Effet de levier le plus élevé) place le management en troisième position. Pour le Profil B, l’analyse de données (4,10) et l’automatisation des flux de travail par l’IA (4,05) sont à moins de 0,2 point d’écart, et la Règle 4 maintient l’analyse de données devant. Aucune compétence de cet ensemble ne déclenche de veto. Tous les scores ont été recalculés par script.
Trois résultats méritent d’être soulignés :
- Un même marché donne des réponses différentes. La cybersécurité affiche l’un des meilleurs scores de Demande de l’ensemble, et pourtant elle n’arrive qu’en 7e position pour la spécialiste marketing, car elle ne se rattache à rien dans son travail actuel. La gestion des opérations et de projet est 4e pour la spécialiste marketing et 1re pour le coordinateur. C’est l’Effet de levier qui transforme une liste de tendances générique en décision personnelle.
- La Durabilité départage les options proches. La certification sur une plateforme publicitaire est bon marché (Coût 5) et s’accorde avec le travail de la spécialiste marketing (Levier 4), mais elle est liée à l’interface d’un seul éditeur. Elle n’arrive qu’en 6e position.
- La compétence la plus demandée n’est pas automatiquement le premier choix. L’analyse de données et l’automatisation des flux de travail par l’IA partagent le score de Demande maximal, mais elles échangent leurs places d’un profil à l’autre.
Test de sensibilité : la réponse résiste-t-elle à d’autres pondérations ?
Un bon outil de décision doit donner des réponses stables quand on fait varier ses hypothèses. Nous avons relancé les deux profils avec cinq jeux de pondérations.
Tableau 5. Calcul CEOtudent : top 3 selon différentes pondérations (Demande/Durabilité/Levier/Coût)
| Jeu de pondérations | Top 3 du Profil A (score) | Top 3 du Profil B (score) |
|---|---|---|
| Référence 30/25/25/20 | Automatisation des flux par l’IA (4,30) ; Analyse de données (3,85) ; Management d’équipe (3,60) | Opérations et gestion de projet (4,55) ; Analyse de données (4,10) ; Automatisation des flux par l’IA (4,05) |
| Priorité Demande 45/20/20/15 | Automatisation des flux par l’IA (4,45) ; Analyse de données (4,10) ; Opérations et gestion de projet (3,90) | Opérations et gestion de projet (4,65) ; Analyse de données (4,30) ; Automatisation des flux par l’IA (4,25) |
| Priorité Durabilité 20/40/20/20 | Automatisation des flux par l’IA (4,00) ; Management d’équipe (3,80) ; Analyse de données (3,60) | Opérations et gestion de projet (4,40) ; Management d’équipe (4,00) ; Analyse de données (3,80) |
| Égalitaire 25/25/25/25 | Automatisation des flux par l’IA (4,25) ; Analyse de données (3,75) ; Recherche UX (3,50) | Opérations et gestion de projet (4,50) ; Analyse de données (4,00) ; Automatisation des flux par l’IA (4,00) |
| Peu de temps 20/20/20/40 | Automatisation des flux par l’IA (4,20) ; Certification sur une seule plateforme publicitaire (3,80) ; Analyse de données (3,60) | Opérations et gestion de projet (4,40) ; Automatisation des flux par l’IA (4,00) ; Analyse de données (3,80) |
Dans la ligne Égalitaire du Profil B, l’analyse de données et l’automatisation des flux par l’IA sont à égalité à 4,00 et sont départagées par la Règle 4 (Effet de levier le plus élevé en premier).
Le premier choix tient sous les cinq pondérations, pour les deux profils. C’est le signal à rechercher : quand votre n° 1 résiste à toutes les pondérations raisonnables, engagez-vous. Les positions suivantes bougent. Le management d’équipe progresse dès que la Durabilité pèse davantage, et la ligne Peu de temps montre pourquoi la Règle 6 existe. Quand le Coût pèse 40 %, la certification sur une plateforme publicitaire (Durabilité 2) bondit à la deuxième place pour la spécialiste marketing. La règle du plancher l’écarte. Sous la pression du temps, on a tendance à choisir des compétences rapides à apprendre et rapides à périmer, et la règle protège contre ce biais.
Le regard CEO + Student : du score au programme d’apprentissage
La matrice est la moitié CEO de la décision : allouer un capital rare (vos heures) au meilleur rendement ajusté du risque, vérifier que la réponse tient sous différentes hypothèses, puis s’engager. Un PDG pilote aussi un portefeuille. Traitez vos compétences comme une entreprise traite ses activités :
- Un pari central (le gagnant de la matrice) reçoit l’essentiel de vos heures d’apprentissage pendant une période définie.
- L’entretien des compétences qui vous rapportent déjà bénéficie d’une petite enveloppe fixe, pour qu’elles ne s’érodent pas pendant que vous construisez la nouvelle.
- Une position d’éclaireur, une exploration peu coûteuse de l’option n° 2 ou n° 3, garde votre prochain mouvement éclairé.
La moitié Student commence une fois le choix fait. Un score ne vous apprend rien. Ce qui transforme le choix en compétence, c’est un plan séquencé, une pratique délibérée et une première preuve publique rapide. Pour cela, bâtissez un programme d’apprentissage personnel avec l’IA : définissez « utile » comme un résultat observable, remontez à partir de celui-ci et placez un point de contrôle toutes les quelques semaines.
Puis renotez. Les marchés bougent, et le BLS lui-même republie ses projections chaque année (l’édition 2026-36 est attendue en 2027). Vos propres notes d’Effet de levier évoluent aussi à mesure que vous apprenez : chaque compétence ajoutée augmente l’Effet de levier des compétences voisines. C’est cet effet cumulatif que la matrice est conçue pour saisir.
Comment appliquer la matrice en 30 minutes
- Listez 5-8 candidates. Incluez au moins une option « ennuyeuse » proche de votre poste actuel. Elle l’emporte souvent sur l’Effet de levier.
- Notez la Demande à partir des données. Cherchez la catégorie WEF et, si vous visez un rôle précis, sa croissance projetée par rapport à la référence de 3,5 % (ou à l’équivalent dans votre pays).
- Notez la Durabilité. Demandez-vous si la compétence est la tâche que l’IA exécute, ou le jugement qui oriente et contrôle cette tâche. N’utilisez pas l’exposition du métier comme raccourci (voir Tableau 2).
- Notez honnêtement l’Effet de levier et le Coût. Ce sont vos données privées. En cas de doute, demandez l’avis d’un collègue qui connaît votre travail.
- Appliquez les vetos, puis calculez. Classez les compétences et appliquez les critères de départage.
- Faites un test de résistance. Relancez le calcul avec des pondérations axées sur la Demande et sur la Durabilité. Si votre n° 1 tient, engagez-vous. Sinon, le choix est serré et l’Effet de levier doit trancher.
- Notez une date de renotation à 90 jours.
FAQ
Quelle compétence apprendre ensuite en 2026 ?
Cela dépend de votre point de départ, et c’est pourquoi une liste unique ne peut pas répondre à cette question. Notez vos candidates sur la Demande, la Durabilité, l’Effet de levier et le Coût d’accès à la compétence. Pour beaucoup de travailleurs du savoir, la matrice désignera une compétence liée aux données ou à l’IA, car les employeurs du WEF placent l’IA et le big data en tête avec une hausse nette de 87. Mais dans notre exemple concret, le meilleur choix pour le coordinateur des opérations était la gestion des opérations et de projet, grâce à l’Effet de levier.
Faut-il éviter les compétences liées aux métiers très exposés à l’IA ?
Non. Le BLS précise que ses catégories d’exposition ne sont pas des prévisions de déclin de l’emploi. Dans notre croisement des données du BLS, 8 des 30 métiers à la croissance la plus rapide appartiennent au groupe d’exposition Very high, tandis que les métiers à exposition Low présentent la plus forte part de métiers appelés à décliner (36,6 %). Notez plutôt la Durabilité au niveau de la compétence.
En quoi est-ce différent d’une analyse des écarts de compétences ?
Une analyse des écarts vous dit ce qui vous manque pour atteindre un objectif donné. La matrice vous aide à choisir quel écart combler en premier, en mettant en balance la valeur de marché, la longévité, l’adéquation et le coût.
Puis-je modifier les pondérations ?
Oui. La répartition 30/25/25/20 est un choix éditorial par défaut. Testez votre résultat avec d’autres pondérations (Tableau 5). Si vous donnez au Coût plus de 30 % du poids, appliquez le plancher de Durabilité de 3 pour que l’outil ne favorise pas des compétences qui s’érodent vite.
À quelle fréquence faut-il renoter ?
Tous les 90 jours, ou dès qu’un changement important survient : un nouveau poste, un nouvel outil dans votre domaine, ou une nouvelle édition du rapport du WEF ou des projections du BLS.
Un score plus élevé garantit-il un meilleur salaire ?
Non. La matrice améliore la façon dont vous répartissez votre temps d’apprentissage. Elle ne prédit pas les résultats. Les chiffres de salaire et de croissance décrivent des métiers en moyenne, pas ce que gagnera une personne en particulier.
Sources
World Economic Forum, The Future of Jobs Report 2025, Insight Report, janvier 2025 (Key findings ; Figure 3.4 Skills on the rise, 2025-2030).
U.S. Bureau of Labor Statistics, Employment Projections, Table 1.3 Fastest growing occupations, 2025 and projected 2035 (dernière modification le 27 août 2026).
U.S. Bureau of Labor Statistics, AI exposure categories and 2025-35 employment projections, fichier de données supplémentaire, 2026.
U.S. Bureau of Labor Statistics, Artificial Intelligence (AI) exposure categories: methodology and limitations, publications Employment Projections (dernière modification le 27 août 2026).
U.S. Bureau of Labor Statistics, Measures of Education and Training, documentation technique Employment Projections (dernière modification le 27 août 2026).
Note sur les données : le Tableau 1 présente des données vérifiées issues du WEF Future of Jobs Report 2025. Le Tableau 2 est un calcul CEOtudent à partir des données du BLS. Le Tableau 3 constitue le cadre éditorial CEOtudent. Les Tableaux 4 et 5 sont des calculs CEOtudent dans lesquels la Demande est tirée des données, tandis que la Durabilité, l’Effet de levier et le Coût sont des jugements éditoriaux illustratifs.
Ce contenu a été compilé avec le soutien de l’IA à la suite d’une recherche approfondie, puis rédigé et préparé pour publication par l’équipe éditoriale de CEOtudent.
